723
面向新周期的动力电池智能制造，一定要有标准和整体设计，专注于设备自动化、单项信息化或者专注某一点上数据分析，都不足以支撑整体智能制造的发展。
电动化与储能市场需求的大规模启动，全球动力电池制造正在面临着前所未有的新挑战。
在刚结束的第十五届高工锂电产业峰会上，产业界的一致共识是：TWh时代的动力电池要向极限制造迈进，这包含了极限效率、极限品质、极限成本，而要想真正实现极限目标，整个行业都需要导入新思路、新角色，真正推动动力电池智能制造的落地。
“动力电池是一个巨大的赛道，同时也是非常创新的行业，由于整个行业发展历程短暂，支撑锂电行业发展的底层信息化、数字化和智能制造依然薄弱。”
蜂巢能源CIO李翌辉博士深有感触的表示，面向新周期的动力电池智能制造，一定要有标准和整体设计，专注于设备自动化、单项信息化或者专注某一点上数据分析，都不足以支撑整体智能制造的发展。
作为新势力动力电池企业的代表，蜂巢能源从成立一开始就意识到智能制造的价值和意义。蜂巢能源董事长兼CEO杨红新在多个场合都曾表示，动力电池企业要应对更高品质、更大规模的新能源市场需求，制造升级迫在眉睫。
而在实际行动上，蜂巢能源也是业内第一家提出AI智能工厂的企业，2019年，其就率先在行业内宣布打造车规级AI智能动力电池工厂。
在2021年的电池日上，蜂巢能源发布面向未来的发展战略，这其中，AI智能制造战略是其四大子战略之一，基于该战略，蜂巢能源成立AI智造生态联盟—“AI蜂能联盟”，联盟将通过整合AI领域、工业领域领军和独角兽资源，打造产业生态圈，为能源互联全产业链服务，推动产业链制造模式创新发展和转型升级。
除了担任蜂巢能源CIO，李翌辉还有另外一个身份——章鱼博士智能技术（上海）有限公司（以下简称“章鱼博士”）的总经理，这是蜂巢能源于2021年 8 月成立的一家专注于智能控制和智能制造领域平台公司。
高工锂电了解到，章鱼博士除了“对内”承接蜂巢能源AI智能工厂建设的战略分工，提供包括 AI 智能仿真、AI智能视觉、AI智能分析等创新技术支持，“对外”还提供能源互联、工业智控硬件、AI算法与核心工业软件、灯塔工厂总包集成等方向产品与服务。
李翌辉表示，章鱼博士成立之初就定位成为一个智能制造的平台，不仅仅只是赋能蜂巢能源的智能工厂打造，而是要推动整个产业链的转型升级。
蜂巢能源CIO、章鱼博士CEO李翌辉博士
第十五届高工锂电产业峰会期间，高工锂电与蜂巢能源CIO、章鱼博士CEO李翌辉博士进行了深度对话，围绕动力电池智能制造现阶段面临的挑战、蜂巢能源的AI智能制造落地以及章鱼博士的布局等话题进行了详细探讨。
TWh时代的制造挑战
进入新周期后，锂电池行业无论是从制造、设计、供应链等各个维度都在面临前所未有的新挑战。在此背景下，沿用过去传统的制造模式已经无法满足产业新阶段的需求。
一是从制造的复杂程度来看，锂电池制造既有连续又有离散，制程过程非常复杂。
李翌辉介绍，一条锂电池产线上的关键质量工艺控制点要在2500个以上，同时又是高速度、高节拍、高精度的生产要求，因此对整个制程过程中的质量和工艺一致性要求极为严苛。
同时，对于最终产品的质量要求也非常高，以产品寿命为例，其档案追溯信息至少要保存15年以上。这些都给整个锂电制造带来极高的挑战和要求。
二是从设计开发角度来看，锂电池的结构设计需要大量的工艺验证，沿用传统的实验试错已经无法满足需求。
锂电池制造过程既有物理形态变化（匀浆、涂布、切片、叠片、注液等属于物理形态变化），同时也有电化学的变化（预充、分容、化成等属于电化学激活）。
