JP7456694B2 - 電池セルのベント発生時点予測システムおよび予測方法 - Google Patents

電池セルのベント発生時点予測システムおよび予測方法 Download PDF

Info

Publication number
JP7456694B2
JP7456694B2 JP2023506058A JP2023506058A JP7456694B2 JP 7456694 B2 JP7456694 B2 JP 7456694B2 JP 2023506058 A JP2023506058 A JP 2023506058A JP 2023506058 A JP2023506058 A JP 2023506058A JP 7456694 B2 JP7456694 B2 JP 7456694B2
Authority
JP
Japan
Prior art keywords
vent
battery cell
width
occurs
predicting
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
Application number
JP2023506058A
Other languages
English (en)
Other versions
JP2023537694A (ja
Inventor
ドン・ワン・コ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Energy Solution Ltd
Original Assignee
LG Energy Solution Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LG Energy Solution Ltd filed Critical LG Energy Solution Ltd
Publication of JP2023537694A publication Critical patent/JP2023537694A/ja
Application granted granted Critical
Publication of JP7456694B2 publication Critical patent/JP7456694B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285—Testing apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4228—Leak testing of cells or batteries
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
    • H01M50/10—Primary casings; Jackets or wrappings
    • H01M50/102—Primary casings; Jackets or wrappings characterised by their shape or physical structure
    • H01M50/105—Pouches or flexible bags
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
    • H01M50/10—Primary casings; Jackets or wrappings
    • H01M50/172—Arrangements of electric connectors penetrating the casing
    • H01M50/174—Arrangements of electric connectors penetrating the casing adapted for the shape of the cells
    • H01M50/178—Arrangements of electric connectors penetrating the casing adapted for the shape of the cells for pouch or flexible bag cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
    • H01M50/30—Arrangements for facilitating escape of gases
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
    • H01M50/30—Arrangements for facilitating escape of gases
    • H01M50/342—Non-re-sealable arrangements
    • H01M50/3425—Non-re-sealable arrangements in the form of rupturable membranes or weakened parts, e.g. pierced with the aid of a sharp member
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
    • H01M50/50—Current conducting connections for cells or batteries
    • H01M50/543—Terminals
    • H01M50/552—Terminals characterised by their shape
    • H01M50/553—Terminals adapted for prismatic, pouch or rectangular cells
    • H01M50/557—Plate-shaped terminals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Secondary Cells (AREA)
  • Gas Exhaust Devices For Batteries (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)

