📊 statistics

A Neutrosophic Repetitive Dependent-State Sampling Plan for Truncated Cycle-Life Testing of Lithium-Ion Batteries

本論文は、リサンプリングとロット履歴依存性を統合し、三角ニュートロソフィック数を用いてバッチ間の不確実性をモデル化することにより、リチウムイオン電池の切断サイクル寿命試験のためのハイブリッド・ニュートロソフィック反復依存状態サンプリング計画（NH-RDSSP）を提案し、これを閉形式の導出および4つの独立したソースからの実世界のデータに対する較正を通じて検証するものである。

原著者： Vaitheeswaran Gnanaraj, Balakrishnan Vellaikannan

公開日 2026-08-26

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Vaitheeswaran Gnanaraj, Balakrishnan Vellaikannan

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

電池は、単にある瞬間に焼き切れてしまう電球のようなものではありません。むしろ、充電と放電を繰り返すごとに少しずつ力を失っていく、生き物のようなものです。スマートフォンから電気自動車まであらゆるものに電力を供給しているリチウムイオン電池において、エンジニアは電池の有用寿命の終わりを、突然の停止としてではなく、その容量が元の電力の通常80パーセントという特定の閾値を下回った瞬間として定義しています。すべての電池が死ぬまで一つひとつテストすることは、何年もかかる上に製品を破壊してしまうため、メーカーはショートカット（近道）に頼っています。それは、少数のサンプルの電池を一定のサイクル数だけテストし、そのバッチ全体が出荷に値するほど優れているかどうかを判断するという方法です。問題は、これまでの品質決定のための古いルールが、突然故障する部品のために作られたものであり、緩やかに劣化するものには適していないことです。また、異なる工場で作られた電池や、同じ工場であっても異なるバッチの電池が異なる速度で老化するという事実を考慮することにも苦慮しています。

研究チームは、電池の緩やかで着実な老化の性質を尊重した、新しい品質チェックの方法を開発しました。彼らは、結果が不明確な場合にサンプルを再テストすることを認める戦略と、現在の決定を下すために過去のバッチの履歴を参照する戦略という、2つの異なる戦略を組み合わせたハイブリッドなテスト計画を作成しました。決定的なのは、この新手法がすべての電池の正確な老化率を知っているふりをしないことです。代わりに、既知のこと、未知のこと、そして単に可能性があることを認める数学的アプローチを用いることで、不確実性を受け入れています。この手法を実際の電池サイクルから得られた実世界のデータに適用したところ、電池の老化パターンは、これまで考えられていたよりも、その化学組成や動作条件に強く依存していることが明らかになりました。また、彼らは、電池寿命を予測するために頻繁に使用されている一般的な数学モデルが、実際にはデータを正しく適合させることに失敗しており、将来のテストに向けてより信頼性の高い別のモデルを推奨すべきであることを発見しました。

研究者たちは、まず電池テストにおける「故障」の定義そのものを再考することから始めました。従来の品質管理では、テストは固定された時間で終了し、その時までに故障していない電池はすべて良好であると見なされます。しかし、電池にとって故障とは衰退のプロセスです。チームは、電池の寿命の終わりを、容量が80パーセントを下回る特定の瞬間と定義しました。そして、慎重な検査官のように機能する意思決定システムを構築しました。もしサンプルの電池に故障が非常に少なければ、そのバッチは合格となります。もし多くの故障が見られれば、不合格となります。しかし、結果がグレーゾーンに陥った場合、システムは単に推測するだけではありません。より明確な状況を把握するために、同じバッチから新しいサンプルを取り出すか、あるいは直近の数回のバッチの記録を確認して、それらが継続的に良好であったか不良であったかを確認することができます。このハイブリッドなアプローチは、著者らが「ニュートロソフィック・リピーティブ・ディペンデント・ステート・プラン（中立的な反復依存状態計画）」と呼ぶもので、良質なバッチを拒絶してしまうリスクと、不良なバッチを受け入れてしまうリスクのバランスを取りながら、より微細な判断を可能にします。

