일본산업뉴스요약

Nikkei X-TECH_2021.12.13

AI 시대의 기술 전승
도요타 규슈, 렉서스의 '이상음'을 AI로 감지
검사 인력 육성에도 활용

도요타자동차 규슈(후쿠오카현, 이하 도요타 규슈)는 ‘렉서스’를 생산하는 미야타 공장(본사 공장)에서 인공지능(AI)을 활용한 완성차의 차내 이상음 검사 시스템을 도입, 2021년 8월에 가동시켰다. 기존에는 숙련된 검사원의 청력에 의존하던 검사를 자동화하여 검사원의 부담을 경감한다. 검사원의 고령화로 인한 청력 쇠약에 대응한다. 또한 수집한 이상음 데이터는 젊은 검사원의 기술 향상에도 활용할 수 있다.

-- 사소한 이상도 허용하지 않는 ‘렉서스 품질’ --
검사 대상 차량 내부의 이상음이란 주행 중 운전자와 동승자의 귀에 들리는 소리 중 노면의 요철에서 기인하는 '달그락 달그락' 소리를 말한다. 엔진 소리나 로드 노이즈, 에어컨 작동 소리 등은 포함하지 않는다. 차체의 진동으로 인해 부품이 공진했을 때, 부품 모양이 미묘하게 고르지 못하거나 장착 불량 등의 문제가 있으면 부품끼리 접촉하여 발생한다.

고급차 렉서스를 생산하는 도요타 규슈에서는, 외관이나 기능에 관한 검사와 더불어 차내 이상음과 같은 쾌적성에 관한 검사도 모든 차량을 대상으로 실시하고 있다. 다만 이상음은 좀처럼 발생하지 않는다. 이상음의 가능성이 있다고 판정되는 차량은 100~200대 중 1대다. 이 중에 재검사에서 이상음으로 인정되는 차량은 거의 없을 정도다.

처음에는 이상음을 검사하기 위해 옥외 테스트 코스에서 다양한 종류의 노면을 주행하면서 확인했었다. 그러나 옥외에서는 악천후 시에 빗소리 등으로 인해 이음을 듣기가 어렵고, 공장 라인에서 옥외로 이동하는 데 시간이 걸리는 등의 문제가 있었다. 때문에 15년에 공장 건물 내에서 이상음 검사를 할 수 있는 설비 ‘Rough Road Tester’를 개발. 이 설비를 2개 라인에 설치해 이상음 검사의 실내화를 실현했다.

Rough Road Tester에서는 차량을 약 35초간 자율주행시켜 차내 이상음을 조사한다. 검사 위치로 이동하는 것까지 포함하면 택 타임은 1분이다. 지금까지의 차내 이상음 검사는 검사원이 차내에 탑승해 자신의 귀로 직접 들어 검사했다. 검사 중인 차내에는 시트에 씌운 비닐이 스치는 소리도 포함해 ‘이상음과는 관계 없는 소리’도 발생한다. 검사원은 차내에서 귀를 곤두세워 그러한 소리에 이상음이 섞여 있지는 여부를 판단했었다.

21년 8월에 그 검사 체제는 일변했다. Rough Road Tester 위까지 차량을 이동시킨 후에 검사원은 하차한다. 마이크(바이노럴 마이크)와 스마트폰을 내장한 이상음 판정용 기기를 운전석의 헤드레스트에 걸어둔다. 무인 상태에서의 자율주행이 끝나면 검사원이 기기를 떼어내고, 차량을 Rough Road Tester에서 다음 공정으로 이동시킨다.

이상음 판정용 기기의 마이크는 운전자의 귀가 위치하는 곳에 설치해 검사원이 소리를 듣는 상황을 재현한다. 이 마이크로 수집한 소리를 스마트폰에 보존했다가 평가 주행이 끝나면 음원 파일을 서버에 전송한다. 서버의 AI로 음원 파일을 분석해서 이상음의 유무를 스마트폰에 표시한다. 이상한 소리가 날 가능성이 높은 NG 차량은 사람이 재검사한다.

현재는 비교적 엄격한 기준으로 이상음을 판정하도록 AI의 알고리즘을 설정했다. AI가 이상음으로 판정하는 차량 대수는 사람이 판정했을 경우의 2배 정도다. 도요타 규슈 품질관리 부품관총괄실의 마에다(前田) 그룹장은 “AI가 이상음이라고 판단하는 기준을 숙련 기술자와 같은 수준으로 끌어올려, 머지않은 시일 내에 기술자보다 높은 정밀도로 이상음을 판정할 수 있도록 만들 계획이다”라고 말한다.

