Integrating Automation and Big Data in Lithium-Ion Battery Manufacturing: A Case Study of the Ultium Cells Joint Venture
Notice bibliographique
Résumé
Aim: To examine the integration of automation and big data in lithium-ion battery manufacturing using Ultium Cells joint venture as case study. Problem Statement: The havocs attached to the exhausts emission from fossil-fuel based automobiles are major concerns to the whole world. Records indicating lowering of air quality and depletion of the ozone layer have been reported. Furthermore, the quest to save money spent on non-renewable energy has necessitate the call for research studies on advancement of lithium-ion battery manufacturing. Also, the traditional battery manufacturing techniques production capacities cannot meet the demand for electric vehicles. Nonetheless, the consistency and quality control of the battery cell is challenging. Significance of Study: The use of electric vehicles is prevailing and thus has greatly influenced the need to technological improvement in the production of lithium-ion batteries (LIBs) which are being utilized in electric vehicles. The analysis of big data can provide real-time decision-making and long-term process improvements. This technical review is an eye-opener for researchers on the need to integrate automation and big data in lithium-ion battery manufacturing. Methodology: Recent literature materials in form of books, journals and relevant published articles in the area of automation and big data in lithium-ion battery manufacturing were consulted. Discussion: In this technical review, consideration was given to the integration of automation and big data in lithium-ion battery manufacturing using Ultium Cells joint venture as a case study. The types of lithium-ion batteries and their assemblies were discussed. The battery cells contain the cathode, anode and electrolyte and come in three varieties of designs which are pouches, prismatic cans and cylindrical designs. One of the main requirements that enhance the automation of assembly line in Li-ion battery manufacturing is the use of the collected data from the survey as stated by the industry. The concept is made up of 6 modular sectors such that each sector has the capacity of being scaled up and down based on customer requirements. The three major steps involved in data-driven application to lithium-ion battery cell manufacturing are data acquisition, data warehouse and data mining. Conclusion: The integration of automation and big data in lithium-ion battery manufacturing has positively influenced the quality and quantity of the products.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».