JP7163810B2 - 電池の検査方法 - Google Patents
電池の検査方法 Download PDFInfo
- Publication number
- JP7163810B2 JP7163810B2 JP2019021216A JP2019021216A JP7163810B2 JP 7163810 B2 JP7163810 B2 JP 7163810B2 JP 2019021216 A JP2019021216 A JP 2019021216A JP 2019021216 A JP2019021216 A JP 2019021216A JP 7163810 B2 JP7163810 B2 JP 7163810B2
- Authority
- JP
- Japan
- Prior art keywords
- battery
- batteries
- inspection
- value
- predicted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Description
本発明は、複数の電極を積層して構成された電池の検査方法に関するものである。
近年、環境保護、省エネルギーの観点から、エンジンとモータを動力源として併用したハイブリッド自動車やモータを動力源とした電気自動車が開発、製品化されている。このハイブリッド自動車や電気自動車のエネルギー源として、電気を繰り返し充電放電可能な二次電池は必須の技術である。
一般的にこの二次電池としては、リチウム二次電池、ニッケル二次電池などの二次電池が用いられるが、なかでも、リチウム二次電池は、その動作電圧が高く、高い出力を得やすいので有力な電池であり、ハイブリッド自動車や電気自動車の電源としてますます重要性が増してきている電池である。
また従来から、二次電池は、製造後に検査が行われるのが一般的である。
一般的にこの二次電池としては、リチウム二次電池、ニッケル二次電池などの二次電池が用いられるが、なかでも、リチウム二次電池は、その動作電圧が高く、高い出力を得やすいので有力な電池であり、ハイブリッド自動車や電気自動車の電源としてますます重要性が増してきている電池である。
また従来から、二次電池は、製造後に検査が行われるのが一般的である。
このような二次電池の検査方法の先行技術として、特許文献１に記載されている二次電池の検査方法が挙げられる。同文献の技術では、セルの電圧降下量ΔＶを測定した後、電圧降下量ΔＶが電圧降下閾値Ｘ２より小さいか否かが判定され、そして、電圧降下量ΔＶが電圧降下閾値Ｘ２より小さいと判定されたセルを複数のグループに分類する。次に、分類された各グループに属する複数のセルの電圧降下量ΔＶから、グループごとに良品基準値ΔＶ（ｍｅｄｉａｎ）が設定される。次に、グループ内の複数のセルの電圧降下量ΔＶと良品基準値ΔＶ（ｍｅｄｉａｎ）との差分ΔＶ－ΔＶ（ｍｅｄｉａｎ）に基づいて、グループごとにセルの良否判定を行うようにしている。
しかしながら前記特許文献１に記載の技術には、次のような問題点があった。
すなわち、電圧降下量ΔＶが電圧降下閾値Ｘ２より小さいと判定されたセルをグループに分けた後、グループごとに全てのセルの良否判定を行うようにしているため、グループの中には、良品の可能性が高いセルが含まれるが、そのようなセルに対しても良品判定を行うこととなり、検査のムダが発生するなどの問題が発生した。
すなわち、電圧降下量ΔＶが電圧降下閾値Ｘ２より小さいと判定されたセルをグループに分けた後、グループごとに全てのセルの良否判定を行うようにしているため、グループの中には、良品の可能性が高いセルが含まれるが、そのようなセルに対しても良品判定を行うこととなり、検査のムダが発生するなどの問題が発生した。
本発明は、前記した従来の技術が有する問題点を解決するためになされたものである。すなわちその課題とするところは、信頼性を低下することなく、効率良く良否検査を行うことができる電池の検査方法を提供することにある。
上記の問題点を解決するために、本発明の電池の検査方法は、次の構成を有している。
（１）複数の電池の特性値を検査し、その検査結果に基づいて電池の良否判定を行う電池の検査方法であって、前記電池の生産工程条件に基づいて前記複数の電池を層別し、前記層別された電池の特性値を予測し、予測された前記特性値が基準範囲内に収まる場合には、前記複数の電池内から抜き取った一部の電池の検査を行い、基準範囲内に収まらない場合には、前記複数の電池の全てを検査することを特徴とする。
