BR112019020372B1 - Método para gerar um modelo de aprendizado de um servidor de aprendizado de dados, servidor de aprendizado de dados, e sistema de rede - Google Patents

Abstract

SERVIDOR DE APRENDIZAGEM DE DADOS, CONDICIONADOR DE AR, TERMINAL USUÁRIO QUE CONTROLA UM CONDICIONADOR DE AR, SISTEMA DE REDE, MÉTODO PARA GERAR UM MODELO DE APRENDIZAGEM DE UM SERVIDOR DE APRENDIZAGEM DE DADOS, MÉTODO PARA USAR UM MODELO DE APRENDIZAGEM DE UM SERVIDOR DE APRENDIZAGEM DE DADOS, MÉTODO PARA FORNECER UMA TEMPERATURA RECOMENDADA DE UM CONDICIONADOR DE AR, MÉTODO PARA CONTROLAR UM CONDICIONADOR DE AR DE UM TERMINAL USUÁRIO, MÉTODO PARA GERAR UM MODELO DE APRENDIZAGEM DE UM SISTEMA DE REDE INCLUINDO UM CONDICIONADOR DE AR E UM SERVIDOR DE MODELO DE APRENDIZAGEM, MÉTODO PARA FORNECER UMA TEMPERATURA RECOMENDADA EM UM SISTEMA DE REDE, E MÉTODO PARA CONTROLAR UM CONDICIONADOR DE AR DE UM SISTEMA DE REDE É fornecido um aparelho e um método para um servidor de aprendizagem de dados. O aparelho da divulgação inclui um comunicador configurado para se comunicar com um dispositivo externo, pelo menos um processador configurado para adquirir uma temperatura definida em um condicionador de ar e uma temperatura de momento do condicionador de ar no momento de definir a temperatura através do comunicador, e gerar ou renovar um modelo de aprendizagem usando a temperatura definida e a temperatura de momento e um armazenamento configurado (...).

Description

CAMPO TÉCNICO

[0001] A divulgação se refere a um método para gerar um modelo de aprendizagem e um servidor de aprendizagem de dados usando o modelo de aprendizagem gerado.

FUNDAMENTOS DA INVENÇÃO

[0002] Nos últimos anos, serviços inteligentes que reconhecem automaticamente dados como voz, imagem, imagem em movimento e texto para fornecer informações relacionadas aos dados ou serviços relacionados aos dados foram utilizados em vários campos.

[0003] Uma tecnologia de inteligência artificial usada em serviços inteligentes é uma tecnologia que implementa a inteligência no nível humano. Diferentemente dos sistemas inteligentes existentes baseados em regras, a tecnologia de inteligência artificial permite que as máquinas realizem aprendizagem e julgamento e se tornem inteligentes por vontade própria. À medida que a tecnologia de inteligência artificial é usada, uma taxa de reconhecimento está aumentando e os gostos dos usuários podem ser entendidos com mais precisão, de modo que a tecnologia baseada em regras existente seja gradualmente sendo substituída pela tecnologia de inteligência artificial.

[0004] A técnica de inteligência artificial inclui aprendizagem de máquina e tecnologias de elementos que utilizam o aprendizagem de máquina.

[0005] O aprendizagem de máquina é uma técnica de algoritmo que classifica/aprende características dos dados de entrada por conta própria. A técnica de elementos é uma técnica que simula funções como reconhecimento e julgamento de um cérebro humano usando algoritmos de aprendizagem de máquina e inclui campos técnicos como entendimento linguístico, entendimento visual, inferência/previsão, representação de conhecimento e controle de movimento.

[0006] As aplicações da tecnologia de inteligência artificial são diversas da seguinte maneira. O entendimento linguístico é uma técnica para reconhecer e aplicar/processar linguagem/caracteres humanos e inclui processamento de linguagem natural, tradução automática, sistema de diálogo, resposta à consulta, reconhecimento/síntese de fala e similares. O entendimento visual é uma técnica para reconhecer e processar objetos como a visão humana e inclui reconhecimento de objetos, rastreamento de objetos, pesquisa de imagens, reconhecimento humano, entendimento de cenas, entendimento espacial e aprimoramento de imagens ou similares. A previsão de inferência é uma técnica para julgar, inferir e prever logicamente informações e incluir inferência baseada em conhecimento/probabilidade, previsão de otimização, planejamento baseado em preferência, recomendação e similares. A representação do conhecimento é uma técnica para automatizar as informações da experiência humana em dados do conhecimento e inclui a construção do conhecimento (geração/classificação de dados), gerenciamento do conhecimento (utilização dos dados) ou similares. O controle de movimento é uma técnica para controlar a condução automática de um veículo e o movimento de um robô, e inclui um controle de movimento (navegação, colisão, direção), um controle de operação (controle de comportamento) e similares.

[0007] As informações acima são apresentadas como informações básicas apenas para ajudar no entendimento da divulgação. Nenhuma determinação foi feita, e nenhuma afirmação é feita, sobre se alguma das alternativas acima pode ser aplicável como arte anterior no que diz respeito à divulgação.

REVELAÇÃO PROBLEMA TÉCNICO

[0008] Modalidades representativas da divulgação superam as desvantagens acima e outras desvantagens não descritas acima. Além disso, a presente invenção não é necessária para superar as desvantagens descritas acima, e uma modalidade representativa da divulgação pode não superar nenhum dos problemas descritos acima.

[0009] A divulgação é definir uma temperatura de um condicionador de ar usando uma tecnologia de inteligência artificial.

SOLUÇÃO TÉCNICA

[00010] Por conseguinte, a divulgação é fornecer um método para gerar e usar um modelo de aprendizagem para definir a temperatura do condicionador de ar.

[00011] Além disso, os assuntos técnicos da divulgação não se limitam aos assuntos técnicos acima descritos, e outros assuntos técnicos que não são mencionados podem ser claramente entendidos por uma pessoa versada na técnica a que a divulgação pertence a partir da descrição a seguir.

[00012] De acordo com um aspecto da divulgação, é fornecido um servidor de aprendizagem de dados. O servidor de aprendizagem de dados inclui um comunicador configurado para se comunicar com um dispositivo externo, pelo menos um processador configurado para adquirir uma temperatura definida em um condicionador de ar e uma temperatura de momento do condicionador de ar no momento da configuração da temperatura através do comunicador, e gerar ou renovar um modelo de aprendizagem usando a temperatura definida e a temperatura de momento e um armazenamento configurado para armazenar o modelo de aprendizagem gerado ou renovado para fornecer uma temperatura recomendada a ser definida no condicionador de ar como resultado da geração ou renovação do modelo de aprendizagem.

[00013] De acordo com outro aspecto da divulgação, um servidor de aprendizagem de dados é fornecido. O servidor de aprendizagem de dados inclui um armazenamento configurado para armazenar um modelo de aprendizagem aprendido para fornecer uma temperatura recomendada a ser definida no condicionador de ar, pelo menos um processador configurado para adquirir uma temperatura de momento do condicionador de ar e inserir a temperatura de momento no modelo de aprendizagem para adquirir a temperatura recomendada a ser definida no condicionador de ar e um comunicador configurado para transmitir a temperatura recomendada para um dispositivo externo.

[00014] De acordo com outro aspecto da divulgação, é fornecido um sistema de rede. O sistema inclui um condicionador de ar e um servidor de modelo de aprendizagem configurado para gerar um modelo de aprendizagem usando dados de aprendizagem adquiridos do aparelho, em que o aparelho inclui um sensor de temperatura configurado para detectar uma temperatura de momento ao redor do aparelho, um ventilador configurado descarregar o ar de resfriamento para o exterior com base na temperatura definida no condicionador de ar e um comunicador do condicionador de ar configurado para se comunicar com um dispositivo externo e pelo menos um processador de condicionador de ar configurado para controlar o comunicador do condicionador de ar para transmitir a corrente detectada temperatura e a temperatura definida para o dispositivo externo, e o servidor do modelo de aprendizagem inclui pelo menos um processador de servidor que adquire a temperatura de momento e a temperatura definida e gera um modelo de aprendizagem usando a temperatura definida adquirida e a temperatura de momento e um armazenamento configurado para armazenar o modelo de aprendizagem gerado para fornecer uma temperatura recomendada do condicionador de ar como resultado da geração do modelo de aprendizagem.

[00015] De acordo com outro aspecto da divulgação, é fornecido um sistema de rede. O sistema de rede inclui um condicionador de ar e um servidor de modelo de aprendizagem configurado para fornecer uma temperatura recomendada usando dados de reconhecimento adquiridos do condicionador de ar, em que o condicionador de ar inclui um sensor de temperatura configurado para detectar a temperatura de momento do condicionador de ar, um ventilador de sopro configurado para descarregar o ar de resfriamento gerado de um purificador de ar para o exterior e um comunicador de condicionador de ar transmitindo a temperatura de momento para um primeiro dispositivo externo, em que o servidor do modelo de aprendizagem inclui um armazenamento configurado para armazenar um modelo de aprendizagem aprendido para fornecer uma temperatura recomendada do condicionador de ar, pelo menos um processador de servidor configurado para adquirir a temperatura de momento e inserir a temperatura de momento no modelo de aprendizagem para adquirir a temperatura recomendada do condicionador de ar, e um comunicador de servidor configurado para transmitir a temperatura recomendada para um segundo dispositivo externo.

[00016] De acordo com outro aspecto da divulgação, é fornecido um condicionador de ar. O condicionador de ar inclui um ventilador de sopro configurado para descarregar o ar de resfriamento para o exterior, um sensor de temperatura configurado para detectar uma temperatura de momento em torno do condicionador de ar, um comunicador configurado para se comunicar com um dispositivo externo e pelo menos um processador configurado para controlar o comunicador para transmitir a temperatura de momento ao dispositivo externo, controle o comunicador para receber uma temperatura recomendada, resultado obtido pela aplicação da temperatura de momento em um modelo de aprendizagem, a partir do dispositivo externo, dependendo de uma transmissão da temperatura de momento, e defina o recebeu a temperatura recomendada no condicionador de ar, em que o modelo de aprendizagem é um modelo de aprendizagem aprendido usando uma pluralidade de temperaturas definidas anteriormente definidas no condicionador de ar e uma pluralidade de temperaturas vigentes.

[00017] De acordo com outro aspecto da divulgação, é fornecido um terminal usuário. O terminal usuário inclui um visor configurado para exibir uma tela, um comunicador configurado para se comunicar com um dispositivo externo, uma entrada configurada para receber uma entrada usuário e pelo menos um processador configurado para controlar o comunicador para transmitir um sinal de solicitação de operação de inteligência artificial correspondente para uma interface usuário de operação de inteligência artificial para o condicionador de ar em resposta a um sinal de entrada usuário, dependendo de uma entrada usuário, selecionando a interface usuário de operação de inteligência artificial incluída na tela que está sendo recebida pela entrada e controle a tela para exibir a temperatura recomendada adquirida em resposta à temperatura recomendada definida no condicionador de ar que está sendo adquirido, resultado obtido pela aplicação da temperatura de momento do condicionador de ar no modelo de aprendizagem, dependendo do sinal de solicitação de operação de inteligência artificial, via comunicador.

[00018] De acordo com outro aspecto da divulgação, é fornecido um método para gerar um modelo de aprendizagem de um servidor de aprendizagem de dados. O método inclui adquirir uma temperatura definida em um condicionador de ar e uma temperatura de momento do condicionador de ar no momento de definir a temperatura, gerar ou renovar um modelo de aprendizagem usando a temperatura definida e a temperatura de momento e armazenar o aprendizagem gerado ou renovado modelo para fornecer uma temperatura recomendada a ser ajustada no condicionador de ar como resultado de gerar ou de renovar o modelo de aprendizagem.

[00019] De acordo com outro aspecto da divulgação, é fornecido um método para usar um modelo de aprendizagem de um servidor de aprendizagem de dados. O método inclui armazenar um modelo de aprendizagem aprendido para fornecer uma temperatura recomendada a ser definida como um condicionador de ar, adquirir uma temperatura de momento do condicionador de ar, inserir a temperatura de momento no modelo de aprendizagem aprendido para adquirir a temperatura recomendada a ser definida no condicionador de ar e transmissão da temperatura recomendada para um dispositivo externo.

[00020] De acordo com outro aspecto da divulgação, é fornecido um método para fornecer uma temperatura recomendada para um condicionador de ar. O método inclui detectar uma temperatura de momento do condicionador de ar, transmitir a temperatura de momento detectada para um dispositivo externo, receber uma temperatura recomendada, resultado obtido pela aplicação da temperatura de momento em um modelo de aprendizagem, do dispositivo externo, dependendo de uma transmissão da temperatura de momento e definir a temperatura recomendada recebida no condicionador de ar, em que o modelo de aprendizagem é um modelo de aprendizagem aprendido usando uma pluralidade de temperaturas definidas anteriormente definidas no condicionador de ar e uma pluralidade de temperaturas vigentes.

[00021] De acordo com outro aspecto da divulgação, é fornecido um método para controlar um controlador de ar de um terminal usuário. O método inclui receber um sinal de entrada usuário, dependendo de uma entrada usuário selecionar uma interface usuário de operação de inteligência artificial, transmitir um sinal de solicitação de operação de inteligência artificial correspondente à interface usuário de operação de inteligência artificial para o condicionador de ar, adquirir uma temperatura recomendada definida no condicionador de ar que é um resultado obtido aplicando uma temperatura de momento do condicionador de ar a um modelo de aprendizagem, dependendo do sinal de solicitação de operação de inteligência artificial e exibir a temperatura de recomendação adquirida em uma tela.

[00022] De acordo com outro aspecto da divulgação, é fornecido um método para gerar um modelo de aprendizagem de um sistema de rede, incluindo um condicionador de ar e um servidor de modelo de aprendizagem. O método inclui receber, pelo condicionador de ar, um sinal de controle do usuário definindo uma temperatura, uma operação de transmissão, pelo condicionador de ar, a temperatura definida e a temperatura de momento do condicionador de ar para um dispositivo externo, gerando, pelo modelo de aprendizagem servidor, um modelo de aprendizagem usando a temperatura definida e a temperatura de momento e armazenando, pelo servidor do modelo de aprendizagem, o modelo de aprendizagem gerado para fornecer a temperatura recomendada do condicionador de ar.

