제조업의 디지털 전환은 오랫동안 데이터 수집, 시각화, 공정 자동화에 초점이 맞춰져 왔다. 그러나 제조 현장에는 여전히 사람의 감각과 숙련도에 의존하는 영역이 적지 않다. 대표적인 예가 ‘청각 검사’다. 모터, 기어, 베어링, 액추에이터, 커넥터, 스피커 같은 부품과 제품은 눈으로는 확인하기 어려운 기계·설비 이상을 소리로 먼저 드러내지만, 많은 현장에서는 여전히 작업자의 귀와 경험에 의존해 품질을 판단하고 있다.

이러한 구조는 제조 AX(AI Transformation) 시대에 더 이상 주변적인 문제가 아니다. 시각 기반 검사는 머신비전을 중심으로 빠르게 자동화된 반면, 청각 기반 품질 검사는 여전히 미자동화 영역으로 남아 있다. 그 결과 품질 편차, 검사자 피로도, 교육 비용, 숙련자 의존 그리고 대규모 무향실 라인 운영 부담과 같은 문제가 지속적으로 누적되고 있다. 제조 경쟁력이 품질의 일관성과 공정의 실시간 대응력에서 결정되는 지금, ‘Sound AI’는 디지털 퀄리티를 구현하는 핵심 인프라로 빠르게 부상하고 있다.

제조 AX의 사각지대, 

청각 검사

오늘날 많은 제조 기업은 ERP, MES, 설비 모니터링 시스템을 통해 방대한 데이터를 축적하고 있다. 그러나 실제 불량 판단과 이상 탐지의 최전선에서는 여전히 사람의 주관적 판단이 중요한 역할을 하는 경우가 많다. 특히 회전체, 체결 공정, 전장 부품, 스피커 디바이스, 의료기기 구동부처럼 미세한 차이가 품질을 좌우하는 영역에서는 소리가 곧 핵심 품질 데이터가 된다. 그럼에도 정량화하고 표준화할 수 있는 체계는 여전히 부족한 상황이다.

제조 현장에서는 모터와 기어, 베어링 계열 제품의 전수 검사를 위해 다수의 청각 검사 라인이 운영되거나, 체결음의 미세한 차이를 작업자의 청각에 의존해 판별하는 방식이 여전히 사용되고 있다. 예를 들어 모터 액추에이터의 이음, 조립 라인에서의 커넥터 미체결과 같은 문제는 사람의 귀로는 구분이 어렵지만, 제품 납품 이후 운행 단계에서 중대한 품질 이슈로 이어질 수 있다. 결국 제조 현장에서 소리는 단순한 부가 정보가 아니라, 불량과 이상을 가장 먼저 알려주는 선행 신호라고 할 수 있다.

‘보는 AI’ 다음은 ‘듣는 AI’

머신비전은 PCB, 웨이퍼 등 시각적 검사가 가능한 공정에서 높은 보급률을 보이며 생산 현장의 자동화를 견인해 왔다. 반면 청각 검사는 검사자의 숙련도, 컨디션, 근무 시간, 주변 소음 환경의 영향을 크게 받기 때문에 동일한 제품이라도 판정의 일관성이 흔들릴 수 있다. 이러한 구조에서는 품질 판단의 표준화를 확보하기 어렵고, 이상 징후의 이력 관리나 원인 역추적에도 한계가 발생한다.

이 지점에서 Sound AI는 머신비전 이후의 제조 자동화 단계로 주목받고 있다. 디플리의 Listen AI Industrial은 공정에서 발생하는 소리·초음파·진동 데이터를 실시간으로 분석해 정상과 비정상을 구분하고, 그 결과를 작업자 HMI와 관리자 대시보드로 전달하는 산업용 이상음 감지 AI 솔루션이다. 이는 단순한 ‘소리 기록 시스템’이 아니라, AI가 제조 라인의 상태를 음향 패턴으로 해석하고 품질과 설비 상태를 데이터로 정량화하는 Physical AI 인프라라고 할 수 있다.

Sound AI가 구현하는 

데이터 기반 품질관리

디지털 퀄리티의 핵심은 품질 판단의 기준을 사람의 감각이 아닌 데이터 기반으로 전환하는 데 있다. Listen AI Industrial은 이상음이 발생했을 때 자동으로 탐지하고, 장비·라인별 이상 발생 이력과 분류 결과를 축적해 실시간 모니터링과 사후 분석을 모두 지원하는 구조를 제공한다. 또한 PLC 연동을 통해 MEC/MES 등 기존 제조 시스템과 통합할 수 있어, 개별 검사 솔루션을 넘어 공장 전체의 품질관리 체계와 연결되는 것이 특징이다.

특히 청각 검사의 디지털화는 ‘보이지 않는 불량’을 조기에 탐지하는 데 강점이 있다. 커넥터 미체결, 액추에이터 이음, 베어링 마모, 회전 이상음, 설비 노후화, 배터리 이상 징후 등은 외관 검사만으로는 식별에 한계가 있지만, 소리·초음파·진동 신호에서는 이상 패턴이 초기 단계부터 나타난다.

디플리 솔루션은 80dB 이상의 고소음 환경에서도 유의미한 신호를 안정적으로 포착하며, 실제 양산 라인에서 99.87% 수준의 정확도로 검증된 사례를 제시하고 있다. 또한 지난 3월 AW2026 세미나에서는 불량 검출 정확도 96~99.6%, 진동 기반 솔루션 대비 정확도 40% 향상, 검사 시간 최대 60% 감소, 품질 불량률 평균 75% 개선 등의 정량적 성과를 공개하였다.

