KR101249902B1

KR101249902B1 - Diagnostic system and method for home appliance

Info

Publication number: KR101249902B1
Application number: KR1020110079733A
Authority: KR
Inventors: 김덕현; 이근형; 김현상
Original assignee: 엘지전자 주식회사
Priority date: 2011-08-10
Filing date: 2011-08-10
Publication date: 2013-04-05
Also published as: KR20130017352A

Abstract

본 발명은 가전기기로부터 출력되는 제품정보가 포함된 신호음을이용한 가전기기의 고장 진단이 용이한 가전기기 및 진단시스템에 관한 것으로서, 진단결과에 대한 피드백을 통해 진단로직을 보완함으로써, 진단결과의 정확도가 향상되고, 가전기기 고장에 대한 A/S가 용이하고, 진단결과의 정확도 향상을 통해 제품에 대한 신뢰성이 향상된다. The present invention relates to a home appliance and a diagnosis system for easily diagnosing a failure of a home appliance using a signal sound including product information output from the home appliance, and by supplementing the diagnosis logic through feedback on the diagnosis result, the accuracy of the diagnosis result. Is improved, and after-sales service is easy, and the reliability of the product is improved by improving the accuracy of the diagnosis result.

Description

Diagnostic system and method for home appliance {Diagnostic system and method for home appliance}

본 발명은 가전기기 진단시스템 및 그 진단방법에 관한 것으로서, 특히 가전기기의 제품정보를 바탕으로 가전기기의 상태를 점검하고 고장을 진단하고 진단결과에 대한 피드백을 통해 정확한 진단과 애프터서비스가 용이하도록 하는 가전기기 진단시스템 및 그 진단방법에 관한 것이다. The present invention relates to a system for diagnosing home appliances and a method of diagnosing the same, in particular, to check the state of home appliances, diagnose failures, and facilitate accurate diagnosis and after-sales service through feedback on the diagnosis results based on product information of the home appliances. It relates to a home appliance diagnostic system and a diagnostic method thereof.

가전기기는 각각 소정 동작을 수행하는 중, 동작 수행을 위한 설정값, 동작 중 발생되는 정보, 고장정보 등을 저장하는데, 특히 고장 발생시에는 소정의 알람을 출력함으로써, 가전기기를 이용하는 사용자가 가전기기의 상태를 인지할 수 있도록 한다. 이러한 가전기기는 단순히 동작완료 또는 고장발생을 알리기만 할 뿐 아니라, 구비되는 출력수단, 예를 들어 디스플레이수단, 램프 등을 통해 구체적인 고장정보를 출력하기도 한다. Each home appliance stores a set value for performing the operation, information generated during the operation, fault information, etc. while performing a predetermined operation, and in particular, when a failure occurs, a user using the home appliance outputs a predetermined alarm. Allows you to recognize the state of. Such household appliances not only not only notify the completion of the operation or the occurrence of a failure, but also output specific failure information through output means provided, for example, display means and lamps.

가전기기의 사용중 이상이 발생하였을 시, 통상 사용자는 서비스센터에 전화를 하여 가전기기의 이상 증상을 설명하고, 이에 대한 해결책을 문의하게 된다. 그러나, 사용자가 가전기기의 상태를 정확하게 인지하고 이를 서비스센터 측에 설명하는 것이 쉬운일이 아닌바, 문제해결에 어려움이 있다.When an abnormality occurs during the use of the home appliance, the user usually calls a service center to explain the abnormal symptom of the home appliance, and inquires a solution thereof. However, since it is not easy for the user to accurately recognize the state of the home appliance and explain it to the service center, it is difficult to solve the problem.

이때, 가전기기에 고장 정보가 단순히 출력되거나, 사용자는 알 수 없는 코드값으로 출력되는 것이 일반적이라, 사용자는 가전기기의 고장에 대응하기 어려우며, 서비스 센터에 연결되더라도, 가전기기의 상태를 정확하게 전달하기 어려운 경우가 많다. 그로 인하여, 서비스 인원이 가정을 방문하는 경우, 사전에 가전기기의 상태를 정확하게 파악하지 못함으로 인하여 가전기기 수리에 많은 시간과 비용이 소요되는 경우가 발생된다. 예를 들어, 가전기기 수리에 필요한 부품이 사전에 준비되지 않은 경우, 서비스인원이 가정을 재방문해야하는 번거로움이 있을 뿐 아니라, 그만큼 많은 시간이 소요된다.At this time, the failure information is simply output to the home appliance, or the user is usually output as a code value unknown, it is difficult for the user to respond to the failure of the home appliance, even if connected to the service center, accurately convey the status of the home appliance It is often difficult to do it. Therefore, when a service person visits the home, a lot of time and money are required to repair the home appliance because the state of the home appliance is not accurately understood in advance. For example, if the parts needed to repair home appliances are not prepared in advance, it is not only troublesome for service personnel to return to the home, but also takes much time.

기술의 발달로 전화망을 이용하여 원격으로 고장정보 등을 원격으로 진단하는 기술로 발전하였다. With the development of technology, it has developed into a technology for remotely diagnosing fault information using a telephone network.

그러나 종래의 시스템은 복수의 원인에 의한 고장에 대해 그 상태를 진단하기 어렵다는 문제점이 있었다. 또한 초기 구축된 진단에 필요한 데이터와 소정의 로직을 바탕으로 진단을 수행하므로, 진단결과의 정확도가 낮다는 문제점이 있다. However, the conventional system has a problem that it is difficult to diagnose the state of the failure caused by a plurality of causes. In addition, since the diagnosis is performed based on the data and the predetermined logic necessary for the initial diagnosis, there is a problem in that the accuracy of the diagnosis result is low.

즉, 주변 환경등의 변화로 인한 고장의 형태로 상이해지고 사용자의 특성에 따른 고장의 형태 또한 달라 질 수 있으나 이를 반영하지 못하고, 실질적으로 가전제품을 점검하는 경우와 진단 결과에 차이가 있을 수 있으나, 이러한 문제가 반영되지 어려워 가전기기에 대한 상태 진단에 한계가 있다.That is, it may be different in the form of the fault due to the change of the surrounding environment, and the form of the fault according to the characteristics of the user may also be different. However, since such problems are difficult to be reflected, there is a limit in diagnosing a condition of home appliances.

본 발명의 목적은 가전기기로부터 출력되는 제품정보를 바탕으로 가전기기의 고장 진단을 용이하게 수행하고, 또한 진단결과에 대한 피드백을 통해 학습데이터를 생성함으로써 보다 정확한 진단결과를 도출하는 가전기기 진단시스템 및 그 진단방법을 제공하는데 있다. An object of the present invention is to easily diagnose the failure of the home appliance based on the product information output from the home appliance, and also to generate a more accurate diagnosis results by generating learning data through feedback on the diagnosis results home appliance diagnostic system And it provides a diagnostic method.

본 발명에 따른 가전기기 진단시스템은 식별정보, 설정정보, 운전정보 및 오작동정보 중 적어도 하나를 포함하는 제품정보를 소정 신호로 출력하는 가전기기; 및 통신망을 통해 수신되는 상기 신호로부터 상기 가전기기의 상기 제품정보를 추출하여 상기 가전기기의 상태 또는 고장에 대해 진단하고, 과거 진단결과에 대한 피드백데이터로부터 생성되어 저장된 학습데이터를 바탕으로 상기 가전기기의 고장원인에 대한 확률정보가 포함된 진단결과를 출력하는 진단서버;를 포함한다. Home appliance diagnostic system according to the present invention includes a home appliance for outputting the product information including at least one of identification information, setting information, operation information and malfunction information as a predetermined signal; And extracting the product information of the home appliance from the signal received through a communication network to diagnose the state or failure of the home appliance, and based on the learning data generated and stored from feedback data on past diagnosis results. It includes; a diagnostic server for outputting a diagnostic result containing the probability information on the cause of the failure.

또한 본 발명의 가전기기 진단방법은 가전기기로부터 출력된 신호를 분석하여 상기 가전기기의 제품정보를 추출하는 단계; 기본 진단데이터에 따라 상기 제품정보를 분석하여 상기 가전기기를 진단하고, 학습데이터를 적용하여 고장원인에 대한 확률정보가 포함된 진단결과를 출력하는 단계; 상기 진단결과에 대한 피드백 데이터를 수신하는 단계; 및 상기 피드백 데이터를 분석하여 상기 학습데이터를 추가하는 단계;를 포함한다. In addition, the home appliance diagnostic method of the present invention may include extracting product information of the home appliance by analyzing a signal output from the home appliance; Analyzing the product information according to basic diagnosis data to diagnose the home appliance, and applying learning data to output a diagnosis result including probability information about a cause of failure; Receiving feedback data on the diagnosis result; And adding the learning data by analyzing the feedback data.

상기와 같이 구성되는 본 발명에 따른 가전기기 진단시스템 및 그 진단방법은 가전기기로부터 출력된 제품정보를 바탕으로 가전기기를 진단하되, 진단 결과에 대한 피드백데이터를 바탕으로 학습데이터를 생성하여 진단결과에 적용함으로써, 진단결과의 정확도가 향상되는 효과가 있다. The home appliance diagnostic system and method for diagnosing the home appliance according to the present invention configured as described above diagnose the home appliance based on the product information output from the home appliance, and generate the learning data based on the feedback data for the diagnosis result. By applying to, the accuracy of the diagnosis result is improved.

또한, 복수의 원인에 따른 가전기기의 고장에 대하여, 고장별 발생 가능성에 대한 확률정보를 출력하므로, 가전기기 고장에 대한 A/S가 용이하고, 진단결과의 정확도 향상을 통해 제품에 대한 신뢰성이 향상될 수 있다. In addition, since the probability information about the occurrence of each failure is output for the failure of the home appliance according to a plurality of causes, it is easy to A / S for the failure of the home appliance, and the reliability of the product is improved by improving the accuracy of the diagnosis result. Can be improved.

또한 사용자의 불만을 수용할 수 있고 사용자 또한 사소한 불만에 대한 답을 얻을 수 있어 사용자의 만족도가 향상되는 효과가 있다. In addition, the user's dissatisfaction can be accommodated, and the user can also obtain an answer to the minor complaint, thereby improving the user's satisfaction.

도 1 은 본 발명의 일실시예에 따른 가전기기 진단시스템의 구성이 도시된 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 가전기기 진단시스템의 데이터 흐름이 도시된 도이다.
도 3 은 본 발명의 일 실시예에 다른 가전기기에 대하여 진단하는 진단서버의 구성이 도시된 블록도이다.
도 4 는 본 발명의 일 실시예에 따른 피드백 데이터 처리에 따른 데이터 흐름이 도시된 도이다.
도 5 는 가전기기에서 출력되는 제품정보의 구성이 도시된 도이다.
도 6 은 가전기기의 고장에 대한 원인과 결과에 따른 연관관계가 도시된 예시도이다.
도 7 은 본 발명에 따른 진단서버에서 출력되는 가전기기에 대한 진단결과가 도시된 도이다.
도 8 는 본 발명에 따른 학습데이터를 이용한 진단방법이 도시된 순서도이다.
도 9 는 본 발명의 가전기기 진단시스템에서 피드백 데이터를 이용하여 학습데이터를 생성하는 방법이 도시된 순서도이다. 1 is a block diagram showing the configuration of a home appliance diagnostic system according to an embodiment of the present invention.
2 is a diagram illustrating a data flow of a home appliance diagnostic system according to an embodiment of the present invention.
3 is a block diagram illustrating a configuration of a diagnosis server for diagnosing another home appliance according to an embodiment of the present invention.
4 is a diagram illustrating a data flow according to feedback data processing according to an embodiment of the present invention.
5 is a diagram illustrating a configuration of product information output from a home appliance.
6 is an exemplary view showing the correlation between the cause and effect of the failure of the home appliance.
7 is a diagram illustrating a diagnosis result for home appliances output from the diagnosis server according to the present invention.
8 is a flowchart illustrating a diagnosis method using learning data according to the present invention.
9 is a flowchart illustrating a method of generating learning data using feedback data in the home appliance diagnostic system of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 설명하면 다음과 같다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. Advantages and features of the present invention and methods for achieving them will be apparent with reference to the embodiments described below in detail with the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. To fully disclose the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout.

