Kostenreduzierung durch Fehleranalyse mit KI in der Batteriesystemfertigung

Ausgangslage

Elektrofahrzeuge benötigen leistungsstarke und kostengünstige Batterien. Derzeit entfallen circa 30 % der Herstellungskosten eines Elektroautos auf die Batterieherstellung.

Je nach Fahrzeugmodell müssen in den nächsten Jahren unterschiedliche neue Batteriesysteme in Serie gebracht werden, wobei ein Serienhochlauf bis zur Prozessstabilität eine Herausforderung ist.

Batteriesysteme werden aus vielen Einzelteilen (u.a. Batteriezellen, Kühlsystem, Laderegler, Kontakte, Rahmen, etc.) und über viele Fertigungsschritte hinweg zusammengefügt.

Bereits kleine Fehler führen zu Nacharbeit an halbfertigen Batteriesystemen und auch zu ungeplantem Schrott, welcher sich auf die Gesamtkosten für die Batterieherstellung stark auswirkt.

Die Reduzierung von Nacharbeit und Ausschuss, durch rasche Optimierung des gesamten Fertigungsprozesses ist ein Schlüssel zum Erreichen kostengünstiger Elektroautos.

Lösungsansatz

Moderne Prozess- und Datenanalyse ermöglichen, den gesamten Wertstrom zur Herstellung eines Batteriesystems im Blick zu behalten. Prozessingenieure und weitere Nutzergruppen erhalten Empfehlungen für potenzielle Fehlerursachen und Hinweisen für eine schnelle Prozessoptimierung.

Fragen verschiedener Benutzer werden in Sekunden per KI-Agenten (Chat-Bots) anwenderorientiert durch Daten, Text und Grafiken beantwortet. Dadurch können Fertigungsprozesse verbessert und final die Herstellungskosten von Batteriesystemen gesenkt werden.

Künstliche Intelligenz und Maschinelles Lernen ermöglichen die zeiteffiziente kontinuierliche Verbesserung von Geschäftsprozessen von der Sensor-Überwachung bis zur Mensch-Maschine-Kommunikation.

Cloud Analyse Services beobachten Trends in metrischen Daten und Bilddaten, integrieren relevante Geschäftsdaten aus zahlreichen weiteren IT-Systemen und reagieren bei Abweichungen.

Zusätzlich können die Verfahren auch unerwartete Arten von Abweichungen sowohl in metrischen als auch in Bilddaten zeitgerecht identifizieren und zu melden.

Zur Senkung von operativen Kosten in der IT / MLOPS können Entwicklungs- und Wartungsprozesse für KI-Modelle automatisiert werden, während unsere Design-Richtlinien ein hohes Maß an Konformität und Akzeptanz unterstützen.

Fachliche Eckpunkte

Capgemini entwickelt diese Fehlererkennungssysteme mit AWS- Cloud Datenservices wie Sagemaker (AI) und Bedrock (genAI) mit Schwerpunkt auf Analytik mit der Besonderheit, dass die gegebenen Organisationsstrukturen eines Unternehmens nicht zwangsläufig verändert werden müssen.

Hierfür werden Daten aus verschiedenen IT-Systemen (ERP, MES, Maschinen-SPS) in unterschiedlichen Datenformaten in Echtzeit über den gesamten Fertigungsprozess überwacht, um schnell auf Schwachstellen hinzuweisen und Zusammenhänge unternehmensweit und adressatengerecht zu erläutern (Rolle, Sprache, Aufgabenbereich).

Capgemini in Zusammenarbeit mit AWS besonders auf die klare sprachliche Erläuterung analytischer Ergebnisse unter Einbindung von Fachvokabular des Unternehmens in beliebigen Landessprachen.

Die Ursachen von Ausfällen können so interdisziplinär beseitigt und neue Störungen vermieden werden. Zum Einsatz kommen moderne Analysemethoden, aus den Bereichen Machine-Learning, Computer Vision und generierende Künstliche Intelligenz.

