OpenTest 시퀀스 모드와 AI Analysis를 활용한 자동 이상 음 검출

모터, 헤드폰, 스피커 및 완제품 시험에서 이상 음은 종종 단순한 음압 레벨 문제로만 보이지 않습니다. 많은 초기 결함은 미세한 러빙 노이즈, 휘파람 소리, 버즈, 비정상 잡음 또는 스펙트럼 세부 특성 변화로 나타납니다. 전통적인 전기음향 시험과 수동 청취 검사는 대규모 시험에서 일관성을 유지하기 어렵습니다. 이 글은 TWS 이어버드 AI 청취 검사를 예로 들어, OpenTest 시퀀스 모드가 취득, 신호 분석, AI Analysis, 합격/불합격 판정 및 결과 출력을 하나의 반복 가능한 자동 이상 음 검출 워크플로로 어떻게 연결하는지 설명합니다.

헤드폰, 모터 및 완제품의 R&D 검증과 생산 테스트에서 이상 음 검출은 항상 대표적인 엔지니어링 과제였습니다.

TWS 이어버드를 예로 들면, 일반적인 시험 방법은 보통 먼저 전통적인 전기음향 시험을 수행한 뒤, 이상 음 존재 여부를 판단하기 위해 수동 청취 검사를 수행하는 두 부분으로 구성됩니다. 전통적인 전기음향 시험은 주파수 응답, 왜곡, 노이즈 플로어와 같은 기본 지표를 커버할 수 있습니다. 이후 수동 청취를 통해 버즈, 러빙 노이즈, 보이스 코일 러빙, 공기 누설, 비정상 노이즈 플로어 등 실제 청감에 더 가까운 문제를 식별합니다.

그러나 실제 생산 환경에서는 수동 청취에 분명한 한계가 있습니다. 작업자마다 이상 음에 대한 민감도와 판단 기준이 다를 수 있습니다. 같은 작업자라도 피로도, 환경, 경험 등에 따라 서로 다른 시점에 판단이 달라질 수 있습니다. 미세하거나 간헐적이거나 복잡한 이상 음의 경우, 수동 검사는 시간이 지남에 따라 일관성을 유지하기 어렵습니다. 또한 인력 의존도가 높아 대량 생산으로 확대하기 어렵습니다.

OpenTest 시퀀스 모드와 AI Analysis는 이러한 애플리케이션을 위한 보다 표준화된 경로를 제공합니다. 엔지니어는 제품 연결, 오디오 재생, 음향 신호 취득, 데이터 분석, AI 판정, 결과 저장 및 리포트 출력을 표준 시험 시퀀스로 구성할 수 있습니다. 이를 통해 이상 음 검출을 주관적인 수동 판정에서 표준화된 시험, 데이터 분석 및 합격/불합격 결과에 기반한 워크플로로 전환할 수 있습니다.

이상 음 검출: 시간·주파수 도메인 한계값만으로는 충분하지 않은 경우

이상 음 검출이 어려운 이유는 결함이 항상 하나의 명확한 단일 지표 위반으로 나타나지 않기 때문입니다.

TWS 이어버드 시험에서 일부 불량 샘플은 양품과 주파수 영역 곡선이 거의 겹쳐, 단순한 상·하한 한계선만으로는 구분하기 어렵습니다. 일부 순간적인 이상 음은 시간 영역 파형에서도 안정적이고 눈에 띄는 차이를 만들지 못할 수 있습니다. 즉, 스펙트럼 분석이나 파형 검토를 거친 후에도, 데이터상으로는 양품과 불량 샘플이 비슷해 보이지만 실제로 들으면 다르게 들리는 경우가 생길 수 있습니다.

유사한 문제는 모터, 팬, 컴프레서, 스피커에서도 발생할 수 있습니다. 베어링 이상, 미세 러빙, 전자기 잡음, 느슨한 구조, 순간 잡음 등은 특정 동작 조건, 특정 주파수 대역 또는 짧은 시간 구간에서만 나타날 수 있습니다. 시험이 고정된 한계값이나 수동 청취에만 의존하면 초기 결함을 놓칠 수 있고, 작업자 간 편차로 인해 판정이 일관되지 않을 수도 있습니다.

