KR102176337B1 - 산업용 스마트 정수기 - Google Patents

Abstract

스마트 정수기의 작동 방법이 개시된다. 일실시예에 따른 학습, 소통 및 보안을 강화한 대상 스마트 정수기는 원수를 정화시키는 전처리 필터; 전처리 필터 후단에 위치하고, 원수를 가압하는 가압펌프; 가압펌프 후단에 위치하는 멤브레인 필터; 멤브레인 전 후 단에 각각 설치된 전기 전도미터; 멤브레인 전단의 압력 센서; 멤브레인 후단의 유량 센서; 및 전기 전도미터, 압력 센서 및 유량 센서의 정보를 바탕으로 블록체인 네트워크와 소통하며 컨벌루션 신경망을 통해 학습하는 제어모듈을 포함하고, 제어모듈은 전기 전도미터, 압력 센서 및 유량 센서의 데이터를 실시간으로 수신하여 제1 입력 신호를 생성하고, 생성된 제1 입력 신호를 초고속 인터넷 망을 통해 블록체인 네트워크의 미리 학습된 컨벌루션 신경망에 입력해 제1 출력 신호를 획득하고, 제1 출력 신호를 바탕으로 전처리 필터 또는 멤브레인의 성능을 판단하고, 전처리 필터 또는 멤브레인의 성능에 따라 펌프와 자동밸브를 콘트롤하여 플러싱, 에어플러싱 및 리사이클링으로 이루어진 필터 클리닝 중 어느 하나 이상을 수행하고, 수행 결과에 기초하여, 전기 전도미터, 입력센서 및 유량 센서의 값들을 바탕으로 학습 신호를 생성할 수 있다.

Description

산업용 스마트 정수기{Industrial smart water purifier}

본 발명은 신업용 스마트 정수기에 관한 것으로서, 보다 상세하게는 정수기의 성능을 실시간으로 모니터링하고, 모니터링 결과에 따라 필터 클리닝을 딥러닝 기술을 적용해 자동 수행하여 필터 사용 기간을 연장하고, 필터교체 시기와 모니터링 결과를 관리자 단말에 알려주고, 블록체인 네트워크를 통해 강화된 보안을 제공하는 산업용 스마트 정수기에 관한 것이다.

정수기는 수돗물, 지하수 또는 약수와 같은 자연수(이하, "원수"라 함)를 여과하기 위한 장치로서, 다양한 종류의 필터를 이용하여 원수를 여과함으로써 원수에 포함된 이물질이나 유해물질을 제거하고 인체에 유익한 물질만이 포함되는 음용수를 제공한다.

일반적으로, 정수기는 일정한 기간 동안 사용하게 되면 정화능력이 현저하게 감소하여 주기적으로 필터 등의 소모성 자재 교체와, 장치가 정상적으로 동작하는지 유무를 확인하는 유지보수 관리가 필수적이다.

이러한, 정수기의 유지관리나 필터 교체는 관리자가 일정 시간마다 직접 정수기가 설치된 장소를 주기적으로 방문하여 동작상태 등을 점검하고, 필터의 교체 유무를 판단하고 있다.

하지만, 정수기는 사용 장소, 사용시간, 원수 오염도, 사용량 등의 사용조건에 따라 동일한 제품이라도 고장의 유무, 필터의 교체시기가 달라질 수 있다. 예를 들면, 물의 사용량이 많은 식당, 작업장, 사무실 등이나 원수의 오염도가 상대적으로 높은 장소에 설치된 정수기는 필터 교체주기를 단축할 필요가 있다.

최근 들어, 정수기의 부품 교체주기를 관리자의 방문 없이도 확인할 수 있는 시스템이나 장치가 개발되고 있다.

등록특허 10-0651629호는 가동 누적 시간을 감지하여 필터의 수명을 예측하여 이를 표시하는 역삼투 정수기의 필터교환시기 알림장치를 개시하고 있다.

등록특허 10-0836720호는 저수탱크로 유입되는 물의 유속으로부터 필터의 막힘 여부를 판단하는 필터교환시기 알림장치를 개시하고 있다.

공개특허 10-2005-0110815호는 정수기의 작동상태 및 관리상태 정보를 검출하여 이를 원격지의 관리서버에 전송하는 정수기 관리 시스템에 관한 내용이다.

하지만, 상기 등록특허나 공개특허들은 차압, 유속, 유량 등에 근거하여 필터교환 시기를 관리자나 사용자에게 단순히 알려(통보)주는 것으로 제한되어 있다.

등록특허 10-0836720 공개특허 10-2005-0110815 공개특허 10-2012-0073609 등록특허 10-0235682

본 발명은 필터교환시기를 통보하는 것뿐 아니라 딥러닝 기술을 바탕으로 유지관리를 스스로 수행할 수 있는 스마트 정수기를 제공하고자 한다.

본 발명은 필터 수명을 연장시켜 교체 주기를 늘릴 수 있는 스마트 정수기를 제공하고자 한다.

본 발명은 다수의 사용자에게 무선 와이파이를 제공할 수 있으며, 초고속 인터넷을 사용해 블록체인 네트워크의 보안을 사용하는 스마트 정수기를 제공하고자 한다.