（１）複数の電池の特性値を検査し、その検査結果に基づいて電池の良否判定を行う電池の検査方法であって、前記電池の生産工程条件に基づいて前記複数の電池を層別し、前記層別された電池の特性値を予測し、予測された前記特性値が基準範囲内に収まる場合には、前記複数の電池内から抜き取った一部の電池の検査を行い、基準範囲内に収まらない場合には、前記複数の電池の全てを検査することを特徴とする。
上記構成を有する本発明の電池の検査方法の作用・効果について説明する。
（１）複数の電池の特性値を検査し、その検査結果に基づいて電池の良否判定を行う電池の検査方法であって、前記電池の生産工程条件に基づいて前記複数の電池を層別し、前記層別された電池の特性値を予測し、予測された前記特性値が基準範囲内に収まる場合には、前記複数の電池内から抜き取った一部の電池の検査を行うようにしたので、信頼性を低下することなく、効率良く良否検査を行うことができる電池の検査方法を提供できる。
（１）複数の電池の特性値を検査し、その検査結果に基づいて電池の良否判定を行う電池の検査方法であって、前記電池の生産工程条件に基づいて前記複数の電池を層別し、前記層別された電池の特性値を予測し、予測された前記特性値が基準範囲内に収まる場合には、前記複数の電池内から抜き取った一部の電池の検査を行うようにしたので、信頼性を低下することなく、効率良く良否検査を行うことができる電池の検査方法を提供できる。
（実施形態）
次に、本発明の実施の形態を以下に説明する。
まず始めに、本発明の適用に係る電池の全体構成について、図１を用いて説明をする。
図１に示す如く、本発明の適用に係る電池の一実施態様である電池１１は、蓋１２ａおよびケース１２ｂからなる筐体１２の内部に、捲回体１３や電解液１４等の電池要素を収容する構成としている。
前記捲回体１３は、正極を形成するための正極部材１５と、負極を形成するための負極部材１６と、絶縁性のシート部材であるセパレータ１７等によって構成されている。
前記正極部材１５は、シート状の基材に対して正極用の活物質を含む電極合剤（ペースト）を略一定の厚さで塗工して形成される正極用電極シートを所定の長さで切り出して生成するシート状の部材である。
前記負極部材１６は、シート状の基材に対して負極用の活物質を含む電極合剤（ペースト）を略一定の厚さで塗工して形成される負極用電極シートを所定の長さで切り出して生成するシート状の部材である。
次に、本発明の実施の形態を以下に説明する。
まず始めに、本発明の適用に係る電池の全体構成について、図１を用いて説明をする。
図１に示す如く、本発明の適用に係る電池の一実施態様である電池１１は、蓋１２ａおよびケース１２ｂからなる筐体１２の内部に、捲回体１３や電解液１４等の電池要素を収容する構成としている。
前記捲回体１３は、正極を形成するための正極部材１５と、負極を形成するための負極部材１６と、絶縁性のシート部材であるセパレータ１７等によって構成されている。
前記正極部材１５は、シート状の基材に対して正極用の活物質を含む電極合剤（ペースト）を略一定の厚さで塗工して形成される正極用電極シートを所定の長さで切り出して生成するシート状の部材である。
前記負極部材１６は、シート状の基材に対して負極用の活物質を含む電極合剤（ペースト）を略一定の厚さで塗工して形成される負極用電極シートを所定の長さで切り出して生成するシート状の部材である。
そして、前記正極部材１５と前記負極部材１６の間にセパレータ１７を介在させて重ね合わせた状態とし、これらを、捲回装置（図示せず）を用いてロール状に捲回することによって前記捲回体１３を形成する。
また、前記電池１１は、前記正極部材１５と図示しない配線等により電気的に接続された正極端子１８が前記筐体１２から外部に突設され、同様に、前記負極部材１６と図示しない配線等により電気的に接続された負極端子１９が前記筐体１２から外部に突設される。
尚、前記電池１１には、それぞれセル番号が付され、複数の各電池１１は、それぞれ識別可能となっている。
また、前記電池１１は、前記正極部材１５と図示しない配線等により電気的に接続された正極端子１８が前記筐体１２から外部に突設され、同様に、前記負極部材１６と図示しない配線等により電気的に接続された負極端子１９が前記筐体１２から外部に突設される。
尚、前記電池１１には、それぞれセル番号が付され、複数の各電池１１は、それぞれ識別可能となっている。
次に、上記のように構成された電池１１に対する電池の検査方法について、図２に示すフローチャートを参照して以下に説明する。なお、図２に示すフローチャートは、ＣＰＵを備えるパソコン等のデータ処理装置（図示せず）によって実行される。また、本検査は、２０個～３０個の電池１１から成るユニット単位で実施される。
まず、ステップ１０（以下、Ｓ１０と称す）において、前記電池１１のセル番号に基づいて、ユニットを構成する各電池１１の生産条件を生産条件データベースＤＢ１からそれぞれ取得する。