このシステムを機能させるために、研究者たちは、すべての電池の正確な老化速度を事前に知ることはできないという事実に直面しなければなりませんでした。製造上の微細な差異や使用方法の違いにより、バッチごとに老化の仕方は異なります。チームは、この不確実性を単一の数値としてではなく、最も可能性の高い値、下限値、および上限値を含む「可能性の範囲」として表現する方法を導入しました。また、これらの値に対して真実度、不確実度、および偽である度合いを割り当てることで、その範囲内のワーストケース・シナリオに基づいたリスク計算を行えるようにしました。これにより、たとえ電池の実際の老化速度が予想されるスペクトルの極端な端にある場合でも、安全性の保証が維持されるようになります。

研究チームは、NASA、MICH、およびサンディア国立研究所のアーカイブを含む4つの異なるソースからの実データを用いて、この新しい計画をテストしました。合計で、異なる化学組成とテスト温度をカバーする8つの異なるグループにわたる115個の個別のセルを分析しました。彼らの最も重要な発見の一つは、異なる温度でテストされた電池のデータを単純に混ぜ合わせても、期待通りには機能しないということです。温かい温度でテストされた電池で学習したモデルを、寒い温度でテストされた電池に適用しようとしたところ、予測は壊滅的に失敗しました。老化プロセスは温度によって決定論的な方法で駆動されるため、モデルは電池が動作する条件に合わせて特別に校正される必要があります。

もう一つの大きな発見は、電池の寿命曲線の数学的な形状に関するものでした。長年、研究者たちはどの数学的公式が電池の老化を最もよく記述するかについて議論してきました。チームは、「一般化逆指数分布」と呼ばれる複雑なモデルを含む、いくつかの候補をテストしました。その結果、このモデルは一貫して不安定で非現実的な結果を生み出し、パラメータが不可能な数値へと膨れ上がってしまうことが分かりました。対照的に、より単純でよく知られている「ワイブル分布」は、テストしたすべての異なる化学タイプおよび条件下で、データを信頼性高く適合させました。これは、ワイブルモデルがこれらのシナリオにおける電池寿命を予測するための正しいツールである一方で、より複雑な代替モデルはこの特定の用途においては破棄されるべきであることを示唆しています。

研究者たちは、データ自体に潜む隠れた欠陥も明らかにしました。いくつかのデータセットにおいて、テスト機器のプログラムによるグリッチ（不具合）が原因と思われる、同じ容量値を二度記録したり、ゼロの値を記録したりするというエラーが繰り返し発生していることを発見しました。このアーティファクト（人工的な痕跡）は、異なるメーカーや異なる化学組成のセルに見られ、修正されなければ結果を歪めていたはずのものです。これらのエラーを特定し修正することで、チームは電池が老化する速度についての理解を精緻化することができました。彼らは、老化の速度は電池の化学組成によって大きく異なることを発見しました。例えば、あるタイプの電池化学組成は、より広い寿命の範囲を持つ別のタイプよりも、はるかにタイトで予測可能な老化パターンを示しました。

最終的に、この研究は、現代の世界を動かしている電池の安全性と信頼性を確保するための、より強固な枠組みを提供します。不確実性が製造プロセスにおける現実の一部であることを認め、電池の特定の条件に合わせてテスト規則を調整することで、この新しい計画は、より少ないテストでより良い品質決定を行う方法を提示しています。研究者たちは、彼らの知見が単なる理論的なものではなく、多様な条件下における実際の電池の挙動に基づいていることを強調しています。本研究は、正確な結果を得るためには、製造業者は単一の普遍的なルールをすべてに適用しようとするのではなく、特定の化学タイプや動作温度に合わせてテスト計画を校正しなければならないと結論付けています。このアプローチにより、技術が進化し続けている間も、消費者に届けられる電池が真に安全で信頼できるものであることが保証されるのです。