따라서 이상 음 검출은 하나의 완전한 워크플로로 다루는 것이 좋습니다. 안정적인 시험 조건에서 소리를 취득하고, 신호 분석을 통해 시간 영역, 주파수 영역 또는 시간-주파수 특성을 추출한 뒤, AI Analysis를 사용해 합격/불합격 판정을 지원합니다.

그림 1: 전통적인 전기음향 시험으로는 검출이 어려운 이상 현상

시험 셋업: 안정적인 AI 청취 시험 체인 구축

TWS 이어버드 AI 청취 검사를 위해 시험 시스템은 일반적으로 제품 연결, 오디오 재생, 음향 신호 취득, 데이터 분석을 수행해야 합니다.

시험 중 제품은 테스트 픽스처 또는 차음용 어쿠스틱 박스에 장착됩니다. 블루투스 어댑터가 이어버드에 연결되어 지정된 오디오 소스를 재생하도록 제어합니다. 이어버드에서 출력되는 소리는 인공 귀 또는 어쿠스틱 커플러로 포집된 후, 취득 하드웨어를 통해 분석용 오디오 데이터로 변환됩니다. OpenTest는 취득된 WAV 파일 또는 시험 데이터에 대해 신호 분석과 AI Analysis를 수행하고 합격/불합격 결과를 출력합니다.

이 워크플로에서 핵심은 안정적인 시험 조건입니다. AI 기반 이상 음 검출에서 모델 판정은 비교 가능한 입력 데이터에 의존합니다. 따라서 오디오 소스, 재생 방식, 취득 채널, 샘플링 파라미터, 픽스처 위치, 시험 환경, 데이터 처리 워크플로는 일관되게 유지되어야 합니다. 전단 시험 체인이 안정적일 때만 AI Analysis 결과의 신뢰도가 높아집니다.

시퀀스 모드: AI 청취를 자동 시험 과제로 구성

OpenTest에서 엔지니어는 시퀀스 모드를 사용해 이상 음 검출을 표준 시험 과제로 구성할 수 있습니다. TWS 이어버드 테스트의 경우, 하나의 완전한 AI 청취 시퀀스는 다음을 포함할 수 있습니다:

• 제품을 스캔하거나 샘플 정보를 읽기
• 차음 박스 또는 테스트 픽스처 제어
• 블루투스 이어버드 연결
• 제품이 지정된 오디오 소스를 재생하도록 제어
• 음향 신호 취득
• 스펙트럼 분석, 이상 음 분석 및 AI Analysis 실행
• 합격/불합격 판정 출력
• 시험 데이터를 저장하고 결과를 MES 시스템에 업로드

시퀀스 모드를 사용하면 작업자가 모듈을 수동으로 전환하거나, 장치를 다시 연결하거나, 각 분석 단계를 하나씩 실행할 필요가 없습니다. 워크플로가 검증되면 R&D 검증, 샘플 스크리닝 또는 생산 테스트에 재사용하여 수동 작업으로 인한 편차를 줄일 수 있습니다.

이는 특히 생산 환경에서 중요합니다. AI 청취 검사는 단일 샘플을 정확히 판정하는 것뿐 아니라, 배치 시험에서도 사이클 타임과 출력의 일관성을 유지해야 합니다. 시퀀스 모드를 통해 OpenTest는 "연결 - 재생 - 취득 - 분석 - 판정 - 저장"을 하나의 표준화된 워크플로로 연결하여 자동 시험 및 생산 관리의 기반을 마련합니다.