[00023] De acordo com outro aspecto da divulgação, é fornecido um método para fornecer uma temperatura recomendada em um sistema de rede, incluindo um condicionador de ar e um servidor de modelo de aprendizagem. O método inclui transmitir, pelo condicionador de ar, uma temperatura de momento do condicionador de ar para um dispositivo externo, adquirindo, pelo servidor do modelo de aprendizagem, uma temperatura recomendada do condicionador de ar aplicando a temperatura de momento a um modelo de aprendizagem e transmitindo, pelo condicionador de ar, a temperatura recomendada para o dispositivo externo.

[00024] De acordo com outro aspecto da divulgação, é fornecido um método para controlar um condicionador de ar de um sistema de rede, incluindo um condicionador de ar e um terminal usuário. O método inclui receber, pelo terminal usuário, um sinal de entrada usuário, dependendo de uma entrada usuário, selecionar uma interface usuário da operação de inteligência artificial, transmitir, pelo terminal usuário, um sinal de solicitação de operação da inteligência artificial correspondente à interface usuário da operação de inteligência artificial para o condicionador de ar, transmitindo, pelo condicionador de ar, uma temperatura de momento do condicionador de ar para um dispositivo externo se o sinal de solicitação de operação de inteligência artificial for recebido, recebendo, pelo condicionador de ar, uma temperatura recomendada, resultado obtido pela aplicação da temperatura de momento a um modelo de aprendizagem, a partir do dispositivo externo, dependendo de uma transmissão da temperatura de momento, e configuração, pelo condicionador de ar, da temperatura recomendada recebida no condicionador de ar, em que o modelo de aprendizagem é um modelo de aprendizagem aprendido usando uma pluralidade de temperaturas definidas previamente no condicionador de ar e uma pluralidade de temperaturas vigentes.

[00025] De acordo com uma modalidade da divulgação, como a temperatura definida no condicionador de ar é automaticamente recomendada usando a tecnologia de inteligência artificial, a conveniência do usuário que controla a temperatura pode ser bastante melhorada. Em particular, é possível dotar o usuário com a temperatura recomendada mais ideal para o usuário.

[00026] Além disso, de acordo com o método para usar um modelo de aprendizagem da divulgação, o modelo de aprendizagem pode ser atualizado continuamente com base no histórico de configuração de temperatura do usuário que define o condicionador de ar e o desempenho do modelo de aprendizagem pode ser aprimorado, tal que à medida que o modelo de aprendizagem de acordo com a divulgação é usado, a temperatura recomendada mais ideal pode ser fornecida ao usuário.

[00027] Ou seja, o modelo de aprendizagem personalizado para cada um dos usuários que usam o condicionador de ar pode ser gerado e, portanto, a temperatura ideal mais adequada para cada um dos múltiplos usuários pode ser provida.

[00028] Além disso, os efeitos que podem ser adquiridos ou esperados por várias modalidades da divulgação devem ser direta ou implicitamente divulgados na descrição detalhada da divulgação. Por exemplo, vários efeitos que podem ser esperados pelas várias modalidades da divulgação devem ser divulgados na descrição detalhada a ser descrita abaixo.

[00029] Outros aspectos, vantagens e características salientes da divulgação serão evidentes para os especialistas na técnica a partir da descrição detalhada a seguir, que, tomada em conjunto com os desenhos anexos, divulga várias modalidades da divulgação.

DESCRIÇÃO DOS DESENHOS

[00030] Os aspectos acima e/ou outros aspectos da divulgação serão mais aparentes ao descrever certas modalidades da divulgação com referência aos desenhos anexos, nos quais: As Figuras 1A e 1B são diagramas mostrando um sistema de rede para gerar e usar um modelo de aprendizagem de acordo com uma modalidade da divulgação; As Figuras 2A e 2B são diagramas mostrando uma configuração de um servidor de aprendizagem de dados de acordo com uma modalidade da divulgação; As Figuras 3A e 3B são fluxogramas de um sistema de rede de acordo com uma modalidade da divulgação; A Figura 4 é uma tabela que mostra um exemplo de uma geração de um modelo de aprendizagem de acordo com uma modalidade da divulgação; A Figura 5 é um diagrama que mostra um exemplo de conferir um peso ao dado de aprendizagem de acordo com uma modalidade da divulgação; A Figura 6 é um diagrama que mostra uma estrutura de um servidor de nuvem de acordo com uma modalidade da divulgação; As Figuras 7A e 7B são diagramas mostrando um procedimento para gerar um modelo de aprendizagem de acordo com uma modalidade da divulgação; A Figura 8 é um diagrama de blocos que mostra uma configuração de um condicionador de ar de acordo com uma modalidade da divulgação; A Figura 9 é um diagrama de blocos que mostra uma configuração de um terminal usuário U de acordo com uma modalidade da divulgação; As Figuras 10A e 10B são diagramas mostrando uma tela de um terminal usuário no qual uma temperatura recomendada é exibida, de acordo com uma modalidade da divulgação; A Figura 11 é um fluxograma que mostra um método para gerar um modelo de aprendizagem de um servidor de aprendizagem de dados de acordo com uma modalidade da divulgação; A Figura 12 é um fluxograma que mostra um método para usar um modelo de aprendizagem de um servidor de aprendizagem de dados de acordo com uma modalidade da divulgação; A Figura 13 é um fluxograma que mostra um método para fornecer uma temperatura recomendada de um condicionador de ar de acordo com uma modalidade da divulgação; A Figura 14 é um fluxograma que mostra um método para controlar um condicionador de ar de um terminal usuário de acordo com uma modalidade da divulgação; e A Figura 15 é um fluxograma de um sistema de rede incluindo um terminal usuário e um condicionador de ar de acordo com uma modalidade da divulgação.

[00031] Ao longo dos desenhos, números de referência semelhantes serão entendidos como referências a partes, componentes e contornos semelhantes.

MODO DE REALIZAR A INVENÇÃO

[00032] A descrição a seguir, com referência aos desenhos anexos, é fornecida para auxiliar no entendimento abrangente de várias modalidades da divulgação, conforme definido pelas reivindicações e seus equivalentes. Inclui vários detalhes específicos para auxiliar nesse entendimento, mas esses devem ser considerados meramente exemplares. Por conseguinte, aqueles versados na técnica reconhecerão que várias alterações e modificações das várias modalidades descritas neste documento podem ser feitas sem se afastar do escopo e espírito da divulgação. Além disso, descrições de funções e construções conhecidas podem ser omitidas para maior clareza e concisão.

[00033] Aqui acima, a divulgação é descrita com base em um método exemplar. Os termos e palavras aqui utilizados são para descrição e não estão limitados aos significados bibliográficos, mas são meramente usados pelo inventor para permitir um entendimento claro e consistente da divulgação. A divulgação pode ser variadamente modificada e alterada de acordo com o conteúdo acima. Portanto, a menos que seja mencionado adicionalmente, a divulgação pode ser praticada livremente dentro de um escopo de reivindicações.

[00034] Várias modalidades descritas na especificação e configurações mostradas nos desenhos são meramente exemplos preferidos da divulgação divulgada, e várias modificações que podem substituir as várias modalidades e desenhos da presente especificação podem estar presentes no momento da apresentação do presente pedido.

[00035] Além disso, números ou símbolos de referência semelhantes de cada desenho da presente especificação denotam partes ou componentes que desempenham substancialmente as mesmas funções.

[00036] Além disso, os termos usados na presente especificação são usados apenas para descrever uma modalidade específica em lugar de limitar a divulgação divulgada. As formas singulares usadas aqui pretendem incluir formas plurais, a menos que o contexto indique explicitamente o contrário. Em toda esta especificação, será entendido que o termo “compreender” e suas variações, como “compreendendo” e “compreende”, especificam a presença de características, números, etapas, operações, componentes, partes ou combinações dos mesmos, descritos em a especificação, mas não exclui a presença ou adição de um ou mais outros recursos, números, etapas, operações, componentes, peças ou combinações dos mesmos.

[00037] Além disso, termos incluindo ordinais como “primeiro” e “segundo” usados aqui podem ser usados para descrever vários componentes, mas os componentes não são limitados pelos termos e os termos são usados apenas com o objetivo de distinguir um componente de outros componentes. Por exemplo, um componente ‘primeiro’ pode ser nomeado um componente ‘segundo’ e o componente ‘segundo’ também pode ser denominado de maneira semelhante como o ‘primeiro’ componente, sem se afastar do escopo da divulgação. O termo ‘e/ou’ inclui uma combinação de uma pluralidade de itens ou qualquer um de uma pluralidade de termos.

[00038] Além disso, se algum componente (por exemplo: primeiro) estiver “(funcional ou comunicativamente) conectado” ou “acoplado” a outro componente (por exemplo: segundo), qualquer componente poderá estar diretamente conectado a outro componente ou estar conectado ao outro componente através de outro componente (por exemplo: terceiro componente).

[00039] A seguir, várias modalidades da divulgação serão descritas em detalhes com referência aos desenhos anexos.

[00040] As Figuras 1A e 1B são diagramas mostrando um sistema de rede para gerar e usar um modelo de aprendizagem de acordo com uma modalidade da divulgação.

[00041] Com referência à Figura 1A, um sistema de rede pode incluir um condicionador de ar A (Aa ou Ab), um terminal usuário U (Ua ou Ub) e um servidor em nuvem C. O condicionador de ar A pode ser um dispositivo para controlar a temperatura ou umidade de um ambiente interno meio Ambiente. O condicionador de ar A pode ser dividido em um tipo montado na parede, como o condicionador de ar Aa, e um tipo de suporte, como o condicionador de ar Ab.

[00042] O terminal usuário U pode ser um dispositivo para controlar o condicionador de ar A remotamente. Como o terminal usuário Ua, o terminal usuário U pode ser um telefone inteligente, um telefone celular ou um tablet PC no qual um aplicativo (ou app) de controle do condicionador de ar está instalado. Alternativamente, como o terminal usuário Ub, o terminal usuário U pode ser um controlador remoto (ou controle remoto) dedicado ao condicionador de ar. Além disso, o terminal usuário U pode ser uma TV inteligente, uma câmera digital, um assistente digital pessoal (PDA), um player multimídia portátil (PMP), um notebook, um computador de mesa ou similar, mas não está limitado aos exemplos mencionados acima.

[00043] O terminal usuário U pode controlar o condicionador de ar A remotamente. Por exemplo, o terminal usuário U pode usar tecnologias de comunicação RF, como ZigBee, WIFI, Bluetooth, comunicações móveis, rede de área local (LAN), rede de área ampla (WAN), associação de dados de infravermelho (IrDA), UDA e UHF para transmitir um comando de controle para o condicionador de ar A.

[00044] O servidor de nuvem C pode ser conectado ou diretamente conectado ao condicionador de ar A através de um terceiro dispositivo (por exemplo, um ponto de acesso (AP), um repetidor, um roteador, um ‘gateway’, um ‘hub’ ou semelhante).

[00045] O servidor de nuvem C pode incluir um ou mais servidores. Por exemplo, o servidor de nuvem C pode incluir pelo menos um de um servidor ponte BS, um servidor de serviço doméstico inteligente SS e um servidor de aprendizagem de dados DS. Nesse caso, dois ou mais do servidor ponte BS, o servidor de serviço doméstico inteligente SS e o servidor de aprendizagem de dados DS podem ser integrados em um servidor. Como alternativa, pelo menos um dos servidores de ponte BS, o servidor de serviço doméstico inteligente SS e o servidor de aprendizagem de dados DS podem ser separados em uma pluralidade de sub-servidores.

[00046] O servidor ponte BS (ou um servidor de importação de informações de status do dispositivo) pode importar informações de status de eletrodomésticos inteligentes (por exemplo, um condicionador de ar, uma máquina de lavar, uma geladeira, um limpador, um forno ou algo semelhante).

[00047] O servidor ponte BS pode incluir uma API de conectividade BS1 e um banco de dados de status do dispositivo DB BS2.

[00048] A API de conectividade BS1 pode incluir uma interface de programação de aplicativos (doravante denominada API) que serve como uma interface entre diferentes dispositivos operando dependendo de protocolos heterogêneos. A API pode ser definida como um conjunto de sub-rotinas ou funções que podem ser chamadas de qualquer protocolo para qualquer processamento de outro protocolo. Ou seja, a API pode fornecer o ambiente em que a operação de outro protocolo pode ser executada em qualquer um dos protocolos.

[00049] O servidor ponte BS pode importar as informações de status do condicionador de ar usando a API de conectividade BS1. Em seguida, o servidor ponte BS pode armazenar as informações de status importadas do condicionador de ar nos dados de status do dispositivo DB BS2.

[00050] O servidor inteligente de serviço doméstico SS (ou um servidor de importação de informações do ambiente externo) pode importar informações do ambiente externo. As informações do ambiente externo podem incluir, por exemplo, pelo menos uma temperatura externa e umidade externa como informações climáticas fornecidas por um servidor de conteúdo externo CP (por exemplo, servidor de estação meteorológica, servidor de previsão do tempo ou semelhante).

[00051] O servidor de aprendizagem de dados DS pode gerar um modelo de aprendizagem e obter resultados do aplicativo de modelo de aprendizagem usando o modelo de geração aprendido.

[00052] O servidor de aprendizagem de dados DS inclui uma API de importação de dados DS1, um mecanismo de análise de dados DS2, um DB de análise (DS3) e uma API de serviço de dados (DS4).

[00053] A Figura 1A mostra um sistema de rede no qual um servidor de aprendizagem de dados DS gera um modelo de aprendizagem, e a Figura 1B mostra um sistema de rede no qual o modelo de aprendizagem gerado do servidor de aprendizagem de dados DS é usado.

[00054] Primeiro, um procedimento de um sistema de rede no qual um servidor de aprendizagem de dados DS gera um modelo de aprendizagem será descrito com referência à Figura 1A.

