Formation charging reveals hidden manufacturing defects in lithium-ion batteries

기술 요약: 충전 형성 과정이 리튬 이온 배터리의 숨겨진 제조 결함을 드러내다

문제 정의
리튬 이온 배터리(LIB)의 제조 결함은 전기 자동차(EV)에서 발생하는 갑작스러운 자연 발화의 지속적인 안전 문제를 야기한다. 금속 이물질, 전극 균열, 분리막 기공 폐쇄를 포함하는 이러한 결함들은 제조 과정 중에 유입되어 셀 내부에 밀봉된 상태로 남게 된다. 결정적으로, 이러한 결함들은 위험한 고장이 발생하기 전까지 일반적인 전류, 전압 또는 온도 신호에서는 식별 가능한 이상 징징을 나타내지 않는 경우가 많다. 기존의 탐지 전략은 일반적으로 두 가지 범주로 나뉜다: 전용 검사 하드웨어(예: X-선, 초음파, 비전 카메라)를 사용하여 계측 복잡성을 증가시키거나, 용량, 전압, 저항의 다변량 분류를 이용한 전기적 특징 추출을 사용하는 것이다. 그러나 이러한 전기적 접근 방식은 복잡하고 결함 특이적인 의사결정 규칙을 필요로 하는 경우가 많으며, 다양한 결함 형태에 걸쳐 통일된 시그니처를 제공하지 못한다.

방법론
결함의 이질성을 해결하기 위해, 저자들은 CALB Group의 산업 규모 생산 라인에서 제조된 55개의 파우치 셀(2 Ah)로 구성된 통제된 데이터셋을 구축하였다. 이 세트는 30개의 정상 셀과 실제 실패 사례에서 유래한 다섯 가지 뚜렷한 결함 클래스를 나타내는 25개의 결함 셀을 포함한다:

1. 금속 이물질
2. 에지 활물질 손실
3. 탭 단선(Tab tearing)
4. 전극 균열
5. 분리막 기공 폐쇄

모든 셀은 다단계 정전류(CC) 충전, 50시간 휴지, 정전류-정전압(CCCV) 충전 및 방전을 포함하는 동일하고 표준화된 형성(formation) 프로토콜을 거쳤다. 본 연구는 형성 단계, 특히 CCCV 충전 단계 동안의 전기적 응답을 분석하는 데 중점을 두었다.

저자들은 다음과 같이 정의되는 새로운 지표인 **전하 수용 분할 지수($r_{CV}$)**를 도입하였다:
$$r_{CV} = \frac{Q_{CV}}{Q_{CC} + Q_{CV}} \times 100\%$$
여기서 $Q_{CC}$와 $Q_{CV}$는 각각 정전류 단계와 정전압 단계 동안 충전된 용량을 의미한다. 이 지수는 전체 수용된 전하 중 CV 단계에서 차지하는 비율을 정량화한다. 저자들은 $r_{CV}$를 광범위한 기존 생산 라인 특징들(용량, 단자 전압, K-값, 저항, 증분 용량)과 비교하였으며, 세 가지 기술자(descriptor)인 부반응 전하 소비($M_S$), 국부적 불균일성($M_H$), 그리고 수송-동역학 편차($M_T$)를 사용하여 메커니즘 모델을 개발하였다.

주요 결과

1. $r_{CV}$를 통한 통합 탐지: 다섯 가지 결함 클래스의 다양한 형태와 실패 경로에도 불구하고, 모든 결함 셀은 정상 셀과 비교하여 일관된 $r_{CV}$의 하향 이동을 보였다.

   • 정상 셀 (Group F): $r_{CV}$ 범위 4.117%–4.640% (중앙값: 4.358%).
   • 결함 셀 (Groups G–K): $r_{CV}$ 범위 3.357%–4.075% (Median: 3.805%).
   • $r_{CV}$에 적용된 단일 임계값은 25개의 결함 셀을 30개의 정상 셀으로부터 오탐(false positive) 없이 완벽하게 분리하였다.

2. 기존 지표 대비 우수성: 기존의 품질 지표(용량, 단자 전압, K-값, 저항) 및 다른 단계(3단계 CC 충전 등)에서 추출된 특징들은 유형에 따라 의존적인 반응을 보였다. 일부 특징은 특정 결함을 탐지할 수는 있었으나, 단일 의사결정 규칙 하에서 모든 결함 클래스에 대한 통일된 분리를 제공하는 데 실패했다. 또한, 첫 번째 사이클의 CCCV 충전(형성 후)으로부터 $r_{CV}$를 계산하는 것은 이러한 분리 능력을 유지하지 못했으며, 이는 형성 단계가 결함으로 인한 이상 징후에 대해 독특한 민감도를 가짐을 강조한다.

3. 메커니즘 해석: 메커니즘 분석 결과, 결함들이 형태학적으로는 뚜렷하게 구분됨에도 불구하고, 세 가지 뚜렷한 경로를 통해 단자 전하 수용을 교란함으로써 동일한 전기적 결과로 수렴한다는 것이 밝혀졌다:

   • 부반응 전하 소비 ($M_S$): 금속 이물질(기생 반응/누설)에서 지배적임.
   • 국부적 불균일성 ($M_H$): 에지 활물질 손실, 탭 단선, 전극 균열에서 두드러짐 (상태 불일치).
   • 수송-동역학 편차 ($M_T$): 분리막 기공 폐쇄 및 기타 구조적 결함에서 명확히 나타남 (이온 수송 장애).
     이 세 가지 기술자를 결합한 선형 모델은 관찰된 $r_{CV}$의 감소를 성공적으로 재현하였으며(피어슨 상관계수: 0.871), 이는 지수의 감소가 다양한 결함 메커니즘의 공유된 결과임을 확인해 준다.

의의 및 주장
본 논문은 형성 충전이 제조 결함을 탐지하기 위한 "통합적이고, 해석 가능하며, 저비용인 생산 라인 시그니처"를 제공한다고 주장한다. 주요 기여는 이질적인 제조 결함들이 형성 단계의 CCCV 과정 중 전하 수용 감소라는 공통된 전기적 응답으로 수렴한다는 것을 입증한 데 있다.

검사 하드웨어를 추가하거나 복잡한 다변량 모델으로 특징 공간을 확장해야 하는 기존 방법들과 달리, 이 접근 방식은 이미 기록된 데이터를 활용한 하나의 공정 기반 특징($r_{CV}$)을 사용한다. 이를 통해 결함의 다양성 문제를 해결하면서도 복잡한 테스트 없이 단순한 임계값만으로 결함 셀을 정상 셀과 분리할 수 있다. 저자들은 이를 초기 단계의 이상 징후를 포착하여 명백한 고장으로 발전하기 전에 제어할 수 있는 더 단순하고 견고한 품질 관리로 나아가는 단계로 제시하며, 향-후 더 큰 데이터셋, 다양한 결함 심각도 및 다양한 셀 화학 조성에 대한 일반성을 검증하기 위한 추가 연구가 필요함을 언급하였다.