📊 statistics

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

본 논문은 리튬 이온 배터리의 절단된 사이클 수명 시험을 위해 재표집과 로트 이력 의존성을 통합하고 삼각 뉴트로소픽 수를 통해 배치 간 불확실성을 모델링하는 하이브리드 뉴트로소픽 반복 의존 상태 샘플링 계획(NH-RDSSP)을 제안하며, 이는 폐쇄형 유도식과 네 개의 독립적인 출처로부터 얻은 실제 데이터에 대한 보정을 통해 검증되었다.

원저자: Vaitheeswaran Gnanaraj, Balakrishnan Vellaikannan

게시일 2026-08-26

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Vaitheeswaran Gnanaraj, Balakrishnan Vellaikannan

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

배터리는 단순히 특정 순간에 수명이 다하는 전구와는 다릅니다. 대신, 배터리는 충전과 방전을 거듭할 때마다 조금씩 힘을 잃으며 서서히 노화되는 생명체와 더 비슷합니다. 스마트폰부터 전기차에 이르기까지 모든 것을 구동하는 리튬 이온 배터리의 경우, 엔지니어들은 배터리의 유용한 수명의 끝을 갑작스러운 정지가 아니라, 용량이 원래 전력의 80%라는 특정 임계값 아래로 떨어지는 순간으로 정의합니다. 모든 배터리가 죽을 때까지 일일이 테스트하는 것은 수년이 걸릴 뿐만 아니라 제품을 파괴하는 일이 되기 때문에, 제조업체들은 지름길에 의존합니다. 즉, 소수의 샘플 배터리를 정해진 횟수만큼 테스트하여 해당 배치(batch) 전체가 출하하기에 충분히 좋은지 결정하는 것입니다. 문제는 이러한 결정을 내리기 위한 기존의 규칙들이 갑작스럽게 고장 나는 부품을 위해 만들어졌을 뿐, 점진적으로 퇴화하는 대상에는 적합하지 않다는 점입니다. 또한, 서로 다른 공장에서 생산된 배터리나 심지어 동일한 공장의 서로 다른 배치에서 나온 배터리들이 서로 다른 속도로 노화된다는 사실을 반영하는 데에도 어려움이 있습니다나.

연구팀은 배터리 노화의 느리고 꾸준한 특성을 존중하는 새로운 품질 검사 방식을 개발했습니다. 그들은 두 가지 서로 다른 전략을 결합한 하이브리드 테스트 계획을 만들었는데, 하나는 결과가 불분명할 경우 샘플을 재테스트하는 것을 허용하는 방식이고, 다른 하나는 현재의 결정을 돕기 위해 이전 배치들의 이력을 살펴보는 방식입니다. 결정적으로, 이 새로운 방법은 모든 배터리의 정확한 노화 속도를 알 수 있다고 가정하지 않습니다. 대신, 알려진 것, 알려지지 않은 것, 그리고 단지 가능할 뿐인 것을 인정하는 수학적 접근 방식을 사용하여 불확실성을 수용합니다. 이 방법을 실제 배터리 사이클 데이터에 적용함으로써, 연구진은 배터리의 노화 패턴이 이전에 생각했던 것보다 화학적 구성과 작동 조건에 훨씬 더 특화되어 있다는 것을 발견했습니다. 또한 그들은 배터리 수명을 예측하기 위해 흔히 사용되는 대중적인 수학 모델이 실제로는 데이터를 제대로 맞추지 못하고 있다는 것을 발견했으며, 이에 따라 향후 테스트를 위해 더 신뢰할 수 있는 다른 모델을 권장했습니다.