Wesentliche Elemente und Vorteile der gesamtheitlichen Prozessanalyse

• Wirtschaftlich wettbewerbsfähige Produktion von Batteriesystemen
  Durch Datenintegration, Anomalie-Erkennung, und KI-getriebene Prozessoptimierung werden die Produktionskosten deutlich gesenkt.
• Ursachenanalyse über den gesamten Prozess mit Ende-zu-Ende-Ansatz
  Automatisierte Ursachenermittlung unter Berücksichtigung aller relevanten Informationen und Formate, um Abweichungen innerhalb der Fertigungsschritte schnell aufzuzeigen
• Reduzierung von Nacharbeit und Ausschuss
  Durch die Optimierung des Ende- zu Ende-Fertigungsprozesses mithilfe von Data Analytics und KI werden Fehlerquellen frühzeitig identifiziert und verhindert.
• Echtzeit-Empfehlungen für Prozessingenieure
  Fortschrittliche Algorithmen für maschinelles Lernen bieten umsetzbare Einblicke in potenzielle Fehlerursachen und Möglichkeiten zur Prozessverbesserung.
• Automatisierte, benutzerfreundliche Kommunikation über KI-Agenten
  KI-Systeme übersetzen technische Berichte in verständliche Botschaften, die auf unterschiedliche Nutzergruppen zugeschnitten sind – “rund um die Uhr“.
• Integration unterschiedlicher Datenquellen
  Die Lösung verarbeitet Daten aus verschiedenen IT-Systemen (ERP, MES), Maschinen/ SPS) und Formaten, um eine umfassende Sicht auf Veränderungen im Fertigungsprozess zu schaffen.

Unsere Fähigkeiten

Capgemini ist ein globaler Business- und Technologie-Transformationspartner für Organisationen. Das Unternehmen unterstützt diese bei ihrer dualen Transformation für eine stärker digitale und nachhaltige Welt – stets auf greifbare Fortschritte für die Gesellschaft bedacht. Capgemini ist eine verantwortungsbewusste, diverse Unternehmensgruppe mit einer über 55-jährigen Geschichte und 340.000 Mitarbeitenden in mehr als 50 Ländern. Kunden vertrauen auf Capgemini, um das Potenzial von Technologie für die ganze Breite ihrer Geschäftsanforderungen zu erschließen. Capgemini entwickelt mit seiner starken Strategie, Design- und Engineering-Expertise umfassende Services und End-to-End-Lösungen. Dabei nutzt das Unternehmen seine führende Kompetenz in den Bereichen KI, generative KI, Cloud und Daten sowie profunde Branchenexpertise und sein Partner-Ökosystem. Die Gruppe erzielte 2024 einen Umsatz von 22,1 Milliarden Euro.

Entwickelt in Zusammenarbeit mit AWS

Die E2E-Prozessoptimierung von Capgemini basiert auf der AWS-Cloud und nutzt eine skalierbare und modulare Architektur mit der nachgewiesenen Fähigkeit, bis in den Maßstab von Gigafactories diverse Fertigungsverfahren wie die Herstellung von Batteriesystemen (Laserschweißen, Schrauben, Kleben, Nieten) kontinuierlich zu analysieren und die dafür erforderlichen Datenmanagementprozesse umzusetzen. Die E2E-Prozessoptimierung von Capgemini unterstützt die zeiteffiziente Erweiterung zu weiteren Anwendungsfällen für die unternehmensweite Analyse von Einflüssen und Auswirkungen.

Unser Ziel ist es, Unternehmen mit ähnlichen Anwendungsfällen dabei zu unterstützen, sich mit ihrem Fachpersonal auf die eigenen wettbewerbsdifferenzierenden Aufgaben konzentriert, indem wir den überwältigenden Zustrom komplexer Daten aus den Fertigungsprozessen und den zugehörigen Netzwerk- und Kundensysteme automatisiert bündeln, aufbereiten und Werttreiber verständlich abbilden.