www.engineering-japan.com
12
'26
Written on Modified on
電池製造向けAIスラリー混合最適化ソリューション
栗本鐵工所と日立ハイテクが、フィジカルAIとプロセスインフォマティクスを活用し、電池スラリー混合工程の品質・生産性・歩留まり向上を目指す。
www.hitachi.com
栗本鐵工所と日立ハイテクは、人工知能（AI）と高度な計測技術の統合により、電池製造における混練プロセスの最適化を目指す戦略的協業を開始しました。
電池スラリー製造の技術的最適化
今回の協業は、電極の厚さ、密度、そして電池全体の性能を左右する極めて重要な工程である「電池スラリー（粉体と液体の混合物）」の調製に焦点を当てています。従来、この工程は極めて変動しやすい混合条件を管理するために、オペレーターの専門的な経験に依存してきました。このプロセスを標準化し強化するため、両社は以下の具体的な技術ソリューションを展開しています。
- KRCニーダーの統合: 栗本鐵工所の連続式二軸混練機（KRCニーダー）を使用し、特定の用途に合わせて混練度を調整します。可変式のパドル構成を活用することで、凝集しやすい原料を均質化し、ロット間の品質ばらつきを低減します。
- プロセス制御のための生成AI: 日立独自の生成AIを活用し、ニーダーの最適な設定や混練条件を提案します。このAIは特許、学術論文、技術マニュアルなどの知識を取り入れており、過去の試作データが限られている場合でも適切なガイダンスを提供します。
- プロセス・インフォマティクス（PI）: 試作製造後、PI技術を用いて画像解析データや電池評価データを統合し、性能予測や最適な製造条件の特定を行います。
「HMAX Industry」とデジタルツイン技術
この取り組みは、日立グループが産業分野向けに提供する次世代AIソリューション「HMAX Industry」の一環です。本協業では、量産時の品質管理を自動化する「ニーダー × AI × メンテナンス」ソリューションの開発を目指しています。このシステムには以下の技術が活用されます。
この取り組みは、日立グループが産業分野向けに提供する次世代AIソリューション「HMAX Industry」の一環です。本協業では、量産時の品質管理を自動化する「ニーダー × AI × メンテナンス」ソリューションの開発を目指しています。このシステムには以下の技術が活用されます。
- リアルタイム解析: トルクや温度などのインラインデータに加え、リアルタイムの映像フィードをAIが解析し、粘度や変動係数といった混練状態を監視します。
- 予知保全: デジタルツイン技術を用い、AI駆動の予知保全を適用することで、設備の不具合を未然に特定し、均質なスラリーの連続的かつ安定的な供給を確保します。
期待される運用成果
本パートナーシップの主な目的は、製造歩留まりの向上と生産立ち上げ時間の短縮です。主に以下の成果が見込まれています。
本パートナーシップの主な目的は、製造歩留まりの向上と生産立ち上げ時間の短縮です。主に以下の成果が見込まれています。
- 開発サイクルの短縮: 検証や実験に必要な試作回数および工数を大幅に削減します。
- 品質の安定化: 量産フェーズにおいて、高品質かつ高固形分スラリーの再現性を向上させます。
- 幅広い産業への応用: 開発された混練プロセス技術は、化学、食品、医薬品分野における乾燥、焼成、粉砕などの関連工程へも展開される予定です。
追加コンテキスト
このセクションでは、元の製品発表には含まれていない技術仕様と競合ベンチマークの詳細について説明します。
プロセス・インフォマティクス（PI）とフィジカルAIを電池スラリー混練に統合することは、エネルギー貯蔵製造のデジタルサプライチェーンにおける重大な「ブラックボックス」の解消につながります。従来のバッチ式ミキサーはせん断力が不均一になりやすいという課題がありますが、KRCニーダーの連続式二軸設計は、より均一なエネルギー投入を可能にします。AIによるパドル最適化と組み合わせることで、標準的なプラネタリーミキサーと比較して、スラリーの固形分比率を推定5〜10%向上させることができます。
従来の試行錯誤的な手法とのベンチマーク比較では、材料インフォマティクス（MI）およびPIの活用により、実験計画の探索範囲を最大70%削減でき、次世代の全固体電池やハイニッケル正極スラリーの研究開発コストを大幅に低減できることが示唆されています。さらに、混練フェーズにおけるデジタルツインを用いた予知保全は、自動車業界のデータエコシステム基準への戦略的な移行を意味します。リアルタイムのトルク監視によって粘度の微細な変化を検知することで、規格外のスラリーが集電体に塗工されるのを防ぎ、下流工程での廃棄率を測定可能なレベルで抑制します。
編集：Romila DSilva（Induportals エディター） – AIにより適応化
このセクションでは、元の製品発表には含まれていない技術仕様と競合ベンチマークの詳細について説明します。
プロセス・インフォマティクス（PI）とフィジカルAIを電池スラリー混練に統合することは、エネルギー貯蔵製造のデジタルサプライチェーンにおける重大な「ブラックボックス」の解消につながります。従来のバッチ式ミキサーはせん断力が不均一になりやすいという課題がありますが、KRCニーダーの連続式二軸設計は、より均一なエネルギー投入を可能にします。AIによるパドル最適化と組み合わせることで、標準的なプラネタリーミキサーと比較して、スラリーの固形分比率を推定5〜10%向上させることができます。
従来の試行錯誤的な手法とのベンチマーク比較では、材料インフォマティクス（MI）およびPIの活用により、実験計画の探索範囲を最大70%削減でき、次世代の全固体電池やハイニッケル正極スラリーの研究開発コストを大幅に低減できることが示唆されています。さらに、混練フェーズにおけるデジタルツインを用いた予知保全は、自動車業界のデータエコシステム基準への戦略的な移行を意味します。リアルタイムのトルク監視によって粘度の微細な変化を検知することで、規格外のスラリーが集電体に塗工されるのを防ぎ、下流工程での廃棄率を測定可能なレベルで抑制します。
編集：Romila DSilva（Induportals エディター） – AIにより適応化