-- 수천 대 분의 검사 소리를 수집 --
이상음 검사 시스템은 도요타 규슈와 같이 후쿠오카에 본사를 두고 있는 SKYDISC와 공동으로 개발했다. 시스템의 베이스로는 SKYDISC가 개발한 ‘AI 분석 솔루션’을 이용했다. 이 솔루션은 소리 데이터를 사람의 청각 특성에 근거해 분류하고, 이를 통해 얻은 약 1만 개 이상의 특징량으로 이상음을 판정하는 AI 모델을 만든다.

도요타 규슈에서 이상음 검사 시스템을 도입하는 것은 결코 간단하지 않았다. 18년 1월부터 AI 검사 시스템 도입을 검토하기 시작, 이상음 유무를 라벨화한 데이터를 작성하는 데 약 1년, 판정에 사용할 수 있는 AI를 구축하기까지 약 1년을 소요했다. 더욱이 공장에서 사용할 수 있는 정식 검사로 인정받기까지 또 1년 정도가 걸렸다.

우선 수천 대 차량의 이상음 검사 소리를 수집하고, 그 녹음을 숙련 검사원이 듣고 정상음과 이상음을 분류해 라벨화한다. 이렇게 준비한 데이터를 바탕으로 SKYDISC의 AI 분석 솔루션으로 정상음과 이상음을 분류할 수 있는 특징량을 추출했다.

게다가 추출한 특징량을 갖는 정상음의 자율학습을 통해 정상 데이터의 분포를 벗어난 것을 이상음이라고 판단할 수 있도록 했다. 이는 수천 대의 검사 데이터를 수집했지만 이상음 발생 확률은 극히 낮기 때문이다. 또한 다종 다양한 이상음을 고정밀도로 판별하기 위해 복수의 학습 알고리즘을 조합하는 방법인 앙상블 학습도 채용했다.

AI 검사 시스템의 도입을 통해 이상음을 발견하지 못하는 사태는 반드시 피해야 한다. AI 도입 초기인 현재는 AI가 내리는 판정에 대해 신중한 모습이다. “현장의 숙련 기술자는 마치 신인 검사원을 보는 것처럼 AI에 대해 엄격한 잣대로 주시하고 있다”(마에다 그룹장). AI가 판별한 이상음이 정말로 이상음인지 어떤지, 실제 검사 시에 AI와 검사원이 동시에 판정하는 방법으로 정밀도를 확인하고 있다.

-- AI 판정 결과를 젊은 검사원 육성에 활용 --
마에다 그룹장은 “AI를 도입한 첫 번째 목적은 오류가 적은 검사를 이용해 사람의 작업 부담을 줄이고 싶었기 때문이다”라고 말한다. AI를 활용하면, 자신의 귀로 직접 들어서 판정해야 하는 검사원의 부담이나 진동하는 차량에 탑승해야 하는 신체적인 부담을 줄일 수 있다. 사전에 AI로 이상음의 가능성이 높은 차량을 추림으로써, 이상음이 없는 차량에 계속해서 OK 판정을 내리는 단조로운 업무를 줄일 수 있고, 그만큼 판단 업무에 집중할 수 있다.

또한 젊은 검사 요원의 양성에도 활용할 수 있을 것으로 보인다. 이상음은 발생 빈도가 낮은 데다 매번 이상음의 유형이 달라지므로 종합적인 파악이 어려웠다. AI가 이상음으로 판정한 소리를 들음으로써 젊은 검사원들은 다양한 이상음을 배울 수 있다. 심리학 용어로 ‘칵테일 파티 효과’처럼 사람은 주변의 다양한 소리에서 필요한 정보를 무의식적으로 선택한다. “이상음을 눈치챌지 여부도 발생할 가능성이 있는 많은 이상음을 기억하고 있는지가 영향을 미치는 것으로 보인다”(마에다 그룹장).

장기적으로는 AI의 소리 판정 기능을 이상음 검사 이외에도 적용할 수 있을 가능성이 있다. 예를 들어, 이상음 판정을 위해 수집한 소리 데이터를 설비의 예방 보전에 활용할 수도 있다. 설비의 가동음 변화를 수치로 관리하거나 사람이 들리지 않는 모터의 고주파수대 소리를 조사함으로써 설비의 마모나 모터의 오류를 미연에 방지한다.

 -- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.