因此，整个设计环节必须要考虑到工艺实现和制造支撑，业内称为DFX(面向产品生命周期设计)，面向工艺，面向制造、面向服务全生命周期的设计。
整个设计环节需要导入大量仿真验证。李翌辉坦言，尽管过去在其它行业里也会涉及仿真应用，但不像锂电领域，同时涉及到物理结构、电化学、运动、流体、机械结构、电磁兼容等一系列复杂领域，几乎所有在制造业里找到的仿真全都涉及。
“如果按照以前的实验试错方式，一个新的材料新配方去做验证的话，最长可能需要12个月，严重影响到产品的开发和产业化节奏，必须导入仿真在设计及制造环节的应用。”李翌辉这样表示。
三是从供应链和生产管控环节来看，整体的管控难度也在越来越大。
对于动力电池企业而言，不仅要做供应商的管理，还要做产地管理、产线管理、供应商来料批次管控，这都是整个供应链大环节的管控。
而在生产现场的管控中，蜂巢能源一条线一天产量达2万多个，一旦发生设备的任何问题，比如设备干涉碰撞、局部粉尘超标、机器人抓取碰撞或者加持力的下降变化等，都会造成问题。
此外，工厂内的物料衔接协同也异常复杂。在整个制造过程中，为了保证洁净度，对于线边物料库有严格要求，这就要求做到精益配送，做到整个仓储系统和制造系统的有序衔接和协同，这就需要精益化加数字化的深度融合。
四是对于生产环境的控制要求也越来越高。
“环境里面包括温度、湿度、粉尘污染等，过去通过一些计量表去监测，但现在已经不能满足要求。”
李翌辉介绍，以蜂巢为例，在西南地区做了大规模布局，近年来一些厄尔尼诺等极端气候的出现，会短时间内突发暴雨，这样的情况下，沿用传统的环境控制设施，按照刚性的控制的策略就会失效，而短期内如果控制策略不做快速调整，就会造成湿度急剧增加，在电池生产过程中，可能就会造成批量的报废。
对粉尘也是一样，在叠片工序中，一些局部的叠片会造成大量粉尘溢出，如何在局部微环境里进行控制，这既要通过传感的监测，又要通过仿真的方式，不断的去做整个环境控制策略的要求。
所有这些，都对于目前的动力电池制造带来了巨大的挑战。
李翌辉认为，面对这些挑战，如果只是凭借个别环节的创新、单机设备自动化升级，只能带来局部优化，很难彻底解决上述难题。全局最优解在于将信息化、网络化、数字化、智能化融入电池制造全过程，真正实现电池的智能制造。
蜂巢能源AI智造落地
事实上，围绕着动力电池制造环节的一系列挑战，过去两年，蜂巢能源已经做了一系列积极探索。
李翌辉介绍，蜂巢能源率先在行业内提出AI智能工厂，以设备、质量、制造为核心、工厂规划、产品工艺开发、厂内仓储物流为保障，通过广泛应用人工智能、大数据、云服务&IOT、VR/AR、视觉识别等新一代智能制造技术，以大数据分析、建模、仿真和集成为核心应用，实现生产过程的自感知、自决策、自执行，以及企业整体管理模式的智能分析决策。
在AI智能制造战略下，蜂巢能源构建了三大里程阶段、六条智能主线、四大基础平台、八大共性能力、智能产业生态的多维架构体系，旨在最终实现一致可靠、柔性高效、可控成本高品质、快速稳定交付的目标。
为了实现上述目标，李翌辉介绍，蜂巢能源目前主要通过工厂规划、产品工艺设计、设备管理、制造管理、品质管理、厂内仓储物流等六大主线来推动智能制造的落地。并真正将人工智能充分融入其中，每条主线都应该被赋予智能化特征。
在工厂规划上，随着蜂巢能源产能快速复制，对于工厂规划及落地的速度要求越来越快，从过去24个月降到15个月，再到12个月，甚至还要挑战9个月。
而这背后就是在规划过程中大量应用数字孪生仿真，在产线布局、物流规划以及一些关键工艺环节去做先验性质的验证，通过大量标准化的模型组件，以及在工厂建设当中形成的大量基于BM的仿真组建库来快速构建工厂。
