近年來，隨著全球新能源市場的快速發展，鋰電池產業正處于高速發展階段。在 “碳中和”的背景下，憑借較高的能量及環保性，鋰電池已成為最重要的儲能元件。尤其是受益于新能源汽車市場的強勁增長，鋰電池需求隨之爆發，帶動鋰電企業發展。

但同時，隨著行業的高速發展，鋰電池起火、爆炸、漏液等安全問題，也使得終端業務對于鋰電池的品質、安全性、一致性要求越來越高。從過去的PPM要求到當前的PPB探索，從3σ、7.5σ到9σ的演變，鋰電企業正致力于在更高的品質追求下不斷尋求更優解決方案，保持市場競爭力。

鋰電生產工藝復雜

品質管控到底有多難

鋰電池生產工藝復雜，每個工序的質量管控水平波動都會對最終成品的質量產生較大影響。而在核心生產工序的每個環節，受物料導電劑、正負極活物質等關鍵組分質量水平、環境溫濕度、人員操作水平等因素的影響，又都很容易產生缺陷。比如，涂布中易產生頭厚、尾薄、厚邊、露箔、面密度不穩等；輥壓極片可能收卷不齊、皺邊、厚度反彈、厚度不穩等……

如何控制每個環節的品質質量，及早發現異常并完成處理，實現PPM邁進PPB級品質，是當前鋰電企業的提升產品品質的主要發力點。在邁向高質量、高一致性的目標時，鋰電池行業普遍存在以下難點亟需突破：

一、過程質量未形成有效監控管理閉環，異常處理不及時，效率低

1、精準質量檢驗是質量控制的關鍵手段之一。但目前電芯仍有較多工序依賴人工目檢，例如切疊V角毛刺檢測依賴人工定時抽檢，導致毛刺異常未能及時發現并排出，最終可能造成高達1%良率損失。且無法獲取大樣本的細分質量數據，難以支撐后續有效分析和改善；

2、首檢、巡檢等過程檢驗數據依靠手工工單記錄，例如換型首檢、環境粉塵檢測，均為人工紙質記錄后統一形成excel，數據及時性低，且無法及時有效管控；

3、關鍵過程參數缺乏有效監控手段，僅通過設備簡單閾值管控并現場通知方式，難以有效識別異常與處理異常，保證產品一致性；

4、過程質量異常問題缺乏系統化管理。例如，出現質量問題后，往前工序排查與責任歸屬，依賴溝通群或紙質簽單流轉，從質量問題發生、審核、定位、改善、效果跟蹤到知識沉淀，大部分都是線下作業管理，流程缺失。

二、質量異常定位以人工經驗分析、QCC活動與電芯試驗拆解為主，難以高效確認異常根因

1、質量異常定位常常需要跨多工序進行，涉及數據量大，且極卷與極芯的追溯標識不一，數據匹配處理難度大，依靠人工經驗定位，手動分析效率低；

2、一般來說，企業會按照一定異常比例抽樣進行電芯拆解實驗定位問題，常常需要耗費較長時間，異常難以及時攔截與改善；

3、對于重大質量問題長時間難以改善情況，企業一般通過QCC活動集思廣益列出核心異常相關影響因素并結合實驗驗證逐一排除，周期長，且改善效果易遇瓶頸。

三、控制優化依靠人工經驗，設備參數采集、分析、調整斷層，沒有形成有效的自動管理流程，過程實時糾偏難

1、很多工藝如涂布、卷繞等相關參數眾多，可能受前序制程影響，需要持續調整參數直至工藝達到最佳狀態。然而參數調節依賴人工經驗，參數調整策略因人而異，缺乏標準性，難以沉淀工程經驗以及保證參數調整策略最優化，品控缺乏保證，易造成浪費；

2、調參結果需要一定等待時間驗證效果，并且調參常需經過多次試驗調整，調參效率低，易造成產品浪費；

3、產線換型期間調參缺乏抓手，滿產生產調機需4-6個月，產能損失大。

以“智”提質

破解生產質量管控難題

對于上述常見的鋰電生產品質痛點，格創東智基于數據智能與應用，推出鋰電品質全過程管理與優化解決方案，通過360度品質管理應用，實現品質全流程數字化管理，達到極致良率：

關鍵手段一：基于潛在失效模式分析，識別關鍵管控點并進行全量數據實時采集，實現品質過程全鏈條數據拉通

針對鋰電池生產的高質量、高一致性要求，結合失效模式，從4M1E維度分析生產過程的關鍵管控點，并進行數據采集，并以此為基礎形成豐富數據庫，為后續數據分析奠定基礎，例如：