[00055] Na operação @, o condicionador de ar A pode transmitir as informações de status (por exemplo, temperatura ajustada, temperatura de momento e similares) do condicionador de ar A para o servidor em nuvem C através do terceiro dispositivo (por exemplo, um ponto de acesso AP, repetidor, roteador, ‘gateway’, ‘hub’ ou similar). O servidor ponte BS do servidor de nuvem C pode importar as informações de status do condicionador de ar A, transmitidas do condicionador de ar A usando a API de conectividade BS1 e armazenar as informações de status importadas do condicionador de ar A nos dados de status do dispositivo DB BS2.

[00056] As informações de status do condicionador de ar A podem incluir a temperatura definida no condicionador de ar A e a temperatura de momento (por exemplo, temperatura do cômodo e temperatura ambiente) do condicionador de ar no momento de configuração da temperatura, dependendo da temperatura desejada pelo usuário.

[00057] A temperatura desejada pelo usuário pode ser geralmente a mesma que a temperatura definida no condicionador de ar A, mas pode ser a temperatura definida passo a passo pelo condicionador de ar A até que a temperatura desejada seja atingida.

[00058] Além disso, a temperatura de momento (ou temperatura do cômodo e a temperatura ambiente) no momento da configuração da temperatura pode incluir pelo menos uma dentre, por exemplo, temperatura detectada pelo condicionador de ar A no momento da configuração da temperatura (por exemplo, quando uma operação de um usuário que define a temperatura do condicionador de ar A é realizada), a temperatura detectada pelo condicionador de ar A dentro de um certo período de tempo (por exemplo, 10 minutos) após o ajuste da temperatura e uma temperatura recente que é detectada previamente antes da temperatura configuração e esteja sendo armazenada.

[00059] As informações de status do condicionador de ar A podem incluir as informações do modo de operação definidas no condicionador de ar A. O modo de operação pode incluir, por exemplo, um modo de conforto inteligente, um modo de sono tropical com som noturno, um modo sono tropical com som sem ventilação durante a noite modo, um modo de resfriamento em duas etapas ou semelhante, mas não está limitado aos modos descritos acima.

[00060] De acordo com várias modalidades, as informações de tempo no momento de definir a temperatura do condicionador de ar A também podem ser armazenadas nos dados de status do dispositivo DB BS2. As informações de tempo no momento da configuração de uma temperatura incluem, por exemplo, pelo menos um tempo de operação de um usuário que define uma temperatura, o tempo em que o servidor ponte BS recebe a temperatura definida e o tempo em que a temperatura definida é armazenada nos dados de status do dispositivo DB BS2.

[00061] De acordo com várias modalidades, as informações posicionais do condicionador de ar A também podem ser armazenadas nos dados de status do dispositivo DB BS2. Nesse caso, as informações posicionais do condicionador de ar A podem ser armazenadas ao serem recebidas no momento da definição da temperatura ou armazenadas com antecedência.

[00062] Em operação @, o servidor de serviço doméstico inteligente SS pode importar informações do ambiente externo (ou informações meteorológicas) a cada período predeterminado (por exemplo, entre 5 minutos e 30 minutos) do servidor de conteúdo externo em comunicação CP e armazenar as informações do ambiente externo importado em um dado meteorológico DB SS1.

[00063] As informações do ambiente externo podem incluir pelo menos uma de uma temperatura externa, uma umidade externa, uma concentração de poeira, uma precipitação e uma quantidade de luz solar, mas não se limita ao exemplo descrito acima.

[00064] Nas operações® e®’, o servidor de aprendizagem de dados DS pode usar a API de importação de dados DS1 para adquirir as informações de status do condicionador de ar A armazenado nos dados de status do dispositivo DB BS2 do servidor ponte BS. Além disso, o servidor de aprendizagem de dados DS pode usar a API de importação de dados DS1 para adquirir as informações do ambiente externo armazenadas no DB SS1 de dados climáticos do servidor de serviço doméstico inteligente SS.

[00065] Nesse caso, as informações do ambiente externo são informações ambientais externas no momento da configuração da temperatura do condicionador de ar A e podem ser informações pesquisadas no banco de dados meteorológicos DB SS1 com base nas informações de hora no momento da configuração da temperatura do condicionador de ar A armazenado nos dados de status do dispositivo DB BS2.

[00066] Especificamente, as informações do ambiente externo no momento da configuração da temperatura podem incluir, por exemplo, pelo menos uma informação ambiental externa no momento em que um usuário define uma temperatura, informações ambientais externas em um fuso horário (por exemplo, manhã/dia/tarde ou manhã/tarde), em que um usuário define uma temperatura e informações do ambiente externo em um mês ou estação, quando um usuário define uma temperatura.

[00067] Além disso, as informações do ambiente externo podem ser informações meteorológicas adquiridas com base nas informações posicionais do condicionador de ar A. Por exemplo, as informações do ambiente externo podem ser informações meteorológicas pesquisadas no banco de dados meteorológicos DB SS1, com base nas informações posicionais do condicionador de ar A armazenado nos dados de status do dispositivo DB BS2.

[00068] Em operação @, o mecanismo de análise de dados DS2 do servidor de aprendizagem de dados DS pode gerar o modelo de aprendizagem usando as informações de status adquiridas do condicionador de ar A e as informações do ambiente externo como dados de aprendizagem.

[00069] De acordo com várias modalidades, o mecanismo de análise de dados DS2 do servidor de aprendizagem de dados DS também pode gerar o modelo de aprendizagem usando as informações de tempo no momento de definir uma temperatura do condicionador de ar A como dados de aprendizagem.

[00070] Além disso, o mecanismo de análise de dados DS2 também pode gerar uma pluralidade de modelos de aprendizagem para cada modo de operação do condicionador de ar A no momento de definir a temperatura do condicionador de ar A.

[00071] Por exemplo, o mecanismo de análise de dados DS2 pode gerar o modelo de aprendizagem disponível no modo de conforto inteligente, o modelo de aprendizagem disponível no modo de sono noturno tropical, o modelo de aprendizagem disponível no modo de sono noturno tropical sem ventilação e o aprendizagem modelo disponível no modo de resfriamento em duas etapas, respectivamente.

[00072] Além disso, o servidor de aprendizagem de dados DS pode ser executado em unidades de, por exemplo, hora, dia e mês como um período de modelagem durante o qual o servidor de aprendizagem de dados DS gera o modelo de aprendizagem (ou atualiza o modelo de aprendizagem) usando os dados de aprendizagem, ou pode ser realizado no momento da geração de uma ventilação, mas o período de modelagem não está limitado ao período acima.

[00073] O processo para o servidor de aprendizagem de dados DS para gerar o modelo de aprendizagem será descrito posteriormente em mais detalhes com referência às Figuras 4, 5 e 7.

[00074] Na operação @, o servidor de aprendizagem de dados DS pode armazenar o modelo de aprendizagem gerado em um DB DS3 analítico. Nesse caso, o modelo de aprendizagem pode não ser um modelo de aprendizagem genérico, mas pode ser um modelo de aprendizagem configurado ou construído para fornecer a temperatura recomendada para o condicionador de ar A.

[00075] Com referência à Figura 1B, um procedimento de um sistema de rede usando o modelo de aprendizagem gerado pelo servidor de aprendizagem de dados DS será descrito.

[00076] Na operação @, o condicionador de ar A pode receber um comando de controle solicitando uma execução (por exemplo, modo AI ON) de uma função de inteligência artificial do terminal usuário U.

[00077] Na operação @, o condicionador de ar A pode transmitir as informações de status (por exemplo, temperatura de momento, modo de operação e similares) do condicionador de ar A para o servidor em nuvem C através do terceiro dispositivo (por exemplo, um ponto de acesso AP). O servidor de aprendizagem de dados DS do servidor de nuvem C pode adquirir as informações de status do condicionador de ar A usando a API do serviço de dados DS4.

[00078] Na operação ®, o servidor de aprendizagem de dados DS pode inserir as informações de status adquiridas do condicionador de ar A como modelo de aprendizagem aprendido para fornecer a temperatura recomendada do condicionador de ar A armazenado no DB analítico DS3.

[00079] Na operação @, o servidor de aprendizagem de dados DS pode adquirir a temperatura recomendada do condicionador de ar A como resultado da aplicação do modelo de aprendizagem.

[00080] Na operação @, o servidor de aprendizagem de dados DS pode transmitir a temperatura recomendada adquirida do condicionador de ar A para o condicionador de ar A através do terceiro dispositivo (por exemplo, o ponto de acesso AP). Além disso, na etapa ®’, o servidor de aprendizagem de dados DS pode transmitir a temperatura recomendada adquirida do condicionador de ar A para o terminal usuário U.

[00081] Na operação @, o condicionador de ar A que recebeu a temperatura recomendada pode definir a temperatura do condicionador de ar A como a temperatura recomendada recebida.

[00082] Além disso, na operação @, o terminal usuário U tendo recebido a temperatura recomendada pode exibir a temperatura recomendada recebida, para que o usuário possa confirmar a temperatura recomendada recebida. Alternativamente, como na operação @’, o terminal usuário U tendo recebido a temperatura recomendada pode exibir informações visuais indicando que a temperatura recomendada preferida é adotada em comparação com o histórico de temperatura definido predeterminado pelo usuário.

[00083] As Figuras 2A e 2B são diagramas mostrando uma configuração de um servidor de aprendizagem de dados de acordo com uma modalidade da divulgação.

[00084] O servidor de aprendizagem de dados DS da Figura 2A é um diagrama funcional de blocos para gerar um modelo de aprendizagem e o servidor de aprendizagem de dados DS da Figura 2B é um diagrama funcional de blocos utilizando o modelo de aprendizagem gerado.

[00085] Nas Figuras 2A e 2B, o servidor de aprendizagem de dados DS pode incluir uma unidade de comunicação 201, um armazenamento 202 e um processador 203.

[00086] A unidade de comunicação 201 pode realizar comunicação com um dispositivo externo.

[00087] O dispositivo externo pode incluir pelo menos um servidor externo (por exemplo, um servidor ponte, um servidor inteligente de serviço doméstico ou similar) e o condicionador de ar A.

[00088] A unidade de comunicação 201 pode realizar comunicação com o dispositivo externo de uma maneira de comunicação com ou sem fio. A comunicação sem fio pode incluir, por exemplo, comunicação celular, comunicação de campo próximo ou comunicação por sistema de navegação global por satélite (GNSS). A comunicação celular pode incluir, por exemplo, evolução de longo prazo (LTE), avanço LTE (LTE-A), acesso múltiplo por divisão de código (CDMA), CDMA de banda larga (WCDMA), sistema universal de telecomunicações móveis (UMTS), banda larga sem fio (WiBro), sistema global de comunicações móveis (GSM) ou similares. A comunicação de campo próximo pode incluir, por exemplo, fidelidade sem fio (WiFi), WiFi direto, fidelidade à luz (LiFi), Bluetooth, baixa energia Bluetooth (BLE), Zigbee, comunicação de campo próximo (NFC), transmissão segura magnética, frequência de rádio (RF) e rede de área corporal (BAN). A unidade de comunicação 201 também pode ser referida como um comunicador.

[00089] O servidor de aprendizagem de dados DS pode incluir o armazenamento 202. O armazenamento 202 pode armazenar o modelo de aprendizagem gerado pelo servidor de aprendizagem de dados DS.

[00090] O armazenamento 202 pode incluir uma memória volátil e/ou não volátil. A memória volátil pode incluir, por exemplo, uma memória de acesso aleatório (RAM) (por exemplo, DRAM, SRAM ou SDRAM). A memória não volátil pode incluir, por exemplo, uma memória somente leitura programável (OTPROM), uma memória somente leitura programável (PROM), uma memória somente leitura programável apagável (EPROM), uma leitura programável apagável eletricamente memória única (EEPROM), uma ROM de máscara, uma ROM flash, uma memória flash, um disco rígido ou uma unidade de estado sólido (SSD).

[00091] O processador 203 pode incluir uma ou mais de uma unidade de processamento central, um processador de aplicativo, uma unidade de processamento gráfico (GPU), um processador de sinal de imagem da câmera e um processador de comunicação (CP). De acordo com uma modalidade, o processador 203 pode ser implementado como um sistema em chip (SoC) ou um sistema em pacote (SiP). O processador 203 pode dirigir, por exemplo, um sistema operacional ou um programa de aplicativo para controlar pelo menos um outro componente (por exemplo, componente de hardware ou software) do servidor de aprendizagem de dados (DS) conectado ao processador 203 e pode executar vários processos de dados e operações. O processador 203 pode carregar um comando ou dados recebidos de outros componentes (por exemplo, unidade de comunicação 201) na memória volátil e processar o comando ou dados carregados e pode armazenar os dados resultantes na memória não volátil.

[00092] As Figuras 2A e 2B são diagramas mostrando a configuração de um servidor de aprendizagem de dados de acordo com a modalidade da divulgação.

[00093] O servidor de aprendizagem de dados DS da Figura 2A é um diagrama funcional de blocos para gerar um modelo de aprendizagem e o servidor de aprendizagem de dados DS da Figura 2B é um diagrama funcional de blocos usando o modelo de aprendizagem gerado.

[00094] Com referência às Figuras 2A e 2B, o servidor de aprendizagem de dados DS pode incluir a unidade de comunicação 201, o armazenamento 202 e o processador 203.

[00095] A unidade de comunicação 201 pode realizar comunicação com o dispositivo externo.

[00096] O dispositivo externo pode incluir pelo menos um servidor externo (por exemplo, um servidor ponte, um servidor de serviço doméstico inteligente ou similar) e o condicionador de ar A.

[00097] A unidade de comunicação 201 pode realizar comunicação com o dispositivo externo de uma maneira de comunicação com ou sem fio. A comunicação sem fio pode incluir, por exemplo, a comunicação celular, a comunicação de campo próximo ou a comunicação do sistema global de navegação por satélite (GNSS). A unidade de comunicação celular pode incluir, por exemplo, evolução de longo prazo (LTE), avanço LTE (LTE-A), acesso múltiplo por divisão de código (CDMA), CDMA de banda larga (WCDMA), sistema universal de telecomunicações móveis (UMTS), sistema sem fio banda larga (WiBro), sistema global de comunicações móveis (GSM) ou similares. A comunicação de campo próximo pode incluir, por exemplo, fidelidade sem fio (WiFi), WiFi direto, fidelidade à luz (LiFi), Bluetooth, baixa energia Bluetooth (BLE), Zigbee, comunicação de campo próximo (NFC), transmissão segura magnética, frequência de rádio (RF) e rede de área corporal (BAN).