연구진은 배터리 테스트에서 "고장"의 정의를 재고하는 것부터 시작했습니다. 전통적인 품질 관리에서는 정해진 시간에 테스트를 멈추며, 그때까지 고장이 나지 않은 배터리는 모두 괜찮은 것으로 간주합니다. 하지만 배터리에게 고장이란 쇠퇴의 과정입니다. 연구팀은 수명의 끝을 배터리 용량이 80% 미만으로 떨어지는 특정 시점으로 정의했습니다. 그런 다음 그들은 세심한 검사관처럼 작동하는 의사 결정 시스템을 구축했습니다. 만약 배터리 샘플에서 고장이 거의 나타나지 않으면 해당 배치는 합격됩니다. 많은 고장이 나타나면 불합격됩니다. 그러나 결과가 회색 지대에 놓여 있다면, 시스템은 단순히 추측하지 않습니다. 시스템은 동일한 배치에서 새로운 샘oli를 뽑아 더 명확한 그림을 얻거나, 지난 몇 개 배치의 기록을 살펴보고 그것들이 일관되게 좋았는지 혹은 나빴는지를 확인할 수 있습니다. 저자들이 '뉴트로소픽 반복 의존 상태 계획(neutrosophic repetitive dependent-state plan)'이라고 부르는 이 하이브리드 접근 방식은, 좋은 배치를 거부할 위험과 나쁜 배치를 수용할 위험 사이에서 균형을 맞추며 더욱 미묘한 결정을 내릴 수 있게 해줍니다.

이 시스템을 작동시키기 위해 연구진은 모든 배터리의 정확한 노화 속도를 미리 알 수 없다는 사실을 다루어야 했습니다. 제조상의 미세한 차이나 사용 방식의 차이로 인해 배치는 서로 다르게 노화됩니다. 연구팀은 이 불확실성을 단일 숫자가 아니라, 가장 가능성 높은 값, 하한값, 그리고 상한값을 포함하는 가능성의 범위로 표현하는 방법을 도입했습니다. 또한 이 값들에 진실도, 불확실성, 거짓도를 할당하여, 시스템이 해당 범위 내의 최악의 시나리오를 바탕으로 위험을 계산할 수 있도록 했습니다. 이는 실제 배터리의 노화 속도가 예상되는 스펙트럼의 극단에 있더라도 안전 보장이 유지되도록 보장합니다.

연구팀은 NASA, MICH, Sandia 국립 연구소의 기록을 포함한 네 가지 다른 출처의 실제 데이터를 사용하여 이 새로운 계획을 시험했습니다. 총 115개의 개별 셀을 8개의 서로 다른 그룹(다양한 화학 조성 및 테스트 온도 포함)에 걸쳐 분석했습니다. 그들의 가장 중요한 발견 중 하나는 서로 다른 온도에서 테스트된 배터리의 데이터를 단순히 섞어서는 안 된다는 것이었습니다. 따뜻한 온도에서 테스트된 배터리로 학습된 모델을 차가운 온도에서 테스트된 배로 적용하려고 했을 때, 예측은 처참하게 실패했습니다. 노화 과정은 온도의 영향을 결정론적인 방식으로 받기 때문에, 모델은 반드시 배터리가 작동할 조건에 맞춰 보정되어야 합니다.

또 다른 주요 발견은 배터리 수명 곡선의 수학적 형태에 관한 것이었습니다. 수년간 연구자들은 어떤 수학 공식이 배터리의 노화를 가장 잘 설명하는지에 대해 논쟁해 왔습니다. 연구팀은 '일반 역지수 분포(Generalized Inverted Exponential Distribution)'라고 불리는 복잡한 모델을 포함하여 여러 후보를 테스트했습니다. 그들은 이 모델이 일관되게 불안정하고 비현리적인 결과를 생성하며, 매개변수가 불가능한 숫자로 폭발한다는 것을 발견했습니다. 반면, '와이불 분포(Weibull distribution)'라고 불리는 더 단순하고 잘 알려진 모델은 그들이 테스트한 모든 화학 유형과 조건에서 데이터를 안정적으로 맞추었습니다. 이는 와이불 모델이 이러한 시나리오에서 배터리 수명을 예측하는 올바른 도구인 반이, 더 복잡한 대안은 이 특정 용도에서 폐기되어야 함을 시사합니다.

