적용 사례

전극 캘린더링 공정의 품질 보증

머신비전 시스템을 통한 정밀 모니터링 및 신뢰도 높은 결함 감지

캘린더링 공정에서는 양면 코팅된 구리 또는 알루미늄 포일을 정밀하게 압연합니다. 머신비전 기술은 실시간 공정 모니터링과 조기 오류 감지를 통해 품질과 효율을 동시에 확보하며, 이를 통해 자재 낭비를 줄입니다.

캘린더링 공정의 실시간 모니터링을 위한 머신비전 기술
배터리 생산에서 품질과 효율을 보장하는 머신비전 기술

캘린더링 공정 중 오류로 인한 전극 코팅 품질 저하

캘린더링은 코팅의 균일도, 두께, 접착력에 큰 영향을 미칩니다. 균일하고 미세한 코팅층은 공정 간 치수 편차를 보완하고, 안정적인 프린팅 조건을 확보하며, 이후 생산 단계에서 발생하는 응력을 최소화합니다.

캘린더링 공정 중 자재를 균일하게 압밀하는 상·하부 롤러
상부 및 하부 롤러는 코팅층을 고르게 압착해 캘린더링 공정 중 자재가 균일하게 압밀되도록 합니다.

핵심 공정 단계: 코팅층 품질을 좌우하는 캘린더링

배터리 셀 내부에서 코팅에 결함이 발생하면 저항이 증가하고, 접착력이 저하되며, 자재 분포가 불균일해집니다. 이러한 결함은 전체 생산 공정에 부정적인 영향을 미치며, 최종 제품 품질에도 큰 영향을 줍니다.

캘린더링 공정에서는 구리 또는 알루미늄 포일 양면에 형성된 코팅층을 균일한 단일 층으로 압밀합니다. 이 공정은 입자 축적을 방지하기 위해 전극 포일의 정전기를 제거하는 단계로 시작되며, 이후 브러시 또는 공기 분사를 통해 포일 표면의 먼지와 잔여물을 제거합니다. 상부 롤러와 하부 롤러로 구성된 두 개의 역회전 롤러가 자재에 일정한 선압을 가해 코팅층을 균일하게 압착하며, 이때 설정된 자재 두께가 압밀 품질을 좌우하는 핵심 요소로 작용합니다.

전극 생산 중 발생하는 결함
전극 생산 과정에서 발생할 수 있는 결함. 크기: 1mm. 출처: Schoo A, Moschner R, Hülsmann J, Kwade A. 리튬 이온 배터리 전극의 코팅 결함 (...). 배터리. 2023; 9(2):111. https://doi.org/10.3390/batteries9020111

전극 코팅 작업에서 발생할 수 있는 결함

전극 코팅은 간헐식(intermittent) 및 연속식(continuous) 공정 모두에서 오류가 발생할 수 있습니다.

일반적인 결함은 다음과 같습니다.

  • a. 응집체

  • b. 코팅 균열

  • c. 오염

  • d. 미세 압착 흔적

  • e. 건열(Mud crack)

  • f. 기공

  • g. 슬립

  • h. 스트라이프

캘린더링 공정에 활용되는 머신비전

이미지 처리 기술은 코팅막의 품질을 빠르게 측정하고 기록해 캘린더링 공정 전반의 품질 관리를 최적화합니다.

image-pre-processing-diagramm

이미지 전처리를 통한 효율적인 CPU 부하 감소


racer 2 라인 스캔 카메라를 사용하면 공정을 최대 생산 속도로 모니터링할 수 있돌고 지원합니다.때 생성되는 대용량 이미지 데이터는 캘린더링(calendering) 공정 중프레임 그래버에서 VisualApplets를 통해 전처리됩니다. ROI 중심으로 선별 처리되며, 이상 영역만 추가 분석함으로써 CPU 부하를 최소화하고 공정 제어에 필요한 연산 자원을 효율적으로 활용할 수 있습니다.

Basler pylon AI vTool 분류(Classification)를 통한 전극 코팅 결함 유형 감지
Basler pylon AI vTool 분류(Classification)를 통한 전극 코팅 결함 유형 감지

pylon vTools로 결함 감지 및 대응

다음 단계에서는 캘린더링 공정 중 감지된 이상 징후를 ROI 내에서 정밀하게 분석합니다. pylon vTools는 기존 이미지 처리 알고리즘을 기반으로 결함 유형(예: 균열, 자재 박리 또는 표면 불균일)을 분류하며, pylon AI는 AI 기반 분석을 통해 결함의 크기와 영향을 미치는 범위를 정확하게 측정합니다.

결함의 유형과 크기에 따라 해당 자재가 설정된 허용 오차 범위 내에 있는지 또는 추가 조치가 필요한지를 판단합니다. 캘린더링 공정 이후 결함의 정확한 위치를 파악해 전극 품질을 향상시키고 불량품 발생을 줄일 수 있습니다.

캘린더링 공정의 품질을 보장하는 머신비전

  • 고해상도 라인 스캔 카메라는 필름 표면의 스크래치, 기포, 변색, 입자, 무광화(matting) 현상을 실시간으로 감지합니다.

  • pylon AI vTools는 자동 이미지 분석은 물론 결함을 세분화하여 분류(결함을 크기·형상·위치 기준으로 분류)하고 반복적으로 발생하는 결함 이미지까지 감지합니다.

  • 머신비전과 결합된 극초단파 센서는 필름 전체 폭에 걸쳐 개략적인 수준에서 정교한 수준까지 두께를 연속적으로 측정하며, 초기 이상 감지부터 1μm 이하의 초정밀 측정까지 구현합니다.

  • 견고한 이미지 분석으로 필름 폭 전반에서 발생하는 처짐 현상과 평탄도 편차를 안정적으로 감지

RWTH 아헨대학교 전기모빌리티 부품 생산공학 연구실 소개

RWTH 아헨대학교 전기모빌리티 부품 생산공학 연구실(PEM)은 수년간 리튬이온 배터리 생산 기술을 연구해 왔습니다. 이 연구 그룹의 핵심 인프라는 배터리 셀 생산의 전체 공정을 포괄하는 파일럿 라인이며, 연구진은 Basler를 비롯한 산업 파트너들과 긴밀히 협력해 생산 공정의 각 단계를 지속적으로 개선하고 있습니다.

RWTH 아헨대학교 PEM은 가치사슬 전 단계에서 기업들이 진행한 다수의 국내외 산업 프로젝트에 참여하고 주요 연구 과제에서 핵심적인 역할을 수행하며 폭넓은 전문성을 축적해 왔습니다.

해당 솔루션용 제품들

비슷한 솔루션을 구현하고 싶으신가요? 다음 제품이 도움이 될 것입니다.

시작할 준비가 되셨나요?

제품 및 서비스에 대해 자세히 알아보고 당사에서 ‍고객님의 ‍다음 프로젝트에 어떤 도움을 드릴 수 있는지 알아보세요.