기업의 이미지 및 소비자들의 의식 수준 향상으로 제조 기업의 품질관리 중요하다. 에어컨을 생산하는 기업은 소비자들에게 제공되기 전에 에어컨의 불량 검사를 한다. 현재 에어컨의 소음검사는 작업자에 의해 이루어지고 있으며, 작업자의 청력, 경험, 피로도 등에 의존한다. 또한, 에어컨의 생산라인에는 여러 가지 배경소음이 존재하고 있으며, 이러한 배경소음이 작업자의 판단에 영향을 끼치기도 한다.
본 연구에서는 작업자에 의해 이루어지고 있는 에어컨의 소음검사를 자동화하는 알고리듬을 개발하였다. 가속도계를 완제품의 소음검사에 사용하기에는 제한적이다. 그리고 마이크로폰을 사용하게 되면 에어컨 실내기의 소음뿐만 아니라 생산라인의 배경소음도 같이 측정이 된다. 그렇기 때문에 배경소음의 영향을 받지 않으면서 소음불량을 검출할 수 있는 알고리듬 개발이 필요하다.
먼저, 소음불량의 특성을 알아보기 위해 무향실에서 소음불량의 재현 실험을 하였다. 에어컨 실내기 후면의 송풍팬 높이에서 측정을 하였다. 정상과 소음불량의 스펙트럼을 비교하여, 차이를 보이는 주파수 대역에 디지털 필터를 적용하였다. 이물에 의해 발생하는 소음불량은 송풍팬의 회전 주기로 충격 형태의 신호가 발생하는 것을 확인하였다. 회전축 불균형에 의한 소음불량은 약풍 조건에서만 유의미한 주파수 대역이 나타났으며, 송풍팬의 회전 주파수가 진폭 변조된 형태로 나타났다.
배경소음의 특성을 알아보기 위해서 생산라인에서 측정한 신호를 스펙트럼과 스펙트로그램을 사용하여 분석하였다. 무향실에서 측정한 신호의 스펙트럼과 생산라인에서 측정한 신호의 스펙트럼을 비교하여, 배경소음이 발생하는 주파수 대역을 확인하였다. 그리고 측정된 신호를 청음하면서 스펙트로그램과 비교를 통하여 배경소음들의 주파수 대역을 확인하였다. 이러한 배경소음들은 디지털 필터를 이용하여 제거가 가능하다. 하지만 간헐적으로 발생하는 충격 형태의 배경소음은 디지털 필터로 제거를 할 수 없다. 충격성 배경소음의 영향을 받지 않으면서, 소음불량을 검출할 수 있는 알고리듬이 필요하다.
본 연구에서는 충격성 배경소음의 영향을 받지 않으면서 소음불량의 특성을 이용한 검출 알고리듬 개발을 위하여 켑스트럼 분석과 포락선 분석을 사용하였다. 켑스트럼 분석을 하게 되면 주기적인 충격 신호로 발생하는 스펙트럼의 고조파 성분을 얻을 수 있게 된다. 여기서 얻은 송풍팬의 회전 주기에 해당하는 성분을 이용하여 이물에 의한 소음불량 검출이 가능하였다.
포락선 분석은 진폭 변조된 신호에서 피변조 신호의 주파수 성분을 추출하는 분석 방법이다. 진폭 변조된 소음불량 신호에 힐버트 변환을 적용하여 포락선을 구한 후, 포락선 스펙트럼을 나타내면 송풍팬의 회전 주파수에서 피크를 확인할 수 있다. 하지만 충격성 배경소음은 시간 신호인 포락선에 나타나며, 포락선 스펙트럼에서 저주파의 크기를 크게 만든다. 이러한 영향은 정상 실내기임에도 불구하고, 송풍팬의 회전 주파수에서 큰 크기를 가져 소음불량으로 오인될 가능성을 만든다. 따라서 본 연구에서는 포락선 스펙트럼에서 송풍팬 회전 주파수보다 작은 주파수들의 크기 평균과 송풍팬 회전 주파수의 크기의 차이를 이용하였다. 본 연구에서 제안한 포락선 알고리듬을 통해 진폭 변조된 소음불량 검출이 가능한 것을 확인하였다.