도 1 은 본 발명의 일실시예에 따른 가전기기 진단시스템의 구성이 도시된 구성도이다. 1 is a block diagram showing the configuration of a home appliance diagnostic system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 진단시스템은 제품정보를 소정의 신호로 출력하는 적어도 하나의 가전기기(100)와, 통신망을 통해 가전기기(100)로부터 출력된 신호를 수신하고 수신된 신호로부터 역으로 제품정보를 추출하여 이를 바탕으로 가전기기(100)를 진단하는 진단서버(200)를 포함한다. Referring to FIG. 1, a diagnostic system according to an embodiment of the present invention receives at least one home appliance 100 that outputs product information as a predetermined signal, and a signal output from the home appliance 100 through a communication network. And it includes a diagnostic server 200 for diagnosing the home appliance 100 based on the extracted product information from the received signal in reverse.

이때, 진단서버는 서비스센터(200a)에 포함되는 구성으로, 서비스센터(200a)를 통해 접수되는 고장신고 또는 진단요청에 대응하여 가전기기(100)에 대한 진단을 수행한다. At this time, the diagnosis server is configured to be included in the service center 200a, and performs diagnosis on the home appliance 100 in response to a failure report or a diagnosis request received through the service center 200a.

가전기기(100)는 가정이나 회사 등에 구비되어 편의성을 제공하는 전기적 장치로, 냉장고(102), 세탁기(101), 에어컨(103), 텔레비전(104), 오븐과 같은 전기 장치이다. The home appliance 100 is an electrical device provided in a home or a company and provides convenience, and is an electric device such as a refrigerator 102, a washing machine 101, an air conditioner 103, a television 104, and an oven.

가전기기(100)는 소정 데이터를 표시하는 표시부를 구비하며, 이러한 표시부는 LED, LCD, 유기 EL과 같은 형태의 발광체로서, 가전기기(100)의 상태정보, 또는 고장정보를 시각화하여 표시한다. The home appliance 100 includes a display unit for displaying predetermined data. The display unit is a light emitter having a shape such as an LED, an LCD, or an organic EL, and visualizes the state information or the failure information of the home appliance 100.

또한 가전기기(100)는 적어도 하나의 버튼, 스위치를 구비하여 가전기기 동작에 대한 설정이 입력되거나, 가전기기의 상태 진단을 위한 스마트 진단 모드로 진입한다. 가전기기(200)의 동작 상태는 표시부에 출력되며, 경우에 따라 구비되는 스피커를 통해 소정의 경고음, 효과음이 출력될 수 있다. In addition, the home appliance 100 includes at least one button and a switch to input settings for the operation of the home appliance, or enter a smart diagnosis mode for diagnosing a state of the home appliance. The operation state of the home appliance 200 may be output to the display unit, and a predetermined warning sound or effect sound may be output through a speaker provided in some cases.

가전기기(100)에 고장이 발생하거나, 가전기기(100)가 설치된 환경적인 원인 또는 사용자의 조작 미숙 등으로 인하여 가전기기(100)가 정상 작동하지 못하는 경우, 가전기기(100)로부터 소정의 경고음이 출력된다(S1). 이때, 가전기기(100)는 표시부를 통해 에러코드 또는 경고메시지를 출력하거나, 또는 음향출력부를 통해 경고음을 출력한다.When a failure occurs in the home appliance 100 or the home appliance 100 does not operate normally due to an environmental cause in which the home appliance 100 is installed or an inexperienced operation of the user, a predetermined warning sound from the home appliance 100 Is output (S1). At this time, the home appliance 100 outputs an error code or a warning message through the display unit, or outputs a warning sound through the sound output unit.

사용자는 이를 인지하고, 적절한 조치를 취하게 되는데, 필요 시 서비스센터(200a)에 연락하여 조치를 문의하게 된다(S2). The user is aware of this, and take the appropriate action, if necessary, to contact the service center 200a to inquire the action (S2).

사용자는 가전기기(100)의 이상증상을 서비스센터(200a)의 상담원에게 설명하고, 상담원은 그에 상응하는 조치를 사용자에게 알려준다(S3). The user explains the abnormal symptoms of the home appliance 100 to the counselor of the service center 200a, and the counselor informs the user of the corresponding measures (S3).

사용자는 상담원이 알려준 처리방법에 따라 가전기기(100)를 조작하여 조치를 시도할 수 있으나, 상담원이 알려준 처리방법 만으로는 가전기기(100)의 이상 증상이 해소되지 않을 수 있다. 이러한 경우는 사용자가 가전기기(100)의 상태를 정확하게 상담원에게 알려주지 못하였거나, 사용자가 알려준 이상 증상만으로는 가전기기(100)의 오작동 원인을 정확하게 진단할 수 없기 때문이라 할 것이다.The user may attempt to take action by operating the home appliance 100 according to the processing method advised by the counselor, but the abnormal symptom of the home appliance 100 may not be resolved only by the processing method advised by the counselor. In this case, the user may not be able to accurately inform the counselor of the state of the home appliance 100, or it may be that the cause of malfunction of the home appliance 100 cannot be accurately diagnosed only by the abnormal symptom informed by the user.

사용자는 상담원의 안내에 따라 가전기기(100)에서 진단모드가 수행되도록 조작한다. 가전기기(100)에는 사용자가 진단모드 실시를 선택할 수 있도록 선택부가 구비될 수 있으며, 선택부는 버튼(button), 다이얼(dial), 택트 스위치(tact switch), 터치패드(touch pad) 등의 입력수단으로 구성될 수 있다.The user operates the diagnostic mode in the home appliance 100 according to the guidance of the counselor. The home appliance 100 may be provided with a selector to allow the user to select to execute the diagnostic mode, and the selector may include a button, a dial, a tact switch, a touch pad, or the like. It can be configured by means.

사용자가 선택부를 조작함으로써 가전기기가 진단모드로 진입되면, 가전기기(100)는 제품정보를 소정의 신호로 변환하여 출력한다. When the home appliance enters the diagnostic mode by the user operating the selection unit, the home appliance 100 converts the product information into a predetermined signal and outputs the signal.

가전기기로부터 출력된 신호는 서비스센터(200a)간의 통신망을 통해 서비스 센터(200a)로 전송된다. 이때, 가전기기의 제품정보를 포함하는 신호는 가전기기에 연결된 유선 또는 무선의 통신망을 통해 서비스센터(200a)로 전송될 수 있고, 경우에 따라 사용자의 단말(80)을 통해 서비스 센터(200a)로 전송될 수 있다. 또한, 경우에 따라 가전기기에서 제품정보가 소정의 신호음으로 출력되는 경우, 음성통신망을 통해 서비스 센터(200a)로 전송될 수 있다. The signal output from the home appliance is transmitted to the service center 200a through a communication network between the service centers 200a. In this case, a signal including product information of the home appliance may be transmitted to the service center 200a through a wired or wireless communication network connected to the home appliance, and in some cases, the service center 200a through the user terminal 80. Can be sent to. In addition, in some cases, when the product information is output by a predetermined signal from the home appliance, it may be transmitted to the service center 200a through the voice communication network.

서비스센터(200a)에는 통신망과 연결되어 가전기기(100)로부터 출력된 신호를 수신하고(S4), 수신된 신호를 분석하여 가전기기의 진단을 수행하는 진단서버(200)가 구비된다. The service center 200a includes a diagnosis server 200 connected to a communication network to receive a signal output from the home appliance 100 (S4), and analyze the received signal to perform a diagnosis of the home appliance.

진단서버(200)는 통신망을 통해 수신한 신호를 분석하여 가전기기의 제품정보를 추출하고, 이를 분석하여 가전기기(100)를 진단하고(S5), 진단결과를 출력한다.The diagnosis server 200 analyzes the signal received through the communication network, extracts product information of the home appliance, and analyzes it to diagnose the home appliance 100 (S5) and outputs a diagnosis result.

진단결과는 그 내용에 따라 서비스센터(200a)의 상담원을 통해 사용자에게 음성 전달되거나(S6), 또는 사용자의 단말(80)로 전송될 수 있다.The diagnosis result may be transmitted to the user through a counselor of the service center 200a according to the content (S6) or transmitted to the user's terminal 80.

이때, 서비스센터(200a)는 사용자에게 전달된 진단결과에 대하여, 사용자의 답변에 따라 피드백 데이터를 입력할 수 있다(S7).At this time, the service center 200a may input the feedback data according to the user's response to the diagnosis result delivered to the user (S7).

진단결과는 발생된 현상에 대하여 복수의 원인을 출력할 수 있는데, 상담 또는 안내만으로 해소 가능한 문제의 경우 상담원을 통해 사용자에게 관련 안내가 전달된다. 이때 사용자는 안내에 따라 문제의 원인을 해소하기 위해 시도하고, 그 결과를 상담원에서 전달하면, 상담원은 기 출력된 진단결과에 포함된 복수의 원인 중 적어도 하나를 선택하여 피드백데이터로 입력한다. 즉, 안내를 통해 해소 가능한 문제에 대하여 사용자의 응답을 통해 복수의 원인 중 실제 원인을 선택하여 피드백데이터로 입력할 수 있다. 또한, 즉시 사용자의 응답을 받지 못하는 경우에는 추후 서비스 만족도 조사를 통해 확인할 수 도 있다. The diagnosis result may output a plurality of causes for the generated phenomenon. In the case of a problem that can be solved only by consulting or guiding, the related guidance is delivered to the user through a counselor. At this time, the user attempts to solve the cause of the problem according to the guidance, and if the result is delivered from the counselor, the counselor selects at least one of the plurality of causes included in the previously output diagnosis result and inputs it as feedback data. That is, the user may select an actual cause from among a plurality of causes through the user's response to the problem that can be solved through the guidance, and input the feedback as feedback data. In addition, if the user does not immediately receive a response can be confirmed through a service satisfaction survey later.

피드백데이터는 가전기기를 점검한 수리자의 단말을 통해서도 입력될 수 있다. 또한 피드백 데이터는 상담원의 음성 안내뿐 아니라, 사용자 단말로 전송된 진단결과에 대하여 사용자가 직접 단말에 입력할 수 있다. 사용자 단말을 통해 입력되는 경우, 사용자 단말에 입력된 피드백 데이터는 서비스 센터의 진단서버로 수신된다. 또한, 피드백데이터는 사용자가 안내에 따라 조치 후 컴퓨터를 이용하여 서비스 센터에 접속하여 입력할 수 있다. The feedback data may also be input through the terminal of the repairman who inspected the home appliance. In addition, the feedback data may be directly input by the user to the terminal regarding the diagnosis result transmitted to the user terminal as well as the voice guidance of the counselor. When input through the user terminal, the feedback data input to the user terminal is received by the diagnostic server of the service center. In addition, the feedback data may be input after the user accesses the service center by using a computer after the action.

이러한 서비스센터 또는 사용자 단말을 통해 입력되는 피드백 데이터는 제 1 피드백 데이터로써 서비스센터의 진단서버에 저장된다. 경우에 따라 별도의 데이터베이스(300)에 저장될 수 있다. The feedback data input through the service center or the user terminal is stored in the diagnostic server of the service center as the first feedback data. In some cases, it may be stored in a separate database 300.

또한 진단결과는 가전기기(100)의 수리를 위해 사용자의 가정에 파견될 수리자(93)의 단말(90)에 전송될 수 있다(S8).In addition, the diagnosis result may be transmitted to the terminal 90 of the repairman 93 to be dispatched to the user's home for repair of the home appliance 100 (S8).

수리자(93)는 단말(90)을 통해 통보된 진단결과를 확인하고, 수리를 위해 필요한 부품을 준비한 후 사용자를 방문한다(S9). 필요한 부품을 사전에 정확하게 준비할 수 있는바, 수리자(93)가 사용자를 재방문하는 가능성을 획기적으로 줄일 수 있다.The repairman 93 checks the diagnosis result notified through the terminal 90, prepares the necessary parts for repair, and visits the user (S9). Since the necessary parts can be accurately prepared in advance, the possibility of the repairman 93 returning to the user can be greatly reduced.

