2023年二季度伊始，鋰電池企業接二連三地官宣新品。

4月13日，億緯鋰能面向全球首次發布全極耳21700 40PL及高容量21700 58E兩款全新產品；4月15日，海辰儲能發布了320Ah新一代電力儲能專用電池；4月19日，寧德時代在上海車展上舉行了凝聚態電池發布會，正式發布了單體能量密度達到500Wh/kg的凝聚態電池。

鋰電池技術逐漸趨于成熟，產品型號愈加多樣化，再加上新能源市場需求爆發的影響，鋰電池應用場景細分化趨勢愈發明顯，對尺寸規格提出了諸多新需求。

在2023高工鋰電智能制造峰會上，蜂巢能源工藝裝備中心負責人、上海章魚博士總經理尹東星指出：量產電池產品的技術特性逐漸趨同，接下來最大的差異在規模化制造能力上，即產品從工藝品到工業品的轉變；過程從精益生產“一個流”向批量處理“多個流”的轉變。

剛性生產線難以適應市場日益復雜多變的需求，產線升級迫在眉睫。柔性化制造則是核心方向之一，但在落地上仍存在諸多難點。

國軒高科工程研究總院副院長徐興無表示：“柔性制造是鋰電池多年來的‘心結’。對標日韓，中國鋰離子動力電池產業最大的短板是工程能力差距甚大。電池型號不斷增多，規格標準卻難以統一，制造一致性差，故障率高。”

柔性制造是機器人所擅長的，但是與此同時挑戰也隨之而來了。鋰電池產線升級不斷提出的新需求與新要求，機器人企業該如何應對？高工機器人從以下四個方面進行了分析整理。 品質無疑是第一要義

今年以來，鋰電池結構性產能過剩問題浮出水面。

高工機器人產業研究所（GGII）數據顯示，2022年中國鋰電池市場當年規劃產能為2.4TWh，是當年有效產能的3倍、出貨量的4倍。

低端產能過剩，高端產能卻面臨緊缺，其根本原因是生產實力落后。

尹東星表示：“當前電池行業產能擴張的主要矛盾是大規模擴產的需求與落后的生產線水平不匹配。在產線中，自動化程度越高，越需要增強過程檢驗；檢驗點越多，整線OEE越低。蜂巢能源的目標是打造極限效率、極限品質、極限成本。”

如何為高端產能提供有效支撐？關鍵在于鋰電池生產核心設備性能的提升，包括機器人產品的工作效率、穩定性、精度及節拍。

正如埃斯頓自動化新能源BU總經理李仁智所表示：“制造升級之下，鋰電池企業對機器人的使用逐漸增多，機器人需要擁有更高性能、更高速度、更高穩定性，以支撐鋰電產線越來越高的要求。”

從動力電池方面來看，GGII調研數據顯示，動力電池各工藝段機器人滲透率達到82%，主要應用于鋰電池制芯段、模組段、PACK工藝段等環節。

其中針對PACK工藝段，海目星激光推出了裝配線解決方案。該裝配線采用潛伏牽引式AGV、六軸機器?攜帶雙組份涂膠頭、兼容多款模組及電池包，攻克了行業生產自動化程度不完善、檢測能力差、電池一致性和穩定性較弱等問題，大幅提升了電池模組/電池包（PACK）生產效率與產品品質。

機型定制化、非標準化

鎳氫電池、鎳鎘電池、鉛酸電池、鋰離子電池、聚合物鋰離子電池、鈉離子電池……電池工藝不斷在革新，相對應的生產工藝也隨之產生變化。

機器人則要滿足工藝、場景等變化之下提出的新要求。顯然，單一型號的標準機器人產品越來越無法滿足市場需求。

從長遠來看，新能源市場千變萬化，細分應用場景不斷增多，多品種、小批量生產模式勢必不斷增多。深入了解并挖掘不同工業場景中的實際需求及要求，并有針對性地進行定制化、非標準化研發生產，將是大勢所趨。

