A Transfer Learning-Based Weld Tensile Strength Prediction System for Battery Pack Manufacturing

전기차 배터리팩 제조 공정에서 레이저 용접은 정밀한 열 입력 제어와 안정적인 접합이 가능하여 널리 활용되고 있다. 그러나 레이저 용접 공정은 다양한 공정 변수와 외란에 민감하게 반응하기 때문에, 품질 변동을 실시간으로 관리하기 위한 기술이 중요한 과제로 제기되고 있다. 본 연구에서는 레이저 용접 공정 중 수집되는 플라즈마 센서 데이터를 활용하여 용접부의 인장강도를 예측하는 딥러닝 기반 모델을 제안한다. 제안 모델은 용접 결함 분류를 위해 사전학습된 오토인코더의 인코더를 특징 추출기로 활용하고, 1D CNN 기반 회귀 네트워크와 결합한 전이학습 구조로 설계되었다. 정상 조건과 다섯 가지 결함 조건으로 구성된 데이터셋에 대해 10-fold cross validation을 수행한 결과, 제안 모델은 baseline 모델 대비 개선된 예측 성능을 달성하였다. 성능 분석 결과, 시편 간 인장강도 분포가 일관된 조건에서 우수한 예측 성능을 보였으며, 높은 변동성을 갖는 조건에서도 전이학습을 통해 성능 향상을 보였다. 본 연구의 결과는 레이블 데이터가 제한적인 제조 환경에서도 적용 가능한 플라즈마 센서 기반 실시간 품질 모니터링 시스템 구축에 기여할 것으로 기대된다.