まず、ステップ１０（以下、Ｓ１０と称す）において、前記電池１１のセル番号に基づいて、ユニットを構成する各電池１１の生産条件を生産条件データベースＤＢ１からそれぞれ取得する。
生産条件データベースＤＢ１は、電池１１のセル番号と生産条件とが対になって記憶されている。
生産条件としては、電池１１の生産ライン番号、捲回装置番号、電池１１に使用されている正極用電極シートのロット番号、負極用電極シートのロット番号、セパレータ１７のロット番号、電極合剤のロット番号、電極合剤の塗布条件等が考えられる。これら全ての生産条件を用いて生産条件データベースＤＢ１を構成してもよいし、一部の生産条件を用いて生産条件データベースＤＢ１を構成しても差し支えない。
生産条件としては、電池１１の生産ライン番号、捲回装置番号、電池１１に使用されている正極用電極シートのロット番号、負極用電極シートのロット番号、セパレータ１７のロット番号、電極合剤のロット番号、電極合剤の塗布条件等が考えられる。これら全ての生産条件を用いて生産条件データベースＤＢ１を構成してもよいし、一部の生産条件を用いて生産条件データベースＤＢ１を構成しても差し支えない。
次に、Ｓ１１において、Ｓ１０で取得した生産条件に基づいて、層別モデルＤＢ２を参照しながら１つのユニットに含まれる複数の電池１１をそれぞれ層別する。つまり、電池１１の生産条件から電池１１の特性値を推測することができるので、Ｓ１０で取得した生産条件に基づいて、層別モデルデータベースＤＢ２を参照しながら、電池１１の特性値が近くなると推定される電池１１同士をグループ化して層別する。したがって、ユニットを構成する複数の電池１１の生産条件が同じ場合には、ユニット内の全ての電池は、ほぼ同じ特性を発揮すると推測されるので、同じ１つの層に層別される。また、生産条件が異なる場合には、層別モデルデータベースＤＢ２を参照して、複数の層に層別される。ここで層別される層の数は、２層であっても良いし、２層以上の複数の層であっても良い。
このように本実施形態では、層別モデルデータベースＤＢ２を参照しながら、生産条件によって電池１１の特性が近くなると推定される電池１１が同じ層となるように層別するようにしたので、特性が大きく変動する状況を避けることができるようになり、予測モデル構築の学習データ範囲から逸脱する新しいクエリが来たときに外挿の予測（一般的に予測精度が悪くなる）をする状況を回避できる。また、このときに、層別される層の数を多くした方が、電池１１の特性の予測精度を向上させることができる。
このように本実施形態では、層別モデルデータベースＤＢ２を参照しながら、生産条件によって電池１１の特性が近くなると推定される電池１１が同じ層となるように層別するようにしたので、特性が大きく変動する状況を避けることができるようになり、予測モデル構築の学習データ範囲から逸脱する新しいクエリが来たときに外挿の予測（一般的に予測精度が悪くなる）をする状況を回避できる。また、このときに、層別される層の数を多くした方が、電池１１の特性の予測精度を向上させることができる。
次に、Ｓ１２において、Ｓ１１で層別された層に基づいて、予測モデルデータベースＤＢ３を参照して、電池１１の特性を予測する。ここでは、Ｓ１１において１つのユニットに含まれる複数の電池１１が複数の層に層別された場合には、各層ごとに予測モデルデータベースＤＢ３を参照して、電池１１の特性が予測される。
次に、Ｓ１３において、Ｓ１２において予測された電池１１の特性の予測値が全て基準範囲内か否か判断される。
そして、電池１１の特性の予測値が全て基準範囲内と判断された場合には（Ｓ１３：ＹＥＳ）、次のＳ１４において、１つのユニットを構成する複数の電池１１に対して抜き取り検査を実施する。ここでは、抜き取られた少数の電池１１に対して電池容量測定装置（図示せず）を用いて電池１１の容量を測定する。本実施形態では、電池１１の容量を測定する検査を実施する。尚、本実施形態では、電池１１の容量を測定する検査であったが、これに限定されるものではなく、例えば、電池１１の出力電流を測定する検査であっても良く、その他、電池の特性値を測定するための如何なる検査であっても差し支えない。
ここで、Ｓ１３の判断で用いられる基準範囲について図３（ａ）を参照して説明すると、本実施形態では、電池１１の規格において下限規格値より１０％上回った値と上限規格値より１０％下回った値との間を基準範囲として設定している。このように本実施形態では、図３（ａ）に示す危険領域を１０％に設定したが、これに限定されることはなく、任意の数値が設定可能である。
