特許ウォッチ

公開番号2025106510
公報種別公開特許公報(A)
公開日2025-07-15
出願番号2025065340,2023146952
出願日2025-04-10,2019-10-02
発明の名称電池セルの選別方法および電池セル取扱装置
出願人エリーパワー株式会社
代理人個人
主分類H01M 10/42 20060101AFI20250708BHJP(基本的電気素子)
要約【課題】リードタイムの短縮や適切な電池セルの再利用の判断、電池セルに対する適切な保守管理を実現する。
【解決手段】各工程における良品あるいは不良品の電池セルに関する過去の複数のデータから良品あるいは不良品の電池セルに関する各データ間の規則性情報を抽出し、良品あるいは不良品の電池セルに関する各データ間の規則性情報を入力して、良品あるいは不良品の電池セルごとの共通点、良品と不良品の電池セルの特異点を抽出する。そして、特異点に基づいて、良品の電池セルと不良品の電池セルとを判別可能な条件式に基づく判定モデルを用い、製造過程等、各管理過程の各工程で得られる電池セルのデータから、判定モデルでの判定に必要なデータをそろえ、判定モデルを用いて、電池セルの良品判定あるいは不良品判定を行う。
【選択図】図1
特許請求の範囲【請求項１】
複数の工程を有する電池セルの取り扱いにおける各工程において得られるデータを用いて、良品の前記電池セルと不良品の前記電池セルとを判別可能な判定モデルを作成するステップと、
前記各工程において、各電池セルに対する種々のデータを取得するステップと、
前記各工程で取得したデータのうち、前記判定モデルを用いた前記電池セルの判定に必要なデータを入力データとして、前記判定モデルを用いて、前記電池セルの良品判定あるいは不良品判定を行うステップと、
前記判定の結果、前記良品と判定された前記電池セルと前記不良品と判定された前記電池セルとではそれぞれ判定結果に応じた異なる取り扱いを施すステップと、
を含み、
前記各工程の１つが、回収工程であって、
前記判定モデルを用いた前記電池セルの良品判定あるいは不良品判定を行うステップにおいて、前記電池セルが良品と判定された場合に、満充電時の容量値および温度特性がともにリユース可能な範囲内であるか否かを判定するステップを備えたことを特徴とする電池セルの選別方法。
続きを表示（約 1,600 文字）【請求項２】
前記判定モデルを用いた前記電池セルの良品判定あるいは不良品判定を行うステップにおいて、前記電池セルが前記不良品と判定された場合に、当該電池セルを廃棄対象とするステップを備えたことを特徴とする請求項１記載の電池セルの選別方法。
【請求項３】
前記判定モデルは、前記良品あるいは不良品の前記電池セルに関する過去の複数のデータから前記良品あるいは不良品の前記電池セルに関する各データ間の規則性情報を抽出し、該抽出された前記規則性情報に基づく前記良品あるいは不良品の前記電池セルごとの共通点から前記良品と不良品の前記電池セルの特異点を抽出して、各工程で得られるデータを用いて前記特異点に基づく前記良品の前記電池セルと前記不良品の前記電池セルとを判別可能な条件式を用いて作成することを特徴とする請求項１または請求項２に記載の電池セルの選別方法。
【請求項４】
前記各工程において得られるデータは前記電池セルの製造過程で得られるデータであることを特徴とする請求項１または請求項２に記載の電池セルの選別方法。
【請求項５】
複数の工程を有する電池セルの取り扱いにおける各工程において得られるデータを用いて、良品の前記電池セルと不良品の前記電池セルとを判別可能な判定モデルを作成する判定モデル生成部と、
前記各工程において、各電池セルに対する種々のデータを取得するデータ取得部と、
前記各工程で取得したデータのうち、前記判定モデルを用いた前記電池セルの判定に必要なデータを入力データとして、前記判定モデルを用いて、前記電池セルの良品判定あるいは不良品判定を行う良品判定部と、
前記判定の結果、前記良品と判定された前記電池セルと前記不良品と判定された前記電池セルとはそれぞれ判定結果に応じた異なる取り扱いを施す電池セル取り扱い部と、
を含み、
前記各工程の１つが、回収工程であって、
前記判定モデルを用いた前記電池セルの良品判定あるいは不良品判定を行うステップにおいて、前記電池セルが良品と判定された場合に、満充電時の容量値および温度特性がともにリユース可能な範囲内であるか否かを判定するリユース判定部を備えたことを特徴とする電池セル取扱装置。
【請求項６】
前記リユース判定部は、前記良品判定部で良品と判定された前記電池セルに対してリユース可能か否かを判定するものであり、当該判定の結果としてリユースできないと判定された電池セルは廃棄対象とすることを特徴とする請求項５記載の電池セル取扱装置。
【請求項７】
前記各工程における前記良品あるいは不良品の前記電池セルに関する過去の複数のデータから前記良品あるいは不良品の前記電池セルに関する各データ間の規則性情報を抽出する規則性情報抽出部と、
