Jonas Witt | Siemens 올해의 발명가 | 신인 부문
리튬 이온 배터리는 알루미늄 음극(-극)과 구리 양극(+극)으로 구성됩니다. 제조 과정에서 리튬 코발트 산화물이나 리튬 철 인산염과 같은 활성 물질의 얇은 층이 긴 구리 또는 알루미늄 호일 스트립에 도포됩니다. 이 긴 전극 스트립은 작은 세그먼트로 절단 및 결합된 후, 개별 배터리 셀 주위에 감기거나 적층됩니다. Jonas Witt는 “금속 호일 코팅은 매우 중요한 공정 단계입니다. 활성 층의 두께는 호일 전체 너비에 걸쳐 균일해야 합니다”라고 설명합니다. 또한 “이 단계에서 발생하는 오류는 배터리 셀 불량의 주요 원인입니다. 이번에 인정받은 두 가지 발명 기술은 Siemens가 이 생산 단계를 더 잘 이해하고 개선하는 데 기여하고 있습니다”라고 덧붙였습니다.
오류의 원인을 더 정확하게 추적할수록 솔루션 개발이 용이해지며, 이 원칙은 배터리 제조에도 동일하게 적용됩니다. Jonas Witt와 Siemens 팀은 특정 배터리 셀과 해당 셀을 생산하는 데 사용된 구리/알루미늄 호일 스트립 세그먼트 간의 연결 고리를 구축하는 방법을 연구했습니다. Jonas Witt는 “과거에는 생산 데이터가 긴 소재 스트립 단위로 할당되었습니다”라고 설명합니다. “Siemens의 새로운 절차는 더욱 정밀하며 비침습적입니다. 소재의 표면 패턴이 지문과 마찬가지로 개별 코팅 세그먼트마다 고유하다는 사실을 발견했습니다. 각 세그먼트 간의 패턴 차이가 매우 명확하므로, 특정 배터리 셀에 대해 제조에 사용된 정확한 호일 세그먼트, 제조 시점 및 적용된 설정을 사후 추적할 수 있습니다. 이러한 지식을 통해 기존의 마킹 방식을 대체했을 뿐만 아니라, 폐기물 발생 시점과 원인을 그 어느 때보다 정확하게 분석할 수 있게 되었습니다.”
생산 기계의 정밀한 캘리브레이션은 핵심 요소입니다. Jonas Witt는 “기계 작업자가 프로세스 파라미터를 최적으로 설정하기 위한 감각을 익히려면 일반적으로 수개월의 교육을 거쳐야 합니다”라며, “사소한 부분을 간과하여 대량의 스크랩이 발생하는 경우가 많습니다”라고 말합니다. 이에 따라 Jonas Witt와 Siemens 팀은 숙련된 작업자의 검사 행동을 학습시킨 AI 모델을 활용하여, 작업 중 최적의 구성을 제안하는 시스템을 개발했습니다. Jonas Witt는 “운영 데이터를 기반으로 학습된 AI 모델은 최적 상태에서 벗어나는 시점을 훨씬 빠르게 인식합니다”라고 단언합니다. 또한 “Siemens의 향후 목표는 코팅 공정을 완전히 자동화하여 배터리 셀 불량률을 약 10% 감소시키는 것입니다. 이미 상업용 라이선스를 확보한 상태입니다.”