AI đột phá trong sản xuất pin lithium, giảm hơn 50% thời gian và chi phí thử nghiệm
Ứng dụng trí tuệ nhân tạo (AI) đang mở ra hướng đi mới cho ngành sản xuất pin lithium. BMW và EAS Batteries đã triển khai các mô hình học máy nhằm dự đoán hiệu suất pin, tối ưu hóa quy trình sản xuất và rút ngắn đáng kể thời gian phát triển sản phẩm.
AI thay đổi quy trình sản xuất pin lithium
Trong ngành công nghiệp xe điện và lưu trữ năng lượng, phát triển một loại pin mới thường đòi hỏi nhiều năm nghiên cứu, thử nghiệm và hoàn thiện quy trình sản xuất. Một trong những công đoạn tốn kém nhất là kiểm tra, đánh giá hiệu suất và độ bền của pin.
Để xác định chất lượng của một loại pin, các kỹ sư phải sản xuất những mẫu pin thực tế, sau đó tiến hành hàng loạt thử nghiệm trong nhiều tuần, thậm chí nhiều tháng. Quá trình này tiêu tốn lượng lớn nguyên vật liệu, thiết bị và nhân lực, đồng thời làm chậm tiến độ nghiên cứu những công nghệ pin mới.
Trong bối cảnh giá pin lithium liên tục giảm, các nhà sản xuất ngày càng chịu áp lực về chi phí và lợi nhuận. Việc giảm chi phí nghiên cứu, thử nghiệm và tối ưu hóa dây chuyền sản xuất trở thành một trong những giải pháp quan trọng để duy trì khả năng cạnh tranh.
Trí tuệ nhân tạo (AI), đặc biệt là công nghệ học máy (Machine Learning), đang được kỳ vọng sẽ giải quyết bài toán này. Thay vì phải sản xuất và kiểm tra từng mẫu pin theo phương pháp truyền thống, các kỹ sư có thể sử dụng AI để phân tích dữ liệu, dự đoán hiệu suất và xác định những thông số sản xuất phù hợp.
Hai doanh nghiệp châu Âu là BMW Group và EAS Batteries hiện đang triển khai các dự án ứng dụng AI nhằm cải thiện quy trình phát triển và sản xuất pin.
Vì sao AI có vai trò quan trọng trong sản xuất pin?
Để sản xuất được những viên pin có hiệu suất cao và chất lượng ổn định, nhà sản xuất phải xác định chính xác nhiều thông số kỹ thuật như độ dày lớp phủ điện cực, độ xốp, nhiệt độ và tốc độ sản xuất.
Theo phương pháp truyền thống, kỹ sư thường sử dụng cách thử nghiệm và điều chỉnh liên tục. Họ thay đổi một thông số, sản xuất mẫu pin mới rồi tiến hành kiểm tra để đánh giá kết quả. Quá trình này được lặp lại cho đến khi tìm ra tổ hợp thông số phù hợp.
Tuy nhiên, các thông số sản xuất có mối liên hệ phức tạp và ảnh hưởng lẫn nhau. Vì vậy, việc kiểm tra từng tổ hợp thông số có thể khiến quá trình phát triển pin kéo dài nhiều năm.
Đặc biệt, để đánh giá tuổi thọ pin, các nhà sản xuất phải thực hiện nhiều chu kỳ sạc và xả liên tiếp. Một số thử nghiệm có thể kéo dài hàng tháng mới xác định được mức độ suy giảm dung lượng của cell pin.
Một phương pháp được sử dụng để giảm số lượng thử nghiệm là thiết kế thí nghiệm (Design of Experiments – DOE). Phương pháp thống kê này giúp lựa chọn những tổ hợp thông số cần kiểm tra, qua đó hạn chế số lượng mẫu pin phải sản xuất.
Tuy nhiên, DOE vẫn yêu cầu các kỹ sư chế tạo và kiểm tra thực tế những mẫu pin được lựa chọn.
AI có thể tiếp tục cải thiện quy trình này bằng cách phân tích dữ liệu sản xuất và kết quả thử nghiệm đã có. Các mô hình học máy có khả năng tìm ra mối liên hệ giữa thông số sản xuất với hiệu suất pin, từ đó dự đoán kết quả của những phương án chưa từng được thử nghiệm.
Nguồn dữ liệu phục vụ AI có thể bao gồm:
- Độ dày và chất lượng lớp phủ điện cực.
- Hình ảnh các lỗi xuất hiện trong quá trình sản xuất.
- Độ xốp và những đặc tính vật liệu của cell pin.
- Đường cong sạc và xả của pin.
- Dữ liệu về hiệu suất, dung lượng và tuổi thọ pin.
Nhờ đó, kỹ sư có thể đánh giá nhiều phương án sản xuất trên môi trường mô phỏng trước khi quyết định tiến hành thử nghiệm thực tế.
