電池セル製造は、品質が性能と安全性の両方に直接影響を与える精密プロセスです。電極(金属箔上の活物質の薄い塗膜)は、その全領域にわたって厚さ、密度、組成が均一でなければなりません。電極塗工のわずかな欠陥でも、容量損失、劣化の加速、極端な場合には熱暴走につながる内部短絡を引き起こす可能性があります。
電気自動車やエネルギー貯蔵の需要に応えるべく電池生産が急速に拡大する中、スループット向上と品質維持の両立というプレッシャーは、AIベースの品質モニタリングにとって理想的な応用領域を生み出しています。
重要な塗工欠陥
電極塗工欠陥はいくつかのカテゴリーに分けられます。厚さの変動は、一部の領域で目標より活物質が多かったり少なかったりすることを意味し、充放電中に不均一な電流分布を引き起こします。ピンホールは塗膜が完全に欠落した小さな裸の点で、集電体を露出させてしまいます。アグロメレートは分散の悪い物質の塊で、局所的な厚さの増加を生じさせます。塗工境界が不均一なエッジ欠陥は、セルの挙動の予測可能性に影響します。金属粒子による汚染は最も危険な欠陥タイプで、金属粒子がセパレータを貫通して内部短絡を引き起こす可能性があります。
AIによる欠陥検出の仕組み
AIベースの電極検査は、高解像度カメラと特殊な照明を使用し、塗工ラインを毎分数メートルの速度で移動する塗工済み電極を検査します。システムは電極表面の表裏全体の画像を捕捉し、リアルタイムで分析します。
厚さの均一性については、システムはベータゲージ測定や光学的手法を使用して、連続的な厚さマップを作成します。AIは厚さが目標から逸脱している領域を特定し、その逸脱をスロットダイのパラメータ、ウェブ張力、乾燥条件と相関させて根本原因を特定します。
ピンホール、アグロメレート、汚染などの表面欠陥については、AIビジョンシステムが表面の反射率と質感の異常を検出します。金属粒子の検出は特に重要で、安全性の問題を引き起こす可能性のある20ミクロン程度の小さな粒子を見つけるために、X線検査を含む特殊な画像化技術が用いられることもあります。
プロセスパラメータとの相関
AIは検出された欠陥を、それを引き起こしたプロセスパラメータと関連付けます。塗工厚さの変動は、スラリー粘度、ポンプの脈動、ダイギャップ設定、ウェブ速度と相関します。ピンホールは、スラリーの気泡含有量、塗工速度、基材の表面品質と相関します。アグロメレートは、混合の有効性とスラリーの保管時間と相関します。
これらの相関をリアルタイムで特定することで、AIは事後的な欠陥検出だけでなく、欠陥を未然に防ぐプロセス調整を可能にします。
セルレベルのトレーサビリティ
電極の各セクションは、その後のセル組立てプロセスを通じて追跡されます。境界線上の塗工領域が検出されたが拒否されなかった場合、それを含む特定のセルへとトレースされます。これらのセルは、追加のテストやスクリーニングの対象とすることができます。このトレーサビリティは、塗工プロセスからの品質データが、完成したセルに至るまでの意思決定に確実に反映されるために不可欠です。
先進的な製造業におけるAI品質システムの詳細については、FirmAdapt製造業分析ページをご覧ください。