技術要約：リチウムイオン電池の打ち切りサイクル寿命試験のためのニュートロソフィック反復依存状態サンプリング計画

1. 問題提起

従来の打ち切り寿命試験における受入サンプリング計画（RASP：反復受入サンプリング計画や、MDSSP：多重依存状態サンプリング計画など）は、故障時間が明確に定義されたコンポーネントを対象として開発されたものである。これらの古典的なアプローチは、リチウムイオン（Li-ion）電池には適していない。なぜなら、Li-ion電池は瞬時に故障するのではなく、連続的に劣化するためである。Li-ionセルにおいて「寿命終了」は、従来、容量が特定の保持閾値（例：定格容量の80%）を下回る時点として定義されるが、これは緩やかな劣化軌道によって支配されるプロセスである。

さらに、既存の文献では、RASP（再サンプリング・メカニズム）とMDSSP（ロット履歴依存性）を別々のアーキテクチャとして扱っている。加えて、古典的な計画はしばしば、寿命分布の形状パラメータが固定されており既知であることを前提としており、バッチ間のばらつきや製造上の差異から生じるエピステミックな不確実性を考慮できていない。最後に、これら特定のコンポーネントに対して、異なる動作条件（例：温度）や化学組成間でデータを統合することが統計的に妥当であるかどうかについて、先行研究では実証的な検証が行われていない。

2. 手法

本論文では、リチウムイオン電池の打ち切りサイクル寿命試験のために設計された**ニュートロソフィック反復依存状態サンプリング計画（NH-RDSSP）**を提案する。この手法は、以下の3つのコアコンポーネントを統合している。

打ち切りの再定義： 故障事象を「固定時刻における発生」ではなく、「SOH（健全状態）閾値（例：容量 $\leq 80\%$ ）の通過」として再定義する。
ハイブリッド決定規則： NH-RDSSPは、RASPの再サンプリング・メカニズムとMDSSPのロット履歴依存性を単一の決定規則へと結合している：
1. $n$ 個のセルをサンプルとして、打ち切り点 $N_0$ （サイクル数）までテストする。
2. 故障数 $d \leq c_1$ であれば、ロットを受理する。
3. $d > c_2$ であれば、ロットを不合格とする。
4. $c_1 < d \leq c_2$ の場合、決定は先行する $m$ 個のロットの履歴に依存する。もし先行するすべてのロットが無条件に受理されていたならば、現在のロットを受理する。そうでなければ、新たなサンプルを抽出（再サンプリング）する。
ニュートロソフィック不確実性モデリング： 支配的な寿命形状パラメータ（ $\gamma$ $γ$ ）を、単一値三角ニュートロソフィック数 $\tilde{\gamma} = \langle (\gamma_L, \gamma_M, \gamma_U); T_\gamma, I_\gamma, F_\gamma \rangle$ $\tilde{γ} = ⟨(γ_{L}, γ_{M}, γ_{U}); T_{γ}, I_{γ}, F_{γ} ⟩$ としてモデル化する。この表現は、以下を明示的に捉えるものである：
- 真実性 ( $T_\gamma$ ): 点推定値に対する信頼度。
- 不定性 ( $I_\gamma$ ): 解消されていないバッチ間のばらつき。
- 偽理性 ( $F_\gamma$ ): 点推定値に対する反対の証拠（例：モデルの適合不全）。
  リスク制約（生産者リスクおよび消費者リスク）は、単一の点推定値ではなく、ニュートロソフィック・パラメータの全容認区間（ワーストケース定式化）にわたって強制される。
基本分布： 本フレームワークは汎用的であるが、本論文では一般化逆指数分布（GIED）、対数正規分布、およびワイブル分布を経験的に評価している。GIEDで見られた数値的不安定性（形状推定値の発散）のため、ワイブル分布がベースモデルとして保持されている。

3. 主な貢献

本論文は、文献における以下の3つの具体的なギャップを特定し、対処している。

劣化のフレーミング： 受入サンプリングのパラダイムを、バイナリな「時刻 $t_0$ までに故障したか」というイベントから、定義されたSOH閾値で終了する「漸進的な劣化軌道」へと移行させた。
ハイブリッド・アーキテクチャ： RASP型の再サンプリングとMDSSP型のロット履歴依存性を単一の動作手順内に組み込んだ、初の（古典的またはニュートロソフィックな）公開計画であり、閉じた形式の動作特性（OC）関数および平均サンプル数（ASN）を提供している。
経験的かつ不確実性を考慮したキャリブレーション： 4つの独立したソース（NASA、HNEI、MICH、およびSandia National Laboratories）からの合計115個のセルを含む、8つの物理的に異なるグループのリアルワールド・サイクリング・データを用いて校正を行った。これには、異なる動作条件（温度）間でデータを統合することが統計的に妥当であるかどうかの厳格な診断、およびデータ内の周期的なロギング・アーティファクトの修正が含まれる。