Description

本発明は電池セルのベント発生時点を予測するためのシステムおよび方法に関する。
本出願は２０２１年７月１日付の韓国特許出願第１０－２０２１－００８６３７２号に基づいた優先権の利益を主張し、該当韓国特許出願の文献に開示されたすべての内容は本明細書の一部として含まれる。
最近、充放電が可能な二次電池はワイヤレスモバイル機器のエネルギー源として広範囲に使われている。また、二次電池は、化石燃料を使う既存のガソリン車両、ディーゼル車両などの大気汚染などを解決するための方案として提示されている電気自動車、ハイブリッド電気自動車などのエネルギー源としても注目されている。したがって、二次電池を使うアプリケーションの種類は二次電池の長所により非常に多様化されており、今後は今よりは多くの分野と製品に二次電池が適用されるものと予想される。
このような二次電池は、電極と電解液の構成によってリチウムイオン電池、リチウムイオンポリマー電池、リチウムポリマー電池などに分類されたりもし、そのうち電解液の漏液可能性が少なく、製造が容易なリチウムイオンポリマー電池の使用量が増えている。一般的に、二次電池は電池ケースの形状により、電極組立体が円筒型または角型の金属缶に内蔵されている円筒型電池および角型電池と、電極組立体がアルミニウムラミネートシートのパウチ型ケースに内蔵されているパウチ型電池に分類され、電池ケースに内蔵される電極組立体は正極、負極、および上記正極と上記負極の間に介在された分離膜を含む構造からなって充放電が可能な発電素子であり、活物質が塗布された長いシート状の正極と負極の間に分離膜を介在させて巻き取ったジェリーロール型と、所定の大きさの多数の正極と負極を分離膜に介在された状態で順次積層したスタック型に分類される。
図１は、一般的なパウチ型電池セルの形態を示した模式図である。
図１を参照すると、パウチ型電池セルはパウチ型電池ケース１０内に電極組立体２０が収納され、電池ケース１０の両側端部に電極リード３０が引き出され、電池ケースの外周辺にはシーリング部１１ａが形成された構造である。このとき、電極組立体が収納された空間と電池ケース端部の間の空間であるテラス部１１にはシーリング部１１ａおよびシーリング部と収納空間の間に空いた空間の形態のガスポケット部１１ｂが形成される。上記ガスポケット部１１ｂは、多様な理由により電池内部でガスが発生する時にガスが集まる空間である。
上記のような電池セルは顧客の要求に応じて多様な高温貯蔵実験を遂行することになる。これは過酷な条件で電池セルの安全性および耐久性を判断するためである。このとき、高温貯蔵実験でのベント時点を予測すれば、該当セルの耐久性および性能を予測することができる。
具体的には、高温環境実験などの多様な理由で電池セル内部のガス発生量が増加する場合、シーリング部１１ａの幅が次第に減少して最終的にはシーリング部１１ａが裂けてガスが排出されるベント現象が発生することになる。
従来はこのようなシーリング部１１ａのベント時点を人が直接肉眼でシーリング部１１ａの幅を測定し、これからベント時点を予測してベントの有無を確認した。このため、工程に多くの時間が必要とされたが、測定を遂行していない時点でベントが発生する場合、実験を再び遂行しなければならない問題があった。
韓国登録特許第１０－２１２５２３８号公報
本発明は上記のような課題を解決するために案出されたもので、自動でベント発生時点を予測し、ベント発生時点予測の正確性を向上させることができる電池セルのベント発生時点予測システムを提供することを目的とする。
本発明はパウチ型電池ケースの少なくとも一側にシーリング部を含むテラス部が形成され、テラス部の終端に電極リードが引き出された電池セルのベント発生時点予測システムに関し、残余シーリング部の幅に応じたベント発生時点についてのデータを収集する保存部、測定対象電池セルの残余シーリング部の幅を周期的に測定する測定部、および測定された残余シーリング部の幅と上記収集されたデータを比較して測定対象電池セルのベント発生時点を予測する判定部、を含む。
上記測定部は上記テラス部のイメージまたは映像を撮影するカメラ、および撮影されたイメージまたは映像で残余シーリング部の幅を算出する算出部、を含むことができる。
上記測定部はベント発生時点が差し迫るほど周期を短くして残余シーリング部の幅を測定することができる。
具体的な例で、上記データの収集および残余シーリング部の幅の測定は、６０℃以上の高温で遂行され得る。
具体的な例で、上記判定部はマシンラーニングまたはディープラーニングを通じて測定対象電池セルのベント発生時点を予測することができる。
具体的には、上記判定部は上記データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を導き出すことができる。
また、上記判定部は上記相関関係に基づいて、測定された残余シーリング部の幅に応じた電池セルのベント発生時点を残余シーリング部の幅の測定周期ごとに予測することができる。
他の一つの例で、本発明に係る電池セルのベント発生時点予測システムは、上記予測結果を学習するための学習部をさらに含むことができる。
具体的な例で、上記学習部はベント発生時点予測のための学習データを構成し、上記判定部は上記学習データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を新しく導き出した後、これから測定された残余シーリング部の幅に応じた電池セルのベント発生時点を予測することができる。
具体的には、上記学習部は予測されたベント発生時点と実際のベント発生時点を対比してデータの有効性を検証し、上記保存部に収集されたデータに検証結果をアップデートして学習データを構成することができる。