연구진은 데이터 자체에 숨겨진 결함도 찾아냈습니다. 여러 데이터셋에서, 테스트 장비의 프로그래밍 글리치(glitch)로 인해 동일한 용량 값을 두 번 기록하거나 0 값을 기록하는 오류가 반복적으로 발생하는 것을 발견했습니다. 이러한 현상은 서로 다른 제조사와 화학 성분을 가진 셀들에서 나타난 아티팩트(artifact)였으며, 수정되지 않았다면 결과를 왜곡했을 것입니다. 이러한 오류를 식별하고 수정함으로써, 연구팀은 서로 다른 배터리가 얼마나 빨리 노화되는지에 대한 이해를 정교화할 수 있었습니다. 그들은 노화 속도가 배터리의 화학 성분에 따라 크게 달라진다는 것을 발견했습니다. 예를 들어, 한 종류의 배터리 화학 성분은 다른 종류보다 훨씬 더 좁고 예측 가능한 노화 패턴을 보인 반면, 다른 종류는 더 넓은 수명 범위를 가졌습니다.

궁극적으로, 이 연구는 현대 세계를 움직이는 배터리의 안전성과 신뢰성을 보장하기 위한 더 강력한 프레임워크를 제공합니다. 불확실성이 제조 과정의 실제 일부임을 인정하고, 배터리의 특정 조건에 맞춰 테스트 규칙을 조정함으로써, 새로운 계획은 더 적은 테스트로 더 나은 품질 결정을 내릴 수 있는 방법을 제시합니다. 연구진은 자신들의 발견이 단순히 이론적인 것이 아니라, 다양한 조건에서의 실제 배터리 행동에 근거하고 있음을 강조합니다. 연구는 정확한 결과를 얻으려면 제조업체가 모든 배터리에 대해 단 하나의 보편적인 규칙을 사용하는 대신, 특정 화학 유형과 작동 온도에 맞춰 테스트 계획을 보정해야 한다고 결론짓습니다. 이러한 접근 방식은 기술이 계속 진화함에 따라 소비자에게 전달되는 배터리가 진정으로 안전하고 신뢰할 수 있음을 보장합니다.

기술 요약: 리튬 이온 배터리의 절단 사이클 수명 테스트를 위한 뉴트로소픽 반복 의존 상태 샘플링 계획

1. 문제 정의

전통적인 절단 수명 테스트용 수락 샘플링 계획(예: 반복 수락 샘플링 계획(RASP) 및 다중 의존 상태 샘플링 계획(MDSSP))은 결함 시간이 명확하게 정의된 부품을 위해 개발되었습니다. 이러한 고전적 접근 방식은 즉각적으로 고장이 발생하는 것이 아니라 점진적으로 퇴화하는 리튬 이온(Li-ion) 배터리에는 적합하지 않습니다. Li-ion 셀의 경우, "수명 종료(end of life)"는 일반적으로 용량이 특정 유지 임계값(예: 정격 용량의 80%) 아래로 떨어지는 시점으로 정의되며, 이는 점진적인 퇴화 궤적에 의해 제어되는 과정입니다.

또한, 기존 문헌에서는 RASP(재샘플링 메커니즘)와 MDSSP(로트 이력 의존성)를 별개의 아키텍처로 취급합니다. 아울러, 고전적인 계획들은 종종 고정되고 알려진 형상 매개변수를 가진 수명 분포를 가정하며, 이는 배치 간 변동성 및 제조 차이로 인해 발생하는 인식론적 불확실성을 반영하지 못합니다. 마지막으로, 기존 연구들은 서로 다른 작동 조건(예: 온도)이나 화학 조성 간에 데이터를 통합(pooling)하는 것이 이러한 특정 부품에 대해 통계적으로 타당한지 여부를 실증적으로 검증하지 않았습니다.