[00098] O servidor de aprendizagem de dados DS pode incluir o armazenamento 202. O armazenamento 202 pode armazenar o modelo de aprendizagem gerado pelo servidor de aprendizagem de dados DS.

[00099] O armazenamento 202 pode incluir a memória volátil ou não volátil. A memória volátil pode incluir, por exemplo, uma memória de acesso aleatório (RAM) (por exemplo, DRAM, SRAM ou SDRAM). A memória não volátil pode incluir, por exemplo, uma memória somente leitura programável (OTPROM), uma memória somente leitura programável (PROM), uma memória somente leitura programável apagável (EPROM), uma memória de somente leitura programável apagável eletricamente (EEPROM), uma ROM de máscara, uma ROM flash, uma memória flash, um disco rígido ou uma unidade de estado sólido (SSD).

[000100] O processador 203 pode incluir uma ou mais de uma unidade de processamento central, um processador de aplicativo, uma unidade de processamento gráfico (GPU), um processador de sinal de imagem da câmera e um processador de comunicação (CP). De acordo com uma modalidade, o processador 203 pode ser implementado como um sistema em chip (SoC) ou um sistema em pacote (SiP). O processador 203 pode dirigir, por exemplo, um sistema operacional ou um programa de aplicativo para controlar pelo menos um outro componente (por exemplo, componente de hardware ou software) do servidor de aprendizagem de dados (DS) conectado ao processador 203 e pode executar vários processos de dados e operações. O processador 203 pode carregar um comando ou dados recebidos de outros componentes (por exemplo, unidade de comunicação 201) na memória volátil e processar o comando ou dados carregados e pode armazenar os dados resultantes na memória não volátil.

[000101] O processador 203 da Figura 2A pode ser descrito como um diagrama funcional de blocos para gerar um modelo de aprendizagem.

[000102] Na Figura 2A, o processador 203 pode incluir uma unidade de aquisição de dados de aprendizagem 203a e uma unidade modelo de aprendizagem 203b.

[000103] A unidade de aquisição de dados de aprendizagem 203a pode adquirir a temperatura definida no condicionador de ar A e a temperatura de momento do condicionador de ar A, no momento da definição da temperatura através da unidade de comunicação 201. Por exemplo, a unidade de aquisição de dados de aprendizagem 203a pode adquirir a temperatura definida e a temperatura de momento do servidor ponte BS conectado comunicativamente ao condicionador de ar A. Alternativamente, a unidade de aquisição de dados de aprendizagem 203a também pode adquirir a temperatura definida e a temperatura de momento do condicionador de ar A ou do terceiro dispositivo comunicativamente conectado ao condicionador de ar A.

[000104] Além disso, a unidade de aquisição de dados de aprendizagem 203a pode ainda adquirir as informações do ambiente externo através da unidade de comunicação 201. As informações do ambiente externo podem incluir pelo menos uma temperatura externa e uma umidade externa. Por exemplo, a unidade de aquisição de dados de aprendizagem 203a pode adquirir as informações do ambiente externo do servidor de serviço doméstico inteligente SS conectado comunicativamente a um conteúdo externo que fornece o servidor CP.

[000105] A unidade de aprendizagem de modelo 203b pode gerar ou atualizar o modelo de aprendizagem usando a temperatura definida adquirida e a temperatura de momento. Quando a unidade de aquisição de dados de aprendizagem 203a adquire ainda mais as informações do ambiente externo, a unidade de aprendizagem do modelo 203b pode gerar ou atualizar o modelo de aprendizagem usando a temperatura definida, a temperatura de momento e as informações do ambiente externo. Além disso, quando a unidade de aquisição de dados de aprendizagem 203a adquire ainda as informações de tempo ao momento de definir a temperatura do condicionador de ar A, a unidade modelo de aprendizagem 203b pode gerar ou atualizar o modelo de aprendizagem usando a temperatura definida, a temperatura de momento e as informações de tempo.

[000106] O armazenamento 202 pode armazenar o modelo de aprendizagem aprendido para fornecer a temperatura recomendada a ser ajustada no condicionador de ar A como o resultado da geração ou atualização do modelo de aprendizagem.

[000107] Por outro lado, quando a unidade de aprendizagem de modelo 203b gera ou atualiza uma pluralidade de modelos de aprendizagem para cada modo de operação do condicionador de ar A, o armazenamento 202 pode armazenar uma pluralidade de modelos de aprendizagem, respectivamente.

[000108] O processador 203 da Figura 2B pode ser descrito como o diagrama funcional de blocos para usar o modelo de aprendizagem.

[000109] Na Figura 2B, o processador 203 pode incluir uma unidade de aquisição de dados de reconhecimento 203c e um aplicador de modelo 203d. Neste caso, o armazenamento 202 pode armazenar o modelo de aprendizagem aprendido para fornecer a temperatura recomendada a ser ajustada no condicionador de ar A.

[000110] Na Figura 2B, a unidade de aquisição de dados de reconhecimento 203c pode adquirir a temperatura de momento do condicionador de ar A.

[000111] O aplicador de modelo 203d pode inserir a temperatura de momento adquirida no modelo de aprendizagem do armazenamento 202 e adquirir a temperatura recomendada para ser ajustada no condicionador de ar A.

[000112] Quando a unidade de aquisição de dados de reconhecimento 203c adquire ainda mais as informações do ambiente externo, o aplicador de modelo 203d pode inserir as informações vigentes de temperatura e ambiente externo no modelo de aprendizagem para adquirir a temperatura recomendada a ser ajustada no condicionador de ar A.

[000113] Além disso, quando o armazenamento 202 armazena uma pluralidade de modelos de aprendizagem para cada modo de operação do condicionador de ar A, o aplicador de modelo 203d pode definir a temperatura de momento para o modelo de aprendizagem correspondente ao modo de operação atual do condicionador de ar A para adquirir a temperatura recomendada do condicionador de ar A.

[000114] A unidade de comunicação 201 pode transmitir a temperatura recomendada adquirida para o dispositivo externo. O dispositivo externo pode ser, por exemplo, o condicionador de ar A ou um terceiro dispositivo conectado comunicativamente ao condicionador de ar A.

[000115] As Figuras 3A e 3B são fluxogramas de um sistema de rede de acordo com uma modalidade da divulgação.

[000116] O fluxograma do sistema de rede mostra um procedimento de fluxo de dados entre o condicionador de ar A, o terminal usuário U e o servidor em nuvem C.

[000117] Com referência às Figuras 3A e 3B, o fluxograma do sistema de rede pode incluir um procedimento de importação de dados 351 para importar os dados de aprendizagem, um procedimento 352 para gerar um modelo de dados com base nos dados de aprendizagem, um procedimento 353 para operar a função de inteligência artificial e um procedimento 354 de configuração dos modos preferidos para cada função.

[000118] Na Figura 3A, o condicionador de ar A pode incluir um microcomputador 301 e um módulo de comunicação de campo próximo (por exemplo, módulo Wi-Fi) 302. O microcomputador 301 corresponde ao processador 203 das Figuras 2A e 2B, e o módulo de comunicação de campo próximo 302 pode corresponder à unidade de comunicação 201 das Figuras 2A e 2B. O condicionador de ar A pode se comunicar com o terminal usuário U e o servidor em nuvem C através da rede usando o módulo de comunicação de campo próximo 302. Além disso, o condicionador de ar A pode receber a temperatura recomendada, recomendada pelo servidor em nuvem C por meio da chamada API ao módulo de comunicação de campo próximo 302 e defina a temperatura do condicionador de ar A, dependendo da temperatura recomendada.

[000119] O terminal usuário U pode incluir um aplicativo móvel (ou aplicativo móvel) 303. O aplicativo móvel 303 pode definir a função de inteligência artificial e o modo de operação do condicionador de ar A e executar a função de exibir a temperatura recomendada fornecida pelo servidor em nuvem C no terminal usuário U.

[000120] O servidor de nuvem C pode incluir o servidor ponte BS, o servidor de banco de dados (304) e o servidor de aprendizagem de dados DS. O servidor de banco de dados 304 pode ser uma parte do servidor ponte BS ou um terceiro servidor fisicamente separado do servidor ponte BS.

[000121] Primeiro, na operação 311, o terminal usuário U pode receber entrada usuário para alterar (ou definir) a temperatura desejada através do aplicativo móvel 303. O aplicativo móvel 303 pode ser, por exemplo, um aplicativo que fornece uma interface usuário para controlar o condicionador de ar A.

[000122] Na operação 312, dependendo da entrada usuário, o terminal usuário U pode transmitir um comando de controle para o microcomputador 301 através do módulo de comunicação de campo próximo 302 para definir o condicionador de ar A para a temperatura desejada.

[000123] Alternativamente, na operação 311’, o usuário pode alterar a temperatura desejada através do dispositivo de controle remoto Ub. Na operação 312’, o dispositivo de controle remoto Ub pode transmitir o comando de controle para definir o condicionador de ar A como a temperatura desejada para o microcomputador 301 de acordo com a entrada de alteração do usuário.

[000124] Na operação 313, o microcomputador 301 do condicionador de ar A pode gerar um evento de alteração de temperatura desejado em resposta à solicitação de alteração de temperatura desejada do usuário e transmitir o evento de alteração de temperatura desejado gerado ao servidor ponte BS através do módulo de comunicação de campo próximo 302 Neste momento, o evento de alteração de temperatura desejado pode incluir dados do evento. Os dados do evento podem incluir, por exemplo, as informações de status do condicionador de ar A. As informações de status do condicionador de ar A podem incluir uma temperatura desejada (ou temperatura definida) e uma temperatura de momento no momento de definir a temperatura desejada.

[000125] Além disso, os dados do evento podem incluir, por exemplo, as informações do modo de operação e as informações de tempo do condicionador de ar A. As informações do modo de operação podem incluir, por exemplo, informações indicando o modo de operação do condicionador de ar A no momento da receber o comando de controle do usuário ou o modo de operação do condicionador de ar A no momento da geração do evento de alteração de temperatura desejado. As informações de tempo podem incluir, por exemplo, as informações sobre a hora em que o usuário recebe o comando de controle ou as informações sobre a hora em que o evento de alteração de temperatura desejado é gerado.

[000126] Na operação 314, o servidor ponte BS pode transmitir os dados do evento ao servidor de banco de dados 304. Na operação 315, o servidor de banco de dados 304 pode armazenar os dados de eventos recebidos.

[000127] Na operação 316, o servidor de banco de dados 304 pode transmitir os dados de eventos armazenados para o servidor de aprendizagem de dados DS em períodos regulares. Por exemplo, o servidor de banco de dados 304 pode transmitir dados de eventos diariamente em um formulário de arquivo em lote diário. Neste momento, o arquivo em lotes diário pode incluir uma pluralidade de dados de eventos. Por exemplo, quando a solicitação de alteração de temperatura desejada do usuário é gerada várias vezes ao dia, a pluralidade de dados de eventos pode ser gerada, que por sua vez é armazenada no servidor DB 304. A pluralidade de dados de eventos gerados pode ser transmitida ao servidor de aprendizagem de dados DS ao ser incluído no arquivo de lote diário.

[000128] Na operação 317, o servidor de aprendizagem de dados DS pode gerar o modelo de aprendizagem usando os dados de eventos recebidos como dados de aprendizagem. Por exemplo, o servidor de aprendizagem de dados DS pode gerar o modelo de aprendizagem usando pelo menos uma temperatura definida do condicionador de ar A, a temperatura de momento, as informações do ambiente externo, as informações do modo de operação, e as informações de tempo.

[000129] Na situação em que o modelo de aprendizagem foi gerado, como na operação 318, o terminal usuário U pode receber uma entrada usuário que ativa a função de inteligência artificial do condicionador de ar A. A tela parcial 318a mostra uma parte da tela do usuário terminal U, incluindo a interface usuário para ativar a função de inteligência artificial. Na tela parcial 318a, o terminal usuário U pode receber uma entrada usuário que seleciona um objeto de execução 318b de ‘operação customizada AI’ para ativar a função AI.

[000130] Na operação 319, dependendo da entrada usuário, o terminal usuário U pode transmitir um comando de ativação da função de inteligência artificial ao microcomputador 301 através do módulo de comunicação de campo próximo 302 para ativar a função AI do condicionador de ar A.

[000131] Com base no comando de ativação da função de inteligência artificial, o microcomputador 301 pode transmitir as informações de status do dispositivo indicando que a função de inteligência artificial do condicionador de ar A é ativada para o terminal usuário U através do módulo de comunicação de campo próximo 302 como na operação 320. Em Nesse caso, as informações de status do condicionador de ar A podem ser transmitidas ao serem incluídas em um evento de notificação.

[000132] Alternativamente, como na operação 321, o terminal usuário U pode transmitir um comando de solicitação de informações do dispositivo solicitando as informações de status do condicionador de ar A ao microcomputador 301 através do módulo de comunicação de campo próximo 302. O comando de solicitação de informações do dispositivo pode ser transmitido sendo incluído, por exemplo, na mensagem ‘GETDEVICE’.

[000133] Com base no comando de solicitação de informações do dispositivo, o microcomputador 301 pode transmitir a resposta de informações do dispositivo ao terminal usuário U através do módulo de comunicação de campo próximo 302 como na operação 322. Nesse caso, a resposta de informações do dispositivo pode incluir as informações de configuração de inteligência artificial indicando que a função de inteligência artificial do condicionador de ar A está configurada para ser ativada como a informação de status do condicionador de ar A.

[000134] Ou seja, considerando a situação em que existe a pluralidade de terminais de usuário U para controlar a função de inteligência artificial do condicionador de ar A, o condicionador de ar A pode notificar o terminal usuário U sobre se a função de inteligência artificial do condicionador de ar A está ativado periodicamente ou na geração do evento.

