Una imagen esquemática, que ilustra el estudio general. Crédito: Infomat (2025). Doi: 10.1002/inf2.70031
Un equipo de investigadores afiliados a UNIST ha integrado con éxito la tecnología de inteligencia artificial (IA) en el proceso de fabricación de precursores de cátodo de batería de iones de litio, reduciendo las tasas de defectos y la mejora de la eficiencia de producción. Se espera que este avance ahorre más de 2 mil millones won anuales en costos de producción.
La investigación se publica en la revista Infomat.
Dirigido por el profesor IM Doo Jung del Departamento de Ingeniería Mecánica y la Escuela de Graduados de Inteligencia Artificial, en colaboración con el Instituto de Investigación de Ciencia y Tecnología Industrial (RIST), el equipo desarrolló condiciones de proceso para reducir las tasas de defectos en los precursores de óxido en capas rico en níquel (Linixcoymnzo2, NCM). También idearon un sistema de control en tiempo real con IA para monitorear y ajustar dinámicamente el proceso de fabricación.
Los precursores de NCM son materiales en polvo compuestos de níquel (Ni), cobalto (CO) y manganeso (MN), que se combinan a altas temperaturas para producir material de cátodo para baterías eléctricas de vehículos.
Si bien el mayor contenido de níquel en las partículas precursoras aumenta la capacidad de la batería, también hace que el proceso sea propenso a la lixiviación de níquel, un fenómeno donde el níquel no precipita correctamente o se disuelve nuevamente en la solución. La lixiviación de níquel conduce a formas y composiciones de partículas irregulares, degradando el rendimiento y la vida útil de la batería.
Para abordar este desafío, el equipo de investigación optimizó los parámetros de proceso para suprimir la lixiviación del níquel y desarrolló un sistema de detección de anomalías en tiempo real basado en IA.
Al controlar factores como la velocidad de agitación, el nivel de pH y la concentración de amoníaco, diseñaron el proceso para que el níquel permanezca confinado dentro del interior de las partículas, mejorando la estabilidad estructural y reduciendo la lixiviación.
Además, el equipo empleó la tecnología AI de adaptación de dominio, mejorando significativamente el rendimiento de la detección de defectos. A diferencia de los modelos de IA convencionales capacitados únicamente en datos de laboratorio, la adaptación de dominio AI reconoce y se ajusta a las variaciones ambientales y de equipos durante la producción a gran escala, manteniendo una alta precisión de predicción y garantizando una calidad constante.
La investigación involucró a Junyoung Seo y Taekyeong Kim del Departamento de Ingeniería Mecánica de UNIST, sirviendo como autores co-primero. El equipo explicó: “A medida que la edad del equipo o la producción se escalan, las condiciones iniciales del proceso pueden derivarse. Nuestra AI de adaptación de dominio se adapta a estos cambios, asegurando una producción estable de alta calidad”.
El sistema AI se validó en un reactor de 11.5 toneladas a escala industrial, donde redujo los acontecimientos lotes defectuosos a un quince de niveles anteriores, logrando una precisión de detección de anomalías del 97.8%. Se estima que esta tecnología evita aproximadamente 2,2 mil millones de wones en materias primas y pérdidas de producción anualmente.
El profesor Jung declaró: “A diferencia de los experimentos de laboratorio a pequeña escala, la fabricación a gran escala implica costos significativos para controlar la calidad y el rendimiento. Nuestro enfoque basado en IA puede aplicarse directamente en el sitio para garantizar una producción estable de alta calidad”.
Además, agregó: “Esta metodología promete no solo los materiales de la batería sino también para los sectores de fabricación a gran escala como productos químicos, maquinaria y semiconductores”.
Más información: Junyoung Seo et al, óxidos en capas de níquel a gran escala de alta calidad precursora de precursores precursores a través del aprendizaje automático basado en la adaptación de dominio, Infomat (2025). Doi: 10.1002/inf2.70031
Proporcionado por el Instituto Nacional de Ciencia y Tecnología de Ulsan
Cita: La fabricación a IA reduce los defectos y costos de la batería (2025, 28 de mayo) Recuperado el 28 de mayo de 2025 de https://techxplore.com/news/2025-05-ai-powered-battery-defects.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