また、本発明は電池セルのベント発生時点予測システムを使って電池セルのベント発生時点を予測する方法を提供する。
本発明に係る電池セルのベント発生時点予測方法は、残余シーリング部の幅に応じたベント発生時点についてのデータを収集する段階、測定対象電池セルの残余シーリング部の幅を周期的に測定する段階、および測定された残余シーリング部の幅と上記収集されたデータを比較して測定対象電池セルのベント発生時点を予測する段階、を含む。
具体的な例で、上記残余シーリング部の幅を周期的に測定する段階は、カメラでテラス部のイメージまたは映像を撮影し、撮影されたイメージまたは映像で残余シーリング部の幅を算出する過程を含むことができる。
具体的な例で、上記測定対象電池セルのベント発生時点を予測する段階は、残余シーリング部の幅とこれに伴うベント発生時点との相関関係を導き出し、相関関係に基づいて測定された残余シーリング部の幅に応じた測定対象電池セルのベント発生時点を周期的に予測する過程を含むことができる。
具体的な例で、本発明は予測結果を学習する段階をさらに含むことができる。
具体的な例で、上記予測結果を学習する段階は、予測されたベント発生時点と実際のベント発生時点を対比してデータの有効性を検証し、上記データに検証結果をアップデートして学習データを構成してもよい。
上記測定対象電池セルのベント発生時点を予測する段階は、上記学習データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を新しく導き出した後、これから測定された残余シーリング部の幅に応じた電池セルのベント発生時点を予測してもよい。
本発明はマシンラーニングなどに基づいてベント発生時点を予測することによって自動でベント発生時点を予測し、ベント発生時点予測の正確性を向上させることができる。
一般的なパウチ型電池セルの形態を示した模式図である。 本発明の一実施例に係る電池セルのベント発生時点予測システムの構成を示したブロック図である。 残余シーリング部の幅を測定する過程を示した模式図である。 カメラによって撮影されたイメージを示した写真である。 本発明の他の実施例に係る電池セルのベント発生時点予測システムの構成を示したブロック図である。 予測結果を学習する過程を示したフローチャートである。 ディープラーニングによる学習方法を示した模式図である。
以下、本発明について詳細に説明することにする。これに先立ち、本明細書および特許請求の範囲に使われた用語または単語は、通常的または辞書的な意味で限定して解釈されてはならず、発明者は自身の発明を最も最善の方法で説明するために用語の概念を適切に定義できるという原則に則って本発明の技術的思想に符合する意味と概念で解釈されるべきである。
本出願で、「含む」または「有する」等の用語は、明細書上に記載された特徴、数字、段階、動作、構成要素、部品またはこれらを組み合わせたものが存在することを指定しようとするものであり、一つまたはそれ以上の他の特徴や数字、段階、動作、構成要素、部分品またはこれらを組み合わせたものなどの存在または付加の可能性を予め排除しないものと理解されるべきである。また、層、膜、領域、板などの部分が他の部分の「上に」あるとする場合、これは他の部分の「真上に」ある場合だけでなくその中間にさらに他の部分がある場合も含む。反対に層、膜、領域、板などの部分が他の部分の「下に」あるとする場合、これは他の部分の「真下に」ある場合だけでなくその中間にさらに他の部分がある場合も含む。また、本出願で「上に」配置されるとは上部だけでなく下部に配置される場合も含むものであり得る。
以下、本発明について詳しく説明する。
（第１実施形態）
図２は、本発明の一実施例に係る電池セルのベント発生時点予測システムの構成を示したブロック図である。図３は、残余シーリング部の幅を測定する過程を示した模式図である。
図２を参照すると、本発明はパウチ型電池ケースの少なくとも一側にシーリング部を含むテラス部が形成され、テラス部の終端に電極リードが引き出された電池セルのベント発生時点予測システム１００に関し、残余シーリング部の幅に応じたベント発生時点についてのデータを収集する保存部１１０、測定対象電池セルの残余シーリング部の幅Ｗを周期的に測定する測定部１２０、および測定された残余シーリング部の幅と上記収集されたデータを比較して測定対象電池セルのベント発生時点を予測する判定部１３０、を含む。
本発明はマシンラーニングなどに基づいてベント発生時点を予測することによって自動でベント発生時点を予測し、ベント発生時点予測の正確性を向上させることができる。
図１～図３を参照すると、本発明はパウチ型電池セルのベント発生時点を予測するためのものである。前述した通り、パウチ型電池セルはパウチ型電池ケース１０内に電極組立体２０が収納され、電池ケース１０の両側端部に電極リード３０が引き出され、電池ケースの外周辺にはシーリング部１１ａが形成された構造である。このとき、電極組立体が収納された空間と電池ケース端部の間の空間であるテラス部１１には、シーリング部１１ａおよびシーリング部と収納空間の間に空いた空間の形態のガスポケット部１１ｂが形成される。
上記電極リード３０は正極リードおよび負極リードを含むが、正極リードおよび負極リードは図１および図３に図示された通り、電池ケースで互いに反対方向に引き出され得るが、その構造がこれに制限されるものではない。上記電極組立体およびこれを構成する要素に関する内容は通常の技術者に公知になっている事項であるため、詳しい説明を省略する。
