이상 음 검출: 인간의 귀에서 AI로의 전환

헤드폰, 라우드스피커, 웨어러블 등 소비자 오디오 제품 시장이 빠르게 성장하면서, 사용자들의 "좋은 소리"에 대한 기대치는 단순히 또렷하게 들리는 수준을 훨씬 넘어섰습니다. 이제 사용자는 편안하고, 깨끗하며, 잡음·클릭음·긁히는 소리와 같은 불필요한 잡음이 전혀 없는 소리를 원합니다.

그러나 대부분의 공장에서는 여전히 이상 음 테스트를 사람의 청취에 크게 의존하고 있습니다. 근무 교대, 작업자 간의 주관적인 차이, 피로도와 감정 상태 등은 모두 수율과 브랜드 평판에 직접적인 영향을 미칩니다.

이 글에서는 CRYSOUND가 TWS 이어버드에 AI 청취 검사를 적용한 실제 프로젝트 경험을 바탕으로, 어떻게 AI를 활용해 생산 라인에서 인간의 귀를 "해방"하고 청취 테스트를 진정으로 안정적이고 효율적이며 반복 가능하게 만들 수 있는지 살펴보겠습니다.

왜 오디오 청취 테스트는 이렇게 인력이 많이 들까?

전통적인 구성에서 생산 라인은 보통 다음과 같은 패턴을 따릅니다:

자동 전기음향 테스트 + 수동 청취 재검사.

수동 청취의 문제점은 매우 분명합니다:

• 강한 주관성: 청취자마다 "잡음"이나 "긁히는 소리"와 같은 노이즈에 대한 민감도가 다릅니다. 같은 사람이라도 오전 근무와 야간 근무에서의 판정이 일관되지 않을 수 있습니다.
• 확장성 부족: 사람의 청취는 높은 집중력을 요구하며, 장시간 작업 시 피로해지기 쉽습니다. 대량 생산에서 높은 UPH를 달성하기가 어렵습니다.
• 높은 교육 비용: 숙련된 청취 검사자를 양성하려면 체계적인 교육과 장기간의 경험 축적이 필요하며, 신규 작업자가 일정 수준에 오르기까지 시간이 많이 걸립니다.
• 결과 추적 어려움: 주관적인 판단을 정량 데이터나 이력으로 남기기 어렵기 때문에, 이후 품질 분석과 개선 작업이 더 까다로워집니다.

이 때문에 업계에서는 오랫동안 "인간의 귀"가 가진 민감도를 희생하지 않으면서도, 자동화와 알고리즘을 통해 이 작업을 더 안정적이고 경제적으로 수행할 수 있는 방법을 찾고 있었습니다.

"인간의 귀"에서 "AI의 귀"로: CRYSOUND의 전체적인 접근 방식

CRYSOUND는 CRYSOUND 이상 음 테스트 시스템을 중심으로 한 표준화된 테스트 플랫폼에, AI 청취 알고리즘과 전용 픽스처를 결합해 완전한 일체형 하드웨어-소프트웨어 솔루션을 제공합니다.

솔루션의 주요 특징:

• 표준화된 멀티 퍼포스 플랫폼: 모듈식 설계를 통해 기존 SPK 오디오/노이즈 테스트와 이상 음/AI 청취 테스트를 모두 지원합니다.
• 1대2 병렬 테스트: 단일 시스템으로 두 개의 이어버드를 동시에 테스트할 수 있습니다. 전형적인 프로젝트에서 UPH는 약 120pcs 수준까지 도달할 수 있습니다.
• AI 청취 분석 모듈: 양품 데이터를 수집해 모델을 구축함으로써, 시스템이 자동으로 이상 음이 있는 유닛을 식별하여 수동 청취 공정을 크게 줄여 줍니다.
• 저소음 테스트 환경: 고성능 음향 챔버와 내상자 구조를 통해 배경 소음을 약 12dBA 수준으로 제어하여, AI 알고리즘에 안정적인 음향 환경을 제공합니다.

간단히 말하면, 솔루션은 다음과 같습니다:

하나의 표준화된 테스트 벤치 + 하나의 전용 픽스처 + 하나의 AI 청취 알고리즘.

전형적인 테스트 신호 경로

테스트 호스트를 중심으로, "랩 + 생산 라인" 통합 체인은 다음과 같습니다:

• PC 호스트 → CRY576 Bluetooth 어댑터 → TWS 이어폰
• 이어폰에서 출력된 소리는 CRY718-S01 Ear Simulator로 캡처됩니다
• 신호는 CRY6151B Electroacoustic Analyzer가 취득 및 분석합니다
• 소프트웨어가 AI 청취 알고리즘 모듈을 호출하여 WAV 데이터를 자동으로 분석하고 PASS/FAIL 결과를 출력합니다

픽스처와 음향 챔버: 스테이션 간 편차 최소화

제품의 배치 자세와 커플링 조건은 테스트의 일관성을 좌우하는 경우가 많습니다. 이 솔루션은 픽스처와 챔버 설계를 통해 테스트 조건을 최대한 고정시켜 테스트 편차를 줄입니다:

• 픽스처: 연질 고무로 된 성형 요홈.
• 성형 요홈은 이어버드가 항상 동일한 자세로 인공귀에 밀착되도록 해 위치 오차와 테스트 편차를 줄여 줍니다.
• 연질 고무는 실링 성능을 향상시키고 이어폰의 기계적 손상을 방지합니다.
• 음향 박스: 내상자 댐핑 및 음향 차단 구조.
• 이를 통해 외부 기계 진동과 환경 소음이 측정 결과에 미치는 영향을 줄일 수 있습니다.

