국내 연구진이 LiB(리튬이온전지) 양극재 생산공정에 인공지능(AI) 기술을 적용해 불량률을 낮추고 수율을 끌어올리는데 성공했다.
울산과학기술원(UNIST) 정임두 기계공학과 교수팀은 유기성 포항산업과학연구원(RIST) 수석팀과 공동 연구를 통해 NCM(니켈‧코발트‧망간) 전구체의 불량률을 낮출 수 있는 공정 조건을 설계하고 공정을 실시간으로 제어하는 AI 기술을 개발했다.
3원계 LiB는 NCM 전구체 입자의 니켈 함량이 높을수록 용량이 커지지만 니켈이 제대로 침전되지 않고 용액에 남거나 다시 빠져나오는 용출이 발생하기 쉽다. 용출은 입자 모양과 조성비가 들쭉날쭉해지는 불량으로 이어져 배터리 수명과 성능을 떨어뜨린다.
연구팀은 니켈 용출을 억제할 수 있도록 공정 조건을 최적화하고 AI 기반 실시간 설비 이상 감지 기술을 함께 개발했다.
금속 이온이 녹아 있는 원료 용액을 휘젓는 속도, 산성도(pH), 암모니아(Ammonia) 농도 등을 조절해 니켈은 입자 안쪽에, 코발트와 망간은 바깥쪽에 배치되도록 설계한 것으로, 니켈이 입자 내부에 자리 잡으면 용출 가능성이 낮아지고 구조적 안정성도 높아진다.
또 도메인 적응 AI 기술로 불량 탐지 성능을 대폭 끌어올렸다.
기존 AI는 실험실에서 학습한 조건에만 최적화돼 있어 설비 노후화나 장시간 대량생산으로 조건이 조금만 바뀌어도 성능이 크게 떨어지는 반면, 도메인 적응 AI는 생산 환경의 변화를 실시간으로 인식하고 스스로 보정해 다양한 상황에서도 안정적인 품질 예측이 가능하다.
연구팀은 “설비가 오래되거나 대량생산이 계속되면 초기 최적 조건이 흔들릴 수 있다”면서 “도메인 적응 AI는 변화에 적응해 일관된 품질을 유지할 수 있도록 돕는다”고 설명했다.
AI 기술을 산업용 11.5톤급 반응기에 실증한 결과 불량 배치(Batch) 수는 기존의 15분의 1 수준으로 줄었고 AI 기반 이상 감지 정확도는 97.8%에 달했으며 연간 약 22억원의 원료와 생산 손실을 줄일 수 있을 것으로 기대되고 있다.
정임두 교수는 “연구실 내 소규모 실험 환경과는 달리 대량으로 생산이 이루어지는 현장에서는 품질과 수율을 관리하기 위해 많은 비용과 노력이 들어가며 AI 기술은 실제 현장에 적용돼 안정적인 고품질의 생산을 유도할 수 있었다”며 “배터리 뿐만 아니라 화학, 기계, 반도체 등 대규모 제조업 전반에 응용이 가능하다”고 강조했다.
연구 결과는 소재 분야 국제학술지 인포맷(InfoMat)에 5월8일 게재됐으며 연구 수행은 과학기술정보통신부 한국연구재단과 정보통신기술기획평가원·중소벤처기업부의 기술개발사업 지원으로 이루어졌다. (강)