近年来，随着全球新能源市场的快速发展，锂电池产业正处于高速发展阶段。在 “碳中和”的背景下，凭借较高的能量及环保性，锂电池已成为最重要的储能元件。尤其是受益于新能源汽车市场的强劲增长，锂电池需求随之爆发，带动锂电企业发展。

但同时，随着行业的高速发展，锂电池起火、爆炸、漏液等安全问题，也使得终端业务对于锂电池的品质、安全性、一致性要求越来越高。从过去的PPM要求到当前的PPB探索，从3σ、7．5σ到9σ的演变，锂电企业正致力于在更高的品质追求下不断寻求更优解决方案，保持市场竞争力。

锂电生产工艺复杂

品质管控到底有多难

锂电池生产工艺复杂，每个工序的质量管控水平波动都会对最终成品的质量产生较大影响。而在核心生产工序的每个环节，受物料导电剂、正负极活物质等关键组分质量水平、环境温湿度、人员操作水平等因素的影响，又都很容易产生缺陷。比如，涂布中易产生头厚、尾薄、厚边、露箔、面密度不稳等；辊压极片可能收卷不齐、皱边、厚度反弹、厚度不稳等……

如何控制每个环节的品质质量，及早发现异常并完成处理，实现PPM迈进PPB级品质，是当前锂电企业的提升产品品质的主要发力点。在迈向高质量、高一致性的目标时，锂电池行业普遍存在以下难点亟需突破：

一、过程质量未形成有效监控管理闭环，异常处理不及时，效率低

1、精准质量检验是质量控制的关键手段之一。但目前电芯仍有较多工序依赖人工目检，例如切叠V角毛刺检测依赖人工定时抽检，导致毛刺异常未能及时发现并排出，最终可能造成高达1％良率损失。且无法获取大样本的细分质量数据，难以支撑后续有效分析和改善；

2、首检、巡检等过程检验数据依靠手工工单记录，例如换型首检、环境粉尘检测，均为人工纸质记录后统一形成excel，数据及时性低，且无法及时有效管控；

3、关键过程参数缺乏有效监控手段，仅通过设备简单阈值管控并现场通知方式，难以有效识别异常与处理异常，保证产品一致性；

4、过程质量异常问题缺乏系统化管理。例如，出现质量问题后，往前工序排查与责任归属，依赖沟通群或纸质签单流转，从质量问题发生、审核、定位、改善、效果跟踪到知识沉淀，大部分都是线下作业管理，流程缺失。

二、质量异常定位以人工经验分析、QCC活动与电芯试验拆解为主，难以高效确认异常根因

1、质量异常定位常常需要跨多工序进行，涉及数据量大，且极卷与极芯的追溯标识不一，数据匹配处理难度大，依靠人工经验定位，手动分析效率低；

2、一般来说，企业会按照一定异常比例抽样进行电芯拆解实验定位问题，常常需要耗费较长时间，异常难以及时拦截与改善；

3、对于重大质量问题长时间难以改善情况，企业一般通过QCC活动集思广益列出核心异常相关影响因素并结合实验验证逐一排除，周期长，且改善效果易遇瓶颈。

三、控制优化依靠人工经验，设备参数采集、分析、调整断层，没有形成有效的自动管理流程，过程实时纠偏难

1、很多工艺如涂布、卷绕等相关参数众多，可能受前序制程影响，需要持续调整参数直至工艺达到最佳状态。然而参数调节依赖人工经验，参数调整策略因人而异，缺乏标准性，难以沉淀工程经验以及保证参数调整策略最优化，品控缺乏保证，易造成浪费；

2、调参结果需要一定等待时间验证效果，并且调参常需经过多次试验调整，调参效率低，易造成产品浪费；

3、产线换型期间调参缺乏抓手，满产生产调机需4－6个月，产能损失大。

以“智”提质

破解生产质量管控难题

对于上述常见的锂电生产品质痛点，格创东智基于数据智能与应用，推出锂电品质全过程管理与优化解决方案，通过360度品质管理应用，实现品质全流程数字化管理，达到极致良率：

关键手段一：基于潜在失效模式分析，识别关键管控点并进行全量数据实时采集，实现品质过程全链条数据拉通

针对锂电池生产的高质量、高一致性要求，结合失效模式，从4M1E维度分析生产过程的关键管控点，并进行数据采集，并以此为基础形成丰富数据库，为后续数据分析奠定基础，例如：