프로페셔널급 음향 하드웨어 (예시 구성)

CRY6151B 전기음향 분석기

• 주파수 범위 20-20kHz, 낮은 배경 소음과 높은 다이내믹 레인지를 제공하며, 신호 출력과 측정 입력 기능을 통합하고 있습니다.

CRY718-S01 귀 시뮬레이터 세트

• 관련 IEC/ITU 요구 사항을 충족합니다. 적절한 구성/조건에서 시스템 자체 노이즈는 12dBA 수준까지 낮출 수 있습니다.

CRY725D 차폐 음향 챔버

• RF 차폐와 음향 차단 기능을 통합했으며, TWS 테스트 시나리오에 최적화되어 있습니다.

AI 알고리즘: 비지도 이상 탐지가 이상 음을 인식하는 방식

학습 플로우: "양품" 이어폰만 있으면 됩니다

CRYSOUND의 AI 청취 솔루션은 비지도 이상 음 탐지 알고리즘을 사용합니다. 가장 큰 장점은 사전에 다수의 이상 샘플을 수집할 필요가 없고, 정상적인 양품 유닛만으로도 "좋은 소리"를 이해하는 모델을 학습시킬 수 있다는 점입니다.

실제 프로젝트에서는 일반적으로 다음과 같은 단계로 진행됩니다:

• 양품 유닛을 최소 100개 이상 준비합니다. 양산 테스트와 동일한 조건에서, 이 100개 유닛으로부터 WAV 데이터를 수집합니다.
• 해당 양품 데이터를 사용해 모델을 학습합니다(예: 10초 길이 샘플 100개; 학습 시간은 보통 1분 미만).
• 학습된 모델로 양품과 불량 샘플을 모두 테스트하고, 결과 분포를 비교해 판정 임계값을 설정합니다.
• 학습을 마친 모델은 곧바로 양산에 적용할 수 있습니다. 단일 샘플에 대한 예측 시간은 0.5초 미만입니다.

이 과정에서 엔지니어는 각 유형의 이상 음을 일일이 라벨링할 필요가 없으므로, 새로운 프로젝트에 시스템을 도입하는 장벽이 크게 낮아집니다.

원리 요약: 모델이 먼저 이상 음을 재구성하게 하라

대략적으로 말해, 알고리즘은 세 단계로 동작합니다:

시간-주파수 변환

• 기록된 파형을 시간-주파수 스펙트로그램(소리의 "사진"과 유사한 형태)으로 변환합니다.

딥러닝 기반 재구성

• "정상 이어폰"으로 학습한 딥러닝 모델을 사용해 시간-주파수 스펙트로그램을 재구성합니다.
• 정상 샘플의 경우, 모델은 원래 스펙트로그램을 상당히 잘 "재현"할 수 있습니다. 이상 음이 포함된 샘플에서는, 이상 구간이 잘 재구성되지 않습니다.

차이 분석

• 원본 스펙트로그램과 재구성된 스펙트로그램을 비교하여, 시간축과 주파수축 방향의 차이를 계산해 두 개의 차이 곡선을 얻습니다.
• 이상 샘플은 이러한 곡선에서 뚜렷한 피크나 에너지가 집중된 영역을 보이게 됩니다.

이와 같은 방식으로 알고리즘은 "정상" 패턴에 강하게 적합되며, 각 이상 음 타입마다 별도의 모델을 구축하지 않아도 정상 패턴에서 벗어나는 모든 편차에 민감하게 반응할 수 있습니다.

실제 프로젝트에서 이 알고리즘은 10개가 넘는 다양한 프로젝트에 이미 적용·검증되었으며, 최대 99.9% 수준의 불량 검출률을 달성했습니다.

AI 청취의 실질적인 장점

• 이상 샘플 비의존: 각종 "긁히는 소리"나 "전기적 노이즈"와 같은 불량 사례를 모으느라 막대한 노력을 들일 필요가 없습니다.
• 새로운 이상에도 대응: 학습 시점에 존재하지 않았던 새로운 유형의 이상 음이 발생하더라도, 정상 패턴과 충분히 다르기만 하면 알고리즘이 이를 검출할 수 있습니다.
• 지속적인 학습: 이후에도 새로운 양품 데이터를 지속적으로 추가해, 라인이나 환경의 장기적인 미세 변화에 모델이 적응하도록 할 수 있습니다.
• 수동 작업량 대폭 감소: "모두가 직접 듣는" 방식에서 "AI 스캐닝 + 소량 샘플링 검사" 방식으로 전환해, 인력이 더 높은 부가가치가 있는 분석 및 최적화 작업에 집중할 수 있습니다.