一方、上記電池ケース１０は電池の包装のための外装材として使われるものであれば特に制限されず、円筒型、角型またはパウチ型が使われ得るが、詳細にはパウチ型電池ケースが使われ得る。パウチ型電池ケースは通常的にアルミニウムラミネートシートで形成されており、密封のための内部シーラント層、物質の浸透を防止する金属層、およびケースの最外郭をなす外部樹脂層で構成され得る。以下、電池ケースについての具体的な内容は通常の技術者に公知の事項であるため、詳しい説明を省略する。
このとき、高温貯蔵実験などの高温環境で電池セルが動作することになる場合、電池セル内部で多量のガスが発生することになり、このようなガスはガスポケット部１１ｂに捕集される。しかし、ガスの量が過度に増加する場合、シーリング部１１ａのシーリングが破壊されて内部のガスが外へ排出されるベント現象が発生することになる。このとき、ベント現象が一時に発生するのではなく、内部の圧力が増加するにつれて残余シーリング部の幅Ｗが次第に減少することになり、内部圧力が臨界値を外れることになる場合、シーリングが破壊されながらベント現象が発生することになる。ここで、残余シーリング部の幅とは、電池セル内部の圧力が増加するにつれて、シーリング部間のシーリング（熱融着）された部分が徐々に剥がされながら残ったシーリングされた部分の幅ｗを意味する。本発明は多数のデータから実際にベント現象が発生するまで待つ必要なく、測定された残余シーリング部の幅に応じた電池セルのベント発生時点を予測することができる。
上記多数のデータは残余シーリング部の幅に応じたベント発生時点についてのデータであって、保存部１１０に保存される。保存部１１０は多数の電池セルに対して、ベント発生時点を予測および測定する過程で撮影されたイメージ、残余シーリング部の幅の数値およびベント発生時点が蓄積されてビッグデータとして構成され得る。ここで、ベント発生時点は残余シーリング部の測定後にベント発生まで所要する時間と定義され得る。このとき、上記保存部１１０は上記データを保存および管理するＤＢを含むことができ、これは後述する学習部で学習データ構成のための基礎資料として活用され得る。このとき、上記データは電池セルの規格および実験条件により分類されて保存され得る。
測定部１２０は測定対象電池セル１の残余シーリング部の幅を測定する。具体的には、上記測定部１２０は上記テラス部のイメージまたは映像を撮影するカメラ１２１、および撮影されたイメージまたは映像で残余シーリング部の幅を算出する算出部１２２、を含むことができる。
図３を図１と共に参照すると、上記テラス部１１のイメージまたは映像の撮影は、電池セル１をジグ１２３にマウンティングした状態で遂行され得る。上記ジグ１２３は少なくとも一個の電池セル１がマウンティングされ得、テラス部のイメージまたは映像の撮影が容易であるように電池セル１を固定する役割をする。図３には一個の電池セル１がジグ１２３にマウンティングされるものとして図示したが、図４のように２個以上の電池セル１が同時に装着された状態で撮影され得る。また、上記ジグ１２３にはテラス部１１のイメージが容易に撮影され、ガスポケット部１１ｂにガスの捕集が容易であるように、電池セル１が地面に垂直な方向に装着され得る。また、上記ジグ１２３はその形状に特に制限はないが、電池セルのベントに影響を与えないように電池セルとジグ１２３との接触面積は最小になることが好ましい。電極リード３０には図４のように、短絡防止のためにキャップをかぶせることが好ましい。
一方、上記カメラ１２１はイメージまたは映像の撮影ができれば、その種類に特に制限はなく、例えばＣＣＤカメラなどを使うことができる。
その他に、上記測定部１２０は撮影されたイメージを画像データで表示するディスプレイ装置（図示されず）をさらに含むことができる。
図４は、カメラによって撮影されたイメージを示した写真である。
図４に示された通り、カメラ１２１により撮影されたイメージは上記ディスプレイ装置によって画像で表示される。表示されたイメージは算出部１２２により残余シーリング部の幅ｗが測定される。上記算出部１２２は通常のコンピューティング装置であり得る。
このとき、ディスプレイ装置は上記イメージ上に一定の大きさの格子の形態で形成された目盛りを表示し、算出部１２２は上記イメージで図４に図示された通り、残余シーリング部に該当する部分の幅を目盛りと対照して計算することができる。図４の場合、残余シーリング部の幅は８．７ｍｍと計算されることが分かる。
このような過程は電池セルのベント発生時まで周期的に遂行されながら、残余シーリング部の幅に応じたベント発生時点を記録したデータが保存部１１０に保存され得る。このとき、電池セル内部のガス発生により残余シーリング部の幅が次第に減少することになるが、上記測定部１２０はベント発生時点が差し迫るほど、すなわち残余シーリング部の幅が減少するほど、その周期を短くして残余シーリング部の幅を測定することになる。これは残余シーリング部の幅が減少するほどパウチの間の接着力が減少して分離が加速されるためである。このため、測定周期を短くしてベント時点を正確に捕捉できるのである。
一方、このような電池セルのベンティング現象は、高温貯蔵実験のように電池セルが高温環境に置かれた時に発生する確率が高いので、上記データの収集および残余シーリング部の幅の測定は高温で遂行され得、具体的には、６０℃以上の高温で遂行され得る。
測定部１２０で測定された結果は、保存部１１０に伝送された後に保存されてデータの一部として構成され得る。
残余シーリング部の幅が測定されると、これから電池セルのベント時点が予測される。上記判定部１３０はコンピューティング装置で遂行され得、マシンラーニングまたはディープラーニングを通じて測定対象電池セルのベント発生時点を自動で予測するところ、予測の正確性が向上し得る。