수리자(93)는 가전기기(100)의 이상을 수리한 후, 실제 가전기기의 상태를 점검하고 수리한 결과를 구비한 단말기(90)에 입력하여 피드백데이터를 전송한다. 이때 서비스센터의 진단서버(200a)로 직접 전송하거나(S10) 또는 데이터베이스(DB)(300)로 전송할 수 있다(S11). 데이터베이스(300)에는 수리자(93)의 수리결과가 피드백데이터로써 누적하여 저장된다. After repairing the abnormality of the home appliance 100, the repairman 93 checks the state of the actual home appliance and inputs it to the terminal 90 having the repaired result, and transmits the feedback data. At this time, it can be directly transmitted to the diagnostic server (200a) of the service center (S10) or to the database (DB) 300 (S11). The repair result of the repair person 93 is accumulated and stored as feedback data in the database 300.

진단서버(200)는 상담원에 의해 입력되거나, 사용자 단말로부터 수신되는 피드백데이터를 선별 및 분류하여 학습데이터를 생성하고, 다음 가전기기 진단 시 진단결과에 반영한다. The diagnosis server 200 generates learning data by selecting and classifying feedback data inputted by a counselor or received from a user terminal and reflecting the result in a diagnosis at the next home appliance diagnosis.

또한 진단서버(200)는 수리자(93)의 단말기(90)로부터 직접 수신되거나 또는 데이터베이스(300)에 저장된 피드백데이터를 호출하여 데이터를 선별하고 분류하여 학습데이터를 생성한다(S12). 또한, 진단서버(200)는 선별 및 분류하여 생성된 학습데이터를 데이터베이스(300)에 저장한다(S13). 이렇게 저장된 학습데이터는 다음 가전기기 진단 시 사용된다. In addition, the diagnostic server 200 generates the learning data by selecting and classifying the data by directly receiving the repair data from the terminal 90 of the repair person 93 or by calling the feedback data stored in the database 300 (S12). In addition, the diagnostic server 200 stores the learning data generated by screening and classification in the database 300 (S13). The stored learning data is used to diagnose the next home appliance.

진단서버(200)는 기존의 고장진단을 위한 데이터에 따른 진단결과를 학습데이터를 이용하여 보정하거나 또는 학습데이터를 이용하여 고장진단을 위한 진단로직을 보정한다. 그에 따라 진단결과의 정확성을 높이고, 특히 특정 현상에 대하여 복수의 원인이 있는 경우, 복수의 원인에 대한 확률을 연산하여 결과로 출력하여 보다 정확한 진단이 가능하고 수리가 용이하도록 한다. The diagnosis server 200 corrects the diagnosis result according to the existing fault diagnosis data using the learning data or corrects the diagnosis logic for the fault diagnosis using the learning data. Accordingly, the accuracy of the diagnosis result is increased, and in particular, when there are a plurality of causes for a particular phenomenon, the probability of the plurality of causes is calculated and output as a result so that a more accurate diagnosis is possible and the repair is easy.

도 2 는 본 발명의 일 실시예에 따른 가전기기 진단시스템의 데이터 흐름이 도시된 도이다. 2 is a diagram illustrating a data flow of a home appliance diagnostic system according to an embodiment of the present invention.

도 2를 참조하면, 가전기기에서 제품정보가 출력되면(301), 진단서버는 신호를 분석하여 제품정보를 추출하고, 구비되는 진단프로그램을 구동하여 제품정보를 분석하고(302) 그에 대한 진단결과를 출력한다(303).Referring to FIG. 2, when product information is output from a home appliance (301), the diagnostic server analyzes a signal to extract product information, drives a diagnostic program provided to analyze product information (302), and a diagnosis result therefor. It outputs (303).

이때, 진단서버(200)는 기본 진단데이터와 기 저장된 제 1 학습데이터(305) 또는 제 2 학습데이터(308)를 이용하여 학습알고리즘을 통해 진단로직(310)에 반영하여 진단결과(303)를 도출한다. In this case, the diagnosis server 200 reflects the diagnosis result 303 by reflecting the diagnosis logic 310 through the learning algorithm using the basic diagnosis data and the previously stored first learning data 305 or the second learning data 308. To derive.

이때 제 1 및 제 2 학습데이터는 과거의 진단결과에 대한 피드백 데이터로부터 생성되며, 새로운 진단결과가 생성되면, 그에 대한 새로운 학습데이터가 생성되어 누적된다. In this case, the first and second learning data are generated from feedback data on past diagnosis results, and when a new diagnosis result is generated, new learning data is generated and accumulated.

기본 진단데이터(309)는 과거의 AS 경험을 바탕으로 사용자에 의해 입력되는 노하우 데이터(313)와 초기 진단로직 데이터(312)를 바탕으로 구축되는 것으로 소정 데이터값에 대한 이상 여부를 판단하기 위한 기준값, 데이터 분류, 고장에 관련된 센서 또는 부품에 대한 정보가 포함된다. The basic diagnostic data 309 is constructed based on know-how data 313 and initial diagnostic logic data 312 inputted by a user based on past AS experiences and is a reference value for determining whether or not an abnormality occurs with a predetermined data value. Includes information on sensors or components related to data classification, faults, and failures.

제 1 학습데이터(305)는 상담원 또는 사용자에 의해 입력되는 진단결과에 대한 제 1 피드백데이터(304)로부터 생성된다. 제 1 학습데이터(305)는 고장 현상 및 원인에 매칭되어 결과에 대한 가중치를 부여한다. The first learning data 305 is generated from the first feedback data 304 for the diagnosis result input by the counselor or the user. The first training data 305 is matched with a failure phenomenon and a cause and weighted for the result.

제 2 학습데이터(308)는 진단결과를 바탕으로 가전기기를 점검 및 수리한 결과에 따라 입력된 제 2 피드백 데이터로부터 생성되며, 진단로직을 수정할 수 있다. The second learning data 308 is generated from input second feedback data according to a result of the inspection and repair of the home appliance based on the diagnosis result, and may modify the diagnosis logic.

또한, 제 2 학습데이터(308)는 과거의 진단결과(315)와 유사제품의 진단결과(314)로부터 생성될 수 있다. 유사제품의 진단결과(314)는 유사한 동작이나 싸이클을 포함하는 다른 가전기기에서의 진단결과를 학습데이터로써 가전기기의 진단에 반영하는 경우 사용된다. 다른 가전기기의 학습데이터 누적량이 많은 경우 이를 가전기기에 적용함으로써 용이하게 진단을 위한 데이터를 구축할 수 있다. In addition, the second learning data 308 may be generated from a diagnosis result 315 of the past and a diagnosis result 314 of a similar product. The diagnosis result 314 of the similar product is used when the diagnosis result of other home appliances including similar operations or cycles is reflected in the diagnosis of the home appliance as learning data. When the accumulated amount of learning data of other home appliances is large, it is possible to easily build data for diagnosis by applying this to home appliances.

별도의 데이터베이스(300)가 구비되는 경우, 제 1 및 제 2 학습데이터는 데이터베이스에 누적 저장될 수 있다. When a separate database 300 is provided, the first and second learning data may be accumulated and stored in the database.

진단결과(303) 출력 시, 가전기기 고장에 대한 처리는 크게 두가지로 분류된다. When the diagnosis result 303 is output, there are two main types of processing for failure of a home appliance.

첫째, 사용자의 실수나 단순 오작동으로, 사용자가 설정을 변경하거나 점검하여 간단하게 문제를 해소할 수 있는 경우이다. 상담원이 사용자에게 진단결과를 음성통보하고 대응안을 안내하거나, 사용자의 단말로 진단결과를 전송하여, 가전기기의 상태와 고장에 대하여 안내할 수 있다. First, due to a user's mistake or simple malfunction, the user can easily solve the problem by changing or checking the setting. The counselor may notify the user of the diagnosis result and inform the user of the diagnosis result, or transmit the diagnosis result to the user's terminal to inform the user about the state and failure of the home appliance.

상담원이 음성 안내하는 경우, 상담원은 진단결과 및 그에 대한 안내에 대한 사용자의 응답에 따라 진단결과에 대한 제 1 피드백 데이터(304)를 입력한다. 또한, 사용자는 음성안내 후 또는 단말로 진단결과를 수신한 경우, 소지한 단말 또는 컴퓨터를 통해 서비스센터에 접속하거나 이메일 또는 메시지를 전송하여, 진단결과에 대한 제 1 피드백데이터(304)를 입력할 수 있다. When the counselor provides voice guidance, the counselor inputs first feedback data 304 for the diagnosis result according to the diagnosis result and the user's response to the guidance. In addition, when the user receives the diagnosis result after the voice guidance or the terminal, the user accesses the service center or transmits an e-mail or a message through the terminal or the computer to input the first feedback data 304 for the diagnosis result. Can be.

이때, 제 1 피드백 데이터는 고장에 대한 복수의 원인을 포함하는 결과가 출력되는 경우, 사용자 확인을 통해 실제 원인이 되는 부분에 대한 피드백을 입력받은 것이다. 예를 들어, 제 1 피드백데이터(304)는 진단결과(303)에 대하여 'O', 'X' 또는 'Y', 'N' 또는 '1', '0'의 값으로 진단결과가 맞는지 여부에 대해 입력받거나, 진단결과에서 고장의 원인으로 지적된 A, B, C 중 실제 원인인 사항을 선택 입력받은 데이터이다. In this case, when a result including a plurality of causes for a failure is output, the first feedback data has received feedback on a part that is the actual cause through user confirmation. For example, the first feedback data 304 is a value of 'O', 'X' or 'Y', 'N' or '1', '0' with respect to the diagnosis result 303. It is data that is inputted for or selected as the actual cause among A, B, and C pointed out as the cause of failure in the diagnosis result.

진단서버는 입력된 제 1 피드백데이터의 선별 및 분류작업을 통해 고장 현상과 원인에 매칭하여 제 1 학습데이터(305)를 생성한다. 이때 제 1 학습데이터는 진단로직을 통해 산출되는 진단결과에 가중치를 부여하여, 각 원인별 발생 가능성에 대한 확률을 산출하는데 사용된다. The diagnosis server generates the first learning data 305 by matching the failure phenomenon and the cause by selecting and classifying the input first feedback data. In this case, the first learning data is used to calculate the probability of occurrence of each cause by weighting the diagnosis result calculated through the diagnosis logic.

진단서버는 진단로직을 이용한 가전기기 진단에 제 1 학습데이터(305)를 반영하여, 진단결과를 출력한다. 이때, 가전기기의 고장에 대한 원인과 그에 따른 해결책을 도출하는데 있어서, 제 1 학습데이터를 적용함에 따라 복수의 원인에 대하여 각각 가중치가 부여됨에 따라 복수의 원인에 대한 발생 가능 확률이 산출된다. The diagnosis server reflects the first learning data 305 in the diagnosis of home appliances using the diagnosis logic, and outputs a diagnosis result. At this time, in deriving a cause and a solution for the failure of the home appliance, as the first learning data is applied, weights are assigned to the plurality of causes, and thus the probability of occurrence of the plurality of causes is calculated.

진단서버는 제 1 학습데이터(305)를 이용한 가중치 적용을 통해, 발생 가능성에 대한 확률 정보가 포함된 진단결과를 출력할 수 있다. The diagnosis server may output a diagnosis result including probability information about the likelihood by applying a weight using the first learning data 305.

둘째, 단순 고장이 아니고, 전문 기술자에 의한 가전기기 점검 및 수리가 요구되는 경우이다. 진단결과(303)는 수리자의 단말(90)로 전송되고, 수리자가 가전기기가 설치된 가정으로 파견된다. 이때, 수리자는 진단결과를 바탕으로 필요한 부품이나 장비를 사전에 준비하여 가정을 방문한다. Second, it is not a simple failure, but is a case where the inspection and repair of home appliances by a professional technician is required. The diagnosis result 303 is transmitted to the terminal 90 of the repairman, and the repairman is dispatched to the home where the home appliance is installed. At this time, the repairman visits the home by preparing necessary parts or equipment based on the diagnosis result.

