2023年二季度伊始，锂电池企业接二连三地官宣新品。
4月13日，亿纬锂能面向全球首次发布全极耳21700 40PL及高容量21700 58E两款全新产品;4月15日，海辰储能发布了320Ah新一代电力储能专用电池;4月19日，宁德时代在上海车展上举行了凝聚态电池发布会，正式发布了单体能量密度达到500Wh/kg的凝聚态电池。
(资料图)
锂电池技术逐渐趋于成熟，产品型号愈加多样化，再加上新能源市场需求爆发的影响，锂电池应用场景细分化趋势愈发明显，对尺寸规格提出了诸多新需求。
在2023高工锂电智能制造峰会上，蜂巢能源工艺装备中心负责人、上海章鱼博士总经理尹东星指出：量产电池产品的技术特性逐渐趋同，接下来最大的差异在规模化制造能力上，即产品从工艺品到工业品的转变;过程从精益生产“一个流”向批量处理“多个流”的转变。
刚性生产线难以适应市场日益复杂多变的需求，产线升级迫在眉睫。柔性化制造则是核心方向之一，但在落地上仍存在诸多难点。
国轩高科工程研究总院副院长徐兴无表示：“柔性制造是锂电池多年来的‘心结’。对标日韩，中国锂离子动力电池产业最大的短板是工程能力差距甚大。电池型号不断增多，规格标准却难以统一，制造一致性差，故障率高。”
柔性制造是机器人所擅长的，但是与此同时挑战也随之而来了。锂电池产线升级不断提出的新需求与新要求，机器人企业该如何应对?高工机器人从以下四个方面进行了分析整理。
品质无疑是第一要义
今年以来，锂电池结构性产能过剩问题浮出水面。
GGII数据显示，2022年中国锂电池市场当年规划产能为2.4TWh，是当年有效产能的3倍、出货量的4倍。
低端产能过剩，高端产能却面临紧缺，其根本原因是生产实力落后。
尹东星表示：“当前电池行业产能扩张的主要矛盾是大规模扩产的需求与落后的生产线水平不匹配。在产线中，自动化程度越高，越需要增强过程检验;检验点越多，整线OEE越低。蜂巢能源的目标是打造极限效率、极限品质、极限成本。”
如何为高端产能提供有效支撑?关键在于锂电池生产核心设备性能的提升，包括机器人产品的工作效率、稳定性、精度及节拍。
正如埃斯顿自动化新能源BU总经理李仁智所表示：“制造升级之下，锂电池企业对机器人的使用逐渐增多，机器人需要拥有更高性能、更高速度、更高稳定性，以支撑锂电产线越来越高的要求。”
从动力电池方面来看，GGII调研数据显示，动力电池各工艺段机器人渗透率达到82%，主要应用于锂电池制芯段、模组段、PACK工艺段等环节。
其中针对PACK工艺段，海目星激光推出了装配线解决方案。该装配线采用潜伏牵引式AGV、六轴机器⼈携带双组份涂胶头、兼容多款模组及电池包，攻克了行业生产自动化程度不完善、检测能力差、电池一致性和稳定性较弱等问题，大幅提升了电池模组/电池包(PACK)生产效率与产品品质。
机型定制化、非标准化
镍氢电池、镍镉电池、铅酸电池、锂离子电池、聚合物锂离子电池、钠离子电池……电池工艺不断在革新，相对应的生产工艺也随之产生变化。
机器人则要满足工艺、场景等变化之下提出的新要求。显然，单一型号的标准机器人产品越来越无法满足市场需求。
从长远来看，新能源市场千变万化，细分应用场景不断增多，多品种、小批量生产模式势必不断增多。深入了解并挖掘不同工业场景中的实际需求及要求，并有针对性地进行定制化、非标准化研发生产，将是大势所趋。
从产品端来看，埃斯顿自动化、埃夫特、配天机器人、钧舵机器人、斯坦德机器人、井松机器人等厂商均为锂电行业推出了定制化产品，以下为部分举例：
埃斯顿自动化
埃斯顿自动化的全新一代锂电行业定制大惯量机器人ER50-1200-SR内置走线，采用全新结构，具有高速，高精度，高防护的特点;支持ModBus TCP，Ethernet IP总线通讯;标配3xφ8气管、3x15芯信号端子，满足各类应用中配置更复杂的工装夹具。该款机器人主要应用于大包装上料、极耳检测、大型模组PACK线等工序。
埃夫特
埃夫特的ER、ECR、ESR系列机器人产品在锂电池的电芯、模组、PACK工艺段均有应用。据埃夫特新能源行业总监万君介绍，埃夫特2023年待研发新能源锂电新产品是300kg以上系列和15-20kg系列协作机器人。
配天机器人
针对锂电池产线，配天机器人推出了AIR6SC-600、AIR50A等多款定制机型，覆盖了电芯上料、电芯检测、电芯入壳、电芯焊接、电芯封口、涂胶和贴胶等多个工序。
钧舵机器人
钧舵机器人开发的LEPG70-500电动夹爪适用于锂电池产线。值得一提的是，该定制产品高度集成、标准化的特点提升了锂电行业在电芯焊接、烘烤等工艺中夹取的效率，同时也降低了客户使用成本。
斯坦德机器人
斯坦德机器人针对锂电行业工序复杂、载重较大、场景转化多、精准度要求高等的情况，推出了Oasis系列背负式AMR、V型块举升AMR、Gulf系列支腿式无人叉车，再加上斯坦德机器人FMS系统的配合就可快捷接入客户业务系统、场内配套设备，实现各种形状的原材料、在制品、成品的自动化搬运。
井松机器人
