Pourquoi le diagnostic au niveau du module change tout ?
Pourquoi le diagnostic au niveau du module change tout ?
Diagnostic, modules, sécurité : trois mots qui redéfinissent la manière de comprendre la santé d’une batterie.
Alors que la plupart des approches examinent les packs dans leur ensemble, Entroview a choisi une autre voie : le diagnostic au niveau du module, plus précis, plus sûr, et surtout plus représentatif de l’état réel de la batterie.
Notre approche hybride, physique + Machine Learning (ML) informé par la physique, appliquée au niveau du module, offre une vision réelle, granulaire et prédictive de chaque batterie.
Pourquoi le diagnostic global de pack atteint ses limites ?
Lorsqu’on teste une batterie complète, on observe une moyenne des comportements électriques et thermiques.
Mais cette moyenne masque les différences entre modules, là où les problèmes apparaissent réellement :
- Une cellule déséquilibrée dans un module peut fausser toute l’analyse.
- Les défauts thermiques ou mécaniques sont souvent localisés.
- Les mesures globales empêchent de comprendre les modes de dégradation.
Résultat :
des décisions de transport, de réemploi ou de recyclage prises à l’aveugle, et des coûts de sécurité souvent surévalués faute de preuve fine
Pourquoi le module est le bon niveau d’analyse
Une granularité indispensable
Le module est le juste milieu : plus précis qu’un pack, plus représentatif qu’une cellule isolée.
C’est à cette échelle que se manifestent les déséquilibres électriques, les dégradations mécaniques ou les fuites thermiques.
Chez Entroview :
- Chaque module est isolé, cyclé et mesuré indépendamment.
- On accède à la signature électrique et thermique propre à ce module.
- Les données sont consolidées dans un rapport de diagnostic complet.
- Et classé automatiquement grâce à des algorithmes de ML informés par ces lois physiques.
Résultat : un diagnostic exploitable
Cette combinaison unique permet d’obtenir un diagnostic réellement exploitable :
- Identifier précisément les modules à risque, avant qu’ils ne deviennent critiques.
- Quantifier les degrés de dégradation chimique, thermique ou mécanique.
- Prioriser les actions adaptées : transport direct, décharge à 0 V, réemploi ou recyclage.
Le cœur du diagnostic Entroview : quand la physique rencontre le Machine Learning
Chez Entroview, le diagnostic repose sur un principe simple : mesurer la réalité physique pour la comprendre, puis l’enrichir grâce au Machine Learning.
Cette approche hybride, ancrée dans la physique et augmentée par la donnée, offre une vision fiable, granulaire et prédictive de l’état réel des modules.
Des mesures physiques avant tout
Notre cycleur Entroview s’appuie sur des lois déterministes de la physique et de la thermodynamique :
- Tension, courant, capacité et résistance interne,
- Réponse thermique en charge/décharge,
- Auto-décharge et stabilité électrique.
Ces mesures constituent la base scientifique du diagnostic : elles sont traçables, universelles et interprétables.
Le Machine Learning au service de la physique
Le Machine Learning n’est pas là pour remplacer la mesure, mais pour l’amplifier.
Les modèles développés par Entroview sont informés par la physique :
- Ils apprennent à partir des signatures électriques et thermiques réelles,
- Détectent les motifs faibles ou précoces de dégradation,
- Et regroupent les modules selon leur profil d’usure et de stabilité.
En associant lois physiques et apprentissage supervisé, Entroview identifie plus tôt les modules à risque et quantifie l’incertitude de chaque verdict (SAFE / NON SAFE).
La physique garantit la validité des signaux ; le ML aide à lire entre les lignes pour anticiper les dérives.
Un diagnostic exploitable et traçable
Chaque module testé génère un rapport complet et opposable, contenant :
- Les données physiques brutes (tension, courant, température, résistance interne, etc.),
- Le verdict SAFE / NON SAFE pour le transport ou la manipulation,
Ces rapports constituent des preuves techniques claires et directement exploitables pour les opérations de transport, de stockage ou de recyclage.
Cas d’usage concrets
Reconditionnement et seconde vie
Lorsqu’un pack arrive en atelier, Entroview diagnostique chaque module.
Les modules stables sont destinés à la seconde vie, les instables sont déchargés à 0V via le Battery Killer pour éliminer tout risque.
Résultat : sécurité maximale, traçabilité complète et optimisation du rendement matière.
Logistique et transport
Le diagnostic modulaire permet de prouver qu’une batterie est sûre à expédier, sans emballage spécifique inutile.
Les modules instables sont neutralisés avant expédition via le battery killer.
Recyclage et fin de vie
L’analyse module par module simplifie la séparation des lots et oriente les batteries vers la bonne filière.
Chaque rapport Entroview assure la conformité réglementaire et la sécurité du traitement.
Foire aux questions (FAQ)
Pourquoi ne pas diagnostiquer directement le pack ?
Le diagnostic au niveau du pack reste pertinent pour un pré-diagnostic rapide : il permet d’obtenir une vision d’ensemble et de repérer des anomalies globales (écarts de tension, surchauffe, perte de capacité).
Mais un pack masque les signaux faibles.
Les dérives localisées, les déséquilibres thermiques ou électriques et les débuts de dégradation apparaissent d’abord au niveau du module.
C’est pourquoi Entroview combine les deux approches :
- un pré-diagnostic pack pour filtrer rapidement les lots,
- puis un diagnostic modulaire pour qualifier précisément chaque batterie avant décision (transport, réemploi, recyclage).
Utilisez-vous de l’intelligence artificielle ?
Oui, mais pas n’importe laquelle.
Nous utilisons un Machine Learning informé par la physique : les modèles respectent les lois thermodynamiques et électriques.
Ils complètent la mesure, sans jamais la remplacer, pour détecter des anomalies subtiles, quantifier l’incertitude et documenter les décisions.
Que faire d’un module jugé non sûr ?
Le décharger à 0 V avec le Battery Killer Entroview, puis l’orienter vers le démantèlement ou le recyclage selon son profil de dégradation.
Conclusion : la précision modulaire, la puissance hybride
Le diagnostic au niveau du module, combinant physique et Machine Learning, marque un tournant dans la gestion des batteries.
Cette approche apporte :
- Une compréhension physique réelle,
- Une prédiction plus rapide et plus fiable,
- Une sécurité renforcée à chaque étape du cycle de vie.
Entroview fait du diagnostic modulaire hybride un nouveau standard industriel, alliant la rigueur scientifique de la physique à l’efficacité du ML pour construire la confiance dans toute la chaîne batterie.
Vous souhaitez connaître l’état de santé de vos batteries rapidement et avec précision ?
Contactez Entroview pour une démo personnalisée.
Abonnez-vous à EntroNews, la newsletter d’Entroview, pour recevoir chaque mois notre veille sur les batteries et nos innovations.
