• 자원리싸이클링
• /
• 제33권1호
• /
• pp.58-68
• /
• 2024

핵심광물인 니켈, 코발트, 리튬은 NCM계 리튬이온배터리(이하 LIB)의 양극소재로 알려져 있다. 탄소중립 기조에 따라 전기자동차의 보급량 증가로 핵심광물 수요도 증가할 것으로 예상된다. 하지만, LIB용 핵심광물 Li, Co, Ni의 수요대비 공급 부족으로 인해, 폐리튬이온배터리(EOL LIB)의 리싸이클링 수요가 증가할 것으로 예상된다. EOL LIB(폐 LIB) 재활용은 유해화학물질 무기산 침출제인 염산(HCl), 질산(HNO₃), 황산(H₂SO₄)을 침출공정에 적용하여 재활용한다. 본 연구에서는 친환경 대체침출제 메탄술폰산(이하 MSA)의 적용 가능성을 검토하였다. 또한, 침출제 농도, 환원제 농도, 침출시간, 광액농도(P/D), 온도 등의 침출인자가 NCM Black mass 침출에 미치는 영향을 연구하였다. 침출실험 결과, 침출제와 환원제 농도, 침출시간, 침출온도가 증가함에 따라 목적금속 Ni, Li, Co, Mn의 침출률이 향상됨을 확인하였고, 금속의 최대 침출률은 80℃에서 99% 이상으로 나타났다. 또한, MSA는 NCM Black mass 대상 침출에 적용하여 Ni, Li, Co, Mn을 회수할 수 있음을 확인하였다.

• 한국결정성장학회지
• /
• 제34권2호
• /
• pp.73-77
• /
• 2024

스피넬계 산화물 중 (Ni_x, Mn_y, Co_3-x-y)O₄(NMC)는 부온도계수 온도센서 소재로 활용되어 전기자동차용 배터리 관리 시스템을 포함한 다양한 산업적 응용이 가능하다. 일반적으로 NMC는 Ni, Mn, Co 화합물 분말을 이용하여 고상반응법을 통해 제조되는데 이 중 소결 공정을 통한 치밀화 과정이 온도센서 소재의 온도에 따른 전기적 특성을 결정하는 중요한 인자로 알려져 있다. 본 연구에서는 NMC 펠렛을 고상반응법을 통해 제조하고 결정구조 및 미세구조를 관찰하였다. 또한, 소결 과정 동안의 치밀화 거동 분석을 위한 활성화 에너지를 도출하였다. 분석 결과에 따르면, NMC 펠렛의 상온 저항은 10.03 Kohm이었으며 센서민 감도인 B-value는 3601.8 K로 다양한 산업군에 온도센서로 적용이 가능할 것으로 기대된다. 또한, 치밀화를 위한 활성화 에너지는 273.3 ± 0.4kJ/mol로 도출되었으며, 이는 소결 과정의 열역학적 특성을 이해하는데 중요한 정보를 제공할 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.