このように本実施形態では、Ｓ１３において、Ｓ１２において予測された電池１１の特性の予測値が全て基準範囲内か否か判断するようにしたので、電池１１の品質が規格範囲を逸脱するリスクを低減させることができ、予測による検査に対する信頼性を担保することができる。
そして、電池１１の特性の予測値が全て基準範囲内と判断された場合には（Ｓ１３：ＹＥＳ）、次のＳ１４において、１つのユニットを構成する複数の電池１１に対して抜き取り検査を実施する。ここでは、抜き取られた少数の電池１１に対して電池容量測定装置（図示せず）を用いて電池１１の容量を測定する。本実施形態では、電池１１の容量を測定する検査を実施する。尚、本実施形態では、電池１１の容量を測定する検査であったが、これに限定されるものではなく、例えば、電池１１の出力電流を測定する検査であっても良く、その他、電池の特性値を測定するための如何なる検査であっても差し支えない。
ここで、Ｓ１３の判断で用いられる基準範囲について図３（ａ）を参照して説明すると、本実施形態では、電池１１の規格において下限規格値より１０％上回った値と上限規格値より１０％下回った値との間を基準範囲として設定している。このように本実施形態では、図３（ａ）に示す危険領域を１０％に設定したが、これに限定されることはなく、任意の数値が設定可能である。
このように本実施形態では、Ｓ１３において、Ｓ１２において予測された電池１１の特性の予測値が全て基準範囲内か否か判断するようにしたので、電池１１の品質が規格範囲を逸脱するリスクを低減させることができ、予測による検査に対する信頼性を担保することができる。
次に、Ｓ１５において、Ｓ１４において測定された検査結果とＳ１２において予測された予測値との誤差が全て所定の範囲内であるか否かが判断される。そして、検査結果と予測値との誤差が全て所定の範囲内であると判断された場合には（Ｓ１５：ＹＥＳ）、次のＳ１６において、予測値をみなし検査結果として１つのユニットを構成する複数の電池１１の検査を完了する。
ここで、Ｓ１５の判断で用いられる所定の範囲について図３（ｂ）を参照して説明すると、本実施形態では、電池１１の規格における下限規格値と上限規格値との間の規格幅値の５％を所定の範囲として設定している。本実施形態では、所定の範囲を規格幅値の５％に設定したが、これに限定されることはなく、任意の数値が設定可能である。
このように本実施形態では、Ｓ１５において、Ｓ１４において測定された検査結果とＳ１２において予測された予測値との誤差が全て所定の範囲内であるか否かが判断されるので、予測の信頼性を検証して検査の信頼性を担保することができる。
ここで、Ｓ１５の判断で用いられる所定の範囲について図３（ｂ）を参照して説明すると、本実施形態では、電池１１の規格における下限規格値と上限規格値との間の規格幅値の５％を所定の範囲として設定している。本実施形態では、所定の範囲を規格幅値の５％に設定したが、これに限定されることはなく、任意の数値が設定可能である。
このように本実施形態では、Ｓ１５において、Ｓ１４において測定された検査結果とＳ１２において予測された予測値との誤差が全て所定の範囲内であるか否かが判断されるので、予測の信頼性を検証して検査の信頼性を担保することができる。
次に、Ｓ１７において、生産条件と電池特性とのデータベースＤＢ４が更新される。すなわち、Ｓ１０において取得されて生産条件に対応する電池１１の特性値が、Ｓ１４において測定された電池１１の特性値、および後述するＳ１９およびＳ２０において測定された電池１１の特性値を用いて更新される。
次に、Ｓ１８において、生産条件と電池特性とのデータベースＤＢ４に基づいて、層別モデルデータベースＤＢ２および予測モデルデータベースＤＢ３が再構築され、本処理が終了する。
すなわち、本実施形態では、層別モデルデータベースＤＢ２は、生産条件（固有技術）的に電池１１の特性が近くなると推定される生産条件の組み合わせを同じグループにグループ化して層別の切り口としている。具体的には、本実施形態では、生産条件として電池１１が製造された生産ライン番号、電池１１に使用されている正極用電極シートのロット番号、負極用電極シートのロット番号を用いたが、それに限定されるものではなく、電池１１の特性に影響を与えやすい他の生産条件を用いても差し支えない。
また、本実施形態では、予測モデルデータベースＤＢ３は、生産条件と電池特性とのデータベースＤＢ４に基づいて、層別モデルデータベースＤＢ２の各層別に、ランダムフォレストを活用して構築される。
次に、Ｓ１８において、生産条件と電池特性とのデータベースＤＢ４に基づいて、層別モデルデータベースＤＢ２および予測モデルデータベースＤＢ３が再構築され、本処理が終了する。