수리자는 직접 가전기기를 점검하고 수리한 후, 수리 결과를 단말(90)을 통해 제 2 피드백 데이터(306)를 입력한다. 물론, 수리자는 앞서 설명한 진단결과에 대하여, 점검결과 실제 원인을 선택입력하는 제 1 피드백데이터를 입력할 수 있으며 제 1 및 제 2 피드백데이터 모두 입력 가능하나 어느 하나를 선택하여 입력할 수도 있다. 입력된 제 1 또는 제 2 피드백데이터는 진단서버로 전송되거나 또는 별도의 데이터 베이스로 전송되어 누적 저장된다. After the repairman directly inspects and repairs the home appliance, the repairman inputs the second feedback data 306 through the terminal 90. Of course, the repairman may input the first feedback data for selecting and inputting the actual cause of the check result with respect to the above-described diagnosis result, and both the first and second feedback data may be input, but one may be selected and input. The input first or second feedback data is transmitted to the diagnostic server or transmitted to a separate database and stored.

제 2 피드백 데이터(306)는 진단결과가 맞는지 여부, 어떤 원인에 의한 고장인지, 또는 진단결과에 없는 다른 원인에 의한 고장인지 여부, 원인에 대한 해결책이 적절한지 여부에 대한 정보가 포함된다. The second feedback data 306 includes information on whether the diagnosis result is correct, whether the cause is a failure, or whether it is caused by another cause not included in the diagnosis result, and whether a solution to the cause is appropriate.

제 2 피드백 데이터(306)는 일정 입력 포맷에 따라 Y, N 또는 X, O의 단순 선택 정보를 포함할 뿐 아니라, 수리자에 의해 직접 입력되는 코멘트를 포함한다. 경우에 따라 제 2 피드백데이터는 코멘트만으로 구성될 수 있다. 코멘트는 수리자에 의해 형식없이 자유롭게 입력되는 자연어, 텍스트 데이터이다. The second feedback data 306 includes not only simple selection information of Y, N or X, O, but also comments directly inputted by the operator, according to a certain input format. In some cases, the second feedback data may be composed of only comments. Comments are natural language and text data that are freely input by the operator without any format.

따라서 코멘트를 포함하는 제 2 피드백데이터(306)는 정해진 형식이 없으므로 수리자에 따라 다양한 형태와 문자로 입력되므로 전문가에 의해 평가되고, 평가 결과가 평가데이터(307)로 입력되면 진단결과와 매칭하여 제 2 학습데이터(308)가 생성된다. Therefore, since the second feedback data 306 including the comment is not in a predetermined format, it is evaluated by an expert because it is inputted in various forms and characters according to the operator, and when the evaluation result is input to the evaluation data 307, it is matched with the diagnosis result. Second learning data 308 is generated.

이때, 제 2 학습데이터(308)를 이용하여 기본 진단데이터(309) 또는 진단로직을 수정할 수 있다. In this case, the basic diagnosis data 309 or the diagnosis logic may be modified using the second learning data 308.

예를 들어 배수에러에 관련하여 진단결과에 그 원인이 A,B, C로 각각의 대응안이 도출되는 경우, 제 2 학습데이터(308)를 이용하여 C 원인을 삭제하고, 또한 새로운 원인 D를 추가하여 진단로직을 수정할 수 있다. For example, if a corresponding solution is derived as A, B, C in the diagnosis result related to the drainage error, the cause C is deleted using the second learning data 308, and a new cause D is also added. The diagnostic logic can be modified.

즉 원인 C는 실질적으로 발생하지 않는 경우, 또는 실제 점검 시 새로운 원인 D가 발견되는 경우 제 2 피드백데이터에 이러한 사항이 코멘트로 입력되고, 전문가의 평가를 통해 코멘트가 평가되어 진단로직 수정에 대한 평가데이터가 입력되면, 실제 진단로직을 수정하기 위한 제 2 학습데이터가 생성된다. In other words, if the cause C does not actually occur, or if a new cause D is found during the actual inspection, this is entered as a comment in the second feedback data, and the comment is evaluated through expert evaluation to evaluate the diagnosis logic. When the data is input, second training data for correcting the actual diagnostic logic is generated.

기본진단데이터(309)에 제 2 학습데이터(308)를 바탕으로 1차 학습알고리즘을 통해 진단로직을 추가하거나 삭제하여 진단로직을 수정할 수 있다. 그에 따라 학습데이터가 반영되어 진단결과가 출력된다. 이때, 제 1 학습데이터(305)가 존재하는 경우, 제 1 학습데이터를 통해 가중치를 반영하여 진단결과를 출력한다. Based on the second learning data 308 in the basic diagnosis data 309, the diagnosis logic can be modified by adding or deleting the diagnosis logic through the first learning algorithm. Accordingly, the learning data is reflected and the diagnosis result is output. In this case, when the first learning data 305 is present, the diagnosis result is output by reflecting the weight through the first learning data.

이와 같이 진단로직이 수정되는 경우, 동일한 가전기기의 제품정보에 대하여, 학습데이터를 반영하기 전과 후는 다른 진단결과가 출력될 수 있다. 학습데이터는 과거의 진단결과에 대한 피드백 데이터로부터 생성되므로, 과거의 진단결과를 포함하고, 과거의 진단결과를 수정하는 것이므로 다음 진단결과에 반영되어, 상이한 진단결과가 출력된다. When the diagnosis logic is modified as described above, different diagnosis results may be output before and after reflecting the learning data with respect to the product information of the same home appliance. Since the learning data is generated from the feedback data on the past diagnosis results, the past diagnosis results are included and the past diagnosis results are corrected so that the different diagnosis results are reflected in the next diagnosis results.

데이터베이스(300)에는 피드백데이터가 저장되고, 피드백데이터로부터 생성되는 학습데이터가 누적 저장된다. Feedback data is stored in the database 300, and learning data generated from the feedback data is accumulated and stored.

진단서버(200)는 상기와 같은 과정을 반복하여 학습데이터가 반영된 진단결과를 도출하고, 진단결과에 대한 피드백 데이터가 입력되면 새로운 학습데이터가 생성되어 다시 진단로직에 반영되므로 새로운 진단결과가 도출되는 과정이 반복된다. The diagnosis server 200 repeats the above process to derive a diagnosis result reflecting the learning data, and when feedback data for the diagnosis result is input, new learning data is generated and reflected again in the diagnosis logic so that a new diagnosis result is derived. The process is repeated.

그에 따라 제품정보를 바탕으로 하는 진단결과에서, 학습데이터가 적용됨에 따라 다수의 원인에 대한 발생 가능성인 확률정보가 추가되고, 학습데이터를 통한 진단로직의 수정으로 인하여 불필요한 로직은 사라지고 새로운 사항들이 추가되므로 진단에 필요한 데이터의 확장되며, 새로운 사항이 지속적으로 진단결과에 반영되어 진단의 정확도가 향상된다. 따라서 가전기기 점검 및 수리를 위한 준비가 보다 용이해 진다. Accordingly, in the diagnosis result based on the product information, as the learning data is applied, probability information that is likely to occur for a number of causes is added, and unnecessary logic disappears and new items are added due to the modification of the diagnosis logic through the learning data. Therefore, the data necessary for diagnosis is expanded, and new information is continuously reflected in the diagnosis result, thereby improving the accuracy of diagnosis. This makes it easier to prepare for inspection and repair of home appliances.

도 3 은 본 발명의 일 실시예에 다른 가전기기에 대하여 진단하는 진단서버의 구성이 도시된 블록도이다. 3 is a block diagram illustrating a configuration of a diagnosis server for diagnosing another home appliance according to an embodiment of the present invention.

도 3을 참조하면, 진단서버(200)는 출력부(280), 입력부(270), 신호처리부(230), 통신부(220), 진단부(240), 데이터부(260), 데이터학습부(250) 그리고 진단서버의 동작 전반을 제어하는 제어부(210)를 포함한다.Referring to FIG. 3, the diagnosis server 200 may include an output unit 280, an input unit 270, a signal processor 230, a communication unit 220, a diagnosis unit 240, a data unit 260, and a data learning unit ( 250 and a control unit 210 for controlling the overall operation of the diagnostic server.

경우에 따라, 가전기기의 제품정보가 전화망 또는 이동통신 망을 통해 소리로 수신되는 경우, 진단서버(200)는 전화망 또는 이동통신 망을 통해 소리신호를 수신하여 입력하는 음수신부(미도시), 소리신호를 녹음하는 음향기록부(미도시)를 더 포함할 수 있다. In some cases, when the product information of the home appliance is received as a sound through a telephone network or a mobile communication network, the diagnostic server 200 receives a sound signal through a telephone network or a mobile communication network to receive and input a sound signal (not shown), A sound recording unit for recording a sound signal may be further included.

또한, 진단서버(200)는 학습데이터가 저장되는 데이터 베이스(300)가 내부에 구비되거나 또는 외부에 구비되어 별도로 연결될 수 있다. In addition, the diagnostic server 200 may be provided inside or outside the database 300 to store the learning data may be connected separately.

가전기기의 제품정보는 가전기기(100)에서 소정 신호음으로 출력되어 전화망 또는 이동통신 망을 통해 서비스센터(200a)의 진단서버(200)로 수신되거나, 또는 가전기기에 연결된 소정의 유선 또는 무선의 통신망을 통해 진단서버로 수신될 수 있다. The product information of the home appliance is output as a predetermined signal from the home appliance 100 and received by the diagnostic server 200 of the service center 200a through a telephone network or a mobile communication network, or of a predetermined wired or wireless connection to the home appliance. It can be received by the diagnostic server through a communication network.

진단서버(200)는 가전기기에서의 제품정보의 출력 형태 또는 수신되는 통신망의 특성에 따라 신호처리 과정을 상이하게 하여 수신신호로부터 가전기기의 제품정보를 추출할 수 있다. 그러나, 추출된 제품정보를 이용하여, 분석하고 진단결과를 도출하는 과정은 통신망에 관계없이 동일하다. The diagnosis server 200 may extract the product information of the home appliance from the received signal by differently processing the signal according to the output form of the product information from the home appliance or the characteristics of the communication network. However, the process of analyzing and deriving the diagnosis result using the extracted product information is the same regardless of the communication network.

통신부(220)는 적어도 하나의 통신모듈을 포함하여 유선 또는 무선의 통신망을 통해 데이터를 송수신하고, 또한, 전화망 또는 이동통신망을 통해 데이터를 송수신할 수 있다. 통신부(220)는 소정 통신망을 통해 가전기기(100)로부터 수신되는 신호를 수신하여 신호처리부(230)로 인가한다. The communication unit 220 may include at least one communication module to transmit and receive data through a wired or wireless communication network, and may also transmit and receive data through a telephone network or a mobile communication network. The communicator 220 receives a signal received from the home appliance 100 through a predetermined communication network and applies the signal to the signal processor 230.

출력부(280)는 가전기기(100)의 진단에 대한, 진행상황, 진단결과를 포함한 각종 정보를 화면에 표시한다. 이때, 서비스센터(200a)의 상담원이 진행상황과 진단결과를 인지할 수 있도록 소정의 그래픽 인터페이스 구현하여 표시한다. 또한, 출력부(280)는 스피커가 구비되어 진행상태, 경고를 출력하는 경고음 또는 효과음을 출력할 수 있다. The output unit 280 displays various information on the screen including the progress status and the diagnosis result of the diagnosis of the home appliance 100. At this time, the counselor of the service center 200a implements and displays a predetermined graphic interface to recognize the progress and the diagnosis result. In addition, the output unit 280 is provided with a speaker may output a warning sound or an effect sound for outputting a progress state, a warning.

신호처리부(230)는 수신된 신호로부터 가전기기의 제품정보를 추출하여 진단부(240)로 인가한다. 신호처리부(230)는 수신된 신호로부터 프리앰블은 검출하여 신호 변환을 통해 진단부(240)에서 판독 가능한 데이터로 변환하여 제품정보를 추출한다. The signal processor 230 extracts the product information of the home appliance from the received signal and applies it to the diagnosis unit 240. The signal processor 230 detects the preamble from the received signal, converts the preamble into data readable by the diagnostic unit 240 through signal conversion, and extracts product information.