[000135] Como tal, quando a função de inteligência artificial do condicionador de ar A é ativada, o terminal usuário U pode receber a entrada usuário para definir o modo de operação.

[000136] Com referência à Figura 3B, na operação 323, o terminal usuário U pode receber a entrada usuário solicitando a execução do modo de conforto inteligente.

[000137] Na operação 324, dependendo da entrada usuário, o terminal usuário U pode transmitir o comando de controle de conforto inteligente ao microcomputador 301 através do módulo de comunicação de campo próximo 302 para executar o modo de conforto inteligente do condicionador de ar A.

[000138] Com base no comando de controle de conforto inteligente, o microcomputador 301 pode transmitir o comando de solicitação de temperatura recomendado (ou temperatura preferida) ao servidor de aprendizagem de dados DS através do módulo de comunicação de campo próximo 302, como na operação 325. Nesse momento, o pedido de temperatura recomendado O comando pode incluir, por exemplo, a temperatura de momento do condicionador de ar A como a informação de status do condicionador de ar A. Como alternativa, o comando de solicitação de temperatura recomendado pode incluir ainda pelo menos uma das informações do modo de operação indicando o modo de operação atual e o informação posicional do condicionador de ar A.

[000139] Na operação 326, o servidor de aprendizagem de dados DS pode adquirir a temperatura recomendada do condicionador de ar A como resultado da aplicação do modelo de aprendizagem das informações de status do condicionador de ar A. Ou seja, o servidor de aprendizagem de dados DS pode inserir as informações de status do condicionador de ar A ao modelo de aprendizagem armazenado no servidor de aprendizagem de dados DS para adquirir a temperatura recomendada do condicionador de ar A.

[000140] Nesse caso, o servidor de aprendizagem de dados DS pode aplicar as informações de status do condicionador de ar A ao modelo de aprendizagem correspondente ao modo de operação do condicionador de ar A, com base nas informações do modo de operação do condicionador de ar A para adquirir a temperatura recomendada do condicionador de ar A. Na modalidade, o servidor de aprendizagem de dados DS pode adquirir a temperatura recomendada do condicionador de ar A aplicando as informações de status do condicionador de ar A ao modelo de aprendizagem correspondente ao modo de conforto inteligente.

[000141] Uma vez que a temperatura recomendada é adquirida, na operação 327, o servidor de aprendizagem de dados DS pode transmitir a temperatura recomendada adquirida ao microcomputador 301 através do módulo de comunicação de campo próximo 302.

[000142] Na operação 328, o microcomputador 301 que recebe a temperatura recomendada pode mudar a temperatura recomendada para a temperatura definida. Então, o microcomputador 301 pode controlar o condicionador de ar A, dependendo da temperatura alterada definida.

[000143] Por outro lado, se não houver resposta do servidor de aprendizagem de dados DS por um tempo predeterminado (por exemplo, 30 segundos) 329 após o microcomputador 301 solicitar a temperatura recomendada para o servidor de aprendizagem de dados DS, na operação 330, o microcomputador 301 pode manter a temperatura definida existente. A temperatura configurada existente pode ser, por exemplo, uma temperatura predeterminada antes da entrada usuário para solicitar a execução do modo de conforto inteligente, a temperatura predeterminada correspondente ao modo de operação atual (por exemplo, modo de conforto inteligente) ou semelhante.

[000144] A Figura 4 é uma tabela que mostra um exemplo de uma geração de um modelo de aprendizagem de acordo com uma modalidade da divulgação.

[000145] Com referência à Figura 4, o servidor de aprendizagem de dados DS pode executar um procedimento de aprendizagem 404 usando diferentes dados de aprendizagem 403, dependendo de um tipo 401 do condicionador de ar A e um modo 402 do condicionador de ar A. Por exemplo, o tipo 401 do condicionador de ar A pode inclua um tipo de condicionador de ar de piso (FAC) (ou condicionador de ar do tipo suporte) e um tipo de condicionador de ar de ambiente (condicionador de ar do tipo montado na parede) (RAC). Nesse caso, o servidor de aprendizagem de dados DS pode gerar os modelos de aprendizagem correspondentes a cada um dos modos de conforto inteligente, modo de suspensão de som noturno tropical e modo de suspensão de som noturno tropical sem ventilação como o modo de operação do condicionador de ar de piso. Além disso, o servidor de aprendizagem de dados DS pode gerar os modelos de aprendizagem correspondentes a cada um dos modos de resfriamento em duas etapas, modo de suspensão de som noturno tropical e modo de suspensão de som noturno tropical sem ventilação como o modo de operação do condicionador de ardo ambiente.

[000146] Se cada modelo de aprendizagem de acordo com o procedimento de aprendizagem 404, considerando o tipo 401 do condicionador de ar A e o modo 402 do condicionador de ar A, for gerado, o servidor de aprendizagem de dados DS poderá usar o modelo de aprendizagem para adquirir a temperatura recomendada. Nesse caso, a temperatura recomendada pode ser adquirida considerando uma faixa de configuração 405 para cada modo de operação. Por exemplo, quando a temperatura recomendada adquirida pelo servidor de aprendizagem de dados DS está fora da faixa de configuração 405, a temperatura na faixa de configuração 405 mais próxima da temperatura recomendada pode ser determinada como a temperatura final recomendada.

[000147] Descrevendo um exemplo do procedimento de geração do modelo de aprendizagem no modo de conforto inteligente 411 com referência à Figura 4, a temperatura interna (ou temperatura de momento) e a temperatura desejada (ou temperatura definida) podem ser usadas. Nesse caso, a temperatura ambiente pode ser uma temperatura ambiente medida no momento da alteração da temperatura desejada. Além disso, como dados de aprendizagem, os dados importados durante um período de tempo específico podem ser usados. O período de tempo específico pode ser, por exemplo, dados importados em um ano específico, um mês específico ou uma estação específica. Os dados específicos podem ser importados com base nas informações do histórico de configuração de temperatura do condicionador de ar dos usuários não especificados que usam produtos iguais ou similares ao condicionador de ar A, bem como do usuário do condicionador de ar A. Nesse momento, o usuários não especificados podem estar limitados a, por exemplo, um usuário na mesma área ou área similar ou no mesmo ambiente ou similar ao do condicionador de ar A.

[000148] No modo de conforto inteligente 411, o servidor de aprendizagem de dados DS pode usar a temperatura de momento (ou temperatura ambiente), a temperatura externa, a umidade externa e a temperatura desejada como dados de aprendizagem.

[000149] Além disso, o servidor de aprendizagem de dados DS pode usar as informações do ambiente externo com base nas informações locais do condicionador de ar A como dados de aprendizagem. Por outro lado, quando o servidor de aprendizagem de dados DS pode não confirmar as informações locais do condicionador de ar A, o servidor de aprendizagem de dados pode gerar, aprender e renovar o modelo de aprendizagem usando a temperatura de momento e a temperatura desejada como dados de aprendizagem.

[000150] O servidor de aprendizagem de dados DS pode adquirir a temperatura recomendada para ser configurada no condicionador de ar A usando os modelos de aprendizagem gerados, aprendidos e renovados.

[000151] Nesse caso, se a temperatura recomendada adquirida estiver fora da faixa de 22 °C a 26 °C, o servidor de aprendizagem de dados DS poderá determinar a temperatura final recomendada, considerando a faixa de configuração.

[000152] Por exemplo, se a temperatura recomendada adquirida usando o modelo de aprendizagem for menor que 22 °C, o servidor de aprendizagem de dados DS poderá determinar que a temperatura recomendada seja 22 T. Além disso, se a temperatura recomendada adquirida com o modelo de aprendizagem for maior ou igual a 26 T, o servidor de aprendizagem de dados DS poderá determinar que a temperatura recomendada seja 26 T

[000153] De acordo com várias modalidades, ao gerar o modelo de aprendizagem, o servidor de aprendizagem de dados DS pode ainda atribuir um peso aos dados de aprendizagem importados recentemente para gerar o modelo de aprendizagem.

[000154] A Figura 5 é um diagrama que mostra um exemplo de como atribuir um peso a um dado de aprendizagem de acordo com uma modalidade da divulgação.

[000155] Com referência à Figura 5, o servidor de aprendizagem de dados DS pode atribuir pesos diferentemente aos dados de aprendizagem importados por 1 dia, 2 dias e 3 dias, respectivamente, como 501, 502 e 503 na Figura 5)

[000156] Por exemplo, em 501 da Figura 5, o servidor de aprendizagem de dados DS pode atribuir um peso de 0,8 a todos os dados (por exemplo, dados importados de usuários não especificados) do ano passado e atribuir um peso de 0,2 a dados pessoais do usuário (temperatura desejada e temperatura de momento do usuário ou semelhante) do condicionador de ar A importado no primeiro dia. Da mesma forma, em 502 da Figura 5, o servidor de aprendizagem de dados DS pode atribuir um peso de 0,8 a todos os dados do ano passado e os dados pessoais do usuário do condicionador de ar A que são importados no primeiro dia, e um peso de 0,2 aos dados pessoais do usuário do condicionador de ar A importado no segundo dia. Além disso, em 503 da Figura 5, o servidor de aprendizagem de dados DS pode atribuir um peso de 0,8 a todos os dados do ano passado e os dados pessoais do usuário do condicionador de ar A que são importados no primeiro dia e no segundo dia e um peso de 0,2 para o usuário dados pessoais importados no terceiro dia.

[000157] Por outro lado, o valor de peso acima mencionado é apenas um exemplo, e o servidor de aprendizagem de dados DS pode ser predefinido para ter valores diferentes por um fabricante, gerente, sistema operacional, provedor de aplicativos ou similar do aprendizagem de dados. Por exemplo, na Figura 5, em vez de um peso de 0,8 e um peso de 0,2, um peso de 0,9 e um peso de 0,1 podem ser utilizados. Como outro exemplo, na Figura 5, em vez de um peso de 0,8 e um peso de 0,2, um peso de 0,7 e um peso de 0,3 podem ser usados.

[000158] Por outro lado, o peso acima mencionado pode ser um tipo variável que é alterado dependendo da situação e não um tipo fixo predeterminado.

[000159] Nesse caso, o peso pode ser alterado manualmente pelo administrador do servidor de aprendizagem de dados DS, pelo usuário do condicionador de ar ou semelhante, ou pode ser alterado automaticamente, dependendo da condição específica. Por exemplo, à medida que uma quantidade total de dados de aprendizagem importados aumenta, o peso dos dados pessoais importados mais recentemente também pode ser aumentado de acordo.

[000160] A Figura 6 é um diagrama que mostra uma estrutura de um servidor em nuvem de acordo com uma modalidade da divulgação.

[000161] O servidor de nuvem C pode incluir um doseador 601, um coletor de dados do provedor de conteúdo (CP) 602, um fabricante de CSV 603, um fabricante de modelo 604 e uma temperatura de aprendizagem fornecendo a API 605 do servidor. Componentes 601 a 604 do servidor de nuvem C descritos acima use e processe os dados armazenados no armazenamento (ou banco de dados) do servidor em nuvem C para gerar a temperatura recomendada adequada para o condicionador de ar A.

[000162] Primeiro, o servidor em nuvem C pode armazenar, em um armazenamento de status do dispositivo 651, os dados de status do dispositivo, incluindo as informações de status do condicionador de ar A adquirido dependendo da geração do evento de alteração de status do condicionador de ar A. O armazenamento de status do dispositivo 651 pode corresponder aos dados de status do dispositivo DB BS2 das Figuras 1A e 1B, por exemplo. O servidor de nuvem C pode adquirir as informações de status armazenadas no armazenamento de status do dispositivo 651 a cada período predeterminado (por exemplo, todos os dias) e armazena dados brutos gerados dependendo de um determinado critério (por exemplo, por data) em um armazenamento de objeto 652.

[000163] O doseador 601 do servidor em nuvem C pode adquirir e filtrar os dados de linha no armazenamento de objetos 652 e armazenar os dados filtrados em um banco de dados de ambiente distribuído (por exemplo, não apenas SQL DB, NoSQL DB) 653. Os dados filtrados podem ser, por exemplo, dados incluindo os dados de status do dispositivo do condicionador de ar A ou as informações de status extraídas dos metadados.

[000164] Além disso, o coletor de dados CP 602 pode armazenar dados climáticos, incluindo informações meteorológicas importadas do servidor de conteúdo externo CP em um armazenamento de objeto 654.

[000165] *180 O marcador CSV 603 do servidor em nuvem C refina os dados adquiridos dos dados do ambiente distribuído de objetos DB 653 e do armazenamento de objetos 654 para gerar dados de um formato específico (por exemplo, formato CSV) adequado para a geração do modelo e armazenamento de aprendizagem os dados gerados no armazenamento de objeto 655.

[000166] O fabricante de modelo 604 pode adquirir dados de um formato específico a partir do armazenamento de objetos 655, gerar o modelo de aprendizagem usando os dados e armazenar o modelo de aprendizagem gerado no armazenamento de objetos 656.

[000167] O servidor de nuvem C pode armazenar temporariamente o modelo de aprendizagem armazenado no armazenamento de objetos 655 em um cache 657, que é uma memória de armazenamento de alta velocidade quando o uso do modelo de aprendizagem é necessário.

[000168] Sob a situação em que o uso do modelo de aprendizagem é necessário, a temperatura recomendada que fornece a API 605 do servidor em nuvem C pode adquirir a temperatura recomendada do condicionador de ar A usando o modelo de aprendizagem armazenado no cache 657.

[000169] O servidor de nuvem C pode transmitir a temperatura recomendada adquirida através da temperatura recomendada adquirida, fornecendo API 605 para os aplicativos móveis do condicionador de ar A e o terminal usuário U.

[000170] Enquanto isso, na Figura 6, por conveniência da explicação, os armazenamentos de objeto 652, 654, 655 e 656 são indicados por diferentes números de referência, mas o objeto armazenado em 652, 654, 655 e 656 pode denotar o mesmo armazenamento de objeto ou pode significar dois ou mais armazenamentos de objetos distribuídos.