すなわち、本実施形態では、層別モデルデータベースＤＢ２は、生産条件（固有技術）的に電池１１の特性が近くなると推定される生産条件の組み合わせを同じグループにグループ化して層別の切り口としている。具体的には、本実施形態では、生産条件として電池１１が製造された生産ライン番号、電池１１に使用されている正極用電極シートのロット番号、負極用電極シートのロット番号を用いたが、それに限定されるものではなく、電池１１の特性に影響を与えやすい他の生産条件を用いても差し支えない。
また、本実施形態では、予測モデルデータベースＤＢ３は、生産条件と電池特性とのデータベースＤＢ４に基づいて、層別モデルデータベースＤＢ２の各層別に、ランダムフォレストを活用して構築される。
一方、Ｓ１３において、電池１１の特性の予測値が全て予測値内と判断されなかった場合には（Ｓ１３：ＮＯ）、次のＳ１９において、１つのユニットを構成する複数の電池１１全てに対して検査を実施した後、Ｓ１７へ移行する。
ここでの検査は、Ｓ１４における検査と同様に、１つのユニットに含まれる全ての電池１１に対して電池容量測定装置（図示せず）を用いて電池１１の容量を測定する。
一方、Ｓ１５において、検査結果と予測値との誤差が全て基準範囲内であると判断されなかった場合には（Ｓ１５：ＮＯ）、Ｓ２０において、Ｓ１５において抜き取り検査されなかった残りの非測定電池１１全てに対して追加検査をして実施した後、Ｓ１７へ移行する。
ここでの検査は、Ｓ１４における検査と同様に、１つのユニットに含まれる電池１１の内、Ｓ１４において抜き取り検査の対象にならなかった電池１１に対して電池容量測定装置（図示せず）を用いて電池１１の容量を測定する。
このように本実施例においては、予測の信頼性が失われていると判断された場合にも、全数を実測することで検査の信頼性を担保することができる。
ここでの検査は、Ｓ１４における検査と同様に、１つのユニットに含まれる全ての電池１１に対して電池容量測定装置（図示せず）を用いて電池１１の容量を測定する。
一方、Ｓ１５において、検査結果と予測値との誤差が全て基準範囲内であると判断されなかった場合には（Ｓ１５：ＮＯ）、Ｓ２０において、Ｓ１５において抜き取り検査されなかった残りの非測定電池１１全てに対して追加検査をして実施した後、Ｓ１７へ移行する。
ここでの検査は、Ｓ１４における検査と同様に、１つのユニットに含まれる電池１１の内、Ｓ１４において抜き取り検査の対象にならなかった電池１１に対して電池容量測定装置（図示せず）を用いて電池１１の容量を測定する。
このように本実施例においては、予測の信頼性が失われていると判断された場合にも、全数を実測することで検査の信頼性を担保することができる。
（実験例）
本実施形態の電池の検査方法を用いた実験例では、Ｓ１３において、１００％の電池１１について電池特性の予測値が全て基準範囲内と判断することができた。また、Ｓ１５において、約９３％のユニットについて、Ｓ１２において予測された電池特性の予測値と検査結果との誤差が所定の範囲と判断することができた。したがって、９割近くのユニットについて、電池１１の抜き取り検査で検査が完了した。このように本実施形態では、９割近くのユニットについて、電池１１の抜き取り検査で検査を完了させることができた。したがって、信頼性を低下することなく、効率良く良否検査を行うことができた。
本実施形態の電池の検査方法を用いた実験例では、Ｓ１３において、１００％の電池１１について電池特性の予測値が全て基準範囲内と判断することができた。また、Ｓ１５において、約９３％のユニットについて、Ｓ１２において予測された電池特性の予測値と検査結果との誤差が所定の範囲と判断することができた。したがって、９割近くのユニットについて、電池１１の抜き取り検査で検査が完了した。このように本実施形態では、９割近くのユニットについて、電池１１の抜き取り検査で検査を完了させることができた。したがって、信頼性を低下することなく、効率良く良否検査を行うことができた。
なお、上述した本実施の形態は単なる例示にすぎず、本発明を何ら限定するものではない。したがって本発明は当然に、その要旨を逸脱しない範囲内で種々の改良、変形が可能である。例えば、本実施形態では、層別モデルデータベースＤＢ２は、生産条件（固有技術）的に層別を実施するようにしたが、統計学的手法並びに機械的学習などを利用して層別の切り口を設定することも可能である。具体的には、主成分分析／判別分析／ｔ－ＳＮＥ／自己組織化マップ／ｋ－ＮＮ／ＳＶＭなどの手法を用いることができる。
