‘AI가 지켜보는 배터리공장’… UNIST·RIST, 연 22억원 절감 스마트 공정 개발

공동 연구로 AI 기반 배터리 NCM 전구체 대량생산 품질 안정화 기술 개발

설비 노후화 등 변화도 실시간 대응·불량률 1/15로 떨어져, InfoMat 게재

국내 연구진이 리튬이온 배터리 양극재 생산 공정에 인공지능(AI) 기술을 적용해 불량률을 낮추고 수율을 끌어올리는 데 성공했다.

연간 20억원이 넘는 생산 비용을 줄일 수 있을 것으로 추산된다.

UNIST 기계공학과 정임두 교수(인공지능대학원 겸직)팀은 포항산업과학연구원(RIST) 유기성 수석팀과의 공동 연구를 통해 NCM 전구체 불량률을 낮출 수 있는 공정 조건을 설계하고, 이를 실시간으로 제어하는 AI 기술을 개발했다고 27일 전했다.

연구진 (좌측부터) 김태경 연구원, 정임두 교수, 서준영 연구원. UNIST 제공

NCM 전구체는 니켈(Ni), 코발트(Co), 망간(Mn)이 섞인 가루 형태 물질로, 이를 고온에서 뭉쳐 전기차 배터리 양극재를 만든다. 전구체 입자의 니켈 함량이 높을수록 배터리 용량은 커지지만, 니켈이 제대로 침전되지 않고 용액에 남거나 다시 빠져나오는 '용출'이 발생하기 쉽다. 용출은 입자 모양과 조성비가 들쭉날쭉해지는 불량으로 이어져 배터리 수명과 성능을 떨어뜨린다.

연구팀은 이 같은 니켈 용출을 억제할 수 있도록 공정 조건을 최적화하고, AI 기반 실시간 설비 이상 감지 기술을 함께 개발했다. 금속 이온이 녹아 있는 원료 용액을 휘젓는 속도, 산성도(pH), 암모니아 농도 등을 조절해 니켈은 입자 안쪽에, 코발트와 망간은 바깥쪽에 배치되도록 설계한 것이다. 니켈이 입자 내부에 자리 잡으면 용출 가능성이 낮아지고 구조적 안정성도 높아진다.

또 도메인 적응 AI 기술로 불량 탐지 성능을 대폭 끌어올렸다. 기존 AI는 실험실에서 학습한 조건에만 최적화돼 있어, 설비 노후화나 장시간 대량 생산으로 인해 조건이 조금만 바뀌어도 성능이 크게 떨어졌다.

반면 도메인 적응 AI는 생산 환경의 변화를 실시간으로 인식하고 스스로 보정해, 다양한 상황에서도 안정적인 품질 예측이 가능하다.

이번 연구는 UNIST 기계공학과 서준영, 김태경 연구원이 제1저자로 참여했다. 연구팀은 "설비가 오래되거나 대량 생산이 지속되면 초기 최적 조건이 흔들릴 수 있는데, 도메인 적응 AI는 이런 변화에 적응해 일관된 품질을 유지할 수 있도록 돕는다"라고 설명했다.

이 AI 기술을 산업용 11.5톤급 반응기에 실증한 결과, 불량 배치(batch) 수는 기존의 15분의 1 수준으로 줄었고, AI 기반 이상 감지 정확도는 97.8%에 달했다. 또 이를 통해 연간 약 22억원 규모의 원료와 생산 손실을 줄일 수 있을 것으로 분석됐다.

AI 모니터링을 통한 생산 설비 이상 탐지와 결함으로 인한 전구체 구형도의 변화.

정임두 교수는 "연구실 내 소규모 실험 환경과는 달리 대량으로 생산이 이뤄지는 현장에서는 품질과 수율을 관리하기 위해 많은 비용과 노력이 들어가는데, 이번 AI 기술은 실제 현장에 적용되어 안정적인 고품질의 생산을 유도할 수 있었다"라며 "이는 이차전지뿐 아니라 화학, 기계, 반도체 등 대규모 제조 산업 전반에 응용이 가능하다"고 말했다.

연구 결과는 소재 분야 세계적 학술지 (Impact Factor: 22.7, JCR 상위 3% 이내)인 '인포맷(InfoMat)'에 5월 8일 게재됐다.

연구 수행은 과학기술정보통신부 한국연구재단과 정보통신기술기획평가원과 중소벤처기업부의 기술개발사업 지원으로 이뤄졌다.

영남취재본부 김철우 기자 sooro97@asiae.co.kr