1、过程质量检测指标：基于视觉检测与AI融合技术，替代过程依赖人工目检缺陷判断与分类的工作。例如切叠V角毛刺检测、密封钉焊接、顶点焊接等外观缺陷，精准识别与判断缺陷类型，自主决策缺陷处理方式（返修、报废、放行）；

2、环境指标：环境粉尘、温湿度对于锂电池质量造成较大影响，因此，可以通过加装露点仪实时检测环境温湿度、粉尘数据，并基于IOT技术实现数据采集；

3、IPQC检测数据：采用电子化记录模式，利用电子化检测模板，通过PDA等移动端实现数据电子化记录，代替过去纸质记录模式，使得正负极材料、隔膜、电解液等关键物料信息记录全面、过程首检、巡检数据亦可及时记录反应问题；

4、设备参数——基于IoT或EAP等技术实现设备关键参数采集与记录：基于以上类型数据的全面采集，以大数据平台底座为支撑，将锂电池产品生产履历数据、检测数据、变更时间、物料数据、Marking等通过电芯码、裸电芯码、极卷码、浆料批次等关联起来，使得可以通过产品ID查询全生命周期数据，质量人员可以快速查询与定位异常。

关键手段二：结合大数据技术和流程管控，实现实时监控与预警、分析、整改的品质不良管控流程一体化

异常监测与预警：针对过程检测指标（如面密度）、设备参数、环境参数、物料数据以及过程能力指标，基于SPC管控规则与算法模型进行实时监测与预警，及时发现异常或不稳定波动情况，并通知相关人员采取相应措施，避免损失扩大或提前减免损失。例如，涂布滤芯压差、烘箱各区域温区、各区域狭缝间隙等稳定参数控制；

异常分析：基于大数据分析模型，当产生异常告警／预警时，将异常分析报告与异常现状信息同步发送至相关人员，辅助相关人员采取最优整改措施或者联动设备进行自动优化调整。例如某个case，某台卷绕机出现一定比例短路异常后，分析得出是使用隔膜质量问题造成，及时联动MES锁住该隔膜批次进行核验复检，减少损失；

闭环管理：对于异常发生到关闭全过程，均通过数字化流程记录与跟踪，每个关键节点均需由管理人员进一步确认。问题关闭时，可确认自动升级质控标准，形成相应标准文档记录，更新质控数据库。

关键手段三：基于大数据分析技术，建设品质分析优化体系，支撑全生产过程高效良率管理

异常根因分析：以工程人员日常分析内容为基础，将从总体到设备的良率监控分析、面密度及厚度等特征值／Defect分析到4M1E变更分析汇总形成分析模板，辅助工程人员高效分析，快速掌握当前质量现状并采取相应管理手段予以提升；

应用示例：涂布面密度异常分析

品质异常拦截：基于大数据算法分析，将4M1E维度因素综合分析，不论是对于单工序还是跨工序的质量问题排查与根因定位，均能准确、高效。所有的分析过程均可形成知识沉淀，并分享给其他人员。基于不良事后根因分析，可以对于过程参数管控策略进行优化，从而建立长期有效拦截机制；

应用示例：涂布工艺参数优化

品质闭环控制：利用实时采集工艺制程设备运行的参数及实际量测结果数据，利用反馈机制（Feed back）建立生产系统数据和品质指标数据之间建立某种清晰的数学关系，在生产过程不间断的情况下补正和调优设备参数，在过程偏离最优工况后，可以及时在线更新生产过程和制程的设定值，从而保证批次产品质量的变异性最小，从而达到品质稳定。

作为国家级跨行业跨领域工业互联网平台，格创东智以标准化平台、工业应用及行业解决方案，满足各行业不同规模的企业对于智能制造的需求。

面向锂电池生产品质管控，格创东智打造360°品质管控体系，结合统计与AI能力赋能品质分析与优化，包括以品质管理QMS为基础实现品质过程全链条数据拉通和数字化管理、实验室质量管理LIMS实现实验室工作智能化协同，以统计过程控制SPC、良率管理提升YMS、AI视觉检测为核心实现生产过程品质关键控制点监控预警、异常根因分析、质量预测到自适应参数调整的闭环管控，从而帮助锂电池企业实现极致良率、极致效率、极致成本的核心目标。