본 프로젝트는 차량 조향 장치 중 일부인 R-EPS 장치에서 수집되는 가속도 데이터를 기반으로 인공지능 기술을 이용하여 실차 소음 수준을 예측하는 모델 구축을 진행하였다. 실차 소음 수준은 차량의 품질을 평가하는 부분 중 중요한 요소로 고려되고 있으며, 가속도 데이터를 기반으로 인공지능 기술을 이용해 실차 소음 수준을 예측한 것은 본 프로젝트가 처음 연구된 사례이다. 본 프로젝트에서는 R-EPS 장치 6곳에서 수집되는 가속도 시그널 데이터 값을 대상으로 고속푸리에 변환을 적용하여 스펙트로그램을 추출하였다. 추출된 스펙트로그램으로부터 노이즈가 포함되어 있는 고주파 영역을 제거한 후, 각 위치의 스펙트로그램을 학습하기 위한 CNN 인코더를 모델링하였다. 이어 XAI 기법 중 Saliency map 알고리즘을 이용하여 학습된 모델로부터 실차 소음 수준에 주요하게 기인하는 중요 주파수 영역을 탐색하였다. 탐색된 중요 주파수 영역은 실제 실험실에서 수집된 차량 내부 소음의 중요 주파수 영역에 대한 정보를 담고 있는 NTF(Noise Trasfer Function) 결과와 유사하게 나타나는 것을 확인하였다. 본 프로젝트는 차량 소음 수준을 예측하는 문제에 인공지능을 적용했다는 것에 의의가 있고, XAI 기법을 통해 구축된 예측 모델로부터 소음 수준에 영향을 미치는 주파수 영역 정보를 제공함으로써 차량 내부 소음 수준을 낮출 수 있는 제품을 고안하는 데에 기여를 할 수 있을 것으로 보인다.