從產品端來看，埃斯頓自動化、埃夫特、配天機器人、鈞舵機器人、斯坦德機器人、井松機器人等廠商均為鋰電行業推出了定制化產品，以下為部分舉例：

埃斯頓自動化

埃斯頓自動化的全新一代鋰電行業定制大慣量機器人ER50-1200-SR內置走線，采用全新結構，具有高速，高精度，高防護的特點；支持ModBus TCP，Ethernet IP總線通訊；標配3xφ8氣管、3x15芯信號端子，滿足各類應用中配置更復雜的工裝夾具。該款機器人主要應用于大包裝上料、極耳檢測、大型模組PACK線等工序。

埃夫特

埃夫特的ER、ECR、ESR系列機器人產品在鋰電池的電芯、模組、PACK工藝段均有應用。據埃夫特新能源行業總監萬君介紹，埃夫特2023年待研發新能源鋰電新產品是300kg以上系列和15-20kg系列協作機器人。

配天機器人

針對鋰電池產線，配天機器人推出了AIR6SC-600、AIR50A等多款定制機型，覆蓋了電芯上料、電芯檢測、電芯入殼、電芯焊接、電芯封口、涂膠和貼膠等多個工序。

鈞舵機器人

鈞舵機器人開發的LERG70-500電動夾爪適用于鋰電池產線。值得一提的是，該定制產品高度集成、標準化的特點提升了鋰電行業在電芯焊接、烘烤等工藝中夾取的效率，同時也降低了客戶使用成本。

斯坦德機器人

斯坦德機器人針對鋰電行業工序復雜、載重較大、場景轉化多、精準度要求高等的情況，推出了Oasis系列背負式AMR、V型塊舉升AMR、Gulf系列支腿式無人叉車，再加上斯坦德機器人FMS系統的配合就可快捷接入客戶業務系統、場內配套設備，實現各種形狀的原材料、在制品、成品的自動化搬運。

井松機器人

面向鋰電池生產線，井松機器人開發了多款新車型，包括電解液工廠叉車式AGV和新能源電池箔材涂、輥、切用V字托叉車AGV等。其中，堆高車AGV在新能源電池箔材涂、輥、切場景有三大運用亮點：舉升高度達到8米、激光SLAM導航、可多業態定制。

總體而言，定制化、非標準化產品針對性較強，能夠較精準地匹配客戶需求，幫助客戶提升生產效率和生產質量的同時，還能一定程度上降低生產成本。

生產柔性是關鍵

生產柔性是機器人應變能力的關鍵，主要表現在以下4個方面：

1、部署靈活。當所生產的產品臨時更替，機器人需要根據產線的生產計劃和安排調整位置或方向。

2、對空間要求低。隨著鋰電池生產多樣化，小批量的小眾型號產品生產將會越來越多。機器人需要能夠適應空間相對較小的環境。

3、能夠快速并保質保量地適應新產線。當新技術成熟落地，生產工藝、流程等隨時可能發生變化。在不降低生產質量和生產效率的前提下，機器人需要靈活、快速地適應新產線。

4、集群調度效率高。隨著終端用戶對機器人的使用量激增，導入品牌不斷增加，生產過程中就會面臨著多品牌機器人的多機調度問題。

前三點，重量較大且占位空間較大的傳統工業機器人或難以適應，而協作機器人在生產柔性上具備一定優勢。

輕量化、高集成度的設計使協作機器人能夠以更靈活的部署方式安裝于產線或集成化設備中，易于編程的特點也使其能夠快速適應新產線的工作需求。

從協作機器人的銷量上來看，根據GGII的調研分析，未來5年中國協作機器人整體銷量年均復合增速將保持35%以上。預計到2026年，中國協作機器人銷量將突破10萬臺大關。鋰電池應用場景無疑將是協作機器人的潛力空間。

