@misc{Grunau2024,
  author    = {Grunau, Robin},
  title     = {Detektion von Gefahrensituationen w{\"a}hrend der Zerlegung von Batteriesystemen},
  institution = {Kraftfahrzeugtechnik},
  pages     = {108},
  year      = {2024},
  abstract  = {Am Ende des Lebenszyklus eines Industriebatterie-Systems steht eine Beurteilung des Systems f{\"u}r eine Re-to-X-Nutzung. Damit ist eine Beurteilung des Systems f{\"u}r eine Reparatur, Second-Use-Anwendung oder die Freigabe zum Recycling gemeint. F{\"u}r diese Beurteilung werden die Systeme zu den Herstellern zur{\"u}ckgef{\"u}hrt und f{\"u}r die Beurteilung zerlegt, sowie einer Diagnose unterzogen. Die vom Unternehmen Hoppecke Systemtechnik GmbH entwickelten und hergestellten Systeme sind individuell f{\"u}r den jeweiligen Einsatzbereich ausgelegt, wodurch die in Komplexit{\"a}t, Aufbau und St{\"u}ckzahl variieren. Bei der Zerlegung und Diagnose dieser Industriebatterie-Systemen ergeben sich mehrere Gefahrenpotenziale. Zum einen elektrochemische oder elektrische Gefahren die von den Batteriezellen und stromf{\"u}hrenden Bauteilen ausgehen. Zum anderen, hervorgerufen durch die Komplexit{\"a}t und Variabilit{\"a}t der Systeme, die Gefahrenpotenzial durch Fehler w{\"a}hrend des Zerlegungs- und Diagnoseprozesses. Ein vom Unternehmen Hoppecke Systemtechnik GmbH entwickeltes Konzept befasst sich mit der maschinell gef{\"u}hrten und {\"u}berwachten Zerlegung von Industriebatteriesystemen. Diese Diplomarbeit gliedert sich in dieses Konzept ein und untersucht eine Methodik f{\"u}r die Detektion von Gefahrensituationen und der Umsetzbarkeit eines gef{\"u}hrten Zerlegungsprozesses. Die Zerlegung wird dabei auf Basis von datengetriebenen Computer-Vision-Modellen realisiert mit dem Ziel bei einer geringen verf{\"u}gbaren reellen Datenmenge Fehler w{\"a}hrend der Zerlegung zu reduzieren. Die Modelle werden mit einer Kombination aus synthetischen und reellen Daten trainiert, da die ausschließliche Nutzung synthetischer Trainingsdaten den Genauigkeitsanforderungen noch nicht gerecht werden konnte. Zusammen mit einer Kamera und einem Mikrobolometer-Sensor werden diese Modelle in einer Testplattform implementiert. Dadurch ist es m{\"o}glich, den Zerlegungs- und Diagnoseprozess maschinell zu erkennen, zu {\"u}berwachen und zu steuern. Durch diese M{\"o}glichkeit kann die Sicherheit f{\"u}r das Personal gesteigert werden, da die Arbeitsschritte der Zerlegung und Diagnose kontinuierlich visuell {\"u}berpr{\"u}ft und schrittbezogene Sicherheitsanweisungen erteilt werden. Dadurch k{\"o}nnen Fehler w{\"a}hrend der Zerlegung minimiert und das System w{\"a}hrend der Diagnose thermisch visuell {\"u}berwacht werden. Parallel dazu kann eine Protokollierung des Prozesses erfolgen.},
  language  = {de}
}