4. 結果および経験的知見

本研究では、NASA Prognostics Center of Excellence、HNEI、MICH、およびSandia National Laboratories (SNL) のデータを利用した。主な知見は以下の通りである。

分布の選択： 全8グループにおいて、ワイブル分布が最も安定しており、適切なモデルとして保持された。一般化逆指数分布（GIED）は、数値的不安定性（形状推定値が $10^2$ から $10^{34}$ までの非現実的な値に発散する）により、決定的に除外された。Lognormal分布も一部のケース（例：HNEI）では競争力のある適合性を示したが、アーキテクチャの一貫性のためにワイブル分布が採用された。
境界条件：
- 温度： 「Leave-One-Group-Out（一種抜き取り）」分析により、異なる温度間（例：4°C 対 24°C）でデータを統合することは、壊滅的な予測失敗を招くことが明らかになった。本計画は、指定された単一の参照温度に対してのみ有効である。
- 形成プロトコル： 固定温度下であっても、異なる形成プロトコル（BLForm 対 MCForm）を混合した場合に同様の汎用性の失敗が観察された。
データのアーティファクト： HNEIおよびSNLのデータセットに存在する、周期的なロギング・アーティファクト（ペアになった二重行またはゼロ容量行）を特定し、修正した。これを見逃すと、適合された形状パラメータにバイアスを与える可能性がある。
設計効率： 得られた設計テーブルは、約3から26サイクルの平均サンプル数（ASN）を示している。研究の結果、短い打ち切り窓（ $a=0.5$ ）の場合、生産者リスク制約はほぼ確実に満たされるため、消費者リスクが支配的な要因となることが分かった。長い窓（ $a=1.0$ ）の場合、品質レベルが仕様に近づくにつれて、生産者リスク制約が拘束条件となる。
ニュートロソフィック・マッピング： 統計的適合度診断（ウォルド信頼レベル、相対CI半幅、およびAkaikeウェイト）を、ニュートロソフィック・トリプル $(T_\gamma, I_\gamma, F_\gamma)$ へとマッピングするための再現可能なレシピを提供している。このマッピングは、5つの異なる校正シナリオにおいて正常に実装された。

5. 意義と主張

本論文は、方法論および校正段階への貢献として位置づけられている。その主な意義は以下の通りである。

明示的な不確実性の処理： ニュートロソフィック統計を使用することで、本計画はバッテリー製造バッチに固有のエピステミックな不確実性を明示的に考慮しており、単なる点推定値ではなく、起こりうる形状パラメータの全範囲にわたってリスク制約が維持されることを保証している。
実世界での検証： シミュレーションデータのみに依存する多くの理論的なサンプリング論文とは異なり、本研究は4つの独立したソースからの115個の実セルを用いて手法を検証し、再校正なしには適用できない温度やプロトコルといった具体的な境界条件を特定している。
実用的な推奨事項： 著者らは、形状パラメータは化学組成および動作条件ごとに校正されるべきであり、統合されるべきではないと結論付けている。また、Weibullはこれらのテストのための堅牢な基本分布であるが、GIEDは数値的不安定性のために避けるべきであると主張している。

本論文は、小規模なサンプルサイズ（例：NASAの $n=4$ ）における校正グループの限界や、将来的な課題としての正式なニュートロソフィック推論手順、および特定の化学組成に対する正確なハイブリッドOC/ASN関数の整合性についても、控えめに認めている。本研究は、バッテリーの信頼性問題すべてを解決することを目的としているのではなく、打ち切り寿命試験のための厳密で不確実性を考慮した受入サンプリングの枠組みを提供することを目指している。