[000171] As Figuras 7A e 7B são diagramas mostrando um procedimento para gerar um modelo de aprendizagem de acordo com uma modalidade da divulgação.

[000172] O modelo de aprendizagem pode ser gerado usando o algoritmo de inteligência artificial. Por exemplo, o modelo de aprendizagem pode ser gerado usando um algoritmo em árvore de decisão, um algoritmo de máquina de vetores de suporte, um algoritmo de análise de discriminação linear, um algoritmo genético ou um algoritmo de rede neural que simula neurônios em uma rede neural humana. O algoritmo de rede neural pode incluir uma pluralidade de nós de rede com pesos. A pluralidade de nós da rede pode estabelecer um relacionamento de conexão para que os neurônios simulem a atividade sináptica de transmitir e receber sinais através de sinapses. Além disso, o modelo de aprendizagem pode ser gerado usando um algoritmo de aprendizagem profundo desenvolvido no algoritmo de rede neural. No algoritmo de aprendizagem profundo, a pluralidade de nós da rede pode transmitir e receber dados, dependendo do relacionamento da conexão de convolução, enquanto está localizado em diferentes profundidades (ou camadas). O modelo de aprendizagem pode incluir modelos como rede neural profunda (DNN), uma rede neural recorrente (RNN) e uma rede neural profunda recorrente bidirecional (BRDNN) pode ser fornecida, mas não se limita ao exemplo mencionado acima.

[000173] Para conveniência da descrição, a divulgação descreve um método para fornecer uma temperatura recomendada usando uma regressão linear como um algoritmo usado para a geração do modelo de aprendizagem.

[000174] O servidor de aprendizagem de dados DS pode derivar o modelo de aprendizagem, como a seguinte Equação 1, de acordo com o algoritmo de regressão linear

[000175] Na Equação 1 acima, y é uma variável relacionada à temperatura definida no condicionador de ar A, e a0, a1, a2 e a3 são valores constantes. Além disso, x1 é uma variável relacionada à temperatura de momento, x2 é uma variável relacionada à temperatura externa e x3 é uma variável relacionada à umidade externa.

[000176] Para facilitar a compreensão, o modelo de aprendizagem no caso em que o número de variáveis de aprendizagem (ou elementos de aprendizagem) na Equação 1 acima seja dois é expresso pela Equação 2 a seguir.

[000177] Neste caso, a tabela da Figura 7A mostra a temperatura definida (por exemplo, temperatura de ajuste do usuário) 712, dependendo da temperatura de momento (ou temperatura ambiente, temperatura ambiente) 711 do condicionador de ar.

[000178] Com base no algoritmo de regressão linear, o servidor de aprendizagem de dados DS pode derivar um modelo de aprendizagem que é uma expressão de cálculo que expressa a relação da temperatura definida 712, dependendo da temperatura de momento 711.

[000179] Isso é mostrado em um gráfico como mostrado na Figura 7B.

[000180] Com referência à Figura 7B, a temperatura de momento 711 e a temperatura definida 712 na Figura 7A podem corresponder à marca ‘X’ no gráfico quando eles são plotados nos eixos x e y.

[000181] Nesse caso, uma linha de regressão linear 721 usando um algoritmo de regressão linear pode ser adquirida para que uma soma de erros da pluralidade de marcadores ‘X’ seja pequena. Ou seja, na Equação 2 acima, podem ser calculados os valores constantes a0 e a1 com a menor diferença entre a temperatura definida 712 do condicionador de ar A e a temperatura prevista.

[000182] Um exemplo do modelo de regressão linear que reflete o valor constante calculado é o seguinte.

[000183] Por conseguinte, o modelo de aprendizagem de dados DS pode fornecer ao condicionador de ar A a temperatura recomendada de acordo com o comando de solicitação de temperatura recomendado do condicionador de ar A com base na seguinte Equação 3.

[000184] Por exemplo, quando a temperatura ambiente atual em torno do condicionador de ar A é 26 °C, a temperatura recomendada fornecida pelo modelo de aprendizagem da Equação 3 acima pode ser 19 T.

[000185] De acordo com várias modalidades, o modelo de aprendizagem pode ser continuamente renovado (ou atualizado).

[000186] Para esse fim, o servidor de aprendizagem de dados DS pode incluir ainda um renovador de modelo (não mostrado). O renovador de modelo pode determinar se o modelo de aprendizagem é renovado, analisando a relevância entre os dados básicos de aprendizagem usados no modelo de aprendizagem que foi construído previamente e os dados de aprendizagem recém-introduzidos. Nesse momento, a relevância pode ser determinada com base na área e no tempo em que os dados de aprendizagem são gerados, no horário, no modelo do condicionador de ar que fornece os dados de aprendizagem e similares.

[000187] Por exemplo, o renovador de modelo pode renovar continuamente o modelo de aprendizagem já construído usando o histórico de configuração de temperatura do usuário para definir a temperatura do condicionador de ar A, o histórico de alterações do usuário para a temperatura recomendada ou algo semelhante aos dados de aprendizagem.

[000188] De acordo com várias modalidades, o modelo de aprendizagem pode ser armazenado no armazenamento do condicionador de ar A, não em um servidor separado. Nesse caso, o modelo de aprendizagem construído no servidor de aprendizagem de dados DS pode ser transmitido ao condicionador de ar A periodicamente ou na geração do evento.

[000189] Quando o modelo de aprendizagem é fornecido no condicionador de ar A, o condicionador de ar A pode adquirir a temperatura recomendada usando o modelo de aprendizagem armazenado. Por exemplo, o condicionador de ar A pode adquirir a temperatura recomendada inserindo a temperatura de momento detectada no modelo de aprendizagem. Nesse caso, o condicionador de ar A pode adquirir a temperatura recomendada usando a temperatura de momento detectada sem intervenção do usuário e pode definir automaticamente a temperatura do condicionador de ar A, dependendo da temperatura recomendada.

[000190] A Figura 8 é um diagrama de blocos que mostra uma configuração de um condicionador de ar de acordo com a modalidade da divulgação.

[000191] Com referência à Figura 8, o condicionador de ar A pode incluir um sensor de temperatura 810, um ventilador de sopro 820, uma unidade de comunicação 830, um armazenamento 840 e um processador 850. Em várias modalidades, o condicionador de ar A pode omitir pelo menos um dos componentes descritos acima, ou podem incluir adicionalmente outros componentes.

[000192] O sensor de temperatura 810 pode detectar a temperatura da sala ao redor do condicionador de ar A.

[000193] A ventoinha de sopro 820 pode descarregar o ar de resfriamento para o exterior através de uma porção de abertura/fechamento (não mostrada). Alternativamente, no modo sem ventilação, a ventoinha de sopro 820 pode descarregar o ar de resfriamento para o exterior através de uma pluralidade de micro-orifícios (não mostrados) a uma taxa de fluxo predeterminada ou menos. Neste momento, a vazão predeterminada pode ser de 0,25 m/s ou menos, preferencialmente 0,15 m/s ou menos.

[000194] A unidade de comunicação 830 pode realizar comunicação com o dispositivo externo. Neste momento, o dispositivo externo pode incluir pelo menos um servidor de nuvem C, o servidor de aprendizagem de dados DS e o terminal usuário U. A comunicação da unidade de comunicação 830 com um dispositivo externo pode incluir a comunicação com o dispositivo externo através do terceiro dispositivo ou similar. Por exemplo, a unidade de comunicação 830 pode receber um sinal de controle remoto para controlar o condicionador de ar A do terminal U do usuário.

[000195] A unidade de comunicação 830 pode se comunicar com um dispositivo externo via comunicação com fio ou sem fio. Por exemplo, a unidade de comunicação 830 pode se comunicar com um dispositivo de terminal de controle por meio de uma comunicação celular, comunicação de campo próximo e uma rede da Internet, bem como uma porta a ser conectada por um cabo, e realizar a comunicação de acordo com padrões como barramento serial universal Comunicação (USB), Wi-Fi, Bluetooth, Zigbee, associação de dados por infravermelho (IrDA), RF como UHF e VHF e comunicação de banda ultra larga (UWB).

[000196] O armazenamento 840 armazena vários softwares e programas para executar a função do condicionador de ar A. Especificamente, o armazenamento 840 pode armazenar um algoritmo de controle de temperatura de acordo com uma pluralidade de modos de operação. O algoritmo de controle de temperatura pode incluir a alteração na temperatura definida, a intensidade da velocidade do ventilação, a direção da velocidade do ventilação ou similar, dependendo de um período predeterminado para cada modo de operação. Além disso, de acordo com a divulgação, o armazenamento 840 pode armazenar o modelo de aprendizagem aprendido com base na temperatura definida e na temperatura de momento.

[000197] O processador 850 pode ler o programa ou semelhante armazenado no armazenamento 840. Especificamente, para executar a função do condicionador de ar A, o processador 850 pode ler programas incluindo uma série de instruções legíveis e operar o condicionador de ar de acordo com a temperatura configurada.

[000198] O processador 850 pode detectar a pressão e/ou a temperatura do refrigerante no trocador de calor interno (não mostrado) para detectar se o condicionador de ar é normalmente executado. Por exemplo, o processador 850 pode detectar se o tubo do trocador de calor interno está danificado ou coberto de gelo e se a água gerada pela condensação de vapor no ar é removida adequadamente.

[000199] O processador 850 pode controlar uma velocidade da ventoinha de sopro 820. Especificamente, o processador 850 pode controlar a temperatura de momento medida pelo sensor de temperatura 810 e a velocidade na qual a ventoinha de sopro 820 gira dependendo da temperatura definida. Especificamente, o processador 850 pode controlar a velocidade na qual a ventoinha de sopro 820 gira dependendo da diferença entre a temperatura de momento e a temperatura definida. Por exemplo, se a diferença entre a temperatura de momento e a temperatura definida for grande, a velocidade de rotação da ventoinha de sopro 820 é controlada para atingir rapidamente a temperatura definida rapidamente e se a diferença entre a temperatura ambiente e a temperatura definida for pequena ou a temperatura ambiente atinge a temperatura definida, a temperatura ambiente cai muito drasticamente, a velocidade de rotação da ventoinha de sopro 820 pode ser lenta para que o compressor de uma unidade externa não seja desligado. Por exemplo, o processador 850 pode controlar a velocidade de rotação da ventoinha de sopro 820 entre 500 RPM e 900 RPM.

[000200] O processador 850 pode controlar a unidade de comunicação 830 para transmitir a temperatura de momento e a temperatura definida detectada pelo sensor de temperatura 810 para um dispositivo externo.

[000201] Além disso, o processador 850 pode controlar a unidade de comunicação 830 para receber a temperatura recomendada recebida do dispositivo externo e controlar a temperatura recomendada adquirida através da unidade de comunicação 830 a ser ajustada no condicionador de ar A como a temperatura definida.

[000202] Além disso, o processador 850 pode controlar a unidade de comunicação 830 para transmitir a temperatura de momento detectada pelo sensor de temperatura 810 para o dispositivo externo e pode receber a temperatura recomendada dependendo da transmissão da temperatura de momento do dispositivo externo e definir a temperatura recomendada recebida em um condicionador de ar. Nesse caso, a temperatura recomendada pode ser o resultado da aplicação da temperatura de momento detectada pelo sensor de temperatura 810 ao modelo de aprendizagem aprendido usando uma pluralidade de temperaturas definidas e uma pluralidade de temperaturas vigentes definidas no condicionador de ar A. Nesse caso, o dispositivo externo pode incluir pelo menos um servidor de nuvem C, o servidor de modelo de aprendizagem DS e o terceiro dispositivo conectado comunicativamente ao servidor de nuvem C ou o servidor de modelo de aprendizagem DS.

[000203] De acordo com várias modalidades, pode haver o sistema de rede que inclui o condicionador de ar A e o servidor do modelo de aprendizagem DS gerando o modelo de aprendizagem usando os dados de aprendizagem adquiridos do condicionador de ar A.

[000204] Neste caso, o condicionador de ar A do sistema de rede pode incluir o sensor de temperatura 810 mediante detecção a temperatura de momento, a ventoinha de sopro 820 descarregando o ar de resfriamento para o exterior e a unidade de comunicação 830 capaz de se comunicar com um dispositivo externo. O condicionador de ar A pode incluir o processador 850 que controla a unidade de comunicação 830 para transmitir a temperatura definida no condicionador de ar A e a temperatura de momento detectada pelo sensor de temperatura 810 para um dispositivo externo.

[000205] Nesse caso, o dispositivo externo pode incluir pelo menos um servidor de nuvem C, o servidor de modelo de aprendizagem DS e o terceiro dispositivo conectado comunicativamente ao servidor de nuvem C ou ao servidor de modelo de aprendizagem DS.

[000206] Além disso, o servidor de modelo de aprendizagem DS do sistema de rede pode incluir a unidade de aquisição de dados de aprendizagem (por exemplo, unidade de aquisição de dados de aprendizagem 203a da Figura 2A) que adquire a temperatura de momento e a temperatura definida transmitidas do condicionador de ar A, o modelo unidade de aprendizagem (por exemplo, unidade de aprendizagem modelo 203b da Figura 2A) que gera o modelo de aprendizagem usando a temperatura definida e a temperatura de momento, e o armazenamento (por exemplo, armazenamento 202 da Figura 2A) que armazena o modelo de aprendizagem aprendido para fornecer o temperatura recomendada do condicionador de ar A como resultado da geração do modelo de aprendizagem.

[000207] De acordo com várias modalidades, pode haver o sistema de rede que inclui o condicionador de ar A e o servidor do modelo de aprendizagem DS, fornecendo a temperatura recomendada usando os dados de reconhecimento adquiridos do condicionador de ar A.

[000208] Neste caso, o condicionador de ar A do sistema de rede inclui o sensor de temperatura 810 que detecta a temperatura de momento, a ventoinha de sopro 820 descarregando o ar de resfriamento para o exterior, a unidade de comunicação 830 capaz de se comunicar com o dispositivo externo e o processador 850 controlar a unidade de comunicação 830 para transmitir a temperatura de momento detectada pelo sensor de temperatura 810 para o dispositivo externo.