また、予測モデルデータベースＤＢ３は、生産条件と電池特性とのデータベースＤＢ４に基づいてランダムフォレストの手法を用いて構築するようにしたが、統計学的手法並びに機械的学習などを利用して予測することが可能である。具体的には、重回帰分析／数量化１類／ニューラルネットワーク／ディープラーニング／Ｘｇｂｏｏｓｔ／線形回帰主成分分析／判別分析／ｔ－ＳＮＥ／自己組織化マップ／ｋ－ＮＮ／ＳＶＭなどの手法を用いることができる。
また、本実施形態では、１個のユニットの検査が終了する毎に層別モデルＤＢ２、予測モデルＤＢ３が再構築されるようにしたが、例えば、ある数、例えば２５個のユニットの検査が完了ごとにとか、一定時間ごとにとか、その他、Ｓ１５における検査値と予測値が乖離する場合が生じたときに再構築するようにしても差し支えない。
さらに、本実施形態では、生産条件と電池特性とのデータベースＤＢ４に対してデータクレンジングを未実施であるが、これに限定されることはなく、生産条件と電池特性とのデータベースＤＢ４に保存されているデータの中から、重複や誤記、表記の揺れなどを探し出し、削除や修正、正規化などを行い、データの品質を高めるようにしても差し支えない。
また、予測モデルデータベースＤＢ３は、生産条件と電池特性とのデータベースＤＢ４に基づいてランダムフォレストの手法を用いて構築するようにしたが、統計学的手法並びに機械的学習などを利用して予測することが可能である。具体的には、重回帰分析／数量化１類／ニューラルネットワーク／ディープラーニング／Ｘｇｂｏｏｓｔ／線形回帰主成分分析／判別分析／ｔ－ＳＮＥ／自己組織化マップ／ｋ－ＮＮ／ＳＶＭなどの手法を用いることができる。
また、本実施形態では、１個のユニットの検査が終了する毎に層別モデルＤＢ２、予測モデルＤＢ３が再構築されるようにしたが、例えば、ある数、例えば２５個のユニットの検査が完了ごとにとか、一定時間ごとにとか、その他、Ｓ１５における検査値と予測値が乖離する場合が生じたときに再構築するようにしても差し支えない。
さらに、本実施形態では、生産条件と電池特性とのデータベースＤＢ４に対してデータクレンジングを未実施であるが、これに限定されることはなく、生産条件と電池特性とのデータベースＤＢ４に保存されているデータの中から、重複や誤記、表記の揺れなどを探し出し、削除や修正、正規化などを行い、データの品質を高めるようにしても差し支えない。
１１ 電池
１２ 筐体
１５ 正極部材
１６ 負極部材
１２ 筐体
１５ 正極部材
１６ 負極部材
Claims (1)
- 複数の電池の特性値を検査し、その検査結果に基づいて電池の良否判定を行う電池の検査方法であって、
前記電池の生産条件をセル番号と対にして記憶する生産条件データベースから取得した生産条件に基づいて、前記電池の特性が近くなると推定される生産条件の組み合わせを同じグループにグループ化する層別の切り口を記憶する層別モデルデータベースを参照しながら前記複数の電池を層別し、
層別された前記複数の電池の特性値を、層ごとに予測モデルデータベースを参照して予測し、
予測された前記特性値の全てが、前記電池の規格における下限規格値を所定の数値上回る値と上限規格値を所定の数値下回る値との間である基準範囲内にあるか否かを判定し、 予測された前記特性値が全て前記基準範囲内に収まる場合には、前記複数の電池内から抜き取った一部の電池に対して抜き取り検査を行い、
前記抜き取り検査の結果とその電池について予測された前記特性値との誤差が全て、前記下限規格値と前記上限規格値との間の幅である規格幅値に対して所定の比率で定めた許容範囲内である場合には、予測された前記特性値をみなし検査結果として前記複数の電池の検査を完了し、
前記抜き取り検査の結果とその電池について予測された前記特性値との誤差に前記許容範囲内でないものがある場合には、前記抜き取り検査の対象としなかった全ての電池に対して追加検査を行って前記複数の電池の検査を完了し、
予測された前記特性値が前記基準範囲内に収まらない場合には、前記複数の電池の全てを検査する全数検査を行って前記複数の電池の検査を完了する電池の検査方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019021216A JP7163810B2 (ja) | 2019-02-08 | 2019-02-08 | 電池の検査方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019021216A JP7163810B2 (ja) | 2019-02-08 | 2019-02-08 | 電池の検査方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020129466A JP2020129466A (ja) | 2020-08-27 |
