登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《【InfoMat 】人工智能制造减少了电池缺陷和成本》

  • 来源专题：新能源汽车
  • 编译者： 王晓丽
  • 发布时间：2025-05-29

  • 研究机构?：

    韩国蔚山国立科学技术院(UNIST)与工业科学技术研究院(RIST)联合团队

    ?核心人员?：

    Im Doo Jung教授（机械工程与人工智能研究生院）

    第一作者：Junyoung Seo、Taekyeong Kim（UNIST机械工程系）?

    研究内容?：?

    • 技术突破?：开发AI实时控制系统，优化高镍三元前驱体(LiNixCoyMnzO2)生产工艺通过调控搅拌速度、pH值、氨浓度等参数，将镍浸出率降低至原水平的1/15采用领域自适应AI技术，使缺陷检测准确率达97.8%?
    • 产业验证?：在11.5吨级工业反应器中测试年均可减少22亿韩元（约合160万美元）的原料与生产损失?
    • 创新点?：全球首次将领域自适应AI应用于电池材料量产解决传统AI模型因设备老化/扩产导致的预测偏差问题?成果

    应用前景?：

    该技术可扩展至化工、机械、半导体等大规模制造领域。

    原文链接: Junyoung Seo et al, High quality large‐scale nickel‐rich layered oxides precursor co‐precipitation via domain adaptation‐based machine learning, InfoMat (2025). DOI: 10.1002/inf2.70031

  • 原文来源：https://techxplore.com/news/2025-05-ai-powered-battery-defects.html
17浏览量
原文链接
相关报告