[000209] Nesse caso, o dispositivo externo pode incluir pelo menos um servidor de nuvem C, o servidor de modelo de aprendizagem DS e o terceiro dispositivo conectado comunicativamente ao servidor de nuvem C ou ao servidor de modelo de aprendizagem DS.

[000210] Além disso, o servidor de modelo de aprendizagem DS pode incluir o armazenamento (por exemplo, armazenamento 202 da Figura 2B) armazenando os modelos de aprendizagem aprendidos para fornecer a temperatura recomendada do condicionador de ar A, a unidade de aquisição de dados de reconhecimento (por exemplo, unidade de aquisição de dados de reconhecimento 203c da Figura 2B) adquirindo a temperatura de momento do condicionador de ar A e o aplicador do modelo (por exemplo, o aplicador do modelo 203d da Figura 2B) adquirindo a temperatura recomendada do condicionador de ar A inserindo a temperatura de momento como modelo de aprendizagem e uma unidade de comunicação (por exemplo, unidade de comunicação 201 da Figura 2B) transmitindo a temperatura recomendada adquirida para o dispositivo externo. O dispositivo externo pode incluir o condicionador de ar A ou o terceiro dispositivo conectado comunicativamente ao condicionador de ar A. Além disso, o dispositivo externo pode incluir o terminal usuário U ou o terceiro dispositivo conectado comunicativamente ao terminal usuário U para transmitir a temperatura recomendada.

[000211] A Figura 9 é um diagrama de blocos mostrando uma configuração de um terminal usuário de acordo com uma modalidade da divulgação.

[000212] Com referência à Figura 9, o terminal usuário U pode incluir um visor 910, uma unidade de comunicação 920, uma entrada 930, um armazenamento 940 e um processador 950.

[000213] O visor 910 pode fornecer visualmente informações ao usuário do terminal usuário U. Por exemplo, o visor 910 pode exibir uma tela incluindo a UI de operação de inteligência artificial sob o controle do processador 950.

[000214] A unidade de comunicação 920 pode estabelecer um canal da unidade de comunicação com ou sem fio entre o terminal usuário U e o dispositivo externo e suportar o desempenho da comunicação através do canal de comunicação estabelecido. O dispositivo externo pode incluir pelo menos um dentre, por exemplo, o servidor de nuvem C, o servidor de modelo de aprendizagem DS e o terceiro dispositivo conectado comunicativamente ao servidor de nuvem C ou ao servidor de modelo de aprendizagem DS.

[000215] A unidade de comunicação 920 pode se comunicar com o dispositivo externo através das redes de comunicação de campo próximo (por exemplo, Bluetooth, direção WiFi ou associação de dados por infravermelho (IrDA) ou similar) ou das redes de comunicação remota (por exemplo, rede celular, Internet ou computador rede (por exemplo, LAN ou WAN) ou similar) usando os módulos de comunicação sem fio (por exemplo, módulo de comunicação celular, módulo de comunicação sem fio de área local e módulo de comunicação do sistema de navegação global por satélite (GNSS)) ou o módulo de comunicação com fio (por exemplo, local módulo de comunicação de rede local (LAN) ou módulo de comunicação de linha de força). Vários tipos de módulos de comunicação descritos acima podem ser implementados como um único chip ou cada um pode ser implementado como um chip separado.

[000216] A entrada 930 pode receber comandos ou dados a serem utilizados para os componentes (por exemplo, processador 950) do terminal usuário U a partir do exterior (por exemplo, usuário) do terminal usuário U. A entrada 930 pode incluir, por exemplo, um botão, um microfone, um painel de toque ou algo semelhante. A entrada 930 pode transmitir o sinal de entrada usuário gerado dependendo da entrada usuário para controlar o terminal usuário U para o processador 950.

[000217] O armazenamento 940 pode armazenar vários dados usados por pelo menos um componente (por exemplo, processador 950) do terminal usuário U, por exemplo, software (por exemplo, um programa) e pode armazenar os dados de entrada ou os dados de saída para o comando associado a ele. O armazenamento 940 pode incluir a memória volátil e/ou não volátil.

[000218] O programa é um software armazenado no armazenamento 940 e pode incluir, por exemplo, um sistema operacional, middleware ou aplicativo.

[000219] O processador 950 pode conduzir, por exemplo, software (por exemplo, programa) armazenado no armazenamento 940 para controlar pelo menos um outro componente (por exemplo, componentes de hardware ou software) do terminal usuário U conectado ao processador 950 e executar vários dados processamento e operações. O processador 950 pode carregar um comando ou dados recebidos de outros componentes (por exemplo, unidade de comunicação 920) na memória volátil e processar o comando ou dados carregados e pode armazenar os dados resultantes na memória não volátil. De acordo com uma modalidade, o processador 950 pode incluir processadores principais (por exemplo, uma unidade central de processamento ou um processador de aplicativos) e subprocessadores (por exemplo, um processador gráfico, um processador de sinal de imagem, um processador de ‘hub’ de sensor ou um processador de comunicação) que são operados de forma independente do processador principal e, adicionalmente ou alternativamente, usam menos energia do que o processador principal ou são especializados nas funções designadas. O subprocessador pode ser operado separadamente do processador principal ou pode ser operado enquanto está sendo incorporado.

[000220] De acordo com várias modalidades, se o sinal de entrada usuário, dependendo da entrada usuário que seleciona a interface usuário da operação de inteligência artificial incluída na tela fornecida pela tela 910, é recebido via entrada 930, o processador 950 pode controlar a unidade de comunicação 920 para transmitir o artificial sinal de solicitação de operação de inteligência correspondente à interface usuário da operação de inteligência artificial para o condicionador de ar A. Se a temperatura recomendada definida no condicionador de ar A, dependendo do sinal de solicitação de operação de inteligência artificial, for adquirida através da unidade de comunicação 920, o processador 950 poderá controlar a exibição 910 para exibir a temperatura recomendada adquirida. Neste momento, a temperatura recomendada pode ser adquirida como resultado obtido, permitindo que o condicionador de ar A aplique a temperatura de momento do condicionador de ar A ao modelo de aprendizagem. Nesse caso, o processador 950 pode controlar a tela 910 para que o usuário exiba a temperatura definida, que é definida no condicionador de ar A no passado, na temperatura de momento, juntamente com a temperatura recomendada.

[000221] De acordo com várias modalidades, pode haver um sistema de rede incluindo o condicionador de ar A e o terminal usuário U controlando o condicionador de ar A.

[000222] Nesse caso, se o sinal de entrada usuário, dependente da entrada usuário, selecionar a interface usuário da operação de inteligência artificial UI inclusa na tela provida pelo visor 910 do terminal usuário U é recebido por meio da entrada 930, o processador 950 pode controlar a unidade de comunicação 920 para transmitir o sinal de solicitação de operação de inteligência artificial correspondente à UI da operação da inteligência artificial UI ao condicionador de ar A.

[000223] Se o condicionador de ar A receber a solicitação de operação inteligente artificial através da unidade de comunicação 830 do condicionador de ar A, o processador 850 do condicionador de ar A poderá controlar a unidade de comunicação 830 para transmitir a temperatura de momento do condicionador de ar A ao dispositivo externo. O processador 850 do condicionador de ar A pode controlar a unidade de comunicação 830 para receber a temperatura recomendada, dependendo da transmissão da temperatura de momento do dispositivo externo. O processador 850 pode definir a temperatura recomendada recebida através da unidade de comunicação 830 no condicionador de ar A. Nesse caso, a temperatura recomendada pode ser o resultado obtido aplicando a temperatura de momento ao modelo de aprendizagem aprendido com base na pluralidade de temperaturas definidas anteriormente no condicionador de ar A e na pluralidade de temperaturas vigentes. Nesse caso, o dispositivo externo pode incluir pelo menos um servidor de nuvem C, o servidor de modelo de aprendizagem DS e o terceiro dispositivo conectado comunicativamente ao servidor de nuvem C ou ao servidor de modelo de aprendizagem DS.

[000224] As Figuras 10A e 10B são diagramas mostrando uma tela de um terminal usuário no qual uma temperatura de recomendação é exibida, de acordo com uma modalidade da divulgação.

[000225] Com referência à Figura 10A, o terminal usuário U pode exibir uma tela de controle do condicionador de ar 1010 executando uma aplicação capaz de controlar o condicionador de ar A.

[000226] A tela de controle do condicionador de ar 1010 pode incluir uma interface usuário 1011 ligando/desligando o condicionador de ar A, uma interface usuário 1012 selecionando um modo de operação do condicionador de ar A, informações de temperatura de momento 1013, informações sobre se o modo de inteligência artificial opera 1014, uma porta de ventilação definindo a interface usuário 1015, uma interface de intensidade do ventilação 1016, uma interface de operação sem ventilação 1017, uma interface usuário sobre se a operação de limpeza do ar 1018, uma interface de inteligência artificial da interface 1019, uma configuração de reserva da interface usuário 1020 e similares.

[000227] Nesse caso, quando a tela de controle do condicionador de ar 1010 estiver fora do alcance da janela de exibição da tela da interface usuário do terminal usuário, o usuário poderá exibir a tela de controle do condicionador de ar 1110, que está fora do alcance da janela de exibição, na faixa da janela de visualização através de um gesto de arrasto.

[000228] Com referência às Figuras 10A e 10B, nesta situação, se a entrada usuário para selecionar a configuração de inteligência artificial UI 1019 for recebida, o terminal usuário U poderá exibir a tela de controle de inteligência artificial 1020 no modo de operação (por exemplo, modo de conforto inteligente) do condicionador de ar A como mostrado na Figura 10B. A tela de controle de inteligência artificial 1020 pode incluir a operação de inteligência artificial UI 1021 para a operação no modo de inteligência artificial do condicionador de ar A e as informações da operação de inteligência artificial 1022 indicando a operação no modo de inteligência artificial do condicionador de ar A.

[000229] Nesse caso, se a entrada usuário para selecionar a operação de inteligência artificial UI 1021 for recebida, o terminal usuário U poderá adquirir a temperatura recomendada definida no condicionador de ar com base na entrada usuário. Por exemplo, o terminal usuário U pode adquirir a temperatura recomendada por meio do terceiro dispositivo (por exemplo, ponto de acesso (AP)) conectado comunicativamente ao servidor de nuvem C.

[000230] Em seguida, o terminal usuário U pode exibir a temperatura recomendada 1023 na tela de controle de inteligência artificial 1020. Nesse momento, a temperatura recomendada 1023 pode ser adquirida como resultado obtido permitindo que o condicionador de ar A aplique a temperatura de momento do condicionador de ar A para o servidor do modelo de aprendizagem DS, com base na entrada usuário, selecionando a operação de inteligência artificial UI 1021.

[000231] O terminal usuário U pode exibir não apenas a temperatura recomendada 1023 na tela de controle de inteligência artificial 1020, mas também a temperatura definida 1024 que o usuário do condicionador de ar A define diretamente no condicionador de ar A no passado. Nesse caso, a temperatura recomendada 1023 e a temperatura definida 1034 podem ser exibidas no gráfico juntas para serem comparáveis entre si.

[000232] A Figura 11 é um fluxograma que mostra um método para gerar um modelo de aprendizagem de um servidor de aprendizagem de dados de acordo com uma modalidade da divulgação.

[000233] Com referência à Figura 11, na operação 1101, o servidor de aprendizagem de dados DS pode adquirir a temperatura definida no condicionador de ar A e a temperatura de momento do condicionador de ar A no momento da configuração da temperatura. Além disso, o servidor de aprendizagem de dados DS pode ainda adquirir as informações do ambiente externo do condicionador de ar A.

[000234] Nesse momento, o servidor de aprendizagem de dados DS pode adquirir a temperatura definida e a temperatura de momento do servidor ponte BS conectado comunicativamente ao condicionador de ar A e obtém as informações do ambiente externo do servidor de serviço doméstico inteligente SS conectado comunicativamente ao servidor de fornecimento de conteúdo externo (CP).

[000235] Além disso, o servidor de aprendizagem de dados DS pode adquirir ainda mais as informações de tempo no momento de definir a temperatura no condicionador de ar A.

[000236] Na operação 1103, o servidor de aprendizagem de dados DS pode gerar ou renovar o modelo de aprendizagem usando a temperatura definida adquirida e a temperatura de momento.

[000237] Quando o servidor de aprendizagem de dados DS adquire ainda mais as informações do ambiente externo, o servidor de aprendizagem de dados DS pode gerar ou renovar o modelo de aprendizagem usando a temperatura definida adquirida, a temperatura de momento e as informações do ambiente externo.

[000238] Além disso, quando o servidor de aprendizagem de dados DS adquire ainda mais as informações de tempo no momento de definir a temperatura, o servidor de aprendizagem de dados DS pode gerar ou renovar o modelo de aprendizagem usando a temperatura definida adquirida, a temperatura de momento e as informações de tempo.

[000239] Na operação 1105, o servidor de aprendizagem de dados DS pode armazenar o modelo de aprendizagem aprendido para fornecer a temperatura recomendada a ser ajustada no condicionador de ar A como resultado da geração e renovação do modelo de aprendizagem.

[000240] Enquanto isso, o servidor de aprendizagem de dados DS pode gerar ou renovar a pluralidade de modelos de aprendizagem para cada modo de operação do condicionador de ar A. Nesse caso, o servidor de aprendizagem de dados DS pode armazenar a pluralidade de modelos de aprendizagem.

[000241] A Figura 12 é um fluxograma que mostra um método para usar um modelo de aprendizagem de um servidor de aprendizagem de dados de acordo com uma modalidade da divulgação.

[000242] Com referência à Figura 12, na operação 1201, o servidor de aprendizagem de dados DS pode armazenar o modelo de aprendizagem aprendido para fornecer a temperatura recomendada a ser ajustada no condicionador de ar A.

[000243] Numa situação em que o modelo de aprendizagem aprendido é armazenado, na operação 1203, o servidor de aprendizagem de dados DS pode adquirir a temperatura de momento do condicionador de ar A. Nesse caso, o servidor de aprendizagem de dados DS pode adquirir ainda mais as informações do ambiente externo do condicionador de ar A.