양산 현장에서 입증된 

Sound AI의 효과

디플리 자료에 따르면 현대트랜시스와 효성전기 등 제조 현장에서는 차량 제조 공정의 청각 검사를 대체하는 솔루션이 도입되었으며, 코레일에는 고속열차 회전체 이상음 감지, DL E&C 등에는 산업 현장 이상 감지 솔루션이 적용되었다. 이는 Sound AI가 실험실 수준의 기술이 아니라, 실제 양산 공정과 운영 환경에서 활용 가능한 단계에 도달했음을 보여준다.

디플리는 세미나 사례를 통해 그 가능성을 보다 구체적으로 제시하였다. 한 자동차 부품 계열 고객사는 전기차 변속기 제조 공정에서 발생하는 체결음의 미세한 차이를 AI로 판별해 소프트 커넥팅 문제를 탐지했으며, 사람 귀로 구분하기 어려운 신호대잡음비(SNR) -1.77dB 수준의 신호까지 검출하였다.

또 다른 사례에서는 평균 55dB, 1.4초 길이의 정상·불량음을 구분하고 생산라인 속도에 맞춰 실시간 판정이 가능한 구조를 구현함으로써, 기존 청각 검사 중심의 인력 운영 체계를 재검토할 수 있는 수준의 효율 개선을 확인하였다. 더불어 H사에서는 검사 효율 2배 향상, P사에서는 모터 생산 불량률 82% 감소, T사에서는 사이클 타임 51% 개선 등의 성과도 확인되며, Sound AI의 산업적 효과가 구체적인 수치로 입증되고 있다.

디플리가 축적해 온 

Sound AI 기술 경쟁력

디플리의 기술력은 단기간에 만들어진 것이 아니라, 8년 이상 소리 데이터를 직접 수집·정제하며 Sound AI를 지속적으로 고도화해 온 결과다. 특히 단순한 오픈소스 활용에 그치지 않고, 비언어 사운드에 특화된 독자 모델을 자체 개발해 왔다.

또한 오디오 신호처리와 딥러닝 기술을 결합하고, 현장 테스트를 반복 수행해 실제 공장 환경의 소음·반향·진동 등 다양한 변수를 모델에 반영하는 최적화 구조를 구축하였다. 이를 기반으로 약 13.9 TB, 5만 시간 이상의 비언어 사운드 데이터셋과 트랜스포머(Transformer) 기반 모델이 핵심 기술 축을 이룬다.

이러한 기술력은 ICASSP와 Interspeech 등 세계적 학회 논문 게재 실적과 국내외 특허 3건과 7건 출원, TTA 인공지능 성능 인증 3건으로 검증되었다. 더 나아가 현대트랜시스, 코레일, 효성전기 등 실제 양산 현장 도입 사례를 통해 실효성까지 입증되고 있다.

사람을 대체하는 것이 아니라 

현장을 고도화하는 AI

제조 현장에서 AI 도입을 논할 때 종종 제기되는 우려는 ‘사람을 대체하는가’에 대한 질문이다. 그러나 청각 검사 자동화의 본질은 사람을 배제하는 데 있지 않다. 오히려 숙련자의 감각에 의존해 온 판단 기준을 데이터화하고, 누구나 일관된 품질 기준으로 검사할 수 있도록 함으로써 현장의 역량을 상향 평준화하는 데 의미가 있다.

실제로 Listen AI Industrial은 이상 징후를 탐지한 뒤 작업자와 관리자에게 즉시 알림을 제공하고, 축적된 데이터를 기반으로 원인 역추적과 공정 최적화까지 가능하게 한다. 이는 단순한 검사 자동화를 넘어 예지보전과 운영 최적화, 나아가 품질 이력 기반의 지속 개선 체계로 확장될 수 있다. 제조 AX의 본질이 데이터를 스스로 판단 가능한 운영 자산으로 전환하는 데 있다면, Sound AI는 기계의 ‘귀’를 통해 그 전환을 현실화하는 가장 실용적인 방법 중 하나다.

제조 경쟁력은 

이제 ‘정확한 데이터’에서 나온다

제조업의 경쟁력은 더 이상 생산량만으로 결정되지 않는다. 얼마나 빠르게 이상을 감지하고, 얼마나 일관된 품질을 유지하며, 얼마나 낮은 비용으로 고품질 운영 체계를 구축하느냐가 핵심이 되고 있다. 이러한 관점에서 청각 검사의 자동화는 단순한 검사 공정 개선을 넘어, 제조 품질관리의 패러다임을 

‘사후 발견’에서 ‘실시간 감지와 선제 대응’으로 전환하는 계기가 된다.

Physical AI 시대의 공장은 눈으로만 보는 공장이 아니라, 스스로 듣고 판단하는 공장으로 진화하고 있다. 소리는 현장의 이상을 가장 먼저 드러내는 신호이며, 제조 AX는 그 신호를 놓치지 않고 활용할 수 있는 체계를 구축하는 과정이다. 디지털 퀄리티가 제조 경쟁력을 좌우하는 시대, 기계의 ‘귀’를 갖춘 공장이 더 빠르고 정밀한 경쟁우위를 확보하게 될 것이다.

mason@deeply.co.kr