  • 《机器视觉和人工智能在现代制造中的关键作用》
    • 来源专题：智能制造
    • 编译者：icad
    • 发布时间：2024-02-28
    •   在竞争日益激烈和监管日益严格的环境中，机器视觉(MV)解决方案对于制造商来说变得至关重要。在严格的监管要求、创新的制造技术和严重的劳动力短缺的推动下，该行业正在转向技术解决方案。   人工智能在MV中的重要性与日俱增   将人工智能集成到机器视觉解决方案中代表着制造业的重大转变。预测质量控制机器视觉市场将出现显着增长，预计将从2023年的23亿美元增长到2028年的72亿美元。这种增长轨迹强调了人工智能在现代制造业中的关键作用，其驱动力是其增强和增强的能力传统的中压系统。   人工智能在机器视觉领域的优势   将人工智能(AI)集成到制造业的机器视觉(MV)中可带来一系列变革性优势，重塑工业质量控制的格局。最大的优势之一是提高了识别缺陷的准确性和精确度。人工智能算法擅长处理视觉数据，大大减少错误并确保高精度。这种准确性对于保持产品质量标准的一致性至关重要。   另一个关键优势是检查速度的显着提高。AI驱动的MV系统可以实时分析视觉数据，从而在不影响质量的情况下实现更快的检测速度。这种高速处理对于维持高效的生产线和支持高吞吐量的制造环境至关重要。   人工智能还提供了卓越的适应性和灵活性。它可以从新数据中学习，使其适应不同的产品或制造环境。这种学习能力允许根据特定的制造需求和要求进行定制，使人工智能成为制造武器库中令人难以置信的多功能工具。   此外，从长远来看，人工智能在MV中的集成可以带来显着的成本效益。通过减少材料浪费并最大限度地减少手动检查的需要，MV中的人工智能可以节省大量劳动力成本。此外，它还通过减少潜在危险环境中的人为干预需求并减轻工人重复性任务的压力来增强安全性和人体工程学。   运营的可扩展性是另一个重要优势。AI驱动的MV系统可以轻松扩展或适应不同的生产线，从而灵活地响应产品设计或制造方法的变化。人工智能提供的丰富的数据驱动见解补充了这种可扩展性。通过分析大量数据，人工智能可以识别趋势和模式，帮助进行预测性维护并提高制造效率。   最后，在MV中采用人工智能可以为制造商提供竞争优势。它将他们定位为创新和技术的领导者，从而能够更快地适应市场需求和变化。环境效益进一步增强了这种竞争优势，因为人工智能优化的流程通过资源优化和能源效率有助于实现更可持续的制造实践。   要点：   ● 提高缺陷检测的准确性和精确度。   ● 提高检测速度以实现高效生产。   ● 对不同制造环境的适应性和灵活性。   ● 长期节省成本并提高安全性。   ● 可扩展性和丰富的数据驱动见解。   ● 竞争优势和环境效益。   人工智能与机器视觉集成的挑战和限制   尽管有这些优势，但在制造中将人工智能与机器视觉相结合也并非没有挑战。最令人畏惧的问题之一是高昂的初始成本和投资回报率(ROI)的不确定性。AI-MV系统的部署需要对先进硬件和软件进行大量资本投资。此外，制造商经常面临投资回报率的不确定性，尤其是当生产力提高或缺陷减少等效益可能需要一段时间才能显现出来时。   另一个重大挑战是将这些先进系统与现有制造基础设施集成。旧设备和软件的兼容性问题可能会造成相当大的障碍，而重新配置现有工作流程以适应AI-MV系统可能会扰乱生产流程。   对技术专业知识的需求是另一个障碍。通常缺乏能够操作和维护这些复杂系统的熟练人员。此外，人工智能技术的快速发展需要对劳动力进行持续培训和提高技能，从而加剧了资源紧张。   数据隐私和安全问题也很突出。AI-MV系统对数据的依赖日益增加，引发了数据漏洞问题以及遵守严格数据保护法规的需要。此外，维持系统可靠性和诊断人工智能驱动系统中的问题的复杂性可能会导致生产延迟和质量问题。   可扩展性和灵活性问题也带来了挑战。人工智能模型可能难以快速适应产品设计或制造流程的变化，需要额外的投资和再培训。人工智能和机器视觉技术缺乏标准化可能会导致互操作性问题和对特定供应商的依赖，从而限制制造商的灵活性。   人工智能的“黑匣子”性质是另一个严峻的挑战。人工智能决策过程缺乏透明度可能会导致信任问题，尤其是在质量控制和监管合规性至关重要的行业。由于训练人工智能模型对质量数据的依赖，这一问题变得更加复杂。数据不充分或有偏差可能会导致人工智能预测不准确，从而破坏系统的有效性。   要点：   ● 初始成本高，投资回报率不确定。   ● 与现有系统的复杂集成。   ● 需要技术专业知识和持续培训。   ● 数据隐私、安全问题和系统可靠性问题。   ● 可扩展性和灵活性的挑战。   ● 人工智能决策缺乏标准化和透明度。   未来展望与创新   展望未来，持续的创新有望进一步增强这些技术，使它们更具适应性、更高效，并且更能融入制造流程。随着人工智能在质量控制方面的优势变得更加明显，其在制造业的采用将继续增长。这种增长不仅仅是市场的扩大，更是技术本身的演进和完善。制造商越来越多地寻求人工智能增强的MV解决方案来应对现代生产环境的挑战。   将人工智能集成到机器视觉中正迅速成为制造业的关键组成部分。这项技术正在改变现有流程并为质量和效率设定新标准。随着市场不断扩大和发展，人工智能在机器视觉中的作用变得越来越重要，有望解决当前的挑战并塑造制造业的未来。 
    132浏览量
    原文链接

