“AI监控的电池工厂”…UNIST·RIST开发每年节省22亿韩元的智能工艺
联合研究开发出AI电池NCM前驱体量产质量稳定化技术
实时应对设备老化等变动，不良率降至1/15，刊登于InfoMat
韩国国内研究团队成功将人工智能（AI）技术应用于锂离子电池正极材料的生产工艺，降低了不良率并提升了良品率。
据推算，每年可节省超过20亿韩元的生产成本。
蔚山科学技术院（UNIST）机械工程系教授 Jung Imdu（兼任人工智能研究生院）团队与浦项产业科学研究院（RIST）首席研究员 Yu Giseong 团队联合研究，设计出了能够降低 NCM 前驱体不良率的工艺条件，并开发了对该工艺进行实时控制的人工智能技术。相关成果于27日公布。
NCM 前驱体是一种由镍（Ni）、钴（Co）、锰（Mn）混合而成的粉末状物质，通过在高温下烧结制备电动汽车电池的正极材料。前驱体颗粒中镍含量越高，电池容量越大，但如果镍不能正确沉淀而残留在溶液中，或再次从颗粒中溶出，就容易发生“溶出”现象。溶出会导致颗粒形状和成分比例参差不齐，进而形成不良品，降低电池寿命和性能。
研究团队通过优化工艺条件抑制这一镍溶出现象，并同步开发了基于人工智能的实时设备异常检测技术。通过调节溶解有金属离子的原料溶液搅拌速度、酸碱度（pH）、氨水浓度等参数，使镍分布在颗粒内部，而钴和锰分布在颗粒外部。镍如果稳定地位于颗粒内部，溶出可能性就会降低，结构稳定性也会随之提高。
此外，团队利用领域自适应人工智能技术，大幅提升了不良检测性能。既有人工智能模型只针对实验室中训练的条件进行了优化，一旦因设备老化或长时间大规模生产导致工艺条件稍有变化，其性能就会显著下降。
相较之下，领域自适应人工智能能够实时识别生产环境的变化并自动校正，在多种情境下都可以稳定地预测产品质量。
本次研究由 UNIST 机械工程系研究员 Seo Junyoung 和 Kim Taegyeong 作为共同第一作者参与。研究团队表示：“在与实验室小规模实验环境不同的大规模生产现场，为了管理质量和良品率，需要投入大量成本和精力，而领域自适应人工智能能够适应设备老化或持续大批量生产所带来的条件变化，帮助维持一致的产品质量。”
将该人工智能技术在工业用11.5吨级反应器上进行实证后发现，不良批次（batch）数量减少到以往的约十五分之一，基于人工智能的异常检测准确率则达到97.8%。研究团队还分析称，通过这一技术，每年可减少约22亿韩元规模的原料与生产损失。
Jung Imdu 教授表示：“与实验室内小规模实验环境不同，在实际进行大规模生产的现场，为了管理质量和良品率，需要投入大量成本和努力，而这次的人工智能技术已经在真实生产现场得到应用，引导实现了稳定的高品质生产。这一技术不仅可用于二次电池，还能推广应用于化工、机械、半导体等各类大规模制造产业。”
研究成果已于5月8日发表在材料领域世界级学术期刊《InfoMat》（影响因子：22.7，期刊引文报告前3%以内）。
本研究由科学技术信息通信部韩国研究财团、信息通信技术企划评价院以及中小风险企业部的技术开发项目提供资助。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