具体的には、上記判定部１３０は上記データ、換言すると、残余シーリング部の幅に応じたベント発生時点についてのデータから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を導き出すことができる。残余シーリング部の幅とこれに伴うベント発生時点との相関関係とは、残余シーリング部の幅の測定値に対するベント発生時点（ベントまでの所要時間）が示す傾向性を意味する。例えば、上記残余シーリング部の幅とこれに伴うベント発生時点との相関関係を一つの式で表すことができ、これは回帰分析によって遂行され得る。これを通じて、残余シーリング部の幅を独立変数に設定し、ベント発生時点を従属変数に設定した後、データを適切に反映する関係式が導き出され得る。上記関係式は一次関数、二次関数、その他の多項関数、指数関数、ログ関数などの多様な形態で表され得る。例えば、ベント発生時点が残余シーリング部の幅に対して一次関数の関係がある場合、関係式は下記のように表現され得る。
ｙ＝ａｘ＋ｂ
（上記式１において、ｘは残余シーリング部の幅（ｍｍ）であり、ｙは残余シーリング部の幅の測定後ベント発生までの所要時間（ｈ）、ａおよびｂは定数）
このように残余シーリング部の幅とベント発生時点の間の関係を数式で図式化することによって、残余シーリング部の幅さえ測定すれば、これに伴うベント発生時点が自動で予測され得る。
残余シーリング部の幅とこれに伴うベント発生時点との相関関係が導き出されると、上記判定部１３０は上記相関関係に基づいて、測定された残余シーリング部の幅に応じた電池セルのベント発生時点で残余シーリング部の幅を予測することができる。相関関係が上記のような数式で導き出された場合、測定された残余シーリング部の幅を数式に代入してベント時点を予測することができる。測定部１２０が残余シーリング部の幅を一定の周期で予測するため、判定部１３０も電池セルのベント発生時点を残余シーリング部の幅の測定周期ごとに予測することができる。
上述した過程は、電池セルのベントが発生する時点まで自動で繰り返し遂行される。すなわち、本発明に係る電池セルのベント発生時点予測システムは、残余シーリング部の幅を測定し、これを予め保存されたデータと比較してベント発生時点を予測し、ベントが発生しなかった場合、再び一定の周期で残余シーリング部の幅を測定する過程を繰り返すことができる。このような方法を通じて、人が肉眼で確認して実験した場合に比べて正確性を向上させることができ、ベント発生瞬間を正確に捕捉できるのである。
（第２実施形態）
図５は本発明の他の実施例に係る電池セルのベント発生時点予測システムの構成を示したブロック図であり、図６は予測結果を学習する過程を示したフローチャートである。図７は、ディープラーニングによる学習方法を示した模式図である。
図５を参照すると、電池セルのベント発生時点予測システム２００は上記予測結果を学習するための学習部１４０をさらに含むことができる。本発明で、上記学習部は算出部および判定部と比較した時、便宜上その役割を区分しておいたものであり、算出部および判定部と同様に、コンピューティング装置で構成され、算出部および判定部などのような装置で遂行され得る。本発明はマシンラーニングまたはディープラーニングを通じて、予測結果が正確または不正確な場合、これを反映することによって予測の正確性をさらに向上させることができる。
図５を図６と共に参照すると、上記学習部１４０はベント発生時点予測のための学習データを構成することができる。上記学習データは保存部に予め保存されたデータに新しく測定された結果をアップデートして構成され得る。まず、上記学習部１４０は予測されたベント発生時点と実際のベント発生時点を対比してデータの有効性を検証する。予測されたベント発生時点と実際のベント発生時点が一致する場合、データが有効なものと判断し、これを保存部１１０に記録することになる。もし予測されたベント発生時点と実際のベント発生時点が不一致の場合、保存部１１０に保存されたデータを修正およびアップデートする。このとき、保存されたデータとともに入力される実験条件（電池セルの温度など）を共に考慮して、データが不一致になった理由を分析することができる。学習部は上記保存部１１０に検証結果をアップデートして学習データを構成することになる。このように、学習部１４０はマシンラーニングを通じてより正確なデータを導き出すことができる。
ひいては、上記学習部１４０の学習データ構成およびデータの学習をディープラーニングによって遂行する場合、上記学習部１４０は深層ニューラルネットワークで構成され得る。
深層ニューラルネットワーク（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ＤＮＮ）は、学習されたデータに基づいて入力されたデータを分類するディープラーニング（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）モデルのうち一つであり、一つ以上のコンピュータ内に一つ以上のレイヤ（Ｌａｙｅｒ）を構築して、複数のデータに基づいて判断を遂行するシステムまたはネットワークを意味する
図７を参照すると、深層ニューラルネットワークは入力レイヤ（ｉｎｐｕｔ ｌａｙｅｒ、１４１）、一つ以上の隠れレイヤ（ｈｉｄｄｅｎ ｌａｙｅｒ、１４２）および出力レイヤ（ｏｕｔｐｕｔ ｌａｙｅｒ、１４３）で構成され得る。
入力レイヤ１４１には上記学習データが入力され、隠れレイヤと出力レイヤを通じて計算された結果値を実際の値と比較して、加重値の値を逆にアップデートする。すべての学習が終わった後に、予測が必要な情報を入力して結果値を得ることができる。