1、過程質量檢測指標：基于視覺檢測與AI融合技術，替代過程依賴人工目檢缺陷判斷與分類的工作。例如切疊V角毛刺檢測、密封釘焊接、頂點焊接等外觀缺陷，精準識別與判斷缺陷類型，自主決策缺陷處理方式（返修、報廢、放行）；

2、環境指標：環境粉塵、溫濕度對于鋰電池質量造成較大影響，因此，可以通過加裝露點儀實時檢測環境溫濕度、粉塵數據，并基于IOT技術實現數據采集；

3、IPQC檢測數據：采用電子化記錄模式，利用電子化檢測模板，通過PDA等移動端實現數據電子化記錄，代替過去紙質記錄模式，使得正負極材料、隔膜、電解液等關鍵物料信息記錄全面、過程首檢、巡檢數據亦可及時記錄反應問題；

4、設備參數——基于IoT或EAP等技術實現設備關鍵參數采集與記錄：基于以上類型數據的全面采集，以大數據平臺底座為支撐，將鋰電池產品生產履歷數據、檢測數據、變更時間、物料數據、Marking等通過電芯碼、裸電芯碼、極卷碼、漿料批次等關聯起來，使得可以通過產品ID查詢全生命周期數據，質量人員可以快速查詢與定位異常。

關鍵手段二：結合大數據技術和流程管控，實現實時監控與預警、分析、整改的品質不良管控流程一體化

異常監測與預警：針對過程檢測指標（如面密度）、設備參數、環境參數、物料數據以及過程能力指標，基于SPC管控規則與算法模型進行實時監測與預警，及時發現異常或不穩定波動情況，并通知相關人員采取相應措施，避免損失擴大或提前減免損失。例如，涂布濾芯壓差、烘箱各區域溫區、各區域狹縫間隙等穩定參數控制；

異常分析：基于大數據分析模型，當產生異常告警/預警時，將異常分析報告與異常現狀信息同步發送至相關人員，輔助相關人員采取最優整改措施或者聯動設備進行自動優化調整。例如某個case，某臺卷繞機出現一定比例短路異常后，分析得出是使用隔膜質量問題造成，及時聯動MES鎖住該隔膜批次進行核驗復檢，減少損失；

閉環管理：對于異常發生到關閉全過程，均通過數字化流程記錄與跟蹤，每個關鍵節點均需由管理人員進一步確認。問題關閉時，可確認自動升級質控標準，形成相應標準文檔記錄，更新質控數據庫。

關鍵手段三：基于大數據分析技術，建設品質分析優化體系，支撐全生產過程高效良率管理

異常根因分析：以工程人員日常分析內容為基礎，將從總體到設備的良率監控分析、面密度及厚度等特征值/Defect分析到4M1E變更分析匯總形成分析模板，輔助工程人員高效分析，快速掌握當前質量現狀并采取相應管理手段予以提升；

應用示例：涂布面密度異常分析

品質異常攔截：基于大數據算法分析，將4M1E維度因素綜合分析，不論是對于單工序還是跨工序的質量問題排查與根因定位，均能準確、高效。所有的分析過程均可形成知識沉淀，并分享給其他人員。基于不良事后根因分析，可以對于過程參數管控策略進行優化，從而建立長期有效攔截機制；

應用示例：涂布工藝參數優化

品質閉環控制：利用實時采集工藝制程設備運行的參數及實際量測結果數據，利用反饋機制（Feed back）建立生產系統數據和品質指標數據之間建立某種清晰的數學關系，在生產過程不間斷的情況下補正和調優設備參數，在過程偏離最優工況后，可以及時在線更新生產過程和制程的設定值，從而保證批次產品質量的變異性最小，從而達到品質穩定。

作為國家級跨行業跨領域工業互聯網平臺，格創東智以標準化平臺、工業應用及行業解決方案，滿足各行業不同規模的企業對于智能制造的需求。

面向鋰電池生產品質管控，格創東智打造360°品質管控體系，結合統計與AI能力賦能品質分析與優化，包括以品質管理QMS為基礎實現品質過程全鏈條數據拉通和數字化管理、實驗室質量管理LIMS實現實驗室工作智能化協同，以統計過程控制SPC、良率管理提升YMS、AI視覺檢測為核心實現生產過程品質關鍵控制點監控預警、異常根因分析、質量預測到自適應參數調整的閉環管控，從而幫助鋰電池企業實現極致良率、極致效率、極致成本的核心目標。