신호처리부(230)는 통신망에 또는 가전기기에서의 출력형태에 따라 데이터 추출 및 변환을 수행하고, 추출된 데이터의 정상 여부를 판단한 후 정상인 경우 진단부(240)로 인가한다. 특히 신호처리부(230)는 통신망을 통해 수신되는 과정에 발생되는 신호의 손실와 왜곡으로 인한 에러, 수신된 후 처리과정에서의 노이즈 등으로 인한 에러를 검출하여 정상 신호인지 여부를 판단한다.The signal processor 230 performs data extraction and conversion according to an output form in a communication network or a home appliance, determines whether the extracted data is normal, and applies it to the diagnosis unit 240 when it is normal. In particular, the signal processor 230 detects an error due to loss and distortion of a signal generated in a process received through a communication network, an error due to noise in a process after being received, and determines whether the signal is a normal signal.

신호처리부(230)는 에러 검출 시 이를 보정하는 소정의 보정과정을 수행할 수 있으며, 보정 과정을 수행하더라도 정상데이터로 복원하기 어려운 경우에는 제어부(210)로 요청신호를 인가하여 제어부(210)에 의해 가전기기의 신호 재출력 또는 재전송이 요청되도록 한다. The signal processor 230 may perform a predetermined correction process for correcting an error upon detection of an error. If the signal processor 230 is difficult to restore normal data even after performing the correction process, the signal processor 230 may apply a request signal to the controller 210 to the controller 210. By the signal re-output or retransmission of the home appliance is required.

진단부(240)는 신호처리부(230)로부터 추출된 제품정보를 분석하고, 이를 바탕으로 가전기기의 상태를 진단한다. 진단부(240)는 데이터부(260)에 저장된 진단데이터와 학습데이터를 바탕으로 제품정보를 분석하여 소정의 진단로직에 따라 가전기기의 진단을 수행한다. The diagnosis unit 240 analyzes the product information extracted from the signal processor 230, and diagnoses the state of the home appliance based on this. The diagnosis unit 240 analyzes the product information based on the diagnosis data and the learning data stored in the data unit 260 to perform diagnosis of the home appliance according to a predetermined diagnosis logic.

이때, 진단부(240)는 가전기기의 모델에 따라 진단로직과 데이터를 선택하고, 고장의 종류에 따라 필요한 데이터를 호출하여 진단을 수행하며, 학습데이터를 반영하여 진단결과를 출력한다. In this case, the diagnosis unit 240 selects the diagnosis logic and data according to the model of the home appliance, calls the necessary data according to the type of failure, performs the diagnosis, and outputs the diagnosis result by reflecting the learning data.

제어부(210)는 진단부(240)에 의해 진단결과가 생성되면 진단결과를 출력부(280)를 통해 출력한다. 또한, 제어부(210)는 진단결과를 기 등록된 사용자의 단말로 전송하거나, 수리가 필요한 경우 서비스 기사가 파견되도록 하며 수리자의 단말로 진단결과를 전송할 수 있다. The controller 210 outputs the diagnosis result through the output unit 280 when the diagnosis result is generated by the diagnosis unit 240. In addition, the control unit 210 may transmit a diagnosis result to a terminal of a registered user or allow a service engineer to be dispatched when a repair is required, and transmit the diagnosis result to the terminal of the repairer.

또한, 제어부(210)는 진단결과 출력 후, 서비스 센터의 상담원 또는 사용자에 의해 피드백데이터가 입력되는 경우, 입력되는 피드백데이터를 데이터부(260)에 저장하고, 데이터학습부(250)로 인가한다. In addition, when the feedback data is input by the counselor or the user of the service center after outputting the diagnosis result, the controller 210 stores the input feedback data in the data unit 260 and applies the data to the data learning unit 250. .

데이터학습부(250)는 피드백데이터를 처리 분석하여 분류하고 진단결과에 매칭하여 학습데이터를 생성한다. The data learning unit 250 processes and analyzes the feedback data, classifies it, and generates learning data by matching the diagnosis result.

데이터학습부(250)는 입력된 피드백데이터가 소정 형식의 제 1 피드백 데이터인지 코멘트가 포함된 제 2 피드백데이터인지 여부를 판단한 후 각각의 피드백 데이터를 분석하고 분류하여 학습데이터를 생성한다. The data learning unit 250 determines whether the input feedback data is the first feedback data of a predetermined format or the second feedback data including a comment, and then analyzes and classifies the respective feedback data to generate the learning data.

데이터학습부(250)는 제 1 피드백데이터를 진단결과에 관련하여 고장현상과 원인에 대하여 분류하고 진단결과에 매핑하여, 진단결과에 가중치를 부여하는 제 1 학습데이터를 생성한다. The data learning unit 250 classifies the first feedback data with respect to the diagnosis result and the cause of the failure and the cause and maps the diagnosis result to generate the first learning data that gives weight to the diagnosis result.

또한, 데이터학습부(250)는 제 2 피드백데이터를 분류한 후 각 카테고리별로 대표데이터를 선정한다. 이렇게 선정된 대표데이터는 전문가에 의해 평가되며, 평가데이터로 입력된다. In addition, the data learning unit 250 classifies the second feedback data and selects representative data for each category. The selected representative data is evaluated by an expert and inputted as evaluation data.

데이터학습부(250)는 입력된 평가데이터를 바탕으로 제 2 학습데이터를 생성한다. 이때, 데이터학습부(250)는 평가데이터에 따라 진단로직의 수정이 필요한지 여부를 확인하여 제 2 학습데이터에 따라 진단로직을 추가하거나 일부를 삭제하여진단로직이 수정되도록 한다. The data learning unit 250 generates second learning data based on the input evaluation data. At this time, the data learning unit 250 checks whether or not correction of the diagnosis logic is necessary according to the evaluation data so that the diagnosis logic is modified by adding or deleting part of the diagnosis logic according to the second learning data.

데이터학습부(250)는 제 1 피드백데이터만 입력되는 경우, 제 1 피드백데이터만으로 제 1 학습데이터를 생성하여 진단부(240)에서 진단결과에 반영하도록 한다. When only the first feedback data is input, the data learning unit 250 generates the first learning data using only the first feedback data to reflect the diagnosis result in the diagnosis unit 240.

데이터 학습부(250)는 제 1 및 제 2 피드백 데이터, 또는 제 2 피드백 데이터만 입력되는 경우에는 각각 상기와 같은 과정을 통해 진단로직을 수정하여, 수정된 진단로직에 따라 진단결과를 도출함으로써, 학습데이터를 가전기기 진단에 반영한다. When only the first and second feedback data or the second feedback data are input, the data learning unit 250 corrects the diagnosis logic through the above process, and derives a diagnosis result according to the modified diagnosis logic. Reflect learning data in home appliance diagnostics.

진단부(240)는 가전기기에 대한 진단 시, 학습데이터가 저장되어 있는지 여부를 우선 판단하고, 적용할 관련 학습데이터가 존재하는 경우 이를 적용하여 진단결과를 도출한다. In the diagnosis of the home appliance, the diagnosis unit 240 first determines whether the learning data is stored, and derives a diagnosis result by applying the relevant learning data to be applied when the learning data is present.

또한, 제2 학습데이터에 의해 진단로직이 수정된 경우에는 진단부(240)는 수정된 진단로직에 따라, 제품정보를 분석하여 진단결과를 도출한다. In addition, when the diagnosis logic is modified by the second learning data, the diagnosis unit 240 analyzes the product information and derives a diagnosis result according to the modified diagnosis logic.

이때, 진단부(240)는 데이터 저장부(260)에 저장된 데이터와, 수신된 제품정보를 분석하여 가전기기의 상태를 진단하고, 제1 학습데이터 또는 제 2 학습데이터를 적용하여 가전기기에 대한 최종 진단결과를 출력한다. In this case, the diagnosis unit 240 analyzes the data stored in the data storage unit 260 and the received product information to diagnose the state of the home appliance, and applies the first learning data or the second learning data to the home appliance. Output the final diagnosis.

진단부(240)는 학습데이터를 적용하는 경우, 진단결과에 포함된 복수의 원인과 해결책에 대하여 각각 가중치가 부여되므로 가중치에 따라 발생 가능성에 대한 확률 정보가 진단결과에 포함되도록 한다. When applying the learning data, the diagnosis unit 240 is weighted with respect to a plurality of causes and solutions included in the diagnosis result, so that the probability information about the probability of occurrence according to the weight is included in the diagnosis result.

진단부(240)에 의해 도출된 진단결과는 데이터부(260)에 저장된다. The diagnosis result derived by the diagnosis unit 240 is stored in the data unit 260.

예를 들어 급수에러에 대한 진단결과에서 급수에러가 단순한 사용자의 조작 미숙에 의한 것인 경우, 수도 공급의 문제인 경우, 급수호스의 체결 문제인 경우, 급수필터 이상인 경우, 수위센서 이상인 경우 등 복수의 원인에 관련하여, 학습데이터를 바탕으로 각 원인에 대한 발생 확률이 함께 도출된다. 피드백데이터로부터 학습데이터를 생성하여 가전기기의 진단에 반영하는 과정이 반복되어 학습데이터가 누적됨에 따라 급수에러 시 가장 높은 확률의 원인과 오차 정도에 따라 보다 정확한 진단결과가 도출된다. For example, if the water supply error is due to simple user's inexperience in the diagnosis result of water supply error, the water supply problem, the water hose connection problem, the water filter error or the water level sensor error. In this regard, the probability of occurrence for each cause is derived together based on the learning data. The process of generating learning data from feedback data and reflecting it in the diagnosis of home appliances is repeated, and as the learning data accumulates, more accurate diagnosis results are derived according to the cause and error degree of the highest probability in case of water supply error.

데이터부(260)에는 진단로직(logic) 및 진단 데이터 항목이 저장된다. 데이터부(260)에 저장되는 데이터 구조(data structure)는 적어도 하나의 진단로직을 저장하는 테이블(이하, '진단로직 테이블'이라 한다.)과 적어도 하나의 진단데이터 항목을 저장하는 테이블(이하, '진단데이터 테이블'이라 한다.)을 포함할 수 있다. 진단로직 테이블과 진단데이터 테이블은 진단 대상에 따라 종류별로 별도로 관리될 수 있다. The data logic 260 stores diagnostic logic and diagnostic data items. The data structure stored in the data unit 260 includes a table storing at least one diagnostic logic (hereinafter, referred to as a 'diagnostic logic table') and a table storing at least one diagnostic data item (hereinafter, It may be referred to as a 'diagnostic data table'. The diagnostic logic table and the diagnostic data table can be managed separately for each type according to the diagnosis target.

예를 들어, 진단로직 테이블에는 세탁기 진단을 위한 세탁기 진단로직과, 냉장고 진단을 위한 냉장고 진단로직이 구분되어 저장될 수 있으며, 마찬가지로 진단데이터 테이블에는 세탁기 진단을 위해 필요한 데이터 항목들과 냉장고 진단을 위해 필요한 데이터 항목들이 구분되어 저장될 수 있다.For example, the diagnostic logic table may store a washing machine diagnostic logic for washing machine diagnosis and a refrigerator diagnostic logic for diagnosing a refrigerator, and likewise, the diagnostic data table includes data items necessary for washing machine diagnosis and a refrigerator diagnosis. Necessary data items can be stored separately.

진단서버(200)는 신호음 파일 기록을 위한 램(RAM)이나 하드 디스크(hard disk), 낸드플래시 메모리(Nand Flash Memory) 등의 기록매체를 포함할 수 있다.The diagnostic server 200 may include a recording medium such as a RAM, a hard disk, and a Nand Flash memory for recording a beep file.

가전기기로부터 출력되는 신호는 제품식별정보를 포함할 수 있는바, 신호처리부(230)를 통해 추출된 제품정보를 통해 진단 대상의 종류를 확인할 수 있으며, 이에 따라 진단부(240)는 가전기기에 따라 상이한 데이터와 진단로직 그리고 학습데이터를 적용하여 가전기기를 진단할 수 있다. The signal output from the home appliance may include product identification information, and the type of the diagnosis target may be checked through the product information extracted through the signal processor 230, and accordingly, the diagnosis unit 240 may determine the home appliance. Accordingly, the home appliance may be diagnosed by applying different data, diagnostic logic, and learning data.

진단결과는 고장계통, 확률에 따른 고장원인 리스트, 고장부품의 리스트를 포함하며, 서비스인원의 파견 여부에 대한 안내정보도 포함된다. The diagnosis results include the fault system, the list of the cause of failure according to the probability, the list of the fault parts, and the guide information on whether the service personnel are dispatched.