隠れレイヤ１４２はコンボリューションレイヤ（ｃｏｎｖｏｌｕｔｉｏｎ ｌａｙｅｒ）、プーリングレイヤ（ｐｏｏｌｉｎｇ ｌａｙｅｒ）および完全連結レイヤ（ｆｕｌｌｙ ｃｏｎｎｅｃｔｅｄ ｌａｙｅｒ）を含むことができる。ここで、コンボリューションレイヤは、入力レイヤに入力されたイメージに対して特徴マップを抽出し、コンボリューション演算を遂行できる。プーリングレイヤはコンボリューションレイヤと連結されてコンボリューションレイヤの出力に対するサブサンプリングを遂行できる。完全連結レイヤはプーリングレイヤと連結されてサブサンプリングされたプーリングレイヤの出力を学習して出力レイヤ３２３に出力されるカテゴリーによって学習することができる。
一方、深層ニューラルネットワークをなす各層の連結構造は公知のアルゴリズムを適切に選択して形成され得、例えば、螺旋形ニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ＣＮＮ）構造または循環型ニューラルネットワーク（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ＲＮＮ）構造で形成され得る。
このような深層ニューラルネットワークは一つのコンピュータ内で具現されてもよく、複数のコンピュータが連結されてネットワーク網を通じて具現されてもよい。
上記学習部１４０はアップデートされた学習データを深層ニューラルネットワーク上の入力レイヤ１４１に入力する。入力された学習データは隠れレイヤ１４２を経て出力レイヤ１４３で最終的なアウトプットとして出力される。上記学習部は予測結果の有効性検証結果による加重値をアップデートすることによって、新しくアップデートされた学習データを学習することができる。
データの学習が完了すれば、上記判定部１３０は上記学習されたデータから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を新しく導き出した後、これから測定された残余シーリング部の幅に応じた電池セルのベント発生時点を予測することになる。以後、予測結果に対する有効性を検証し、これを反映する過程が繰り返し遂行され、予測結果の正確性をさらに向上させることができる。
また、本発明は前述したような電池セルのベント発生時点を使って電池セルのベント発生時点を予測する方法を提供する。
具体的には、上記電池セルのベント発生時点予測方法は、残余シーリング部の幅に応じたベント発生時点についてのデータを収集する段階、測定対象電池セルの残余シーリング部の幅を周期的に測定する段階、および測定された残余シーリング部の幅と上記収集されたデータを比較して測定対象電池セルのベント発生時点を予測する段階、を含むことができる。
上記データを収集する段階では、保存部に多数の電池セルに対してベント発生時点を予測および測定する過程で撮影されたイメージ、残余シーリング部の幅の数値およびベント発生時点が蓄積され得る。
上記残余シーリング部の幅を周期的に測定する段階は、カメラでテラス部のイメージまたは映像を撮影し、撮影されたイメージまたは映像で残余シーリング部の幅を算出する過程を含むことができる。上記撮影過程は電池セルをジグにマウンティングした状態で遂行され得る。撮影されたイメージがディスプレイ装置上に表示された状態で残余シーリング部の幅が測定され得る。
残余シーリング部の幅の測定は電池セルのベント発生時まで周期的に遂行され、残余シーリング部の幅に応じたベント発生時点を記録したデータが保存部に保存され得る。このとき、ベント発生時点が差し迫るほどその周期を短くして残余シーリング部の幅を測定することができる。また、上記過程は６０℃以上の高温で遂行され得る。
一方、上記測定対象電池セルのベント発生時点を予測する段階は、マシンラーニングまたはディープラーニングによって遂行され得、残余シーリング部の幅とこれに伴うベント発生時点との相関関係を導き出し、相関関係に基づいて測定された残余シーリング部の幅に応じた測定対象電池セルのベント発生時点を周期的に予測する過程を含むことができる。上記相関関係を導き出すことは回帰分析によって遂行され得、具体的な方法は前述した通りである。
また、本発明に係る電池セルのベント発生時点予測方法は予測結果を学習する段階をさらに含むことができる。
上記予測結果を学習する段階は、予測されたベント発生時点と実際のベント発生時点を対比してデータの有効性を検証し、上記データに検証結果をアップデートして学習データを構成する過程を含むことができる。
以後、上記学習データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を新しく導き出した後、これから測定された残余シーリング部の幅に応じた電池セルのベント発生時点が予測され得る。
以上の説明は本発明の技術思想を例示的に説明したものに過ぎず、本発明が属する技術分野で通常の知識を有する者であれば、本発明の本質的な特性から逸脱しない範囲で多様な修正および変形が可能であろう。したがって、本発明に開示された図面は本発明の技術思想を限定するためのものではなく説明するためのものであり、このような図面によって本発明の技術思想の範囲が限定されるものではない。本発明の保護範囲は下記の特許請求の範囲によって解釈されるべきであり、それと同等な範囲内にあるすべての技術思想は本発明の権利範囲に含まれるものと解釈されるべきである。
一方、本明細書で上、下、左、右、前、後のような方向を示す用語が使われたが、このような用語は説明の便宜のためのものに過ぎず、対象となる事物の位置や観測者の位置などにより変わり得ることは自明である。
１：電池セル
１０：電池ケース
１１：テラス部
１１ａ：シーリング部
１１ｂ：ガスポケット部
２０：電極組立体
３０：電極リード
１００：ベント発生時点予測システム
１１０：保存部
１２０：測定部
１２１：カメラ
１２２：算出部
１２３：ジグ
１３０：判定部
１４０：学習部
１４１：入力レイヤ
１４２：隠れレイヤ
１４３：出力レイヤ