前記規則性情報抽出部において抽出された前記良品あるいは不良品の前記電池セルに関する前記各データ間の前記規則性情報を記憶する記憶部と、
前記良品あるいは不良品の前記電池セルに関する前記各データ間の前記規則性情報を前記記憶部から入力して、前記良品あるいは不良品の前記電池セルごとの共通点、前記良品と前記不良品の前記電池セルの特異点を抽出する特異点抽出部と、
前記特異点に基づいて、前記良品の前記電池セルと前記不良品の前記電池セルとを判別可能な条件式を算出する条件式算出部と、
前記条件式算出部において算出した前記条件式の正当性を検証し、前記判定モデルを生成する判定モデル生成部と、
を含むことを特徴とする請求項５または請求項６に記載の電池セル取扱装置。
【請求項８】
前記データは、前記電池セルの製造過程で得られるデータであることを特徴とする請求項５または請求項６に記載の電池セル取扱装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、電池セルの選別方法および電池セル取扱装置に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
電池セルの長期間使用に対する特性に関しては、製造された電池セルに対して充放電を繰り返し行うサイクル充放電試験のように、例えば、３０００サイクル（電池セルに対して、充電と放電を１回ずつ行うことを１サイクルとする）行った時の放電容量が製造初期の時の容量に比べて８０％以上であれば良品と判断するようにしていた。
【０００３】
また、エージング試験のように充電した電池セルを長期間放置し、電圧の変化に基づいて、電池セルの内部短絡等の有無を判断していた。
【０００４】
しかしながら、これら試験を行うのには相当な時間が必要となる。
そのため、全ての電池セルに対して、これらの試験を実施するのではなく、製造ロット毎に、任意にサンプリング抽出した電池セルに対して、上記試験等を実施し、その結果が良品であると判断された場合に、同じロットの他の電池セルも良品であるとする管理がある。
【０００５】
ところが、上記の選別方法では、サンプリング抽出された電池セルの判定結果に、ロット全体の電池セルの評価が左右されるために、信頼性の面からは、十分なものとは言えない。
【０００６】
また、製造工程で良品と判定された電池セル単体あるいはこれらの電池セルを複数個組み合わせてモジュール化した電池モジュール（組電池とも称する）は蓄電装置の蓄電部として装置に搭載され、電池セルの充放電を制御する充放電制御部あるいは電池セルの電池電圧や温度を計測し監視するＣＭＵ（ＣｅｌｌＭａｎａｇｅｍｅｎｔＵｎｉｔ：蓄電部の電池セル毎に異常状態にならないよう監視・管理するもので、電池セルの電圧や温度などを監視する機能のみの“ＣｅｌｌＭｏｎｉｔｏｒｉｎｇＵｎｉｔ”の場合も含む）やＢＭＵ（ＢａｔｔｅｒｙＭａｎａｇｅｍｅｎｔＵｎｉｔ：蓄電部の電池モジュールを構成する電池セルが異常状態にならないよう監視・管理するもの）と接続された状態で、充放電制御とともに、電池セルの電池電圧や温度を計測して得られたデータに基づいて電池の異常検知、寿命推定を行うことが知られている。
【０００７】
近年では、機械学習による様々な予測、特に、人工知能、いわゆるＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）技術の向上により取得した大量の情報を整理し、これらの情報を機械学習により分析することよって規則性を見出し、その見出された規則性を販売戦略や広告戦略等に用いられていることが行われているが、このようなＡＩを用いた分析による規則性を利用する試みが電池セルの製造販売に対しても検討されている。
【０００８】
ＡＩを用いた技術の一例として、バッテリーの初期特性を利用して長期特性を予測することにより、迅速に当該バッテリーの不良判定を行う技術（例えば、特許文献１参照。）やバッテリーセルを製作して寿命を評価する前にバッテリーセルの様々な特性因子に応じた寿命傾向から早期の寿命予測を可能とし、寿命予測に対する信頼性を向上される技術（例えば、特許文献２参照。）が考えられている。
【先行技術文献】
【特許文献】
【０００９】
特表２０１０－５３９４７３号公報
特開２０１３－２１７８９７号公報
【発明の概要】
【発明が解決しようとする課題】
【００１０】
上述のように、ＡＩ技術の進歩により、測定等で得られた様々なデータの中から機械学習により規則性や法則性を見出し、その規則性に基づき被測定物を分類分けすることが提案されている。
特に、ビッグデータと呼ばれる多種類でかつ大量のデジタル化されたデータを用いて、データを分類化し、そこから規則性を見出すことが実現されてきている。
このような機械学習では、ディープラーニング（深層学習）により特徴点をマニュアルで抽出することなく、自動的に特徴点を抽出することが可能であり、マニュアルでは気づかない特徴点の抽出も期待できるようになってきている。
（【００１１】以降は省略されています）

関連特許