  • 《智能制造的试验台》
    • 来源专题：智能制造
    • 编译者：icad
    • 发布时间：2025-01-16
    • 新技术是制造业的增长引擎，但变革有中断和巨大成本的风险。使用技术测试台逐步推出新设备和软件有助于在生产部署之前改进和优化流程。 为什么要建立一个试验台？ 技术测试台通过提供一个受控的环境来识别风险并在不中断生产的情况下进行实验，从而降低了全面部署期间失败的可能性。通常，测试台使用按比例缩小的设备来最大限度地降低成本，同时仍然反映全尺寸系统的关键功能和能力。 中试工厂 所有试验台都证明了新的制造工艺，但中试工厂的规模最大。旗舰设施通常是新建的，至少雇佣了一些全职员工，需要大量的资本投资。它们通常是与政府或经济发展组织合作建立的。在中试工厂，研究人员、科学家和工程师的迭代设计、测试和实验导致接近正确的工艺参数，这些参数将延续到全面生产中。 中试工厂示例 2024年，在美国国家能源技术实验室（NETL）的支持下，位于德克萨斯州圣安东尼奥的西南研究所开设了超临界变压电力（STEP）测试设施。通过展示超临界二氧化碳（sCO2）涡轮机技术，中试工厂验证了sCO2布雷顿动力循环的效率、可扩展性和环境效益。它以4兆瓦的电网同步功率运行，为涡轮机性能、热管理和系统集成提供了见解。演示设施能够对设备、工艺设计和操作条件进行真实世界的测试。 2019年至2022年，芬兰VTT技术研究中心有限公司建造了一座纤维加工中试厂，开发了一种半自动的数字双胞胎生产工艺。该工厂使用详细的模拟和受控环境来发现和解决现实世界的挑战，如集成遗留系统和自动化数据提取。这种方法在加速数字化转型的同时最大限度地降低了风险和成本，展示了试点规模的设置如何有助于将理论概念与工业规模的实施联系起来。 2024年宣布或开业的其他试点制造厂： 木质碳纤维 硅电池 乙醇基合成橡胶 无稀土永磁体 改装试验台 与试点工厂不同，这些工厂不会因创造新的就业机会或地区经济收益而成为头条新闻。这种规模的试验台在大学和研究机构很常见。行业联盟也可以成为合作进行后期研发或早期商业化有前景的新技术的途径。 改装试验台示例 从2016年开始，美国国家标准与技术研究院（NIST）主持了智能制造系统测试台，以促进产品生命周期数据的研究。该测试台从位于马里兰州盖瑟斯堡的NIST园区机械车间的12台机床中提取数据。连接到试验台的设备包括立式和卧式加工中心、铣床和三坐标测量机。机械车间向NIST研究人员提供零件，测试台的连接和软件组件分层在现有设备、调度和过程管理软件工具之上。 2022年，芝加哥MxD部署了一个数字孪生框架，以加强制造过程管理。该框架对数据收集和分析进行了标准化，以提高生产运营的可见性和控制。该项目还测试了一种“移动工人”解决方案，使设备操作员能够在移动设备上实时接收任务、访问关键数据和更新状态。该测试平台允许制造商在安全、低风险的环境中评估人工智能驱动的分析、预测性维护、网络安全等，帮助他们在承诺全面采用之前了解每种工具。通过模拟真实世界的流程，该测试平台支持培训和技能发展，使员工能够熟悉新的工具和技术。 台式试验台 中试装置或试验台改造背后的相同原理也可以应用于独立的台式或台式试验台。当这些小规模工具由公司开发时，它们通常不会发布。对于那些在大学环境中建造或共同开发的建筑，学术文献中都有相关报道。 台式试验台示例 基于Linux的数控开放控制系统（萨格勒布大学，2013） 技术试验台的局限性 由于它们旨在反映现实世界的制造条件，因此构建和维护测试台也面临着类似的挑战。这些包括安全、数据安全和隐私、系统集成以及物理和虚拟基础设施管理。有限的空间、资金和利益相关者参与等资源限制也会减缓进展。 此外，还需要良好的实验设计。测试用例需要明确规定并妥善记录。结果需要清晰明了，易于传播。否则，测试平台的发现可能永远不会扩大规模或应用于生产。 AMT试验台 AMT-制造技术协会于2018年建立了一个带有台式五轴铣床的“快闪店”，作为机器连接和数字螺纹的演示和研究平台。后来，增加了一系列协作机器人，将原来的铣床升级为新型号。除了员工培训外，AMT试验台上的活跃研究领域还包括： MTConnect中的规范和功能建模 工业物联网的远程访问、安全和安保 标准协调（ROS、OPC UA、MTConnect、MQTT） 设备清单： Penta Machine Co.PocketNC v2台式五轴数控铣床（带外壳） IGUS ReBeL6机械臂+Schunk夹持器 Intel RealSense D435i深度感应立体相机 Sonicwall防火墙 用于CAD和仿真、单元控制和远程访问的专用Windows工作站 AMT试验台是为机器人辅助加工而建立的。它还有一个基于MTConnect的数据收集系统，以及对该单元的安全、基于帐户的远程访问。 本文由Chloe Radigan与Russ Waddell合作撰写，并得到了Benjamin Moses和Stephen LaMarca的额外支持。
    62浏览量
    原文链接