Khả năng dự đoán tuổi thọ pin bằng học máy cũng đã được chứng minh trong một nghiên cứu công bố năm 2019, sử dụng AI để dự đoán tuổi thọ chu kỳ của pin lithium sắt photphat (LFP).
EAS Batteries phát triển mô hình pin LFP ảo bằng AI
Tháng 7/2026, một liên minh nghiên cứu tại Đức do EAS Batteries dẫn đầu đã khởi động dự án KiBa-Pro, nhằm ứng dụng AI và công nghệ số hóa vào quá trình sản xuất pin lithium sắt photphat (LFP).
Dự án có sự tham gia của nhiều đối tác, trong đó có Viện Công nghệ Karlsruhe (KIT) và Omron Europe. Tổng kinh phí hỗ trợ cho dự án là 2,4 triệu euro từ Bộ Nghiên cứu, Công nghệ và Không gian Liên bang Đức.
KiBa-Pro dự kiến triển khai đến tháng 6/2029, tập trung xây dựng một mô hình pin LFP ảo (Virtual Cell). Đây là hệ thống mô phỏng cho phép các nhà sản xuất dự đoán ảnh hưởng của những thay đổi trong quy trình sản xuất đối với đặc tính của cell pin thành phẩm.
Pin LFP được lựa chọn làm trọng tâm vì đây là một trong những công nghệ pin quan trọng nhất hiện nay. Theo số liệu được công bố trong bài viết gốc, LFP chiếm hơn một nửa số pin sử dụng trong xe điện và trên 90% hệ thống lưu trữ năng lượng.
Với mô hình pin ảo, kỹ sư có thể nhập các thông số như độ dày lớp phủ, độ xốp, tốc độ sản xuất và nhiệt độ. Hệ thống AI sẽ phân tích dữ liệu để dự đoán những đặc tính quan trọng của pin thành phẩm, bao gồm dung lượng năng lượng và tuổi thọ sử dụng.
Mục tiêu của dự án KiBa-Pro:
- Tăng ít nhất 10% tuổi thọ của cell pin.
- Nâng tỷ lệ sản phẩm đạt yêu cầu trong sản xuất lên ít nhất 15%.
- Giảm lượng nguyên vật liệu bị lãng phí trong quá trình thử nghiệm.
- Rút ngắn thời gian nghiên cứu và phát triển các loại pin mới.
Nếu đạt được những mục tiêu trên, mô hình pin ảo có thể giúp các nhà sản xuất giảm đáng kể chi phí thử nghiệm và nâng cao hiệu quả sử dụng nguyên vật liệu.
Tuy nhiên, KiBa-Pro vẫn đang trong giai đoạn đầu. Trong năm đầu tiên, các đối tác sẽ tập trung số hóa quy trình sản xuất và thu thập dữ liệu từ những lô pin tiêu chuẩn để huấn luyện mô hình AI.
Sau đó, nhóm nghiên cứu sẽ tiếp tục phát triển mô hình và tiến hành xác thực trong môi trường sản xuất công nghiệp trong khoảng hai năm.
Do dự án mới bắt đầu, những lợi ích về tuổi thọ và tỷ lệ sản phẩm đạt yêu cầu hiện vẫn là mục tiêu nghiên cứu, chưa phải kết quả đã được xác nhận trên dây chuyền sản xuất thực tế.
BMW ứng dụng AI, giảm hơn 50% thời gian và vật liệu thử nghiệm pin
BMW Group cũng đang đẩy mạnh ứng dụng trí tuệ nhân tạo trong nghiên cứu và sản xuất pin. Năm 2024, hãng xe Đức phối hợp với Đại học Zagreb của Croatia triển khai dự án nghiên cứu mang tên Insight.
Dự án được thực hiện tại Trung tâm Năng lực Cell pin (Battery Cell Competence Center – BCCC) của BMW ở Munich, Đức. Đây là nơi BMW nghiên cứu hóa học pin, phát triển cell pin và tối ưu hóa các quy trình sản xuất.
Trong khuôn khổ dự án Insight, các nhà nghiên cứu sử dụng dữ liệu thử nghiệm trước đây kết hợp với dữ liệu sản xuất trực tiếp để huấn luyện các mô hình AI. Hệ thống có nhiệm vụ dự đoán những thông số quy trình và hiệu suất của cell pin.
Nhờ khả năng dự đoán của AI, kỹ sư có thể nhanh chóng xác định liệu một loạt thử nghiệm có cần tiếp tục hay không. Những thử nghiệm không cần thiết có thể được rút ngắn hoặc loại bỏ, giúp tiết kiệm đáng kể thời gian và nguyên vật liệu.
Theo BMW, các nhóm nghiên cứu sử dụng hệ thống dự đoán AI đã giảm hơn 50% lượng vật liệu và thời gian trong một số công đoạn thử nghiệm sản xuất pin.