또한, 진단결과는 문자, 숫자, 특수문자, 이미지 및 동영상 중 적어도 하나의 조합으로 생성되어 출력된다. In addition, the diagnostic result is generated by outputting a combination of at least one of letters, numbers, special characters, images, and videos.

도 4 는 본 발명의 일 실시예에 따른 피드백 데이터 처리에 따른 데이터 흠름이 도시된 도이다.4 is a diagram illustrating data scratches according to feedback data processing according to an embodiment of the present invention.

도 4를 참조하면, 가전기기로부터 출력된 제품정보(331)는 신호처리부(230)에 의해 판독되어 에러체크 및 보상처리를 통해 진단부(240)에서 인식가능한 형태로 변환된 후 진단부(240)로 입력된다. Referring to FIG. 4, the product information 331 output from the home appliance is read by the signal processor 230 and converted into a form recognizable by the diagnosis unit 240 through an error check and compensation process. ) Is entered.

과거의 진단결과에 대한 피드백 데이터(332)(제 1 피드백 데이터)가 수리자, 상담원 및 사용자 중 어느 하나의 단말 또는 컴퓨터 조작을 통해 진단서버로 입력되면, 데이터학습부(250)는 피드백데이터를 처리 및 분석한다(333). When the feedback data 332 (first feedback data) for the past diagnosis result is input to the diagnosis server through a terminal or a computer operation of a repairman, an agent, or a user, the data learning unit 250 receives the feedback data. Process and analyze (333).

데이터학습부(250)는 피드백데이터(332) 입력 시, 클러스터링(clustering)을 통해 데이터를 분류하여 집단화하고, 분석을 통해 데이터의 신호 분리(blind signal separation)를 통해 피드백 데이터로부터 불필요한 데이터는 버리고 주요한 데이터마으로 학습데이터(334)를 생성한다. When inputting the feedback data 332, the data learning unit 250 classifies and groups the data through clustering, and discards unnecessary data from the feedback data through blind signal separation through analysis. The training data 334 is generated using the data.

데이터학습부(250)는 자율학습 알고리즘(unsupervised learning)에 따라 피드백데이터를 처리하여 학습데이터를 생성한다. 자율학습알고리즘(unsupervised learning)은 목표 패턴이 주어지지 않고 입력 패턴에 근거하여 학습을 진행하는 기계 학습(machine learning)의 한 방법으로, 입력 패턴의 통계적 특질을 파악하여 비슷한 입력 패턴이 비슷한 출력 패턴을 생성할 수 있도록 연결 무게를 조정한다. The data learning unit 250 generates the learning data by processing the feedback data according to an unsupervised learning algorithm. Unsupervised learning is a method of machine learning in which learning is based on input patterns without a target pattern, and the statistical characteristics of the input patterns are identified to identify output patterns with similar input patterns. Adjust the connection weight to create.

데이터학습부(250)는 클러스터링(clustering)에 k-means, mixture models, k-nearest neighbors 및 hierarchical clustering 중 적어도 어느 하나 방식을 사용할 수 있다. The data learning unit 250 may use at least one of k-means, mixture models, k-nearest neighbors, and hierarchical clustering for clustering.

또한, 데이터학습부(250)는 규모 감소를 위한 특징 추출 기술을 이용한 블라인드 신호 분리(blind signal separation using feature extraction techniques for dimensionality reduction)를 통해 데이터를 처리하는데, Principal component analysis, Independent component analysis, Non-negative matrix factorization, 및 Singular value decomposition 중 적어도 어느 하나의 방식을 사용할 수 있다. In addition, the data learning unit 250 processes data through blind signal separation using feature extraction techniques for dimensionality reduction, which may include Principal component analysis, Independent component analysis, and Non- At least one of negative matrix factorization and singular value decomposition may be used.

이때, 데이터학습부(250)는 제 1 피드백데이터를 상기와 같이 처리하여 제 1 학습데이터를 생성하는 것으로, 제 1 학습데이터는 진단결과의 각 원인 및 해결책에 가중치를 부여하는 데이터이다. In this case, the data learning unit 250 generates the first learning data by processing the first feedback data as described above, and the first learning data is data that gives weight to each cause and solution of the diagnosis result.

제 1 피드백데이터에 의해 생성된 제 1 학습데이터와 수신된 제품정보를 입력받은 진단부(240)는 가전기기의 종류에 따라 진단로직을 선택하고, 제품정보를 분석하여 진단로직에 따라 가전기기의 상태를 진단한다(341). The diagnostic unit 240 that receives the first learning data generated by the first feedback data and the received product information selects a diagnosis logic according to the type of the home appliance, analyzes the product information, and analyzes the information of the home appliance according to the diagnosis logic. Diagnose the condition (341).

진단부(240)는 가전기기 진단과정에서 도출되는 원인과 해결책에 대하여, 제 1 학습데이터의 가중치를 적용함으로써, 도출된 원인별 발생 가능성에 대한 확률정보가 포함된 진단결과(342)를 출력한다. The diagnosis unit 240 outputs a diagnosis result 342 including probability information on the likelihood of each derived cause by applying the weight of the first learning data to the causes and solutions derived from the home appliance diagnosis process. .

예를 들어 특정 가전기기의 고장에 대한 진단결과에서 원인 A, B, C에 대하여 점검결과 고장의 실제 원인이 A인 경우 A, B, C 중 A가 선택된 피드백데이터가 입력되고, 데이터학습부(250)는 입력되는 다수의 피드백데이터를 상기와 같은 과정을 통해 처리하여 의미를 갖는 데이터를 분리하고, 그에 따라 원인 A의 가중치를 1 증가시키는 학습데이터가 생성된다. For example, in the diagnosis result of the failure of a specific home appliance, if the actual cause of the failure is A with respect to the causes A, B, and C, feedback data selected from A, B, and C is input, and the data learning unit ( 250 is processed through a plurality of input data through the above process to separate the data having a meaning, accordingly, the learning data is generated to increase the weight of the cause A by one.

이러한 과정이 반복됨에 따라, A, B, C에 대한 가중치가 지속적으로 변화되고, 학습데이터가 누적되는 정도에 따라 고장의 원인이 되는 A, B, C에 대한 발생 확률을 산출할 수 있다. 따라서 진단부를 진단로직에 따라 도출된 원인 A,B, C에 대하여 학습데이터를 적용함으로써 확률정보가 포함된 진단결과를 산출하게 되는 것이다. As this process is repeated, the weights for A, B, and C are continuously changed, and the probability of occurrence of A, B, and C, which is a cause of failure, can be calculated according to the degree of accumulation of learning data. Therefore, by applying the learning data to the causes A, B, C derived according to the diagnostic logic of the diagnostic unit to calculate the diagnostic results including the probability information.

도 5 는 가전기기에서 출력되는 제품정보의 구성이 도시된 도이다. 가전기기에서 출력되어 진단서버(200)로 수신되는 제품정보는 도 5에 도시된 바와 같이 구성된다. 5 is a diagram illustrating a configuration of product information output from a home appliance. Product information output from the home appliance and received by the diagnostic server 200 is configured as shown in FIG. 5.

가전기기의 제품정보는 가전기기에서 소정 형태의 신호로 출력되어 전화망 또는 이동통신 망, 유선 또는 무선의 통신망을 통해 서비스센터(200a)의 진단서버(200)로 수신된다. 구축되는 통신망의 형태에 따라 전송되는 제품정보에 대한 신호변환 및 처리, 그리고 전송과정은 상이할 수 있으나, 제품정보는 다음과 같이 동일하게 구성된다. The product information of the home appliance is output as a signal of a predetermined type from the home appliance and received by the diagnostic server 200 of the service center 200a through a telephone network or a mobile communication network, a wired or wireless communication network. Signal conversion, processing, and transmission process for the product information to be transmitted may be different depending on the type of communication network to be established, but the product information is configured as follows.

도 5의 a를 참조하면, 가전기기는 운전중 발생하거나 측정되는 데이터와 입력된 설정데이터를 저장하여 고장진단데이터를 생성하고, 고장진단데이터(Diagnosis date)에 제품번호(product ID) 그리고 버전정보를 추가한다. Referring to FIG. 5A, the home appliance generates failure diagnosis data by storing data generated or measured during operation and input setting data, and product number (product ID) and version information in the diagnosis data (Diagnosis date). Add

이때, 버전정보는 스마트진단의 버전으로 스마트 진단 알고리즘 또는 전체 스마트 진단 시스템에 대한 버전정보이고, 스마트진단의 버전정보는 그에 대응하는 프로토콜 네임정보를 의미한다. At this time, the version information is the version of the smart diagnosis, and the version information of the smart diagnosis algorithm or the entire smart diagnosis system, and the version information of the smart diagnosis means the corresponding protocol name information.

예를 들면, 도 5의 b와 같이 버전(Version)이 0x01이라고 표시된 경우 프로토콜 명칭(Protocol Name)은 'Smart Diagnosis for Washing Machine v1.0'을 의미한다. 제품번호는 제품을 식별하기 위한 식별자이며, 고장진단데이터는 가전기기의 고장진단을 위한 데이터이다. For example, when a version is indicated as 0x01 as shown in b of FIG. 5, the protocol name means 'Smart Diagnosis for Washing Machine v1.0'. The product number is an identifier for identifying the product, and the failure diagnosis data is data for diagnosing failure of the home appliance.

버전(Version)과 제품번호(Prouduct ID)는 가전기기의 제어부에 직접 입력된다. 반면, 고장진단데이터(Diagnosis Data)는 가전기기의 저장부에 저장된다. 스마트 진단이 실시되면, 가전기기의 제어부는 기 저장된 데이터와, 임시데이터를 고장진단데이터로써 로딩하여 제품정보를 생성한다. The version and the product ID are directly input to the control unit of the household appliance. On the other hand, the diagnostic data is stored in the storage unit of the home appliance. When the smart diagnosis is performed, the controller of the household appliance loads the pre-stored data and the temporary data as the failure diagnostic data to generate the product information.

진단서버(200)는 제품정보를 수신하여 버전을 확인하고, 제품번호를 통해 가전기기의 종류와 모델을 구분하여 그에 맞는 진단로직을 통해 가전기기 진단을 수행한다. The diagnosis server 200 receives the product information, verifies the version, identifies the type and the model of the household appliance through the product number, and performs the household appliance diagnosis through the diagnostic logic corresponding thereto.

도 6 은 가전기기의 고장에 대한 원인과 결과에 따른 연관관계가 도시된 예시도이다. 6 is an exemplary view showing the correlation between the cause and effect of the failure of the home appliance.

진단서버(200)에 구비되는 진단로직은 제품정보에 포함된 각각의 데이터를 노드로써 인식하여 설정된 값을 바탕으로 노드와 노드간의 연관 관계를 분석하여 다이어 그램을 형성함으로써, 일련의 데이터 처리 알고리즘을 구성한 것이다. The diagnostic logic provided in the diagnostic server 200 recognizes each data included in the product information as a node and analyzes the relation between the nodes and the nodes based on the set values to form a diagram, thereby generating a series of data processing algorithms. It is made up.

예를 들어 제품정보에 포함된 온도값, 수위값, 특정 신호의 발생여부에 대한 각각의 데이터를 설정된 기준과 비교하여, 수온이 높은지 혹은 낮은지, 수위가 변화하는지 변화하지 않는지 여부를 판단하고, 수위변화가 있는지 없는지에 따라 배수가 이상인지 아닌지, 또한 배수에 이상이 있다면 그에 관련된 구성에 대하여 원인을 단계적으로 판단해가는 것이다. For example, it is determined whether the water temperature is high or low, whether the water level is changed or not, by comparing each data of the temperature value, water level value, and whether or not a specific signal is generated in the product information with the set criteria. Whether or not the drainage is abnormal depending on whether there is a water level change, and if there is an abnormality in the drainage, the cause is determined step by step with respect to the related configuration.

