본문 바로가기

댓글0
번역beta

Translated by kakao i

번역할 언어 선택

뷰 본문

HMG저널

인공지능, 자동차 소리로 고장 부위를 파악한다

- 파워트레인 계통의 소리로 자동차의 고장을 감지하는 원리<br/>- 정확도 90% 이상으로 정비 분야에 획기적인 전기 마련<br/>- 소비자 불신해소와 정비비용 절감에도 도움

151 읽음
댓글0
번역beta

Translated by kakao i

번역할 언어 선택

경험 많고 예민한 정비사들은 카센터에 차가 들어올 때 내는 소리만 듣고도 고장 부위를 알아채는 경우가 있습니다. 자동차가 만들어내는 정상적인 소리와는 다른 이음(異音)을 잡아내는 것입니다. 실제로 정비현장에서는 청진기와 비슷한 도구를 갖다대거나, 고장이 예상되는 부위에 긴 드라이버를 대고 소리를 들으며 진단을 내리기도 합니다. 현대기아차 연구소는 이런 원리에 AI를 적용해 고장진단 시스템을 개발했고 거의 완성 단계에 이르렀습니다. 내년 중에는 AI 진단기를 일선 정비현장에 보급한다는 계획으로 마무리 작업이 한창이죠. 어떻게 이런 진단 시스템을 개발할 수 있었는지, 어떤 원리로 작동하는지 살펴보겠습니다. 


자동차의 소리로 고장 부위를 파악한다 

소리는 각각의 특성을 가지고 있습니다. 파장과 진폭이 다 제각각이죠. 예를 들어 동물들이 내는 소리는 인간보다 복잡한 파장을 만들어 냅니다. 자동차는 이보다 더하죠. 수많은 부품들이 각자 맞물리고 간섭하기 때문에 한 대의 자동차는 수많은 부품이 내는 소리로 가득합니다. 많은 부품들이 결합돼 있는 엔진이나 동력 계통은 더하겠죠. 그런데 이 소리를 듣고 차의 어디가 고장났는지 진단할 수 있을까요? 숙달된 정비사도 어렵습니다. 자동차의 엔진룸이나 파워트레인에서 나는 소리는 앞서 말한 것처럼 사람이나 동물보다 훨씬 다양하고 복잡하거든요. 그럼 인공지능은? 현대기아차 남양연구소 엔진NVH리서치랩은 인공지능에게 자동차가 내는 소리를 학습시켜 고장 부위를 파악하는 기술을 개발했습니다. 


인공지능은 어떻게 소리를 구분하나 

소리로 자동차의 고장을 구분하는 인공지능을 개발하는 프로세스입니다. 쉬워 보이지만 결코 만만치 않은 작업입니다

한 눈에 개와 고양이를 알아볼 수 있는 사람과 달리, 인공지능이 개와 고양이의 차이를 구분하기 위해서는 수많은 개와 고양이의 사진을 보고 학습해야 합니다. 이런 방법을 머신러닝(기계학습)이라고 합니다. 초기 인공지능에 쓰이던 방법이죠. 요즘은 다량의 데이터에서 인공지능이 스스로 특징을 분석하는 방법이 개발됐는데 이것이 딥러닝입니다. 스스로 수많은 기보를 학습해 인간을 뛰어넘은 알파고가 딥러닝의 대표격입니다. 인공지능이 스스로 학습하기 위해 필요한 건 양질의 데이터입니다. 참고할 데이터가 부족하면 딥러닝도 한계가 있죠. 인공지능이 소리로 차의 고장을 진단하기 위해 제일 먼저 필요한 것 역시 다양한 사운드 데이터의 확보입니다.

현대기아차 남양연구소 엔진NVH리서치랩의 연구원들은 수년간의 노력으로 엔진에서 정상음과 비정상음을 뽑아내 유형별로 분류하고 데이터로 만들어냈습니다. 인공지능이 학습할 로우(Raw) 데이터를 추출하는 과정입니다. 이렇게 수집된 소리들을 다양한 분석 툴을 통해 분류하면 인공지능이 학습할 수 있는 데이터베이스가 되는 겁니다.

연구원들은 현재까지 엔진에서 나는 830개의 소리 샘플을 수집했습니다. 그리고 이를 부품과 고장 유형에 따라 18개 유형, 44개 세부항목으로 재분류했습니다. 예를 들자면 피스톤 소음이라는 큰 유형 내에서 오일링 소음, 피스톤 마찰음 등의 세부항목으로 나누는 식입니다. 특정한 부분의 고장이 있을 때 차가 내는 소리를 인공지능이 학습하게 하고, 다음에 비슷한 소리가 입력되면 해당 부위의 고장이라는 결론을 내는 것이죠. 


인공지능은 얼마나 정확할까 

중요한 것은 이런 소리 분석이 얼마나 정확한가, 그리고 정비사가 하는 것보다 효율적인가 하는 문제일 것입니다. 최근 소음 진단 전문가 10여 명이 이 소리 분석 인공지능과 대결을 펼쳤습니다. 결과는 인간과 알파고의 바둑 대결만큼 충격적입니다. 소음 진단 전문가 팀의 정답률은 8.6%, 인공지능의 정확도는 87.6%였습니다. 10배 이상의 차이입니다. 물론 데이터가 다량 확보되어 인공지능의 학습량이 늘어나면, 정확도가 더 올라가겠죠. 그렇게 되면 정비의 편의가 크게 높아집니다.

현재는 숙달된 엔지니어라 해도 고장 부위를 찾기 위해 짧게는 몇 시간, 길게는 며칠까지 각 부위를 일일이 체크해야 합니다. 정확한 진단을 위해 의심 가는 모든 부위를 체크하고 분해해서 고장 여부를 가려야 했기 때문입니다. 하지만 인공지능 진단기를 엔진에 대면 고장 부위를 순식간에 알 수 있게 됩니다. 인공지능은 입력된 소리를 바탕으로 고장 부위를 확률 순서로 3개까지 알려줍니다. 예컨대 터보차저 문제일 확률 87%, 변속기 문제일 확률 12%, 밸브계 문제일 확률 1% 같은 식입니다.

우선순위에 두고 정비해야 할 부분이 줄어드는 만큼 엔지니어는 정비의 수고를 크게 덜게 되고, 운전자 역시 시간을 크게 줄일 수 있습니다. 이 원리를 조금 더 확장시키면 현대기아자동차 외에 다른 브랜드의 내연기관 자동차는 물론 전기차, 항공기나 유조선, 열차 같은 분야에도 적용할 수 있습니다. 현대기아자동차는 이 소리 분석 기술에 대해 한국과 독일, 일본 등 각국에서 특허 출원 중입니다.

현대기아자동차가 개발 중인 인공지능 기반 파워트레인 문제 진단 기술은 현재 88% 정도의 정확도를 나타내고 있습니다. 올해 안에 90% 이상의 정확도를 목표로 개발을 완료해 내년에는 이 기술을 각 정비센터에서 활용할 수 있도록 할 계획입니다. 2019년에는 엔진룸에 마이크를 가져다 대고 있는 정비사들의 모습을 보게 될 지도 모르겠습니다.

작성자 정보

HMG저널

Connecting to the Future

    실시간 인기

      번역중 Now in translation
      잠시 후 다시 시도해 주세요 Please try again in a moment