연축전지 Spot 용접 품질 예측 모델 개발 및 평가 = Development and evaluation of a predictive model for spot welding quality in lead-acid batteries

다국어 초록 (Multilingual Abstract)

This study aims to predict potential quality defects in the spot welding process—one of the most critical stages in lead-acid battery manufacturing—and to improve process reliability. Process variables such as welding current, cycle count, and pressure, along with inspection results obtained from the welding quality tester, were utilized as input features. The final weld integrity was evaluated using destructive shear strength and cross-sectional assessment. Exploratory data analysis revealed complex nonlinear interactions between process parameters and final weld quality, indicating that the relationship cannot be explained by a single factor. Although the inspection results generally reflected actual weld quality, several mismatches were identified, highlighting the limitations of the existing inspection system. To address these characteristics, seven machine learning algorithms— Logistic Regression, Decision Tree, Random Forest, XGBoost, MLP, KNN, and SVM—were applied and compared. The results demonstrated that models incorporating inspection values consistently achieved higher predictive accuracy than those using only process variables, confirming the effectiveness of utilizing inspection data to reduce misclassification and enhance defect detection. This study proposes a machine learning–based predictive model that integrates real-world production data and dual verification criteria, offering a complementary approach to the existing inspection system. The findings suggest that the proposed method can support more stable quality monitoring under high-temperature operating conditions and improve defect prevention capability and quality management efficiency in lead-acid battery production.

국문 초록 (Abstract)

본 연구는 연축전지 제조공정 중 핵심인 Spot 용접에서 발생할 수 있는 품질 이상을 사전에 예측하고 공정의 신뢰성을 향상시키기 위해 수행되었다. 이를 위 해 실제 생산 환경에서 수집한 전류, 싸이클, 압력 등 주요 공정 조건과 용접 품 질 검사값을 입력 변수로, Spot 파단 강도와 단면 상태를 최종 품질 지표로 설 정하였다. 탐색적 데이터 분석 결과, 공정 조건과 최종 품질 간에는 단일 요인으 로 설명하기 어려운 비선형적 상호작용이 확인되었으며, 용접 품질 검사값은 실 제 Spot 품질을 대체로 반영했으나 검사 결과와 실제 Spot 품질이 일치하지 않 는 사례도 다수 나타났다. 이러한 특성을 고려하여 로지스틱 회귀, Decision Tree, Random Forest, XGBoost, MLP, KNN, SVM 머신러닝 알고리즘을 적용·비교하였다. 그 결과, 전 류, 싸이클, 압력만을 활용한 모델보다 용접 품질 검사값을 추가한 모델이 전반 적으로 더 높은 예측 성능을 보였으며, 이를 통해 불량 검출과 오판 감소에 효과 적임을 확인하였다. 본 연구는 현장 실측 데이터를 활용해 이중 판정 기준을 동시에 반영한 머신러 닝 기반 예측 모델을 제안함으로써, 기존 검사기의 한계를 보완하고 고온 환경에 서도 안정적인 품질관리를 가능하게 한다. 이를 통해 연축전지 제조공정의 품질 관리 효율성과 불량 예방 능력을 향상시킬 것으로 기대된다.

목차 (Table of Contents)

• 1. 서론 1
• 가. 연구 배경 1
• 나. 용접 품질 예측 선행 연구 3
• 다. 본 연구의 차별성 3
• 2. 이론적 배경 5
• 가. 축전지의 정의 5
• 나. 연축전지 기본구조 5
• 다. 연축전지 전극반응 7
• 라. Spot 용접 8
• 마. Spot 용접 부적합 유형 16
• 바. 용접 품질 검사 18
• 사. 온도 변화와 Spot 품질 영향성 21
• 아. 머신러닝 알고리즘 24
• 3. 실험 설계 29
• 가. Spot 시편 제작 29
• 나. 데이터 수집 31
• 다. 데이터 학습 및 평가 36
• 4. 결과 및 고찰 40
• 가. 탐색적 데이터 분석 40
• 나. 기본 모델 학습 42
• 다. 하이퍼파라미터 조정 44
• 라. 안정성 평가 47
• 마. 운영 적용 제안 49
• 5. 결론 51
• 참고문헌 53
• Abstract(영문초록) 55