Claims (16)

  1. パウチ型電池ケースの少なくとも一側にシーリング部を含むテラス部が形成され、前記テラス部の終端に電極リードが引き出された電池セルのベント発生時点予測システムにおいて、
    残余シーリング部の幅に応じたベント発生時点についてのデータを収集する保存部、
    測定対象電池セルの残余シーリング部の幅を周期的に測定する測定部、および
    測定された残余シーリング部の幅と前記収集されたデータを比較して測定対象電池セルのベント発生時点を予測する判定部、を含む、電池セルのベント発生時点予測システム。
  2. 前記測定部は前記テラス部のイメージまたは映像を撮影するカメラ、および
    撮影されたイメージまたは映像で残余シーリング部の幅を算出する算出部、を含む、請求項１に記載の電池セルのベント発生時点予測システム。
  3. 前記測定部はベント発生時点が差し迫るほど周期を短くして残余シーリング部の幅を測定する、請求項１に記載の電池セルのベント発生時点予測システム。
  4. 前記データの収集および残余シーリング部の幅の測定は、
    ６０℃以上の高温で遂行される、請求項１に記載の電池セルのベント発生時点予測システム。
  5. 前記判定部はマシンラーニングまたはディープラーニングを通じて測定対象電池セルのベント発生時点を予測する、請求項１に記載の電池セルのベント発生時点予測システム。
  6. 前記判定部は前記データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を導き出す、請求項５に記載の電池セルのベント発生時点予測システム。
  7. 前記判定部は前記相関関係に基づいて、測定された残余シーリング部の幅に応じた電池セルのベント発生時点を残余シーリング部の幅の測定周期ごとに予測する、請求項６に記載の電池セルのベント発生時点予測システム。
  8. 予測結果を学習するための学習部をさらに含む、請求項１に記載の電池セルのベント発生時点予測システム。
  9. 前記学習部はベント発生時点予測のための学習データを構成し、
    前記判定部は前記学習データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を新しく導き出した後、これから測定された残余シーリング部の幅に応じた電池セルのベント発生時点を予測する、請求項８に記載の電池セルのベント発生時点予測システム。
  10. 前記学習部は予測されたベント発生時点と実際のベント発生時点を対比してデータの有効性を検証し、
    前記保存部に収集されたデータに検証結果をアップデートして学習データを構成する、請求項８に記載の電池セルのベント発生時点予測システム。
  11. 請求項１から１０のいずれか一項に記載された電池セルのベント発生時点予測システムを使って電池セルのベント発生時点を予測する方法において、
    残余シーリング部の幅に応じたベント発生時点についてのデータを収集する段階、
    測定対象電池セルの残余シーリング部の幅を周期的に測定する段階、および
    測定された残余シーリング部の幅と前記収集されたデータを比較して測定対象電池セルのベント発生時点を予測する段階、を含む、電池セルのベント発生時点予測方法。
  12. 前記残余シーリング部の幅を周期的に測定する段階は、
    カメラで前記テラス部のイメージまたは映像を撮影し、撮影されたイメージまたは映像で残余シーリング部の幅を算出する過程を含む、請求項１１に記載の電池セルのベント発生時点予測方法。
  13. 前記測定対象電池セルのベント発生時点を予測する段階は、
    残余シーリング部の幅とこれに伴うベント発生時点との相関関係を導き出し、前記相関関係に基づいて測定された残余シーリング部の幅に応じた測定対象電池セルのベント発生時点を周期的に予測する過程を含む、請求項１１に記載の電池セルのベント発生時点予測方法。
  14. 予測結果を学習する段階をさらに含む、請求項１１に記載の電池セルのベント発生時点予測方法。
  15. 前記予測結果を学習する段階は、
    予測されたベント発生時点と実際のベント発生時点を対比してデータの有効性を検証し、前記データに検証結果をアップデートして学習データを構成する、請求項１４に記載の電池セルのベント発生時点予測方法。
  16. 前記測定対象電池セルのベント発生時点を予測する段階は、
    前記学習データから残余シーリング部の幅とこれに伴うベント発生時点との相関関係を新しく導き出した後、これから測定された残余シーリング部の幅に応じた電池セルのベント発生時点を予測する、請求項１５に記載の電池セルのベント発生時点予測方法。
JP2023506058A 2021-07-01 2022-06-29 電池セルのベント発生時点予測システムおよび予測方法 Active JP7456694B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020210086372A KR20230005534A (ko) 2021-07-01 2021-07-01 전지셀의 벤트 발생시점 예측 시스템 및 예측방법
KR10-2021-0086372 2021-07-01
PCT/KR2022/009293 WO2023277561A1 (ko) 2021-07-01 2022-06-29 전지셀의 벤트 발생시점 예측 시스템 및 예측방법