在2023高工鋰電智能制造峰會上，遨博智能副總裁張棟表示：“目前協作機器人在鋰電行業處于發展初期，遨博智能的產品已經在涂膠、螺絲鎖附等工序中實現了應用。”

遨博智能 i 系列協作機器人具有3-20KG不同負載能力。輕便小巧，占地面積小，部署機械臂來執行新任務平均只需要半天。且能夠在多種功能場景中快速切換，可以采用人機協作、雙機協作、多機協作等實現柔性化生產。

此外，移動機器人同樣在生產柔性方面表現出色。正如其名，移動機器人比其他機器人更具機動性、靈活性，更加容易實現多機調度，且對空間的要求低。

例如，極智嘉推出的AMR解決方案，全場均采用激光SLAM自然導航方式，無需對現場進行特殊改造，即可柔性引入，高效實施部署，助力項目快速上線。該方案已覆蓋鋰電生產制造從電芯前后工序到模組、PACK車間的全流程。

在集群調度方面，極智嘉也有著成熟的經驗，跨系統、跨型號集群調度，高效協作，已實現260+臺機器人同場運行的落地應用。

從銷量上來看，得益于在生產柔性上的優勢，鋰電行業移動機器人的銷量持續增長，滲透率快速上升。GGII統計數據顯示，2022年中國鋰電池行業移動機器人銷量突破1萬大關，達到10263臺，同比增長50.07%。

產業發展呈現上升態勢，但與此同時移動機器人企業也迎來了諸多挑戰。

海康機器人成都分公司總經理陳良凱表示，目前鋰電行業移動機器人面臨著兩大挑戰：項目難和卷。項目難表現在，鋰電產業應用場景廣，對產品寬度提出高要求；產品定制化程度高，對軟硬件研發實力要求較高；項目實施周期長，需要供應商有一套穩定的、本地化的技術支持交付團隊。卷則表現在競爭激烈，產品價格不斷創新低。

針對這兩大挑戰，海康機器人采用“數字化平臺軟件+智能化硬件產品”的模式，賦能鋰電行業“智造”升級。

高工機器人判斷，盡管存在挑戰，但是移動機器人未來的增長空間依舊十分客觀。隨著鋰電池項目陸續落地，鋰電池領域將成為移動機器人最大的增量市場之一。

機器視覺+AI，機器人的融合應用

柔性生產還體現在能夠及時發現并解決問題，“機器視覺+AI”是重要解決路徑之一。

在鋰電池生產中，機器視覺主要通過三種方式實現設備智能化、產線智能化的目的，分別為：

集成于生產設備中實現檢測、識別、測量等功能；賦予機械臂定位、識別功能，使機械臂能夠更好地完成分揀、抓取、上下料等工作；機器視覺系統直接應用于產線上，用于產品或工件的識別、檢測、測量等工作。

“機器代替人眼”要求機器人克服人工檢測的弊端，量化、標準化檢測結果，AI在其中發揮了重要作用。

據海康機器人成都分公司總經理陳良凱介紹：海康機器人近些年持續在打磨數字孿生系統。數字孿生系統能夠模擬現實工廠環境，計算升級成本，數字化預演及優化AMR的運行路徑和任務。

另外，翌視科技通過將3D成像算法硬化在芯片中，實現3D與AI的融合，能夠完成高速、高性能的測量，其重復精度達到0.1微米。其中，LVM2040、LVM2545等型號傳感器采用模組拼接方式，檢測長寬高、平面度、段差等，主要應用于電池模組檢測。

GGII分析，針對AI算法在實際應用中存在的問題，部分視覺廠商已經提出了“小樣本訓練技術”、“使用自適應均衡策略的神經網絡”等解決方案，降低應用智能化算法可能帶來的負面影響，從而擴大機器視覺智能化發展的可能性。

盡管仍存在不足，但是在可以預見的將來，以深度學習為代表的算法層面，機器視覺與AI智能的結合度將越來越高。

審核編輯 ：李倩