이차전지
Industry
이차전지 제조 산업은 전기자동차, 스마트 기기, 에너지 저장 시스템(ESS) 등 다양한 분야에서 핵심적인 역할을 하고 있습니다. 그런데 최근 글로벌 시장이 빠르게 변화함에 따라 지속적인 고숙련 노동력 부족 문제, 엔드-투-엔드 생산 및 검사 이력 추적에 대한 시장의 요구사항, 글로벌 시장 경쟁력을 갖추기 위한 생산 효율화 및 원가 절감 압박 등 수많은 도전 과제에 직면하고 있습니다. 특히 이차전지는 작은 표면 결함이 대형 인명 사고로 이어질 수 있기 때문에 결함을 완벽하게 제거하여 최고 수준의 품질을 보장해야 합니다.
Solution
글로벌 제조 현장에서 검증된 아하랩스의 제조 빅데이터 및 산업용 AI 솔루션은 다양한 배터리의 전극 공정, 조립 공정, 활성화 공정, 팩 공정에서 생기는 물리적/화학적 결함을 실시간으로 감지하고 개선하여 최고 수준의 품질을 보장할 수 있도록 돕습니다. 또한, 다양한 제조 설비에서 나오는 정형/비정형 데이터를 일괄 수집 통합하여 생산 이력을 추적하고 전 공정을 모니터링함으로써 생산을 효율화하고 원가를 절감할 수 있도록 지원합니다.
Applications
설비 예지보전
- 시계열 데이터 기반의 이상 탐지
- CCTV 기반 로봇 동작 이상 감지 및 알람 전송
공정 관리
- 무인 관제 시스템 구축
- 통합 제조 데이터베이스 구축
- PLC 통신 및 기기 제어
- 바코드 검사 및 생산 이력 추적
- 실시간 공정 효율 분석 및 시각화
- 에너지 소비 최적화
품질 관리
- 전극 표면의 물리적 결함 검사
- 비파괴 검사
- 배터리 조립 정렬 검사
- OCR 품질 검사
- 용접 데이터의 이상치 감지
- 용접 비드의 품질 검사
- 활성화 공정의 충방전 검사
- 기존 룰베이스 품질 검사의 미/과검 모니터링
- 과검(1종 오류) 모니터링 및 개선
Success Cases
육안 검사부터 AI 자율제조까지 – Data CAMP가 함께한 이차전지 제조사의 DX 여정을 소개합니다
전기자동차 시장이 급격히 커지면서 최근엔 이차전지 제조업이 첨단 산업으로 여겨지지만, 사실 한국 충전식(리튬 이온) 배터리의...
원격 시스템 구축으로 배터리 조립 설비의 관제 효율을 300% 높인 사례
Challenge 전기차용 배터리 조립 설비는 규모가 매우 크고 구성이 복잡해, 설비 상태를 모니터링하고 알람에 대처하는...
생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델)
Challenge 항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음. 그러나...
‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’ 발생률 감소
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 검사 이미지 전체 영역을 학습합니다. 실제 생산품의 결함이 아닌, 그 밖의...
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입
Challenge 파우치형 배터리는 표면 형상의 자유도가 높아 불량의 형태를 특정하기 어려움. 이 때문에 기존 룰 베이스...
데이터 품질 지표(DQI) 딥러닝 모델로 ‘데이터 드리프트’ 모니터링 및 예지보전 수행
아하랩스의 Data CAMP 솔루션과 검사 이미지의 퀄리티를 분석하는 딥러닝 모델을 활용하면, 카메라와 노후 조명 문제로 이미지를 잘못...
AI 모델 간 Pipeline 구성으로 로봇 파지의 이상작동 감지에 성공한 사례
한국의 선도적인 글로벌 이차전지 제조 기업은 AI 모델 간 파이프라인을 구성할 수 있는 아하랩스의 솔루션을 활용하여 집게 로봇의 이상 작동을...
추가 솔루션 도입 없이 검사 데이터와 고유 바코드 숫자를 통합해 생산 이력 추적이 가능해진 사례
Challenge 전기자동차 배터리 화재 및 리콜 이슈로 배터리 수율 향상과 생산 이력 추적에 대한 필요성이 커짐 신규...