BMW Group y la Universidad de Zagreb, a través de su Centro Regional de Excelencia en Tecnología Robótica (CRTA), continúan avanzando en la investigación del proyecto “Insight”, que busca implementar el uso de modelos de inteligencia artificial para optimizar todo el proceso productivo de las baterías, desde la fabricación de electrodos hasta las pruebas finales y el reciclaje directo desarrollado internamente.
Christian Siedelhofer, jefe de Desarrollo Tecnológico de Celdas de Baterías de Iones de Litio en el Grupo BMW, explica: “Estamos trabajando en la ampliación de los modelos de IA desarrollados a partir del entorno de prototipos. También estamos analizando hasta qué punto estos modelos son adecuados para otros casos de uso dentro de nuestra red de producción”.
Uno de los principales objetivos es reducir de manera significativa el consumo de materias primas, los costes y el tiempo asociados a la producción. En el Centro de Competencia de Celdas de Batería (BCCC) que BMW posee en Múnich, se desarrollan las celdas que alimentarán las futuras generaciones de baterías de alto voltaje. Este trabajo implica la realización de numerosas series de pruebas, que requieren grandes cantidades de materiales y tiempo, además de ocupar recursos clave como equipos de fabricación y laboratorios.
El proyecto “Insight” introduce el uso de redes de inteligencia artificial que combinan datos históricos de pruebas con información en tiempo real procedente de la producción. Gracias a esta capacidad de análisis avanzado, se pueden predecir con gran precisión los parámetros de los procesos y el rendimiento de las celdas, reduciendo tanto el número como la duración de las pruebas necesarias en más de un 50 %, sin comprometer la calidad.
Además de la reducción de pruebas, los modelos predictivos también tienen aplicaciones en otras fases de la producción. Uno de los ejemplos más destacados es el proceso conocido como “cuarentena” de las celdas. Tras la carga inicial al final de la producción, las baterías deben almacenarse durante un periodo determinado bajo condiciones de temperatura controlada antes de ser ensambladas en el vehículo. Este paso implica la necesidad de contar con amplias capacidades de almacenamiento. Sin embargo, gracias al análisis completo que la inteligencia artificial puede realizar de forma anticipada, este proceso podría eliminarse en el futuro, optimizando aún más la eficiencia operativa.
En la colaboración entre BMW y la Universidad de Zagreb, iniciada en 2024, estudiantes de doctorado y otros investigadores de la universidad trabajan en la recopilación y estructuración de datos de producción, que posteriormente se utilizan para entrenar modelos de inteligencia artificial capaces de identificar patrones complejos. Estos modelos permiten realizar predicciones que contribuyen a mejorar el rendimiento, la calidad y los costes en la fabricación de celdas.
El intercambio de conocimientos entre ambas instituciones genera beneficios mutuos. La Universidad de Zagreb aporta su experiencia en disciplinas como la ingeniería mecánica, eléctrica y la informática, mientras que BMW ofrece acceso a entornos reales de producción y a los retos tecnológicos de la industria. Además, se da un impulso al desarrollo de talento joven. El proyecto permite a estudiantes y doctorandos aplicar sus conocimientos en situaciones reales, recibir mentoría especializada y establecer contactos dentro del sector industrial, algo que según la marca alemana incrementa significativamente sus oportunidades profesionales y facilita su incorporación al mercado laboral.
Stefan Kerscher, director de Desarrollo Tecnológico de Baterías del Grupo BMW, comenta: “Nuestro proyecto conjunto despierta el interés de doctorandos y estudiantes por la IA, las baterías y el apasionante trabajo que realizamos en nuestros Centros de Competencia en Baterías. Nos complace que jóvenes talentos decidan iniciar su carrera profesional en nuestra empresa”.
Temas
BMW apuesta por la IA para revolucionar las baterías de sus coches eléctricos: reducirá más de un 50 % en pruebas, costes y tiempos