面向锂电池生产线，井松机器人开发了多款新车型，包括电解液工厂叉车式AGV和新能源电池箔材涂、辊、切用V字托叉车AGV等。其中，堆高车AGV在新能源电池箔材涂、辊、切场景有三大运用亮点：举升高度达到8米、激光SLAM导航、可多业态定制。
总体而言，定制化、非标准化产品针对性较强，能够较精准地匹配客户需求，帮助客户提升生产效率和生产质量的同时，还能一定程度上降低生产成本。
生产柔性是关键
生产柔性是机器人应变能力的关键，主要表现在以下4个方面：
1、部署灵活。当所生产的产品临时更替，机器人需要根据产线的生产计划和安排调整位置或方向。
2、对空间要求低。随着锂电池生产多样化，小批量的小众型号产品生产将会越来越多。机器人需要能够适应空间相对较小的环境。
3、能够快速并保质保量地适应新产线。当新技术成熟落地，生产工艺、流程等随时可能发生变化。在不降低生产质量和生产效率的前提下，机器人需要灵活、快速地适应新产线。
4、集群调度效率高。随着终端用户对机器人的使用量激增，导入品牌不断增加，生产过程中就会面临着多品牌机器人的多机调度问题。
前三点，重量较大且占位空间较大的传统工业机器人或难以适应，而协作机器人在生产柔性上具备一定优势。
轻量化、高集成度的设计使协作机器人能够以更灵活的部署方式安装于产线或集成化设备中，易于编程的特点也使其能够快速适应新产线的工作需求。
从协作机器人的销量上来看，根据GGII的调研分析，未来5年中国协作机器人整体销量年均复合增速将保持35%以上。预计到2026年，中国协作机器人销量将突破10万台大关。锂电池应用场景无疑将是协作机器人的潜力空间。
在2023高工锂电智能制造峰会上，遨博智能副总裁张栋表示：“目前协作机器人在锂电行业处于发展初期，遨博智能的产品已经在涂胶、螺丝锁附等工序中实现了应用。”
遨博智能 i 系列协作机器人具有3-20KG不同负载能力。轻便小巧，占地面积小，部署机械臂来执行新任务平均只需要半天。且能够在多种功能场景中快速切换，可以采用人机协作、双机协作、多机协作等实现柔性化生产。
此外，移动机器人同样在生产柔性方面表现出色。正如其名，移动机器人比其他机器人更具机动性、灵活性，更加容易实现多机调度，且对空间的要求低。
例如，极智嘉推出的AMR解决方案，全场均采用激光SLAM自然导航方式，无需对现场进行特殊改造，即可柔性引入，高效实施部署，助力项目快速上线。该方案已覆盖锂电生产制造从电芯前后工序到模组、PACK车间的全流程。
在集群调度方面，极智嘉也有着成熟的经验，跨系统、跨型号集群调度，高效协作，已实现260+台机器人同场运行的落地应用。
从销量上来看，得益于在生产柔性上的优势，锂电行业移动机器人的销量持续增长，渗透率快速上升。GGII统计数据显示，2022年中国锂电池行业移动机器人销量突破1万大关，达到10263台，同比增长50.07%。
产业发展呈现上升态势，但与此同时移动机器人企业也迎来了诸多挑战。
海康机器人成都分公司总经理陈良凯表示，目前锂电行业移动机器人面临着两大挑战：项目难和卷。项目难表现在，锂电产业应用场景广，对产品宽度提出高要求;产品定制化程度高，对软硬件研发实力要求较高;项目实施周期长，需要供应商有一套稳定的、本地化的技术支持交付团队。卷则表现在竞争激烈，产品价格不断创新低。
针对这两大挑战，海康机器人采用“数字化平台软件+智能化硬件产品”的模式，赋能锂电行业“智造”升级。
高工机器人判断，尽管存在挑战，但是移动机器人未来的增长空间依旧十分客观。随着锂电池项目陆续落地，锂电池领域将成为移动机器人最大的增量市场之一。
机器视觉+AI，机器人的融合应用
柔性生产还体现在能够及时发现并解决问题，“机器视觉+AI”是重要解决路径之一。
在锂电池生产中，机器视觉主要通过三种方式实现设备智能化、产线智能化的目的，分别为：
集成于生产设备中实现检测、识别、测量等功能;赋予机械臂定位、识别功能，使机械臂能够更好地完成分拣、抓取、上下料等工作;机器视觉系统直接应用于产线上，用于产品或工件的识别、检测、测量等工作。
“机器代替人眼”要求机器人克服人工检测的弊端，量化、标准化检测结果，AI在其中发挥了重要作用。
据海康机器人成都分公司总经理陈良凯介绍：海康机器人近些年持续在打磨数字孪生系统。数字孪生系统能够模拟现实工厂环境，计算升级成本，数字化预演及优化AMR的运行路径和任务。
另外，翌视科技通过将3D成像算法硬化在芯片中，实现3D与AI的融合，能够完成高速、高性能的测量，其重复精度达到0.1微米。其中，LVM2040、LVM2545等型号传感器采用模组拼接方式，检测长宽高、平面度、段差等，主要应用于电池模组检测。
GGII分析，针对AI算法在实际应用中存在的问题，部分视觉厂商已经提出了“小样本训练技术”、“使用自适应均衡策略的神经网络”等解决方案，降低应用智能化算法可能带来的负面影响，从而扩大机器视觉智能化发展的可能性。
尽管仍存在不足，但是在可以预见的将来，以深度学习为代表的算法层面，机器视觉与AI智能的结合度将越来越高。