전형적인 도입 사례: ODM TWS 생산 라인에서의 실제 적용

한 ODM의 TWS 생산 라인에서는, 라인당 하루 생산량이 수천 세트 규모에 이릅니다. 수율을 높이고 수동 청취 부담을 줄이기 위해, 이 라인에서는 AI 이상 음 테스트 솔루션을 도입했습니다:

항목	AI 이상 음 테스트 솔루션 도입 전	AI 이상 음 테스트 솔루션 도입 후
테스트 방식	수동 청취 스테이션 4개, 이상 음 여부를 전적으로 작업자의 청각에 의존해 판정	AI 청취 테스트 시스템 4대, 각 시스템이 한 쌍의 이어버드를 테스트
인력 구성	작업자 4명(전담 청취)	작업자 2명(로딩/언로딩 및 이상 판정 유닛 재검사 담당)
품질 리스크	주관성과 피로로 인한 불량 누락 및 유출 위험 존재	파일럿 런 기간 동안 AI 시스템 결과는 수동 샘플링과 일치했으며, 전체적인 안정성이 크게 향상되었습니다
파일럿 단계에서의 작업	수동 청취 절차 정의	샘플 수집, AI 모델 학습, 임계값 설정 및 수동 샘플링을 통한 타당성 검증
라인당 일일 처리 능력 (per line)	수동 테스트 속도에 의해 제한	하루 약 1,000쌍의 이어버드
이상 음 검출률	불량 누락이 존재했으나 정량화되지 않음	약 99.9%
오판율(양품 오판 비율)	주관성과 피로의 영향을 받으나 정량화되지 않음	약 0.2%

이 라인에서는 AI 청취가 사실상 기존 수동 청취 업무를 대부분 대체했습니다. 인원은 절반으로 줄었을 뿐 아니라, 불량 누락 위험도 크게 감소하여 향후 더 많은 생산 라인으로 솔루션을 확대 적용하는 데 필요한 데이터 기반을 제공했습니다.

도입 가이드: 이 솔루션을 최대한 활용하는 방법

AI 기반 이상 음 테스트 도입을 고려하고 있다면, 다음과 같은 부분부터 시작할 수 있습니다:

샘플 수집을 가능한 한 일찍 계획

• 시험 생산/소량 파일럿 단계에서부터 "이상 음 없음"이 확인된 양품 파형을 미리 축적해 두면, 이후 AI 학습을 한발 앞서 진행할 수 있습니다.

환경 간섭 최소화

• AI 청취 테스트 스테이션은 디스펜싱 장비, 솔더링 머신 등 고소음 설비로부터 떨어진 위치에 배치하는 것이 좋습니다.
• 경보 부저를 끄고, 테스트 스테이션을 피해 자재 이동 동선을 설계하며, 바닥 진동을 줄이면, 오검률을 효과적으로 낮출 수 있습니다.

테스트 조건 일관성 유지

• 학습 단계와 양산 단계 모두에서 동일한 차음 챔버, 인공귀, 픽스처, 테스트 시퀀스를 사용해, 환경 차이로 인한 모델 전이 문제를 방지해야 합니다.

사람과 머신의 공존 기간 유지

• 초기에는 "100% AI + 수동 샘플링" 전략을 적용한 후, 점진적으로 "100% AI + 소량 DOA 재검사" 체계로 전환하여 도입에 따른 리스크를 최소화할 수 있습니다.

결론: 테스트를 다시 "데이터 기반"으로, 사람은 더 큰 가치를 창출하는 곳으로

AI 청취 테스트의 본질은, 경험 기반의 인간 청취에서 데이터·알고리즘 기반 테스트로의 산업적 업그레이드입니다.

CRYSOUND는 표준화된 테스트 플랫폼, 프로페셔널 음향 하드웨어, 제품별 전용 픽스처 및 AI 알고리즘을 통해, 시간과 인력이 많이 들고 주관적이었던 수동 청취를 안정적이고 정량화 가능하며 재사용 가능한 테스트로 전환하도록 고객을 지원하고 있습니다.

이어폰 이상 음 테스트에 대해 더 알고 싶거나, 차세대 생산 라인에 AI 청취 도입을 검토 중이시거나, 블레이드 공정 및 검사 목표에 대해 논의하고 싶다면, 아래의 "Get in touch" 양식을 통해 연락해 주십시오. 당사 팀이 귀사의 생산 환경에 맞춘 권장 설정과 현장 작업 흐름을 공유해 드릴 수 있습니다.