AI智慧製造革命：降低鋰電池缺陷率，年省20億韓元成本

由UNIST機械工程系暨人工智慧研究所的任杜中教授領軍，攜手韓國產業科學技術研究院(RIST)組成的研發團隊，成功將人工智慧技術匯入鋰離子電池正極前驅體的製程中。這項突破性進展不僅大幅降低產品缺陷率，更提升生產效率，預計每年可節省超過20億韓元的生產成本。相關研究成果已發表於國際知名期刊《InfoMat》。

研究團隊針對高鎳層狀氧化物(LiNi_xCo_yMn_zO₂, NCM)前驅體開發出降低缺陷率的製程條件，並建置AI即時控制系統，能動態監測與調整生產流程。NCM前驅體是由鎳(Ni)、鈷(Co)和錳(Mn)組成的粉體材料，經高溫處理後可製成電動車電池的正極材料。

雖然提高前驅體顆粒中的鎳含量能增加電池容量，卻也容易導致「鎳溶出」現象——鎳無法正常沉澱或重新溶解於溶液中。這種情況會造成顆粒形狀與成分不均，最終影響電池效能與使用壽命。

為解決此難題，研究團隊不僅最佳化製程引數來抑制鎳溶出，更開發出基於AI的即時裝置異常偵測系統。透過精確控制攪拌速度、pH值與氨水濃度等變因，確保鎳穩定存在於顆粒內部，從而提升結構穩定性。

團隊特別採用「領域適應AI」技術，大幅提升缺陷檢測效能。相較於僅以實驗室資料訓練的傳統AI模型，這項技術能自動辨識並適應大規模生產中的環境與裝置變異，維持高預測準確度。研究共同第一作者、UNIST機械工程系的徐俊英與金泰京解釋：「當裝置老化或生產規模擴大時，初始製程條件可能產生偏移。我們的領域適應AI能即時調整，確保產品品質穩定。」

這套AI系統已在工業級11.5噸反應槽中完成驗證，成功將不良批次發生率降至原先的1/15，異常檢測準確率高達97.8%。據估算，此技術每年可避免約22億韓元的原料與生產損失。

任杜中教授強調：「不同於小規模實驗，量產過程需要投入龐大成本來控管品質與良率。我們的AI解決方案可直接應用於產線，確保穩定且高品質的生產。」他更進一步指出：「這套方法論不僅適用於電池材料，在化工、機械、半導體等需要大規模製造的產業都極具應用潛力。」

[end]