在设计和工艺协同环节，动力电池工艺变化非常快，蜂巢能源基于数字化的工艺，进行了大量仿真工作。
在锂电的制造当中，由于实验验证的不充分，造成现场大量不停的去改，造成了整个生产OEE效能损失非常巨大。
李翌辉介绍，通过仿真工具的导入和深化，可减少物理验证，并实现零部件的快速复用，同时，通过工艺参数结构化应用，实现工艺数字化、知识化、智能化。并通过知识快速复用，变更闭环管理，导入设计制造协同等系统打通数据流，从而达到设计-工艺-制造端的深度协同。
在设备管理上，蜂巢能源建立了整个基于异常处理知识的闭环管理。通过对整个设备建立核心特征档案，构成设备健康度的判断依据。再通过大量采集的设备关键传感器数据进行计算，当设备核心部件发生衰减时，可进行趋势性预判，判别其是偶发的衰减还是趋势性衰减。
同时，还可以对核心部件不停的做寿命预测，比如说滤网、关键部件的切刀等，在出现问题之前，对部件做预防性维护和维修。通过这样的方式，蜂巢建立起快速自主式维修体系。
“在高速高节拍的设备运行中，如何保证设备的健康稳定的运行，仅靠过去的基于经验式的运维，或者是不管三七二十一到点去换，已经难以为继。”
李翌辉介绍，以极片切割环节的刀具为例，整个一套刀架要上百万，如果不按照预防性维修的方式来做的话，就会造成重大的生产停滞及损失。
而根据蜂巢能源的发现，产线70%以上的故障都是5分钟以上，如果能把这些70% 比例的5分钟以上的故障至少消灭一半，通过自主式快速菜单式智能化故障排除系统快速解决，会对OEE改进有很大提升。
在品质管控环节，锂电行业品质管理已经达到近乎苛刻的地步，蜂巢能源提出来TB级的制造里面，7.5西格玛已经变成了一个起点。
李翌辉表示，蜂巢能源大量应用数字化检测质量，在大量数据分析以及面向DFX的过程中，从头灌输整个质量的理念。蜂巢能源构建大量在线监测装置，包括大量部署的机器视觉，通过这些机器视觉，可以将提前经过优化、训练好的算法导入其中，再做质量检测。
高工锂电了解到，蜂巢能源基于AI和视觉检测的应用，已经在分切机极片毛刺检测、极片表面缺陷检测、密封钉焊接质量检测、正负极盖板焊接缺陷检测、包蓝膜缺陷检测等多个场景得到应用。
在仓储物流环节，蜂巢能源建立起了整个精益物流和制造协同体系，基于APS(生产计划排程系统)的计划算法，实现整个仓储和制造系统的精益衔接。
要保证产线边既不缺料又不堆料，相当于一个蓄水池要把把水位控制在最合理最精准的水平，既不发生洪水泛滥，也不发生干涸，这个需要整个物料系统精密联动，就要实现精益化加数字化深度融合。
章鱼博士的角色定位
尽管对于智能制造的探索，蜂巢能源已经先行一步，但在李翌辉看来，要想让其真正大规模落地，绝非仅靠一家企业就可以完成。
“智能制造的最终落地，必须要建立一整套的核心能力，这里面既包括工厂规划能力、并行协同能力，同时也包括大量仿真验证、设备感知、工业互联、极速软件开发等一系列能力，这一整套完整能力的构建需要整个产业链共同协作来实现。”
也正是意识到如此，蜂巢能源专门设立了章鱼博士，目的就在是通过产业链的整合，来推动产业的转型升级。
事实上，在智能制造目前的产业链中，最为重要但也最为薄弱的环节是系统集成商，其重点方向是要研究整体智能制造的标准、体系架构、使能方法等，同时将目前现有的软硬件进行系统有效的整合。
李翌辉向高工锂电表示，章鱼博士的成立就定位于此，要成为一家智能控制和智能制造核心系统提供商。
在核心产品开发上，章鱼博士目前已经有包括线体智能控制器、面向行业的MES、AI智能算法平台等核心产品。