2. 방법론

본 논문은 리튬 이온 배터리의 절단 사이클 수명 테스트를 위해 설계된 **뉴트로소픽 반복 의존 상태 샘플링 계획(NH-RDSSP)**을 제안합니다. 이 방법론은 세 가지 핵심 구성 요소를 통합합니다:

절단의 재정의: 결함 이벤트를 고정된 시간 발생이 아닌, 상태 건강도(SOH) 임계값(예: 용량 $\leq 80\%$ )을 통과하는 것으로 재정의합니다.
하이브리드 결정 규칙: NH-RDSSP는 RASP의 재샘플링 메커니즘과 MDSSP의 로트 이력 의존성을 단일 결정 규칙으로 결합합니다:
1. $n$ 개의 셀 샘플을 절단 지점 $N_0$ (사이클)까지 테스트합니다.
2. 만약 결함 수 $d \leq c_1$ 이면, 해당 로트를 수락합니다.
3. 만약 $d > c_2$ 이면, 해당 로트를 기각합니다.
4. 만약 $c_1 < d \leq c_2$ 이면, 결정은 이전 $m$ 개 로트의 이력에 따라 달라집니다. 만약 이전 로트들이 무조건적으로 수락되었다면 현재 로트를 수락하고, 그렇지 않으면 새로운 샘플을 다시 추출(재샘플링)합니다.
뉴트로소픽 불확실성 모델링: 지배적인 수명 형상 매개변수( $\gamma$ $γ$ )는 단일 값 삼각 뉴트로소픽 수 $\tilde{\gamma} = \langle (\gamma_L, \gamma_M, \gamma_U); T_\gamma, I_\gamma, F_\gamma \rangle$ $\tilde{γ} = ⟨(γ_{L}, γ_{M}, γ_{U}); T_{γ}, I_{γ}, F_{γ} ⟩$ 로 모델링됩니다. 이 표현은 다음을 명시적으로 포착합니다:
- 진리(Truth, $T_\gamma$ ): 점 추정치에 대한 신뢰도.
- 미결정성(Indeterminacy, $I_\gamma$ ): 해결되지 않은 배치 간 변동성.
- 거짓(Falsity, $F_\gamma$ ): 점 추정치에 반하는 증거(예: 모델 부적합).
  위험 제약 조건(생산자 및 소비자 위험)은 단일 점 추정치가 아닌, 뉴트로소픽 매개변수의 전체 가능한 구간(최악의 상황 공식화)에 걸쳐 강제됩니다.
기초 분포: 본 프레임워크는 일반적이지만, 본 논문은 경험적으로 일반 역지수 분포(GIED), 로그 정규 분포, 와이불(Weibull) 분포를 평가합니다. GIED에서 관찰된 수치적 불안정성(발산하는 형상 추정치)으로 인해 와이불 분포가 기초 모델로 유지되었습니다.

3. 주요 기여

본 논문은 문헌의 세 가지 특정 공백을 식별하고 해결합니다:

퇴화 프레이밍: 수락 샘플링 패러다임을 이진적 "시간 $t_0$ 까지의 고장" 이벤트에서 정의된 SOH 임계값에서 종료되는 점진적 퇴화 궤적으로 전환합니다.
하이브리드 아키텍처: RASP 스타일의 재샘플링과 MDSSP 스타일의 로트 이력 의존성을 단일 운영 절차 내에 중첩시킨 최초의 계획(고전적 또는 뉴트로소픽)으로서, 폐쇄형(closed-form) 운영 특성(OC) 함수와 평균 샘플 수(ASN)를 제공합니다.
경험적, 불확실성 인지 캘리브레이션: 네 개의 독립적인 소스(NASA, HNEI, MICH, Sandia National Laboratories)로부터 온 총 115개의 셀 데이터를 사용하여 계획을 캘리브레이션합니다. 여기에는 서로 다른 작동 조건(예: 온도)이나 화학 조성 간에 데이터를 통합하는 것이 왜 통계적으로 타당하지 않은지에 대한 엄격한 진단과 주기적 로깅 아티팩트의 수정이 포함됩니다.