그림 2: OpenTest 시퀀스 모드에서 AI 이상 음 검출 워크플로 구성

AI Analysis: 시간-주파수 재구성을 통한 이상 음 검출

이상 음 검출에서 AI Analysis의 핵심 가치는 단순히 상·하한 한계 판정을 대체하는 것이 아닙니다. 전통적인 시간 영역 또는 주파수 영역 한계선으로는 신뢰성 있게 구분하기 어려운 이상 특성을 음향 데이터에서 식별하는 데 있습니다.

TWS 이어버드 AI 이상 음 알고리즘을 예로 들면, 알고리즘은 원래 시험 녹음을 시간-주파수 스펙트로그램으로 변환할 수 있습니다. 원본 녹음에는 정상 음향 특성과 잠재적인 이상 특성이 모두 포함되어 있습니다. 모델을 정상 제품 데이터로 학습한 후에는 시간-주파수 스펙트로그램을 재구성할 수 있으며, 이때 정상 특성은 더 효과적으로 복원되고 이상 특성은 재구성 과정에서 약화되거나 제거됩니다.

이후 시스템은 원본 스펙트로그램과 재구성 스펙트로그램의 차이를 비교하고, 시간축 및 주파수축 특성을 종합해 판정을 수행합니다. 양품 샘플의 경우 원본과 재구성 스펙트로그램 간 차이가 상대적으로 작습니다. 이상 음이 있는 불량 샘플에서는 이상 특성으로 인해 차이가 더 뚜렷해집니다. AI Analysis는 이러한 차이에 기반하여 합격/불합격 판정을 출력할 수 있습니다.

이 방법은 전통적인 한계선으로 커버하기 어려운 순간 잡음, 러빙 노이즈, 비정상 노이즈 플로어, 보이스 코일 러빙, 공기 누설, 국부 주파수 대역 이상 등 이상 음에 적합합니다. 모터 이상 음 검출에서도 유사한 접근을 사용할 수 있으며, 동작음을 분석 가능한 시간-주파수 특성으로 변환해 러빙, 베어링 이상, 주기적 이상 음, 전자기 잡음 문제 판정을 지원합니다.

그림 3: 재구성된 시간-주파수 스펙트로그램을 통해 이상 음을 식별하는 AI Analysis

수동 청취에서 AI 판정으로: 일관성과 확장성 향상

수동 청취는 직관적이지만, 대규모 생산에서 일관성을 유지하기 어렵습니다. 작업자마다 "이상"의 경계를 다르게 정의할 수 있고, 복잡하거나 미세한 이상 음은 경험과 청각 인지에 크게 영향을 받습니다.

AI 청취 검사의 가치는 샘플 경험을 재사용 가능한 모델 기반 판정으로 전환할 수 있다는 점입니다. 엔지니어는 양품 데이터를 수집해 모델을 구축하고, 이후 시험에서 AI Analysis 단계를 사용해 합격/불합격 판정을 출력할 수 있습니다. 이를 통해 과거 샘플의 음향 특성 경험을 보존하면서 판정 과정을 더욱 표준화할 수 있습니다.

R&D 팀은 이를 통해 서로 다른 샘플, 구조, 결함 유형에 대한 데이터 경험을 축적할 수 있습니다. 생산 팀은 수동 청취 공정 간의 주관적 편차를 줄이고 시험 프로세스의 확장성을 높일 수 있습니다.

AI Analysis는 엔지니어링 판단과 분리된 것으로 보아서는 안 됩니다. 엔지니어는 여전히 원본 오디오, 시간 영역 파형, 스펙트럼 곡선, 시간-주파수 스펙트로그램, AI 출력을 검토할 수 있습니다. 이상 샘플이 발생하면, 해당 데이터를 추적하여 결함 위치를 파악하고 공정을 개선하는 데 활용할 수 있습니다.

그림 4: 이상 음 검출을 위해 합격/불합격 판정을 출력하는 OpenTest AI Analysis

결과 출력: 이상 음 판정을 추적 가능하게 만들기

R&D 검증과 생산 테스트에서 이상 음 검출은 단순한 합격/불합격 결과만으로는 충분하지 않습니다. 결과는 재검토와 추적이 가능해야 합니다.