针对传统数据传输效率无法满足动力电池生产对设备控制速度的要求。章鱼博士引入边缘计算，在设备实时控制方面做了大量创新，开发出了线体智能控制器。
这种“软硬一体”的控制器，融合了传统上位机、NPU 算力、物联网关、5G 高速通讯模块及边缘计算等功能，实时运行数据被输入到算法模型后，可就地运算，并将结果快速反馈给 PLC，匀浆搅拌、涂布、切叠等环节实现毫秒级控制。据李翌辉透露，17 条蜂巢能源产线马上会部署章鱼博士研发的智能控制器。
同时，章鱼博士还构建了一整套AI大数据企业平台，基于自研智能硬件，融合AI深度学习+机器视觉算法，提供零代码AI大数据企业平台，实现对动力电池缺陷在线实时检测、大数据实时监控及企业其他场景AI应用。
与此同时，章鱼博士基于蜂巢能源的全球布局，累积了300多个大型IT实施经验，因此其还具备了打造灯塔工厂这样的总包集成大型工程项目。可以提供AI智能工厂建设、软硬件集成、智能产业园规划等服务。
按照李翌辉的规划，章鱼博士未来希望能对产业链上下游企业乃至更多的其它领域企业提供开箱即用的数字化和AI服务，极大程度降低应用门槛，并在此基础上，进一步构造工业互联网AI智能制造生态集群，推动行业与区域工业软件、装备、数据与应用生态发展。
李翌辉坦言，无论是蜂巢能源，还是章鱼博士，都深刻认识到新能源行业智能制造的高度复杂，仅靠某个公司企业、团队，根本无法胜任如此复杂的系统集成和部署。
因此，蜂巢能源在去年发起成立了生态联盟 —“AI 蜂能联盟”，集合 AI、工业领域等领先企业、独角兽等黑科技资源，取长补短，共同推动智造升级。目前，联盟已经扩展到 60 多家。
在蜂巢能源金坛生产现场和无锡大规模中试基地，20 多个高难度智能制造场景正紧张进行着 POC 原型测试。未来，将会有超过200个甚至更多的场景将会被开发和应用。
近期，蜂巢能源又联合蜂巢资本、章鱼博士，发起“先蜂产业合作伙伴全球招募”大赛，聚焦锂电三新（新技术、新工艺、新材料）和工业互联网（大数据、AI智能、通信等）等领域，面向全球招募优秀人才技术团队进行孵化创新，通过构建产业生态，为企业快速成长赋能。
这其中，章鱼博士就扮演了孵化的角色，其可以为创客提供锂电行业最先进的试验环境、通用平台、算力基础及产品验证基地， 结合行业需求定义有市场价值的课题，共同完成产品0-1的转化。
李翌辉介绍，章鱼博士聚集了一批有着丰富经验的创业者和资深专家。这些来自华为、西门子、埃森哲、IBM 等知名企业的骨干，从业经验都在 20 年以上，经历过很多次的从 0 到 1。基于此，可以深刻理解创业公司面临的困惑、迷茫，给予一些职业指导，包括技术路线如何结合产业需求，做出更多靶向性的产品和解决方案。
更为关键的是，章鱼博士可以为创业创新项目提供系统层级的规模化验证，最终帮助企业实现快速产业化应用。
单点单项技术应用，并不能很好发挥作用，要把它放到一个系统里面做集群式验证，这样的创新才能验证。例如一套机器视觉，一定涉及到跟设备的深度的集成，跟上位机的集成，然后加入算法之后，再MES去集成、跟质量管控系统去集成，才能真正检验其真正的价值。
而依托于蜂巢能源和章鱼博士，就能给他们提供一个规模化快速验证的平台。
李翌辉的思路是，希望通过章鱼平台上的创业导师、技术导师，能够引导创业创新企业和工程技术进行更紧密的融合，并将资本共创思维和AI联盟赋能产业升级，面向智能电动行业加速AI技术孵化，真正打造智能制造产业升级的生态平台，推动智造变革，通过产业链的协同，真正加速智能制造的产业化大规模落地。
声明：本文章属高工锂电原创（微信号：weixin-gg-lb），转载请注明出处。
