Bayesian optimal experimental design of accelerated reliability tests of lithium-thionyl chloride batteries

Reliability is a crucial attribute of engineering systems in the Industry 5.0 (I5.0) era, as it supports key pillars of the I5.0 human-centric perspective such as quality, waste reduction, and safety of workers. Among the technologies requiring high reliability, Lithium-Thyonil Chloride (Li-SOCl2) primary batteries play a key role: due to their high energy density and stable operating voltage over a broad temperature range, Li-SOCl2 are widely used to power many smart devices with extended lifespans. However, the Li-SOCl2 battery reliability is affected by the growth of a passivation layer, which entails loss of capacity and increase of impedance over time. To ensure that reliability requirements are met while reducing the time-to-market, manufacturers conduct accelerated reliability tests. Optimizing these tests is a complex task, which requires determining appropriate stress factors levels and sample sizes. In this context, Bayesian optimization has emerged as a powerful approach, as it offers the possibility of leveraging prior knowledge and taking due account to uncertainties. The aim of the present work is the development of a Bayesian framework for the optimization of accelerated reliability test plans of Li-SOCl2 primary batteries, which builds on degradation models and testing procedures proposed in the literature. This framework allows: • Leveraging prior knowledge of model parameters based on expert opinion and scientific literature; • Considering the epistemic and aleatory uncertainties of the model; • Leveraging the Expected Information Gain (EIG) to choose the tests that are optimal for parameter inference. The developed methodology has been tested on a numerical case study, providing useful insight into the model’s behavior under different test configurations.

L’affidabilità è un attributo cruciale dei sistemi ingegneristici nell’era dell’industria 5.0 (I5.0), poiché supporta pilastri fondamentali della prospettiva antropocentrica dell’I5.0 come qualità, riduzione degli sprechi e sicurezza dei lavoratori. Tra le tecnologie che richiedono alta affidabilità, le batterie primarie al Litio-Cloruro di Tionile (Li-SOCl2) svolgono un ruolo chiave: grazie alla loro elevata densità energetica e ad una tensione operativa stabile su un ampio intervallo di temperature, le Li-SOCl2 sono ampiamente utilizzate per alimentare molti dispositivi elettronici di lunga durata. Tuttavia, l’affidabilità delle batterie Li-SOCl2 è influenzata dalla crescita di uno strato di passivazione, che comporta perdita di capacità e aumento dell’impedenza nel tempo. Per garantire che i requisiti di affidabilità siano soddisfatti riducendo al contempo il time-to-market, i produttori conducono test di affidabilità accelerati. Ottimizzare questi test è un compito complesso, che richiede di determinare livelli appropriati di fattori di stress e dimensioni dei campioni. In questo contesto, l’ottimizzazione bayesiana emerge come un approccio potente, poiché offre la possibilità di sfruttare conoscenze pregresse e tenere adeguatamente conto delle incertezze. Lo scopo del presente lavoro è lo sviluppo di un framework bayesiano per l’ottimizzazione dei piani di test di affidabilità accelerati delle batterie primarie Li-SOCl2, che si basa su modelli di degrado e su procedure di test proposti in letteratura. Questo framework permette di: • Sfruttare la conoscenza a priori dei parametri del modello basata su opinioni di esperti e letteratura scientifica; • Considerare le incertezza epistemiche e aleatorie del modello; • Sfruttare il guadagno informativo atteso (EIG) per scegliere i test ottimali per l’inferenza dei parametri. La metodologia sviluppata è stata testata su un caso di studio numerico, che fornisce informazioni preziose sul comportamento del modello in diverse configurazioni di test.