4. 결과 및 경험적 발견

본 연구는 NASA Prognostics Center of Excellence, HNEI, MICH, Sandia National Laboratories(SNL)의 데이터를 활용했습니다. 주요 결과는 다음과 같습니다:

분포 선택: 8개 그룹 전체에 걸쳐 와이불 분포가 가장 안정적이고 적절한 모델로 유지되었습니다. 일반 역지수 분포(GIED)는 수치적 불안정성(형상 추정치가 $10^2$ 에서 $10^{34}$ 사이의 비현실적인 값으로 발산함)으로 인해 결정적으로 제외되었습니다. 로그 정규 분포가 일부 사례(예: HNEI)에서 경쟁력 있는 적합도를 보였으나, 아키텍처의 일관성을 위해 와이불이 유지되었습니다.
경계 조건:
- 온도: "Leave-One-Group-Out" 분석 결과, 서로 다른 온도(예: 4°C vs 24°C) 간에 데이터를 통합하는 것은 치명적인 예측 실패를 초래합니다. 본 계획은 단일 지정된 참조 온도에 대해서만 유효합니다.
- 포메이션 프로토콜: 고정된 온도에서도 서로 다른 포메이션 프로토콜(BLForm vs MCForm)을 혼합할 때 유사한 일반화 실패가 관찰되었습니다.
데이터 아티팩트: HNEI 및 SNL 데이터셋에 존재하는 주기적 로깅 아티팩트(중복된 행 또는 제로 용량 행)를 발견하여 이를 수정하였으며, 이를 수정하지 않을 경우 적합된 형상 매개변수가 편향될 수 있음을 확인했습니다.
설계 효율성: 결과적인 설계 테이블은 약 3에서 26 사이클의 평균 샘플 수(ASN)를 보여줍니다. 연구 결과, 짧은 절단 창( $a=0.5$ )의 경우 생산자 위험 제약이 거의 확실하게 충족되어 소비자 위험이 지배적인 요인이 됩니다. 긴 창( $a=1.0$ )의 경우, 품질 수준이 사양에 근접함에 따라 생산자 위험 제약이 구속력을 갖게 됩니다.
뉴트로소픽 매핑: 본 논문은 통계적 적합도 진단(Wald 신뢰 수준, 상대적 CI 반폭, Akaike 가중치)을 뉴트로소픽 트리플 $(T_\gamma, I_\gamma, F_\gamma)$ 로 매핑하는 재현 가능한 레시피를 제공합니다. 이 매핑은 다섯 가지 뚜렷한 캘리브레이션 시나리오 전반에 걸쳐 성공적으로 구현되었습니다.

5. 의의 및 주장

본 논문은 방법론적 및 캘리브레이션 단계의 기여를 표방합니다. 주요 의의는 다음과 같습니다:

명시적 불확실성 처리: 뉴트로소픽 통계를 사용함으로써, 본 계획은 단순한 점 추정치가 아닌 전체 가능한 형상 매개변수의 범위 내에서 위험 제약이 유지되도록 하여 배터리 제조 배치에 내재된 인식론적 불확실성을 명시적으로 처리합니다.
실제 검증: 시뮬레이션 데이터에 의존하는 많은 이론적 샘플링 논문과 달리, 본 연구는 4개의 독립적인 소스로부터 얻은 115개의 실제 셀을 통해 방법론을 검증하며, 재캘리브레이션 없이 적용해서는 안 되는 경계 조건(온도 및 프로토콜)을 식별합니다.
실무적 권고: 저자들은 형상 매개변수가 통합되는 것이 아니라 화학 조성 및 작동 조건별로 캘리브레이션되어야 한다고 결론짓습니다. 또한, 와이불 분포가 이러한 테스트를 위한 견고한 기초 분포인 반면, GIED는 수치적 불안정성으로 인해 피해야 한다고 주장합니다.

본 논문은 일부 캘리브레이션 그룹의 작은 샘플 크기(예: NASA $n=4$ )와 공식적인 뉴트로소픽 추론 절차 및 특정 화학 조성에 대한 정확한 하이브리드 OC/ASN 함수의 조화에 대한 향후 과제를 포함하여 한계를 겸허히 인정합니다. 본 논문은 배터리의 모든 신뢰성 문제를 해결한다고 주장하는 것이 아니라, 절단 수명 테스트를 위한 엄격하고 불확실성을 고려한 프레임워크를 제공하는 데 목적이 있습니다.