피드백데이터를 바탕으로 생성되는 학습데이터(제 2 학습데이터)는 이러한 진단로직에 노드를 추가하거나 기존에 존재하는 노드를 삭제하고, 노드와 노드간의 연결을 변경함으로써, 진단로직을 수정한다. The training data (second training data) generated based on the feedback data modifies the diagnostic logic by adding a node to the diagnostic logic or deleting an existing node and changing the connection between the node and the node.

도 6에 도시된 바와 같이, 누적되는 피드백 데이터는 데이터학습부(250)에 의해 원인에 따라 분류되고 인과관계 분석을 통해 진단로직을 수정하는 학습데이터로써 기능하게 된다. As shown in FIG. 6, the accumulated feedback data is classified according to the cause by the data learning unit 250 and functions as learning data for correcting the diagnosis logic through causal analysis.

예를 들어 배수 관련된 세탁기의 이상을 판단하는데 있어서 사용되는 진단 로직에 따른 다이어그램을 통해 세탁기를 진단하고, 피드백 데이터를 바탕으로 생성되는 학습데이터에 의해 다이어 그램의 노드 또는 엣지를 추가하거나 삭제하여 진단에 불필요한 요건을 삭제하고 새로운 요건을 추가하여 진단로직을 수정한다.For example, the washing machine is diagnosed through a diagram according to the diagnosis logic used to determine an abnormality of the washing machine related to drainage, and the node or edge of the diagram is added or deleted based on the training data generated based on the feedback data. The diagnostic logic is modified by eliminating unnecessary requirements and adding new ones.

배수에 관련된 원인과 결과를 각각 노드로 구성하고, 원인과 결과의 인과관계에 따라 관련된 노드 간에 엣지 구성한다. The cause and effect related to the drainage are composed of nodes, and the edge is composed between related nodes according to the causal relationship between cause and effect.

배수에 관련된 이상에 관련하여, 배수 시 수위변동이 없는 경우(362) 세탁기는 에러코드(367)를 발생한다. 즉 세탁기에 배수에 관련된 에러코드가 발생하는 것은 세탁수의 수위에 관련된다. Regarding the abnormality related to drainage, when there is no water level change in drainage 362, the washing machine generates an error code 367. That is, an error code related to drainage in the washing machine is related to the water level of the washing water.

세탁수의 수위는 수위센서에 의해 감지되므로, 수위센서(357)에 이상이 있는 경우 수위 변동을 감지하지 못하여 수위변동이 없는 것으로 오감지 될 수 있다. 이때 수위센서(357)의 이상은 센서수명(353)의 문제일 수 있다. Since the water level of the washing water is sensed by the water level sensor, if there is an abnormality in the water level sensor 357, the water level change may not be detected and thus may be detected as no water level change. The abnormality of the water level sensor 357 may be a problem of the sensor life 353.

또한, 수위센서가 정상인 경우 실제 수위변동이 없다면, 이는 배수 필터가 막혔거나(358), 또는 배수호스 체결에 이상(359)이 있을 수 있다. 또한 거품과다(356)로 인해 수위센서가 수위감지를 감지하지 못하는 경우가 발생한다. In addition, if there is no actual water level change when the level sensor is normal, it may be clogged drain filter (358), or there may be an error (359) in tightening the drain hose. In addition, due to the bubble 356, the water level sensor may not detect the water level detection.

에러코드에 관련된 각각의 원인을 따져보면 거품과다는 세제종류(351) 또는 세제량(352)에 문제가 있을 수 있고 이러한 경우는 사용자의 사용 미숙에 의한 것이므로 별도의 수리가 필요하진 않는다. Considering each cause related to the error code, the excessive foam may have a problem with the type of detergent 351 or the amount of detergent 352. In this case, it is due to inexperienced use of the user, and thus no additional repair is required.

또한, 에러코드(367)는 배수불량(363)에 의해 발생할 수 있다. In addition, the error code 367 may be caused by a drainage failure 363.

이러한 배수불량은 배수필터 막힘(358) 또는 배수호스체결이상(359)에 의해 발생 될 수 있다. 배수필터막힘(358)의 경우에는 필터 교체 시기가 지났거나 청소시기가 지난 경우(354)일 수 있다. This drainage failure may be caused by clogging the drainage filter 358 or the drainage hose fastening (359). In the case of the drain filter clogging 358, the filter replacement time has passed or the cleaning time has passed (354).

또한, 배수불량(363)은 세탁기가 동작정지(368)하는 원인이 될 수 있다. 세탁기 동작정지(368)는 그뿐만 아니라 PCB손상(364), 프로그램오류(365), 저전압(366)에 의해 발생할 수 있고, PCB손상(364), 프로그램오류(365), 저전압(366)은 전원오프(369)의 원인이 될 수도 있다. In addition, the poor drainage 363 may cause the washing machine to stop operating 368. Washer shutdown 368 may be caused by PCB damage 364, program error 365, low voltage 366, as well as PCB damage 364, program error 365, low voltage 366. It may also cause the off 369.

이와 같이 세탁기의 배수관련 에러코드, 동작정지 및 전원오프 중 적어도 하나에 관련되는 사항을 각각 노드로 구성하여 인과관계에 따라 노드를 상호 연결하으로써 세탁기의 고장을 분석하고 그 원인을 진단하게 된다. In this way, each of the items related to at least one of the drainage-related error code, operation stop, and power-off of the washing machine are configured as nodes, and the nodes are interconnected according to a causal relationship to analyze the failure of the washing machine and diagnose the cause thereof.

이러한 진단 로직에 따라 진단결과를 도출한 후, 피드백 데이터가 추가되면, 피드백 데이터를 바탕으로 고장에 따른 현상에 관련하여 새로운 원인을 바탕으로 노드를 추가하거나, 기존의 원인 중 불필요한 노드를 삭제하도록 진단로직을 수정하는 제 2 학습데이터가 생성된다. After deriving the diagnosis result according to the diagnosis logic, if feedback data is added, it is diagnosed to add a node based on a new cause or delete unnecessary nodes among existing causes based on the feedback data based on the feedback data. Second training data is generated to modify the logic.

제 2 학습데이터를 통해 수위변동없음(362) 또는 배수불량(363)에 대한 원인으로 배수호수 동결(360)과 배수펌프손상(361)이 진단로직에 새로이 추가될 수 있다. 또한 배수호스동결(360)이나 배수펌프손상(361)은 기온(355)에 그 원인이 있을 수 있다. Through the second learning data, the drainage lake freeze 360 and the drain pump damage 361 may be newly added to the diagnosis logic as a cause for no water level change 362 or a poor drainage 363. In addition, drain hose freezing 360 or drainage pump damage 361 may be caused by the temperature (355).

베이지안은 일종의 확률론으로 특정 변수에 대한 확률을 평가하기 위해서 사전 확률을 먼저 밝히고 새로운 관련 데이터에 의한 새로운 확률값을 변경한다. 베이지안 네트워크(Bayesian network)은 이러한 베이지안 확률을 바탕으로 하는, 랜덤 변수의 집합과 유향 비순환 그래프를 통하여 그 집합을 조건부 독립으로 표현하는 확률의 그래픽 모델이다. 또한, 데이터를 분석할 때 관측된 데이터만 가지고 분석을 하는 것이 아니라 과거에 이미 알려진 사실 또는 분석자의 주관적인 생각까지 포함하여 분석한다. Bayesian is a kind of probability theory that evaluates prior probabilities first and then changes the new probabilities with new relevant data in order to evaluate probabilities for specific variables. The Bayesian network is a graphical model of probability that expresses the set conditionally independantly through a set of random variables and a directed acyclic graph based on these Bayesian probabilities. In addition, when analyzing data, not only the observed data are analyzed but also the facts known in the past or subjective thoughts of the analyst.

베이지안 네트워크는 세탁기의 고장과 그에 따른 현상, 그리고 그 원인 사이의 확률관계를 나타낼 수 있다. 즉 고장에 따른 현상이 주어지면, 기존의 진단로직과 새로 추가되는 피드백 데이터를 바탕으로 고장에 대한 원인의 확률을 계산할 수 있다. Bayesian networks can represent the probabilistic relationship between a failure of a washing machine and its phenomena and their causes. In other words, given the failure phenomenon, the probability of the cause of the failure can be calculated based on the existing diagnostic logic and newly added feedback data.

이때, 제 2 피드백 데이터에는 수리자의 주관적인 의견이 코멘트로써 입력되고, 피드백데이터 각각에 대한 평가자의 평가에 따라 평가데이터로 입력되어 제 2 학습데이터가 생성된다. In this case, subjective opinion of the operator is input to the second feedback data as a comment, and second learning data is generated by inputting the evaluation data according to the evaluator's evaluation of each of the feedback data.

도 7 은 본 발명에 따른 진단서버에서 출력되는 가전기기에 대한 진단결과가 도시된 도이다.7 is a diagram illustrating a diagnosis result for home appliances output from the diagnosis server according to the present invention.

각각의 원인과 결과에 대해 기 저장된 기본데이터와 추가되는 제 1 피드백데이터를 바탕으로 생성되는 제 1 학습데이터를 반영하여 진단을 수행하는 경우, 원인과 결과에 대한 상호 연관성을 바탕으로 제 1 학습데이터를 매칭하여 특정 원인과 결과에 대한 가중치가 부여됨에 따라 확률정보가 포함된 진단결과를 도출하게 된다.When the diagnosis is performed by reflecting the first learning data generated based on the pre-stored basic data and the added first feedback data for each cause and effect, the first learning data is based on the correlation between the cause and the result. By matching the weights for specific causes and results are given a diagnostic result containing probability information.

피드백을 통한 학습데이터가 적용되지 않고, 기본 진단데이터와 진단로직만으로 제품정보를 분석하여 진단결과(381)를 출력하는 경우, 도 7의 (a)과 같이 발생된 현상, 즉 고장에 대한 고장원인(382)이 복수로 출력된다. 각 항목을 선택하면 해당 고장에 대한 설명과 함께 해결책이 출력된다. If the learning data through the feedback is not applied and the product information is analyzed by outputting only the basic diagnosis data and the diagnosis logic and outputting the diagnosis result 381, the phenomenon caused as shown in FIG. A plurality of 382 are output. Selecting each item will output a solution with a description of the fault.

이때, 피드백을 통한 학습데이터가 반영되지 않는 경우 고장의 원인이 될 수 있는 모든 원인을 출력하게 된다. In this case, when the learning data through the feedback is not reflected, all the causes that may cause the failure are output.

한편, 피드백을 통한 학습데이터를 가전기기 진단에 이용하는 경우, 도 7의 (b)에 도시된 바와 같이, 진단결과(391)에는 각각의 고장원인(392)에 발생 가능성을 나타내는 확률정보(393)가 함께 출력된다. 각 항목을 선택하면 해당 고장에 대한 설명과 함께 해결책이 출력된다. On the other hand, when learning data through feedback is used for home appliance diagnosis, as shown in FIG. 7B, the diagnosis result 391 includes probability information 393 indicating the possibility of occurrence of each failure cause 392. Is output together. Selecting each item will output a solution with a description of the fault.

예를 들어 앞서 설명한 배수관련 에러코드 발생 시, 에러코드에 관련한 피드백 데이터를 분석하여 거품과다가 원인인 피드백이 30회, 배수펌프 이상으로 인한 피드백이 20회, 배수필터막힘으로 인한 피드백이 40회, 배수호수 체결이상으로 인한 피드백이 8회, 센서 또는 프로그램 오류가 2회인 경우 그에 따른 가중치가 적용된다. For example, when the above-mentioned drainage related error code is generated, the feedback data related to the error code is analyzed, and the feedback caused by the excessive bubble is 30 times, the feedback due to the drainage pump error 20 times, and the feedback due to the drain filter clogging 40 times. In the case of 8 feedbacks due to abnormal drainage drainage and 2 sensor or program errors, the weighting factor is applied.

그에 따라 에러코드 발생에 따른 원인에 배수필터 막힘으로 인한 에러 가능성을 40%, 거품과다로 인한 경우가 30%, 배수펌프 이상이 20%, 배수호스 체결 이상으로 인한 경우가 8%, 프로그램 오류가 2%인 것으로 확률정보가 포함된 진단결과가 도출될 수 있다. As a result of the error code, 40% of the possible errors due to clogging of the drain filter, 30% due to excessive foaming, 20% due to drainage pump abnormality, 8% due to drainage hose tightening abnormality, and program errors At 2%, a diagnosis result including probability information may be derived.