켑스트럼 알고리듬과 포락선 알고리듬의 타당성을 검증하기 위하여 생산라인에 집음 시스템을 설계하였다. 설계된 집음 시스템으로 집음한 실내기 800대 중 임의의 정상 실내기 200대와 작업자에 의해 검출된 소음불량 6대를 검출 알고리듬에 적용하였다. 그 결과 일정한 기준을 선정함으로써 실내기 200대와 소음불량 6대가 구분되는 것을 확인할 수 있었다.

Quality management of manufacturing companies is important because of corporate image and improved consumer consciousness level. Companies producing air-conditioners inspect air-conditioners before they are sold to consumers. Currently, noise defects of air-conditioners are inspected by the operator and depends on hearing, experience, fatigue of the operator. In addition, there are various background noises in the assembly line of air-conditioners, and such background noise may affect the operator’s judgment.
In this study, an algorithm is developed to automate air-conditioners noise defects inspection. Accelerometers are limited for use in finished product noise inspection. When microphones are used, background noises of the assembly line are measured as well as defective noises of air-conditioner indoor units. Therefore, it is necessary to develop an algorithm that can detect noise defects without being affected by background noises.
First, a reappearance test of the noise defects is conducted in the anechoic chamber to determine characteristics of the noise defects. The measurement is made at the height of the blower fan at the rear of the air conditioner indoor unit. By comparing the spectrum of normal and noise defects, digital filters are applied to the frequency bands that show differences. It is confirmed that the noise defect caused by the foreign matter generated impulsive signal in the rotation period of the blower fan. The noise defect due to the unbalance of rotating shaft shows a meaningful frequency band only in the low fan speed condition and the rotation frequency of the fan is amplitude modulated.
In order to determine characteristics of the background noises, signals measured on the assembly line are analyzed using spectrums and spectrograms. By comparing the spectrum of the signal measured in the anechoic room with the spectrum of the signal measured in the assembly line, the frequency band in which the background noises occur is confirmed. Then, the frequency band of the background noises is checked by comparing with the spectrogram while listening to the measured signals. These background noises can be removed using digital filters. However, intermittent and impulsive background noises can not be removed by digital filters. It is needed that an algorithm which can detect noise defects without being affected by impact background noise.
In this study, cepstrum analysis and envelope analysis are used to develop a detection algorithm using the characteristics of noise defects without being affected by intermittent and impulsive background noises. The analysis of the cepstrum results in obtaining the harmonic components of the spectrum generated by the periodic impulsive signal. Using the component corresponding to the rotation period of the blower fan obtained here, it is possible to detect the noise defect due to foreign matter.
Envelope analysis is an analysis method of extracting a frequency component of the original signal from the amplitude modulated signal. By applying Hilbert transform to the amplitude modulated noise defective signal, envelope signal is obtained. Then, envelope spectrum can be used to confirm the peak at the rotational frequency of the blower fan. However, impulsive background noises appear in the envelope of the time signal, making magnitude of the low frequency band larger in the envelope spectrum. This effect, despite the fact that it is a normal indoor unit, has a large magnitude at the rotational frequency of the blower fan, thus making it possible to be mistaken for noise defects. Therefore, in this study, it is used that a difference between magnitude average of frequencies less than the rotation frequency of the blower fan and magnitude of the rotational frequency of the blower fan in the envelope spectrum. Envelope algorithm proposed in this study confirmed that amplitude modulated noise defects can be detected.
To verify validities of the cepstrum algorithm and the envelope algorithm, a collecting noise system is designed in the assembly line. It is applied that 200 normal indoor units among 800 indoor units collected by the designed sound collecting system and 6 noise defects detected by the operator to the detection algorithm. As a result, it is confirmed that 200 normal indoor units and 6 noise defective indoor units are distinguished by a certain reference value.