Auf einer internationalen Konferenz 4. IEEE Internationale Konferenz über Signal-, Steuerungs- und Kommunikationstechnik (SCC 2025), In Sousse, Tunesien, fand die Veranstaltung statt, bei der unser Forscher und Doktorand… Tesa Herceg beteiligte sich an der im Rahmen des Projekts durchgeführten Forschung und präsentierte deren Ergebnisse. EINBLICK (Intelligente Datenmodelle für die Produktion und das Recycling von Batterieartikeln) zwischen der Universität Zagreb, Fakultät für Maschinenbau und Schiffbau, und dem BMW Group Battery Cell Competence Centre (BCCC).
Die SCC 2025 bot Wissenschaftlern und Ingenieuren aus der Industrie eine Plattform zum Austausch von Ideen, bewährten Verfahren und fortgeschrittenem Wissen in den Bereichen dynamische Systemsteuerung, Elektronik und Mikroelektronik, Kommunikation, Signalverarbeitung, Smart Grids und Computational Intelligence. Das technische Programm der Konferenz umfasste die Präsentation angenommener Beiträge, die technologische Fortschritte und Anwendungen in verschiedenen Bereichen der Elektrotechnik beleuchteten.
Tesa nahm an der Sektion teil Computerintelligenz und maschinelles Lernen, wo sie für ihren Forschungsbeitrag ausgezeichnet wurde Auszeichnung für die beste Arbeit.
Ihre Arbeit, Zur Qualitätsverbesserung in der Lithium-Ionen-Batteriezellenproduktion durch datengetriebene Modelle: Wickelprozess, stellt neue Methoden zur Verbesserung der Produktion von Lithium-Ionen-Batterieartikeln unter Verwendung von Datenanalyse und maschinellem Lernen vor.
Die vorliegende Arbeit konzentriert sich auf den Wickelprozess, einen wichtigen Schritt in der Herstellung zylindrischer Batteriezellen. Hierbei ist eine präzise Steuerung der Maschinenparameter unerlässlich, um hochwertige Zwischenprodukte, sogenannte „Jelly-Rolls“, zu erhalten, die die Qualität der Endzellen direkt beeinflussen. In der Arbeit wird ein Vorhersagemodell entwickelt, das die optimalen anfänglichen Maschineneinstellungen durch Integration der Eigenschaften der Eingangsmaterialien, der Prozessparameter und der gewünschten „Jelly-Roll“-Eigenschaften bestimmt. Die besten Ergebnisse wurden mit dem Algorithmus erzielt. Random Forest Regression, mit erreichten R² = 0,976.
Diese Ergebnisse tragen zur Entwicklung intelligenter, datengesteuerter Fertigungssysteme bei, wodurch der Bedarf an manuellen Maschineneinstellungen verringert, die Rüstzeiten experimenteller Prozesse verkürzt und der Ausschussanteil in der Pilotproduktion reduziert wird.
Zusätzlich zum wissenschaftlichen Programm umfasste die Konferenz auch verschiedene Veranstaltungen, die Forscher, Professoren und Branchenexperten zusammenbrachten und Einblicke in die neuesten Trends und Herausforderungen auf dem Gebiet der Computertechnik und der industriellen Digitalisierung boten.
Das Projekt wurde von der Europäischen Union aus dem Europäischen Fonds für regionale Entwicklung kofinanziert.
Die Erstellung der Website wurde von der Europäischen Union aus dem Europäischen Fonds für regionale Entwicklung kofinanziert.
Für den Inhalt der Website ist ausschließlich die Fakultät für Maschinenbau und Schiffbau verantwortlich.