Publications (2)

Publication Number Publication Date
JP2023537694A JP2023537694A (ja) 2023-09-05
JP7456694B2 true JP7456694B2 (ja) 2024-03-27

Family

ID=84690490

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023506058A Active JP7456694B2 (ja) 2021-07-01 2022-06-29 電池セルのベント発生時点予測システムおよび予測方法

Country Status (6)

Country Link
US (1) US20230299366A1 (ja)
EP (1) EP4175009A1 (ja)
JP (1) JP7456694B2 (ja)
KR (1) KR20230005534A (ja)
CN (1) CN116261648A (ja)
WO (1) WO2023277561A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101167096B1 (ko) 2011-12-20 2012-07-20 주식회사 스마트하이텍 팩 외관 검사 장치 및 방법
JP2019522881A (ja) 2017-01-24 2019-08-15 エルジー・ケム・リミテッド バッテリーモジュールの変形予測装置
JP2022533542A (ja) 2019-08-05 2022-07-25 エルジー エナジー ソリューション リミテッド バッテリー管理装置、バッテリー管理方法及びバッテリーパック

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3163669B1 (en) * 2014-06-24 2019-10-30 Kabushiki Kaisha Toshiba Degradation control device of storage battery system and method for same
KR102125238B1 (ko) 2016-01-06 2020-06-22 주식회사 엘지화학 전지셀의 두께 팽창량 추정 장치 및 그것을 이용한 추정 방법
KR102122292B1 (ko) * 2016-06-23 2020-06-12 주식회사 엘지화학 이차전지용 파우치 외장재 실링부 폭 측정 지그
KR20210086372A (ko) 2019-12-30 2021-07-08 삼성전자주식회사 디스플레이 장치 및 그 조립 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101167096B1 (ko) 2011-12-20 2012-07-20 주식회사 스마트하이텍 팩 외관 검사 장치 및 방법
JP2019522881A (ja) 2017-01-24 2019-08-15 エルジー・ケム・リミテッド バッテリーモジュールの変形予測装置
JP2022533542A (ja) 2019-08-05 2022-07-25 エルジー エナジー ソリューション リミテッド バッテリー管理装置、バッテリー管理方法及びバッテリーパック

Also Published As

Publication number Publication date
EP4175009A1 (en) 2023-05-03
JP2023537694A (ja) 2023-09-05
CN116261648A (zh) 2023-06-13
KR20230005534A (ko) 2023-01-10
WO2023277561A1 (ko) 2023-01-05
US20230299366A1 (en) 2023-09-21

Similar Documents

Publication Publication Date Title
Gilaki et al. Impact modeling of cylindrical lithium-ion battery cells: a heterogeneous approach
US9419314B2 (en) Systems and methods for determining battery system power capability
CN111656207B (zh) 确定二次电池中的内部气体的产生加速的阶段的方法
US11929471B2 (en) Method and device for detecting a thermal runaway in a battery module
Höschele et al. Influence of reversible swelling and preload force on the failure behavior of a lithium-ion pouch cell tested under realistic boundary conditions
Yang et al. A review on models to prevent and control lithium-ion battery failures: From diagnostic and prognostic modeling to systematic risk analysis
JP7456694B2 (ja) 電池セルのベント発生時点予測システムおよび予測方法
KR20170019880A (ko) 전지셀의 두께 측정이 가능한 충방전 장치
Ebert et al. Simulation of spatial strain inhomogeneities in lithium-ion-cells due to electrode dilation dependent on internal and external cell structures
JP2021170436A (ja) 二次電池の検査方法
KR20200053784A (ko) 전지셀의 전극 탭 접힘 불량 판별 시스템 및 그 방법
KR20220138739A (ko) 상대 비교를 통한 이상 전지 검출 방법
US20240304872A1 (en) Battery module capable of early detection of gas venting, battery pack, and method for early detection of gas venting
JP7570766B2 (ja) ガスベンティングの早期検出が可能な電池モジュール、電池パックおよびガスベンティングの早期検出方法
US20230073871A1 (en) Battery cell jig comprising spacer, apparatus comprising same for measuring volume of battery cell, and method for measuring volume of battery cell using same
KR20230103981A (ko) 가스 벤팅의 조기 검출이 가능한 전지 모듈, 전지 팩 및 가스 벤팅의 조기 검출 방법
EP4432459A1 (en) Battery cell state management system and method
KR102326435B1 (ko) co-relation 함수를 적용한 파우치 내 알루미늄의 잔존량 예측방법
EP4310486A1 (en) Absolute humidity calculation device and operation method thereof
KR20220170263A (ko) 파우치형 전지 케이스 검사 시스템 및 검사 방법
US20240361117A1 (en) Battery system and abnormality sensing method for battery system
US20220412911A1 (en) Welding failure inspection method
Trajkovic Fault Diagnosis and Static Analysis of Micro-Short Circuit in Lithium-Ion Batteries
Francis Towards Better Understanding of Failure Modes in Lithium-Ion Batteries: Design for Safety
Gilaki Design for Safety: Characterization of Structural Impact on Lithium-ion Batteries

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230127

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: 20240213

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240307

R150 Certificate of patent or registration of utility model

Ref document number: 7456694

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150