| JP7163810B2 true JP7163810B2 (ja) | 2022-11-01 |
Family
ID=72174720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019021216A Active JP7163810B2 (ja) | 2019-02-08 | 2019-02-08 | 電池の検査方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7163810B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7287928B2 (ja) * | 2020-09-18 | 2023-06-06 | プライムアースＥｖエナジー株式会社 | 部材選択最適化装置、部材選択最適化方法及び部材選択最適化プログラム |
| CN112485689B (zh) * | 2020-10-26 | 2024-02-06 | 沃太能源股份有限公司 | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010231338A (ja) | 2009-03-26 | 2010-10-14 | Sharp Corp | 要因分析装置および要因分析方法 |
| JP2011018482A (ja) | 2009-07-07 | 2011-01-27 | Toyota Motor Corp | 電池の検査方法 |
| JP2014071103A (ja) | 2012-10-02 | 2014-04-21 | Hitachi Ltd | 放電容量予測装置、プログラム、および電池の製造方法 |
| JP2014216134A (ja) | 2013-04-24 | 2014-11-17 | トヨタ自動車株式会社 | 電池の製造方法 |
| JP2015088311A (ja) | 2013-10-30 | 2015-05-07 | トヨタ自動車株式会社 | 二次電池の製造方法 |
| JP2015106475A (ja) | 2013-11-29 | 2015-06-08 | トヨタ自動車株式会社 | 二次電池の検査方法 |
-
2019
- 2019-02-08 JP JP2019021216A patent/JP7163810B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010231338A (ja) | 2009-03-26 | 2010-10-14 | Sharp Corp | 要因分析装置および要因分析方法 |
| JP2011018482A (ja) | 2009-07-07 | 2011-01-27 | Toyota Motor Corp | 電池の検査方法 |
| JP2014071103A (ja) | 2012-10-02 | 2014-04-21 | Hitachi Ltd | 放電容量予測装置、プログラム、および電池の製造方法 |
| JP2014216134A (ja) | 2013-04-24 | 2014-11-17 | トヨタ自動車株式会社 | 電池の製造方法 |
| JP2015088311A (ja) | 2013-10-30 | 2015-05-07 | トヨタ自動車株式会社 | 二次電池の製造方法 |
| JP2015106475A (ja) | 2013-11-29 | 2015-06-08 | トヨタ自動車株式会社 | 二次電池の検査方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020129466A (ja) | 2020-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5349810B2 (ja) | 蓄電装置の異常検出装置及び方法並びにプログラム | |
| Sauer et al. | Comparison of different approaches for lifetime prediction of electrochemical systems—Using lead-acid batteries as example | |
| JP5203394B2 (ja) | 蓄電池の性能を分析するためのエキスパート診断方法 | |
| EP2648011A1 (en) | System for predicting lifetime of battery | |
| US20110208451A1 (en) | Method and apparatus for detecting cell deterioration in an electrochemical cell or battery | |
