본 프로젝트에서는 차량주행시 빗물을 닦는 와이퍼 설계 품질을 진단하고자 와이퍼 부상속도 예측 및 원인 분석 방법론을 제안하였다. 와이퍼는 차량이 주행하는 속도가 높을수록 뜨는 현상(부상)이 발생하는데 이 부상할 때 속도가 낮으면 좋은 품질을 의미한다. 이 부상속도는 결국 와이퍼가 바람의 세기에 따라 좌우되는데 바람의 세기를 결정짓는 것이 후드 형상(본네트)이다. 따라서 본 프로젝트에서는 와이퍼를 어떻게 설계했는지 기록한 수치형 설계 데이터와 후드형상 설계도면을 다양한 각도에서 바라본 Multi-view 이미지 데이터를 동시에 고려한 예측모델을 구축하기 위해 Interpretable multimodal deep learning 기법을 제안하였다. 수치데이터는 Deep neural network, 이미지 데이터는 Convolutional neural network을 사용하여 데이터로부터  유의미한 특성을 추출하고, Attention기반 modal 선택 및 class activation map 기반 이미지 내 중요구역을 강조할 수 있는 메커니즘을 추가하였다. 그 결과, 단일 Modal 만 사용했을 때보다 더 좋은 예측성능을 보였으며 유의미한 해석력을 도축하였다.