[000244] Na operação 1205, o servidor de aprendizagem de dados DS pode inserir a temperatura de momento adquirida no modelo de aprendizagem aprendido para adquirir a temperatura recomendada a ser configurada no condicionador de ar A.

[000245] Além disso, quando o servidor de aprendizagem de dados DS adquire ainda mais as informações do ambiente externo, o servidor de aprendizagem de dados DS pode inserir as informações de temperatura e ambiente externas recomendadas adquiridas no modelo de aprendizagem para adquirir a temperatura recomendada a ser ajustada no condicionador de ar A.

[000246] Enquanto isso, o servidor de aprendizagem de dados DS pode armazenar a pluralidade de modelos de aprendizagem para cada modo de operação do condicionador de ar A. Nesse caso, o servidor de aprendizagem de dados DS pode inserir a temperatura de momento adquirida no modelo de aprendizagem correspondente ao modo de operação atual do aparelho condicionador de ar A e inserir a temperatura de momento adquirida no modelo de aprendizagem correspondente ao modo de operação atual do condicionador de ar A para adquirir a temperatura recomendada a ser ajustada no condicionador de ar A.

[000247] Na operação 1207, o servidor de aprendizagem de dados DS pode transmitir a temperatura recomendada adquirida para o dispositivo externo. O dispositivo externo pode ser, por exemplo, o condicionador de ar A ou o terceiro dispositivo conectado comunicativamente ao condicionador de ar A para transmitir a temperatura recomendada. Além disso, o dispositivo externo pode ser o terminal usuário U ou o terceiro dispositivo conectado comunicativamente ao terminal usuário U para transmitir a temperatura recomendada.

[000248] A Figura 13 é um fluxograma que mostra um método para fornecer uma temperatura recomendada para um condicionador de ar A de acordo com uma modalidade da divulgação.

[000249] Com referência à Figura 13, na operação 1301, o condicionador de ar A pode detectar a temperatura de momento do condicionador de ar A.

[000250] Em seguida, na operação 1303, o condicionador de ar A pode transmitir a temperatura de momento detectada para o dispositivo externo. Por exemplo, o condicionador de ar A pode transmitir a temperatura de momento detectada para pelo menos um dos servidores de nuvem C, servidor de modelo de aprendizagem DS e terceiro dispositivo que se comunica comunicativamente com o servidor de nuvem C ou servidor de modelo de aprendizagem DS.

[000251] Na operação 1305, o condicionador de ar A pode receber a temperatura recomendada, que é o resultado da aplicação da temperatura de momento no modelo de aprendizagem, do dispositivo externo, dependendo da transmissão da temperatura de momento. Nesse caso, a temperatura recomendada pode ser o resultado obtido aplicando a temperatura de momento ao modelo de aprendizagem aprendido com base na pluralidade de temperaturas definidas anteriormente no condicionador de ar A e na pluralidade de temperaturas vigentes.

[000252] Na operação 1307, o condicionador de ar A pode definir a temperatura recomendada recebida no condicionador de ar.

[000253] Figura 14 é um fluxograma que mostra um método para controlar um condicionador de ar de um terminal usuário de acordo com uma modalidade da divulgação.

[000254] Com referência à Figura 14, na operação 1401, o terminal usuário U pode receber o sinal de entrada usuário, dependendo da entrada usuário, selecionando a interface usuário da operação de inteligência artificial.

[000255] Na operação 1403, o terminal usuário U pode transmitir o sinal de solicitação de operação de inteligência artificial correspondente à interface usuário da operação de inteligência artificial ao condicionador de ar A em resposta ao sinal de entrada usuário.

[000256] Na operação 1405, o terminal usuário U pode adquirir a temperatura recomendada definida no condicionador de ar A como resultado da aplicação da temperatura de momento do condicionador de ar A no modelo de aprendizagem, dependendo do sinal de solicitação de operação de inteligência artificial.

[000257] Na operação 1407, o terminal usuário U pode exibir a temperatura recomendada adquirida na tela. Nesse caso, o terminal usuário U pode exibir a temperatura definida anteriormente pelo usuário no condicionador de ar A, juntamente com a temperatura recomendada, na temperatura de momento.

[000258] Figura 15 é um fluxograma de um sistema de rede incluindo um terminal usuário e um condicionador de ar de acordo com uma modalidade da divulgação.

[000259] Com referência à Figura 15, na operação 1501, o terminal usuário U pode receber o sinal de entrada usuário, dependendo da entrada usuário, selecionando a interface usuário da operação de inteligência artificial.

[000260] Na operação 1503, o terminal usuário U pode transmitir o sinal de solicitação de operação de inteligência artificial correspondente à interface usuário da operação de inteligência artificial para o condicionador de ar A.

[000261] Na operação 1505, o condicionador de ar A pode detectar a temperatura de momento do condicionador de ar A.

[000262] Em seguida, na operação 1507, o condicionador de ar A pode transmitir a temperatura de momento detectada para um dispositivo externo 1500. O dispositivo externo pode incluir pelo menos um servidor de nuvem C, o servidor de modelo de aprendizagem DS e o terceiro dispositivo comunicativamente conectado ao servidor de nuvem C ou o servidor de modelo de aprendizagem DS.

[000263] Na operação 1509, o condicionador de ar A pode receber a temperatura recomendada, que é o resultado da aplicação da temperatura de momento no modelo de aprendizagem, do dispositivo externo 1500, dependendo da transmissão da temperatura de momento. Nesse caso, o modelo de aprendizagem pode ser o modelo de aprendizagem aprendido usando a pluralidade de temperaturas definidas anteriormente definidas no condicionador de ar A e a pluralidade de temperaturas vigentes.

[000264] Na operação 1511, o condicionador de ar A pode definir a temperatura recomendada recebida no condicionador de ar.

[000265] As modalidades divulgadas podem ser implementadas como um programa S/W que inclui instruções armazenadas em um meio de armazenamento legível por computador.

[000266] O computador é um aparelho que chama instruções armazenadas do meio de armazenamento e pode ser operado de acordo com a modalidade divulgada, dependendo das instruções chamadas, e pode incluir o servidor de aprendizagem de dados de acordo com as modalidades divulgadas ou o servidor externo conectado comunicativamente ao aprendizagem de dados servidor. Alternativamente, o computador pode incluir o condicionador de ar ou o servidor externo conectado comunicativamente ao condicionador de ar, de acordo com as modalidades divulgadas.

[000267] O meio de armazenamento legível por computador pode ser fornecido na forma de um meio de armazenamento não transitório. O ‘não transitório’ significa que o meio de armazenamento não inclui um sinal e uma corrente e é tangível, mas o ‘não transitório’ não distingue se os dados são armazenados de forma semi-permanente ou temporária no meio de armazenamento. A título de exemplo, o meio de armazenamento não transitório pode ser temporariamente armazenado em mídia, como registro, cache e buffer, bem como mídia de gravação legível não transitória, como CD, DVD, disco rígido, disco Blu-ray, USB, interno memória, cartão de memória, ROM e RAM.

[000268] Além disso, o método de acordo com as modalidades divulgadas pode ser fornecido como um produto de programa de computador.

[000269] O produto do programa de computador pode incluir um programa S/W, um meio de armazenamento legível por computador no qual o programa S/W está armazenado ou um produto comercializado entre um vendedor e um comprador.

[000270] Por exemplo, um produto de programa de computador pode incluir um produto (por exemplo, aplicativo para download) na forma de programa de software distribuído eletronicamente por meio do servidor de aprendizagem de dados, do fabricante do condicionador de ar ou do mercado eletrônico (por exemplo, Google Play Store, AppStore). Para a distribuição eletrônica, pelo menos uma parte dos programas de software pode ser armazenada em um meio de armazenamento ou ser gerada temporariamente. Nesse caso, o meio de armazenamento pode ser um fabricante ou um servidor de um mercado eletrônico ou um meio de armazenamento de um servidor de retransmissão.

[000271] Embora modalidades da divulgação tenham sido ilustradas e descritas, a divulgação não se limita à modalidade específica acima mencionada, mas pode ser modificada de várias maneiras por aqueles versados na técnica a que a divulgação pertence, sem se afastar do espírito e escopo da divulgação, como reivindicado nas reivindicações. Além disso, essas modificações também devem ser entendidas como abrangidas pelo escopo da divulgação.

[000272] Embora a divulgação tenha sido mostrada e descrita com referência de acordo com várias modalidades da mesma, será entendido pelos versados na técnica que várias alterações na forma e nos detalhes podem ser feitas nela sem se afastar do espírito e do escopo da divulgação, conforme definido pelas reivindicações anexas e seus equivalentes.

Claims (12)

1. MÉTODO PARA GERAR UM MODELO DE APRENDIZAGEM DE UM SERVIDOR DE APRENDIZAGEM DE DADOS, para definir a temperatura de um ar condicionado (A), o método caracterizado pelo fato de que compreende: obtenção de uma temperatura definida no ar condicionado (A) e uma temperatura atual do ar condicionado (A) no momento da obtenção da temperatura definida; transmitir (1) a temperatura definida e a temperatura atual para o servidor de aprendizagem de dados (OS); gerar (4) uma pluralidade de modelos de aprendizagem para cada modo de operação do ar condicionado (A) pelo servidor de aprendizagem de dados (OS) usando a temperatura definida obtida do ar condicionado (A) e a temperatura atual do ar condicionado ( UMA), em que o modelo de aprendizagem é configurado para fornecer uma temperatura recomendada do condicionador de ar (A); armazenar a pluralidade gerada de modelos de aprendizagem em um banco de dados de análise (OS3) do servidor de aprendizagem (OS).

2. Método de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: coletar (2) informações do ambiente externo de um servidor de conteúdo externo (CP); adquirir (3, 3') as informações do ambiente externo pelo servidor de aprendizagem de dados (SO), em que a geração da pluralidade de modelos de aprendizagem compreende usar também as informações do ambiente externo.

3. Método de acordo com a reivindicação 2, caracterizado pelo fato de que a informação do ambiente externo compreende pelo menos uma temperatura externa ou uma umidade externa no momento da obtenção da temperatura definida.

4. Método, de acordo com a reivindicação 2, caracterizado pelo fato de que a obtenção da temperatura definida e da temperatura atual compreende a obtenção da temperatura definida e da temperatura atual de um servidor de ponte (8S) conectado de forma comunicativa ao condicionador de ar (A), e em que a aquisição (3, 3') das informações do ambiente externo compreende a aquisição das informações do ambiente externo de um servidor de serviço doméstico inteligente (SS) que está conectado de forma comunicativa ao servidor de fornecimento de conteúdo externo (CP).

5. Método de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: adquirir informações de tempo no momento de obter a temperatura definida, em que a geração (4) do modelo de aprendizagem compreende gerar o modelo de aprendizagem usando também as informações de tempo.

6. Método, de acordo com qualquer uma das reivindicações 1 a 5, o método compreendendo ainda: obtenção de um segundo ajuste de temperatura no condicionador de ar (A) e uma segunda temperatura atual do condicionador de ar; aplicar a segunda temperatura ajustada e a segunda temperatura atual ao modelo de aprendizagem gerado; obtenção (8) da temperatura recomendada a ser ajustada no ar condicionado (A); e transmitindo a temperatura recomendada para um dispositivo externo (U).

7. Método de acordo com a reivindicação 6, em que a obtenção (8) da temperatura recomendada a ser ajustada no ar condicionado (A) compreende inserir a segunda temperatura atual no modelo de aprendizagem gerado correspondente a um modo de operação atual do ar condicionado (A) para obter a temperatura recomendada para ser definido no ar condicionado (A).

8. Método, de acordo com a reivindicação 6, caracterizado pelo fato de compreender ainda: configurando a temperatura recomendada recebida no ar condicionado (A).

9. Método de acordo com a reivindicação 6, caracterizado pelo fato de compreender ainda: exibindo uma temperatura definida anteriormente no ar condicionado na temperatura atual, juntamente com a temperatura recomendada.

10. SERVIDOR DE APRENDIZAGEM DE DADOS, caracterizado pelo fato de que compreende: uma unidade de comunicação (201); uma unidade de armazenamento (202); e pelo menos um processador (203) compreendendo uma seção de obtenção de dados de aprendizagem (203a) e uma seção de aprendizagem de modelo (203b); em que o servidor de aprendizagem de dados (SO) é configurado para executar um método de acordo com qualquer uma das reivindicações 1-9.

11. SISTEMA DE REDE, caracterizado pelo fato de que compreende: um ar condicionado (A); um servidor doméstico inteligente (SS) configurado para coletar informações do ambiente externo; um servidor de ponte (8S) configurado para coletar a temperatura definida e a temperatura atual do ar condicionado (A) transmitida do ar condicionado (A); e um servidor de aprendizagem de dados (SO) de acordo com a reivindicação 10; em que o ar condicionado (A) compreende: um ventilador de sopro (820) configurado para descarregar ar de resfriamento para fora, um sensor de temperatura (810) configurado para detectar uma temperatura atual em torno do condicionador de ar, uma unidade de comunicação (830) configurada para se comunicar com um dispositivo externo, e pelo menos um processador de ar condicionado (850) configurado para controlar a unidade de comunicação (30) para transmitir uma temperatura definida no ar condicionado e a temperatura atual detectada pelo sensor de temperatura para o dispositivo externo.

12. Sistema de rede, de acordo com a reivindicação 11, caracterizado pelo fato de compreender ainda: um terminal de usuário (U) configurado para controlar o ar condicionado (A), em que o terminal de usuário (U) compreende: um monitor (910) configurado para exibir uma tela, uma unidade de comunicação (920) configurada para se comunicar com um dispositivo externo, um receptor de entrada (930) configurado para receber uma entrada do usuário, e pelo menos um processador de terminal (950) configurado para controlar a unidade de comunicação (920) para transmitir um sinal de solicitação de operação de inteligência artificial correspondente a uma interface de usuário de operação de inteligência artificial, UI, para o ar condicionado (A) em resposta a um sinal de entrada do usuário dependendo de uma entrada do usuário selecionando a IU de operação de inteligência artificial incluída na tela sendo recebida por meio do receptor de entrada.

Images