| JP7163810B2 (ja) | 電池の検査方法 | |
| Zhang et al. | Phm‐oriented degradation indicators for batteries and fuel cells | |
| CN112526352B (zh) | 一种退役锂离子电池的soh估计方法 | |
| CN110927609B (zh) | 梯次利用电池储能系统的衰退评估方法及装置 | |
| Wimarshana et al. | Parameter sensitivity analysis of a physico-chemical lithium-ion battery model with combined discharge voltage and electrochemical impedance data | |
| JP2013165029A (ja) | 電池の検査方法 | |
| Binelo et al. | Mathematical modeling and parameter estimation of battery lifetime using a combined electrical model and a genetic algorithm | |
| Sangiri et al. | A novel methodology to estimate the state-of-health and remaining-useful-life of a Li-ion battery using discrete Fourier transformation | |
| Liu et al. | State of charge estimation algorithm based on fractional-order adaptive extended Kalman filter and unscented Kalman filter | |
| Wang et al. | Parameter sensitivity analysis and parameter identifiability analysis of electrochemical model under wide discharge rate | |
| JP2023543747A (ja) | 電池診断装置および方法 | |
| CN112354897B (zh) | 一种锂离子电池实际应用过程中电芯一致性的筛选方法 | |
| WO2023135971A1 (ja) | 蓄電池劣化評価方法 | |
| JP2008292272A (ja) | 蓄電デバイスの電圧予測方法 | |
| JP6032485B2 (ja) | 非水電解質二次電池の検査方法 | |
| JP2022034380A (ja) | 再生二次電池の製造方法 | |
| Haiying et al. | Research on the consistency of the power battery based on multi-points impedance spectrum | |
| Vatani et al. | Cycling lifetime prediction model for lithium-ion batteries based on artificial neural networks | |
| CN116243165A (zh) | 确定电池一致性的方法、装置、计算设备及车辆 | |
| JP7103105B2 (ja) | 二次電池の寿命予測方法及びその装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210526 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220525 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220609 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220920 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221003 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7163810 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |