STAR7, nasce nel 2000 come filiale italiana di STAR Group per traduzioni professionali, una grande impresa più di mille dipendenti distribuiti nelle nostre sedi in Italia e nel mondo; supportiamo la creazione e la gestione dei contenuti tecnici e commerciali nella traduzione, in qualunque lingua, nella stampa, nella creazione di asset digitali ed esperienze virtuali, nell’ingegneria di prodotto e di processo. In collaborazione con CIM4.0, l’azienda ha avviato un progetto che riguarda la predizione dell’andamento dei profili di tensione all’interno di batterie in campo automotive utilizzando l’Intelligenza Artificiale.
Un BMS (Battery Management System) ottimizzato ridurrebbe i costi della manutenzione della batteria attraverso il software predittivo integrato. Attraverso il bilanciamento di carica delle celle, sarebbe in grado di gestire al meglio i consumi contribuendo al risparmio energetico, e aumentando la sostenibilità data da propulsori e fonti di ricariche energetiche alternative. Il BMS attivo, in primis effettua un bilanciamento attivo delle celle, integrando un sistema di protezione passivo delle celle evitando che durante i cicli di carica/scarica possa avvenire un sovraccarico delle celle. Il design del BMS varia molto a seconda del tipo di applicazione a cui viene sottoposta la batteria, la capacità del pacco batteria è fondamentale. Integrando il BMS con una componente software che utilizza il Machine Learning, vengono analizzate le informazioni raccolte e inserite nel cloud consentendo di individuare eventuali anomalie attraverso funzioni di autodiagnostica. La flessibilità e i benefici apportati dal sistema sviluppato lo rendono compatibile con diverse applicazioni oltre alle batterie per automotive, aprendo così le porte a vari mercati industriali. In sintesi, il progetto prevede:
– Utilizzo dell’AI per anomaly detection relativo alle celle di un battery pack
– Costruzione di un modello di business contenente gli elementi impattanti sul ritorno economico
Attraverso lo sviluppo di un BMS ottimizzato in grado di eseguire un efficiente bilanciamento e una raccolta dati costante, possiamo quantificare la vita delle batterie odierne in un range tra gli otto e i dieci anni, tenendo in considerazione la riparazione dei moduli al quale aggiungere il tempo di utilizzo di moduli ricondizionati. Successivamente, le batterie verranno utilizzate in strumenti per cui viene richiesta una potenza minore per almeno altri 10 anni. Giunta a fine vita, la batteria verrà smantellata e riciclata, e gli elementi rari saranno utilizzati per la costruzione di nuove batterie. Le nuove batterie create saranno più performanti rispetto a quelle odierne, si chiude così la Circular Economy. Si ipotizza che con i materiali utili per la costruzione di 30 batterie, si potranno costruire almeno 29 batterie utilizzando le stesse materie prime.
CIM4.0 fornisce le competenze e conoscenze necessarie attraverso corsi di formazione sul mondo dell’IA e del Cloud Storage. Attraverso uno studio dei dati raccolti in precedenza, verrà fornito un algoritmo di detection di pattern, mediante l’utilizzo del Machine Learning e di interfacce grafiche, che fornirà informazioni per ottimizzare il bilanciamento delle celle e opererà in modo preventivo sulla messa in sicurezza dell’intera batteria. Attraverso un Cloud Storage, verrà implementato un database di dati raccolti, che potrà essere integrato con l’algoritmo fornito per l’analisi diretta dei dati. CIM4.0 fornirà inoltre supporto nella realizzazione di un documento di business model da ricercare enfatizzando il rapporto costi/benefici della soluzione.