Đây là kết quả đáng chú ý, bởi thử nghiệm là một trong những công đoạn tiêu tốn nhiều nguồn lực nhất trong quá trình phát triển pin.
Không chỉ hỗ trợ tối ưu hóa thử nghiệm, BMW còn cho biết dự án Insight có thể giúp rút ngắn công đoạn phê duyệt cuối cùng trong quy trình sản xuất cell pin.
Thông thường, sau lần sạc đầu tiên tại nhà máy, cell pin phải được lưu trữ ở nhiệt độ xác định trong một khoảng thời gian. Công đoạn này nhằm tạo điều kiện để một số lỗi tiềm ẩn xuất hiện, giúp nhà sản xuất phát hiện và loại bỏ những sản phẩm không đạt yêu cầu.
BMW cho biết hệ thống AI có khả năng phân tích và phát hiện lỗi trên cell pin từ trước, qua đó có tiềm năng loại bỏ bước lưu trữ cuối cùng.
Tuy nhiên, những kết quả tích cực của dự án Insight hiện chủ yếu được ghi nhận trong môi trường nguyên mẫu. Để tiến tới ứng dụng trên dây chuyền sản xuất thực tế, BMW đang chuẩn bị chuyển hoạt động thử nghiệm sang một cơ sở gần với môi trường sản xuất công nghiệp tại Parsdorf, Đức.
AI mở ra triển vọng giảm chi phí sản xuất pin lithium
Các dự án của BMW và EAS Batteries cho thấy AI đang dần trở thành một công cụ quan trọng trong ngành công nghiệp pin lithium.
Thay vì phụ thuộc hoàn toàn vào những thử nghiệm vật lý tốn kém, nhà sản xuất có thể sử dụng dữ liệu và mô hình học máy để dự đoán kết quả, lựa chọn thông số phù hợp và hạn chế những thử nghiệm không cần thiết.
Đối với ngành xe điện, việc rút ngắn thời gian phát triển pin có thể giúp các nhà sản xuất đẩy nhanh quá trình nghiên cứu công nghệ mới, đồng thời giảm chi phí đưa sản phẩm ra thị trường.
Trong lĩnh vực lưu trữ năng lượng, những cải tiến tương tự cũng có thể hỗ trợ phát triển các cell pin LFP có tuổi thọ cao, dung lượng phù hợp và chất lượng ổn định hơn.
Tuy nhiên, khả năng ứng dụng rộng rãi của AI vẫn còn một số thách thức.
Trước hết, các mô hình AI thường được huấn luyện dựa trên dữ liệu từ một nhà máy cụ thể. Mỗi nhà máy có thể sử dụng thiết bị, nguyên vật liệu và quy trình sản xuất khác nhau. Vì vậy, mô hình hoạt động hiệu quả tại một cơ sở chưa chắc có thể áp dụng trực tiếp tại cơ sở khác.
Bên cạnh đó, những lợi ích được công bố từ hai dự án vẫn cần được kiểm chứng thêm trong môi trường sản xuất công nghiệp quy mô lớn.
BMW đang từng bước đưa công nghệ từ môi trường nguyên mẫu sang cơ sở gần với sản xuất thực tế, trong khi EAS Batteries đặt mục tiêu hoàn thiện dự án KiBa-Pro vào năm 2029.
Trong tương lai, nếu các mô hình AI có thể hoạt động ổn định trên dây chuyền sản xuất thực tế và được mở rộng sang nhiều nhà máy, công nghệ này có thể góp phần giảm đáng kể chi phí phát triển pin lithium.
Đây cũng là một hướng nghiên cứu đáng chú ý trong bối cảnh các nhà sản xuất đang tìm cách nâng cao hiệu suất, cải thiện chất lượng và giảm giá thành pin cho xe điện cũng như hệ thống lưu trữ năng lượng.
AI có thể trở thành công cụ quan trọng của ngành pin trong tương lai
Việc BMW và EAS Batteries đầu tư vào AI cho thấy xu hướng số hóa đang ngày càng được chú trọng trong ngành sản xuất pin. Từ dự đoán tuổi thọ, phát hiện lỗi đến tối ưu hóa thông số sản xuất, AI có tiềm năng thay đổi cách các nhà sản xuất nghiên cứu và phát triển sản phẩm.
Dù vậy, để biến những kết quả thử nghiệm ban đầu thành lợi ích thương mại, các doanh nghiệp vẫn cần chứng minh hiệu quả của AI trên dây chuyền sản xuất thực tế, đồng thời giải quyết bài toán khả năng mở rộng giữa các nhà máy.
Nếu thành công, công nghệ này có thể giúp rút ngắn đáng kể chu kỳ phát triển pin, giảm lãng phí nguyên vật liệu và tạo điều kiện để các sản phẩm pin lithium thế hệ mới được đưa ra thị trường nhanh hơn.
