제조 산업에서 특정 제품의 작동으로 인해 발생하는 소리를 관리하는 것은 필수적이다. 현재 엔지니어가 직접 소리를 듣고 소음 발생 여부를 판단하고 있다. 하지만 엔지니어에 따라 달라질 수 있고 엔지니어의 심리 상태에 따라 변화할 수 있는 현재 감성 소음 유형 평가 방식은 한계를 가진다. 최근 합성곱 신경망의 발달로 인해 소리 분야에서도 이를 활용하는 연구가 진행되고 있다. 본 프로젝트에서는 범주 불균형 상황에서 합성곱 신경망 기반 소음 유형을 분류하는 방법과 원인 분석 방법을 제안하였다. 또한 감성 레이블이 없는 소음을 이용해 합성곱 신경망을 사전 학습하여 성능 향상에 성공하였다. 실험을 통해 정확한 예측 성능을 보이며 과 일관적인 분류 기준을 가지는 분류 모형을 학습하였음을 증명하였다. 다음으로 수치형, 범주형 설계 인자를 입력 받아 실질적인 소음 크기인 (dB) 값을 예측하는 모형을 개발하였다.  이 두 가지 모형을 종합하여 엔지니어가 학습한 소음 평가 지식을 일반화 할 수 있을 것으로 기대한다.