• 전기화학회지
• /
• 제11권3호
• /
• pp.197-210
• /
• 2008

리튬이차전지용 양극재는 전지 성능발전과 더불어 다양하게 발전되어 왔다. 처음으로 채용된 $LiCoO_2$는 초기의 부족한 성능을 도핑이나 표면개질이라는 기술을 채용하여 지속적인 발전을 거듭하면서 최근 4.3V에 가까운 충전전압에서도 적용 가능하게 되었다. 한편으로 응용기기가 복잡해지면서 요구되는 특성도 한층 강화되었다. 높은 작동전압 뿐만 아니라 고용량이 요구되면서 새로운 재료에 대한 연구개발이 시작되었고, 그 중에서도 ${LiNi}_{1-x}{M_xO_2}$, $Li[Ni_{x}Mn_{y}Co_{z}]O_{2}$, $Li[{Ni}_{1/2}{Mn}_{1/2}]O_{2}$등 다양한 재료들이 개발되기에 이르렀다. 최근에는 고유가에 따라 전기자동차용 개발이활발해지면서 고안전성의 새로운 재료가 필요하게 되었고, 이러한 요구에 수렴하여 ${LiMn_2}{O_4}$, $LiFePO_4$와 같은 안전성이 매우 우수한 재료가 개발되었다. 향 후 양극재 부분은 이외에도 다양한 상들이 고용량과 동시에 안전성이 뛰어난 고용체를 이루고 있는 복합체 양극재를 비롯하여 다양한 재료들이 개발될 것으로 여겨진다.

• 대한기계학회논문집A
• /
• 제31권1호
• /
• pp.26-35
• /
• 2007

The vehicle of urban transit is a complex system that consists of various electric, electronic, and mechanical equipments, and the maintenance cost of this complex and large-scale system generally occupies sixty percent of the LCC (Life Cycle Cost). For reasonable establishing of maintenance strategies, safety security and cost limitation must be considered at the same time. The concept of system reliability has been introduced and optimized as the key of reasonable maintenance strategies. For optimization, three preceding studies were accomplished; standardizing a maintenance classification, constructing RBD (Reliability Block Diagram) of VVVF (Variable Voltage Variable Frequency) urban transit, and developing a web based reliability evaluation system. Historical maintenance data in terms of reliability index can be derived from the web based reliability evaluation system. In this paper, we propose applying inverse problem analysis method and hybrid neuro-genetic algorithm to system reliability optimization for using historical maintenance data in database of web based system. Feed-forward multi-layer neural networks trained by back propagation are used to find out the relationship between several component reliability (input) and system reliability (output) of structural system. The inverse problem can be formulated by using neural network. One of the neural network training algorithms, the back propagation algorithm, can attain stable and quick convergence during training process. Genetic algorithm is used to find the minimum square error.

• 전기화학회지
• /
• 제10권1호
• /
• pp.20-24
• /
• 2007

최근 높은 에너지 밀도를 갖고 있는 리튬 이온 이차전지에 대한 관심이 높다. 리튬 이온 이차전지는 이미 휴대용 기기로 널리 적용되고 있으며, 하이브리드 전기자동차와 같은 고출력 전지시스템에 적용을 위해 연구되고 있다. 리튬 이온 이차전지의 전극 소재는 리튬 이온의 이동에 의해서 충전 및 방전되는 현상을 활용한다. 전극으로부터 리튬 이온이 이동될 때 전극내의 구조 변화가 발생한다. 전극의 구조분석은 중성자 또는 X-선을 이용하여 분석할 수 있다. X-선은 분석 시간이 짧고, 쉽게 분석할 수 있다는 장점이 있으나 원자내의 전자구름과의 산란을 응용하므로 전자가 적은 가벼운 원소의 경우 분석이 어려운 단점이 있다. 리튬도 원자량이 작아서 X-선 만으로는 리튬의 정확한 위치에 대한 분석이 어렵다. 중성자 분석기술은 이에 대한 해답이 될 것이다. 본 자료에서는 중성자를 활용한 전극물질의 구조 분석 사례 및 그 원리에 대해서 논의하고자 한다.

• 기술혁신연구
• /
• 제26권3호
• /
• pp.37-68
• /
• 2018

본 논문에서는 차량용 반도체가 제품 출하 후 사용 환경에 따라 발생되는 불량률을 데이터 마이닝 기법을 이용하여 분석하였다. 20세기 이후 가장 보편적인 이동수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 매우 빠른 속도로 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다. 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 헤드업 디스플레이, 차선 유지 시스템 등 많은 부분에 적용되고 있다. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 등의 산업 표준 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기단계에서 제품의 수명을 예측 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly)과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증하였다.