OpenTest에서는 시험 데이터, 분석 결과, AI 판정 결과, 샘플 정보를 동일한 시험 과제를 중심으로 관리할 수 있습니다. 이상 샘플에 대해서는 해당 오디오 파일, 스펙트럼 결과, 시간-주파수 특성, 시험 기록 등을 추가로 검토하여 이상이 발생한 시간 구간과 주파수 구간을 찾을 수 있습니다. 배치 시험 결과는 샘플 비교, 품질 추적 및 이후 공정 최적화를 지원할 수도 있습니다.

이는 이상 음 검출이 더 이상 작업자가 그 순간에 듣는 것에만 의존하지 않음을 의미합니다. 대신, 재검토 가능한 데이터 기록으로 전환됩니다. 제품 음향 품질을 지속적으로 개선해야 하는 팀에게 이러한 추적 가능성은 단일 시험 결과보다 더 중요한 경우가 많습니다.

그림 5: OpenTest 자동 저장

적용 시나리오: R&D 검증부터 생산 스크리닝까지

OpenTest Sequence Mode와 AI Analysis는 여러 이상 음 검출 시나리오에 적용할 수 있습니다:

• 모터 이상 음 검출: 베어링 이상, 러빙 노이즈, 전자기 잡음, 주기적 이상 음 및 관련 문제 식별.
• 헤드폰 이상 음 검출: 버즈, 러빙 노이즈, 보이스 코일 러빙, 공기 누설, 비정상 노이즈 플로어 및 관련 문제 식별.
• 스피커 이상 음 검출: 왜곡 유사 이상 음, 러빙, 조립 불량, 캐비티 누설 및 관련 문제 식별.
• 가전 및 완제품 NVH 시험: 팬, 모터, 컴프레서, 펌프 등 구성품에서 발생하는 이상 동작음을 식별.
• Production end-of-line 테스트: 안정적인 워크플로를 표준 시퀀스로 구성해 수동 청취 편차를 줄입니다.
• R&D 시제품 비교: 서로 다른 구조, 소재, 조립 설계 간 음향 성능 비교.

이러한 시나리오에서 OpenTest의 가치는 단순히 한 번의 음향 시험을 완료하는 것에 그치지 않습니다. 팀이 이상 음 검출을 재사용 가능하고, 추적 가능하며, 확장 가능한 워크플로로 전환하도록 돕는 것입니다.

이상 음 검출의 핵심 과제는 복잡한 동작 조건과 대량 샘플 환경에서 "이상" 음을 지속적으로 식별하는 것입니다. 전통적인 한계값과 수동 청취는 여전히 가치가 있지만, 반복 시험, 배치 스크리닝, 초기 결함 식별에서는 보다 표준화된 워크플로와 더 효율적인 데이터 분석 도구가 필요합니다.

OpenTest 시퀀스 모드를 사용하면 엔지니어는 연결, 재생, 취득, 분석, AI 판정, 결과 출력을 표준 시험 워크플로로 구성할 수 있습니다. AI Analysis를 통해 시스템은 음향 특성에 기반한 합격/불합격 판정을 출력하고, 전통적인 시간 영역 또는 주파수 영역 방법으로는 일관되게 구분하기 어려운 이상 변화를 식별하는 데 도움을 줄 수 있습니다.

TWS 이어버드, 모터, 스피커, 완제품 시험 팀은 안정적인 시험 체인을 통해 데이터를 취득하고, AI Analysis로 판정을 지원하며, 표준화된 시퀀스로 워크플로 일관성을 유지하고, 시험 기록으로 이후 추적과 개선을 지원하는 등 보다 엔지니어링 중심의 이상 음 검출 경로를 확보할 수 있습니다.

OpenTest 무료 버전은 OpenTest 공식 웹사이트에서 이용할 수 있습니다. OpenTest 시퀀스 모드, AI Analysis 또는 이상 음 검출 솔루션에 대해 더 알아보시려면, 아래의 "Get in Touch" 양식을 작성해 주십시오.