이러한 예는 이해를 돕기위한 일예로, 실제 진단결과에 적용되는 확률정보는 다양한 요소에 의해 결정될 수 있으며, 단순한 빈도값에 한정되지 않음을 명시한다. This example is an example for clarity, and it is stated that the probability information applied to the actual diagnosis result can be determined by various factors, and is not limited to a simple frequency value.

도 8 는 본 발명에 따른 학습데이터를 이용한 진단방법이 도시된 순서도이다. 도 8 을 참조하면, 서비스센터(200a)로 고장이 접수되고(S410), 진단서버(200)로 제품정보를 포함하는 소정 신호가 수신된다(S420). 이때 제품정보는 연결된 통신망에 따라 소정 신호가 수신되며, 진단서버(200)의 신호처리부(230)는 수신된 신호를 분석하여 변환함으로써 제품정보를 진단부로 입력한다. 8 is a flowchart illustrating a diagnosis method using learning data according to the present invention. Referring to FIG. 8, a failure is received by the service center 200a (S410), and a predetermined signal including product information is received by the diagnosis server 200 (S420). In this case, a predetermined signal is received according to the connected communication network, and the signal processor 230 of the diagnosis server 200 inputs the product information to the diagnosis unit by analyzing and converting the received signal.

진단서버의 진단부(240)는 제품정보를 입력받아 분석하고(S430) 제품정보에 대응하는 진단로직과 기본 진단데이터를 호출한다. 또한 제품정보에 관련된 학습데이터를 검색하여 호출한다(S440).The diagnosis unit 240 of the diagnosis server receives and analyzes product information (S430) and calls a diagnosis logic and basic diagnosis data corresponding to the product information. In addition, the learning data related to the product information is retrieved and called (S440).

진단부(240)는 기본 진단데이터와 진단로직에 따라 제품정보를 분석하여 가기기를 진단한다(S450). 이때 진단부(240)는 학습데이터를 이용하여 진단결과에 가중치를 부여한다(S460).The diagnosis unit 240 analyzes the product information based on the basic diagnosis data and the diagnosis logic (S450). In this case, the diagnosis unit 240 assigns a weight to the diagnosis result using the learning data (S460).

가중치에 따른 확률정보가 포함된 최종 진단결과를 출력한다(S470).The final diagnosis result including the probability information according to the weight is output (S470).

앞서 설명한 바와 같이, 피드백데이터에 따른 학습데이터의 누적에 따라 학습데이터를 분류하여 특정 고장에 대한 원인과 결과에 매칭하고 도출되는 진단결과에 가중치를 부여하는 것이다. 가중치의 부여에 의해 각 원인에 따른 발생 가능성에 대한 확률을 산출하여 진단결과로 출력한다. As described above, the learning data is classified according to the accumulation of the learning data according to the feedback data to match the cause and the result of the specific failure, and weight the diagnosis result. By assigning weights, the probability of occurrence according to each cause is calculated and output as a diagnosis result.

도 9 는 본 발명의 가전기기 진단시스템에서 피드백 데이터를 이용하여 학습데이터를 생성하는 방법이 도시된 순서도이다. 9 is a flowchart illustrating a method of generating learning data using feedback data in the home appliance diagnostic system of the present invention.

도 9 를 참조하면, 진단서버의 진단부(240)에서 진단결과가 도출되어 출력부를 통해 진단결과가 출력되면(S510), 서비스센터(200a)의 상담원은 사용자에게 진단결과를 설명하면서 각 원인에 따른 해결책을 안내할 수 있다. Referring to FIG. 9, when the diagnosis result is derived from the diagnosis unit 240 of the diagnosis server and the diagnosis result is output through the output unit (S510), the counselor of the service center 200a may explain the diagnosis result to the user and explain the cause of the diagnosis. Can guide the solution.

이때 진단결과에는 학습데이터를 바탕으로 각 원인별 확률정보가 포함된다. At this time, the diagnosis result includes probability information for each cause based on the learning data.

상담원은 확률정보를 바탕으로 고장의 원인이 될 수 있는 사항에 대해 안내함으로써 사용자가 가전기기의 고장에 대응할 수 있도록 한다. 이러한 진단결과는 사용자의 단말로 전송될 수 있고, 음성안내 없이도 사용자가 결과를 확인할 수 있다. The counselor guides the user to the failure of the home appliance by providing information on what may cause the failure based on the probability information. The diagnosis result may be transmitted to the user's terminal, and the user may check the result without voice guidance.

특히 고장의 원인이 별도의 전문 수리자의 점검 및 수리를 요하지 않는 경우에는 진단결과에 따라 사용자가 가전기기를 점검함으로서 문제를 해소할 수 있다.진단결과에 따른 사용자 점검에도 문제가 해소되지 않는 경우에는 별도의 수리자를 판견할 수 있다. In particular, when the cause of the failure does not require a separate inspection and repair by a professional repairman, the user can solve the problem by checking the home appliance according to the diagnosis result. A separate repairman can be found.

진단결과가 출력된 후, 진단서버의 제어부(210)는 피드백데이터의 입력 여부를 판단한다. 이때 피드백데이터는 서비스 센터의 상담원이 사용자의 응답에 따라 피드백데이터를 입력할 수 있으며, 사용자가 진단결과에 따라 가전기기를 점검한 후 서비스센터연결을 통해 입력하거나, 또는 구비된 사용자의 단말 또는 컴퓨터를 통해 입력될 수 있다.After the diagnosis result is output, the controller 210 of the diagnosis server determines whether feedback data is input. In this case, the feedback data may be input by the counselor of the service center according to the user's response, and the user inputs the feedback data through the connection to the service center after checking the home appliance according to the diagnosis result, or the user's terminal or computer Can be entered through.

진단서버의 제어부(210)는 피드백데이터가 입력되면, 피드백데이터를 데이터학습부(250)로 인가한다. 이때 피드백데이터는 앞서 설명한 제 1 피드백 데이터로 진단결과의 각 원인별로 해당 결과가 맞는지 혹은 틀린 것인지에 대한 선택지 데이터로 복수의 원인과 해결책이 진단결과로 출력되는 경우, 진단결과를 바탕으로 점건한 결과 실제 원인이 무엇인지에 대한 데이터이다. When the feedback data is input, the control unit 210 of the diagnosis server applies the feedback data to the data learning unit 250. In this case, the feedback data is the first feedback data described above, which is option data for each cause of the diagnosis result. The plurality of causes and solutions are output as the diagnosis result. This is data about what caused it.

데이터 학습부(250)는 입력되는 적어도 하나의 피드백데이터를 분석하여 제품의 종류, 발생현상, 발생된 에러, 고장부위와 같이 일정 기준에 따라 분류하고, 불필요한 데이터와 의미 있는 데이터를 분리한다(S540). The data learning unit 250 analyzes at least one feedback data input and classifies the data according to a predetermined criterion such as the type of product, a phenomenon, a generated error, and a failure part, and separates unnecessary data and meaningful data (S540). ).

데이터학습부(250)는 분리된 데이터에 대하여 진단결과의 각 원인에 매칭하여 가중치를 부여하는 학습데이터를 생성한다(S550).The data learning unit 250 generates learning data for matching the respective causes of the diagnosis result and weighting the separated data (S550).

데이터학습부(250)는 생성된 학습데이터를 저장한다(S560).The data learning unit 250 stores the generated learning data (S560).

이렇게 저장된 데이터는 진단부에 의해 호출되어 다음 가전기기 진단에 사용된다. 다음 진단 시 새로운 학습데이터에 의해 고장원인에 대한 가중치가 변경될 수 있으므로 진단결과 또한 동일한 현상에 대해서도 상이한 진단결과가 출력될 수 있다. The data stored in this way is called by the diagnosis unit and used for the next home appliance diagnosis. Since the weight for the cause of failure may be changed by new learning data at the next diagnosis, different diagnosis results may be output even for the same phenomenon.

이러한 확률정보가 포함된 진단결과를 수신하는 수리자는 확률정보를 참고하여 가정을 방문하기 전 고장 관련 부품을 준비하고, 수리에 대비할 수 있게 된다. 또한, 별도의 수리가 필요없는 경우에는 진단결과를 사용자에게 안내하여 사용자가 올바른 가전기기 사용법을 숙지하고, 고장의 원인을 해소할 수 있도록 한다.
The repairman who receives the diagnosis result including the probability information may prepare the parts related to the failure before visiting the home with reference to the probability information and prepare for repair. In addition, when no repair is required, the diagnosis result is notified to the user so that the user can know how to use the correct home appliance and solve the cause of the failure.

이상과 같이 본 발명에 의한 가전기기 진단시스템 및 그 진단방법을 예시된 도면을 참조로 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명은 한정되지 않고, 기술사상이 보호되는 범위 이내에서 응용될 수 있다. As described above, the home appliance diagnosis system and the diagnosis method according to the present invention have been described with reference to the illustrated drawings. However, the present invention is not limited by the embodiments and drawings disclosed herein, and the technical idea is within the scope of protection. Can be applied.

100: 가전기기 200: 진단서버
210: 제어부 220: 통신부
230: 신호처리부 240: 진단부
250: 데이터학습부 260: 데이터부
270: 입력부 280: 출력부100: home appliance 200: diagnostic server
210: control unit 220: communication unit
230: signal processing unit 240: diagnostic unit
250: data learning section 260: data section
270: input unit 280: output unit

Claims

A home appliance for outputting product information including at least one of identification information, setting information, operation information, and malfunction information as a predetermined signal; And
Extracting the product information of the home appliance from the signal received through the communication network to diagnose the state or failure of the home appliance, and based on the learning data generated and stored from the feedback data for the past diagnosis results of the home appliance A diagnostic server for outputting a diagnosis result including probability information about the cause of the failure; Including,
The diagnostic server may add new learning data generated by collecting feedback data on the diagnosis result to the learning data, and derive a diagnosis result by reflecting the learning data when the next home appliance is diagnosed. Diagnostic system.

delete

The method of claim 1,
The diagnostic server includes a data learning unit for analyzing and classifying the feedback data to remove unnecessary data, and generating the learning data weighting at least one cause of failure included in the diagnosis result. system.

The method of claim 3, wherein
The data learning unit classifies and clusters the at least one collected feedback data according to a predetermined criterion,
The home appliance diagnostic system, characterized in that to remove the unnecessary data through the signal separation and to separate the meaningful data to generate the learning data.

The method of claim 1,
The diagnosis server diagnoses the home appliance using diagnosis data and diagnosis logic corresponding to the model information included in the product information, and based on the weight assigned to the cause of failure according to the learning data, the possibility of occurrence of the cause of failure is determined. And a diagnostic unit for calculating the probability information and outputting a diagnosis result.

The method of claim 1,
The diagnostic server diagnoses the home appliance based on the diagnosis result, and receives the information on the actual cause of the home appliance among the plurality of failure causes included in the diagnosis result as the feedback data. system.

The method according to claim 6,
The feedback data is input by a counselor of a service center for voice guidance of the diagnosis result to the user, or input through the user's terminal or a computer and received.

Extracting product information of the home appliance by analyzing a signal output from the home appliance;
Analyzing the product information according to basic diagnosis data to diagnose the home appliance, and outputting a diagnosis result including probability information about a cause of failure by applying previously stored learning data;
Receiving feedback data on the diagnosis result; And
Analyzing the feedback data and generating new learning data and adding the new learning data to the learning data.

The method of claim 8,
Diagnose the home appliance using the diagnosis data and the diagnosis logic corresponding to the model information included in the product information, and assign the weight to the derived failure cause based on the learning data to determine the possibility of occurrence of the failure cause. A method for diagnosing home appliances of a diagnostic server, characterized in that for calculating probability information and outputting the diagnosis result.

The method of claim 8,
Matching the feedback data with any one of the at least one cause of failure included in the diagnosis result, generating the learning data for weighting the matched cause of failure. .

11. The method of claim 10,
Clustering by classifying the at least one collected feedback data according to a predetermined criterion, and removing unnecessary data through the signal separation and separating the meaningful data to generate the learning data of the home appliance diagnostic method of the diagnostic server .