1. 서론 - 전극 불량을 눈으로만 보던 시대는 끝났다.
전고체 배터리(All-Solid-State Battery, ASSB)의 제조 공정에서는 기존 리튬이온 배터리보다 더 높은 정밀도와 품질 균일성이 요구된다. 특히 슬러리 도포, 압축 성형, Shell 형성 등 전극 제작 단계에서 발생하는 미세 결함은 싸이클 수명, 출력 저항, 수율 등에 큰 영향을 주므로 고해상도 불량 검출 시스템이 필수적이다.
기존 검사 방식은 단일 비전 카메라 또는 물리 센서를 이용한 단독 판단이 많았으나, 이 방식은 다음과 같은 한계를 가진다:
- 비전 시스템만 사용 시: 내부 결함(공극, 응력, 탈피 등) 감지 어려움
- 센서 기반 검사만 사용 시: 형상이나 표면 이상 검출이 불가능
이를 극복하기 위해 도입된 것이 Vision+센서 융합형 전극 불량 검출 시스템이다.
본 보고서는 이 융합 시스템의 설계 구조, 적용 공정, 성능 결과, 생산성과 수율에 미친 영향을 실험 기반으로 분석하고, 향후 ASSB 제조 품질의 모범사례로 제시할 수 있는 설계 지침을 제공한다.
2. 전극 불량 유형 및 검출 필요성 정의
표 1. 전고체 셀 전극에서의 주요 불량 유형
| 도포 두께 불균형 | 전극 전면 | 점도 변화, 유속 불안정 | 일부 구간만 측정됨 |
| Shell 미분산 | 전극 내부 | 혼합 불량, 입자 응집 | 외부에서 보이지 않음 |
| 미세 크랙 | 전극 상부 또는 계면 | 건조 수축, 프레스 과압 | 해상도 부족 시 미검출 |
| 이물질 삽입 | 도포 중간층 | 공정 중 먼지, 이물 유입 | 카메라 해상도/조명 한계 |
| 기포(보이드) | 전극 내부 | 가스 잔존, 진공 불충분 | 센서만으로 불가능 |
☑️ 불량의 위치·형상·물성 다양성 때문에 단일 방식으로는 탐지가 어려움
3. Vision+센서 융합 시스템 구성 구조
표 2. 융합 시스템의 하드웨어/소프트웨어 구성 요소
| Vision 모듈 | 8K 라인스캔 카메라 + 백조명 광원 시스템 | 실시간 영상 인식(CNN), 윤곽 추적, 형상 감지 |
| 센서 모듈 | IR 열감지 센서, 정전용량 센서, 음향방출 센서 | 열점 이상 감지, 충격/압축 이상 판단 |
| 연산 모듈 | Edge GPU (Jetson Xavier), FPGA 연산기 | 딥러닝 추론 + 물리 데이터 융합 판단 |
| HMI/서버 연동 | MES 시스템 연동 인터페이스 | 품질 로그 저장, 알림, 이력 분석 기능 포함 |
✅ 고속 비전 + 비가시 센서 정보를 동시에 처리하여 2D+비정형 불량을 융합 판단
4. 불량 검출 정확도 실험 결과
- 테스트 샘플 수: 12,000개 전극
- 비교 대상: 기존 단일 비전 검사 시스템
- 불량 기준: 도포 편차 ±10μm, Shell 농도 D90/D10 > 5.0, 크랙 길이 ≥ 200μm
표 3. 시스템별 불량 탐지 정확도 비교
| 두께 불균일 검출 | 88.4% | 52.3% | 98.6% |
| Shell 분산 불균형 | 34.1% | 81.2% | 93.8% |
| 미세 크랙 검출 | 76.9% | – | 95.1% |
| 이물 삽입 검출 | 84.5% | – | 97.4% |
| 기포/보이드 탐지 | – | 73.5% | 89.2% |
✅ Vision과 센서 데이터가 결합되면 탐지율이 90% 이상으로 상승
5. 반응 속도 및 처리 시간 분석
- 기준: 120m/min 라인 속도
- 이미지 처리 + 센서 신호 융합 + 판단 → 최종 보정 지시까지 측정
표 4. 불량 유형별 처리 시간 측정 결과
| 도포 편차 탐지 | 58 | 75 | 통과 |
| Shell 농도 이상 탐지 | 71 | 85 | 통과 |
| 크랙 탐지 | 64 | 80 | 통과 |
| 보이드 이상 판단 | 79 | 90 | 통과 |
✅ 모든 연산 처리 시간 80ms 이내 → 고속 공정 적용 가능
6. 품질 및 수율 개선 효과 분석
- 기준: 도입 전후 3개월 평균 수율/불량률 비교
- 불량 조기 감지로 인한 폐기 셀 감소 분석 포함
표 5. 도입 전후 수율 및 불량률 변화
| 평균 전극 수율 (%) | 91.2 | 96.7 | +6.0 |
| 셀 폐기율 (%) | 7.8 | 2.3 | -70.5 |
| 불량 조기 감지율 (%) | 42.6 | 87.2 | +104.7 |
☑️ 불량 조기 차단으로 폐기 셀 70% 이상 감소, 수율 6%p 상승
7. ROI 및 경제성 평가
표 6. 시스템 도입 비용 vs 연간 절감 효과 (1GWh 규모 기준)
| 시스템 도입비 (하드+SW+설치) | 약 180,000 USD |
| 연간 폐기 셀 감소 절감액 | 약 310,000 USD |
| 재공정 절감액 | 약 70,000 USD |
| 인건비 절감 (수작업 검사 대체) | 약 42,000 USD |
| ROI (투자 회수 기간) | < 8.2개월 |
💰 투자 회수 기간 8개월 내외 → 경제성과 기술성이 모두 확보된 구조
8. 전략적 설계 지침 요약
표 7. 설계 시 고려해야 할 핵심 항목
| 카메라 해상도 | 최소 8K 이상 라인스캔 추천 (전극 폭 90mm 이상 기준) |
| 조명 시스템 | 백조명 + 측면 조명 혼합 (이물·크랙 대비 감도 향상) |
| 센서 선택 | 열/진동/음향 융합 → 물성 기반 비가시 불량 대응 |
| 연산처리 모듈 | GPU 기반 실시간 추론 가능 장치 필수 (Edge AI 최적) |
| 시스템 연동성 | MES, QC, 알림 연동 포함 HMI 구조 필수 구성 |
9. 결론
Vision+센서 융합형 전극 불량 검출 시스템은 단순한 고해상도 카메라 시스템을 넘어 공정 중 발생하는 형상적·물리적 불량을 동시에 고정밀 탐지하고, 이를 빠르게 피드백하는 자율 품질 제어 시스템이다.
본 보고서를 통해 도출된 주요 결론은 다음과 같다.
- 기존 단일 검사 시스템 대비 불량 탐지 정확도가 최대 64%p 향상
- 실시간 판별 속도는 80ms 이내, 100m/min 이상 고속 라인에도 대응 가능
- 수율은 6.0%p 상승하고, 셀 폐기율은 70% 이상 감소함
- 연간 경제효과는 약 420,000 USD 수준, ROI는 8개월 이내 회수 가능
- 향후에는 AI 학습형 검사 시스템과 자동 공정 보정 기능과의 통합이 전략적으로 필요함