일실시예에 따른 학습, 소통 및 보안을 강화한 대상 스마트 정수기는 원수를 정화시키는 전처리 필터; 상기 전처리 필터 후단에 위치하고, 원수를 가압하는 가압펌프; 상기 가압펌프 후단에 위치하는 멤브레인 필터; 상기 멤브레인 전 후 단에 각각 설치된 전기 전도미터; 상기 멤브레인 전단의 압력 센서; 상기 멤브레인 후단의 유량 센서; 및 상기 전기 전도미터, 압력 센서 및 유량 센서의 정보를 바탕으로 블록체인 네트워크와 소통하며 컨벌루션 신경망을 통해 학습하는 제어모듈을 포함하고, 상기 제어모듈은 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 데이터를 실시간으로 수신하여 제1 입력 신호를 생성하고, 상기 생성된 제1 입력 신호를 초고속 인터넷 망을 통해 블록체인 네트워크의 미리 학습된 컨벌루션 신경망에 입력해 제1 출력 신호를 획득하고, 상기 제1 출력 신호를 바탕으로 전처리 필터 또는 멤브레인의 성능을 판단하고, 상기 전처리 필터 또는 멤브레인의 성능에 따라 펌프와 자동밸브를 콘트롤하여 플러싱, 에어플러싱 및 리사이클링으로 이루어진 필터 클리닝 중 어느 하나 이상을 수행하고, 상기 수행 결과에 기초하여, 상기 전기 전도미터, 상기 입력센서 및 상기 유량 센서의 값들을 바탕으로 학습 신호를 생성할 수 있다.

일실시예에 따르면, 상기 제어모듈은 상기 전처리 필터 전 후단의 자동밸브와 상기 가압펌프에 닫힘 신호를 보내 자동밸브와 가압펌프를 오프(off)시키고, 상기 전처리 밸브의 바이패스관에 설치된 자동밸브와 상기 전처리 필터의 드레인 배관에 설치된 자동밸브에 열림신호를 보내 상기 자동밸브를 열어 상기 전처리 필터를 플러싱(flushing)하고, 상기 제어모듈은 상기 나노 멤브레인의 농축수 배관에 설치된 자동밸브에 열림신호를 보내 상기 자동밸브를 열어 농축수를 드레인시키는 것을 특징으로 할 수 있다.

일실시예에 따르면, 상기 제어모듈은 상기 제1 출력 신호에 기초하여, 상기 나노 멤브레인의 성능이 기준값 미만으로 판정되면, 농축수를 드레인시킨 후, 상기 자동밸브에 닫힘 신호를 보내 상기 자동밸브를 잠그고, 상기 나노멤브레인의 바이패스 배관에 설치된 자동밸브에 열림신호를 보내 상기 자동밸브를 열어 농축수를 리사이클링시키는 것을 특징으로 할 수 있다.

일실시예에 따르면, 상기 스마트 정수기는 근거리 통신망에 연결되는 이더넷 포트를 구비하는 네트워크 게이트 웨이, 사용자 단말기나 관리자 단말기와 무선으로 데이터를 송수신하는 와이파이 모듈을 추가로 포함하는 것을 특징으로 할 수 있다.

일실시예에 따르면, 상기 블록체인 네트워크는 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 기준값을 포함하는 데이터 베이스 및 이를 다루는 미리 학습된 상기 컨벌루션 신경망을 포함하는 블록들; 각 블록을 시간 순으로 연결하는 체인들; 및 상기 각 블록체인을 저장하는 상기 네트워크 저장장치들을 포함하는 프라이빗 블록체인 네트워크이고, 상기 네트워크 저장장치들은 상기 스마트 정수기를 제조하는 제조사들을 포함하는 제1 네트워크 저장장치; 상기 스마트 정수기의 사용자들을 포함하는 제2 네트워크 저장장치; 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망을 포함할 수 있다.

일실시예에 따르면, 상기 컨벌루션 신경망은 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 수치 정보를 포함한 데이터 시트 형태의 제1 입력 신호를 입력으로 하고, 상기 제1 입력 신호를 상기 컨벌루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 정상과 이상의 분류하고, 상기 정상 및 이상의 분류에 따라 필요한 클리닝 정보를 포함하는 제1 출력 신호를 출력으로 하고, 상기 제1 출력 신호에 따른 클리닝 과정을 바탕으로 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 변화값들에 기초하여 생성된 학습 신호를 통해 학습할 수 있다.

본 발명은 필터교환시기를 통보하는 것뿐 아니라 딥러닝 기술을 바탕으로 유지관리를 스스로 수행할 수 있는 스마트 정수기를 제공할 수 있다.

본 발명은 필터 수명을 연장시켜 교체 주기를 늘릴 수 있는 스마트 정수기를 제공할 수 있다.

본 발명은 다수의 사용자에게 무선 와이파이를 제공할 수 있으며, 초고속 인터넷을 사용해 블록체인 네트워크의 보안을 사용하는 스마트 정수기를 제공할 수 있다.

도 1은 스마트 정수기의 구성을 나타내는 도면이다.
도 2는 제어모듈의 작동을 보여주는 개략도이다.
도 3은 제어모듈의 작동을 보여주는 개략도이다.
도 4는 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.
도 5은 일실시예에 따른 컨벌루션 신경망을 설명하기 위한 도면이다.
도 6는 일실시예에 따른 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 산업용 스마트 정수기의 구성을 나타내는 도면이고, 도 2 및 도 3은 제어모듈의 작동을 보여주는 개략도이다.

일실시예에 따르면, 산업용 정수기는 가정용 정수기와 차별하기 위한 용어로 사용되었다. 산업용 정수기는 물 사용량이 가정용에 비해 수배 이상 많거나 정수능력이 가정용보다 상대적으로 큰 정수 장치를 말한다. 산업용 정수기는 정수능력이 크므로 기업체의 생산 공장, 다수의 작업자가 있는 업무 공간, 대규모 식당 등에 사용될 수 있다.

도 1을 참고하면, 본 발명의 스마트 정수기는 전처리 필터(10, 10'), 가압펌프(20), 멤브레인 필터(30), 전기 전도미터(40), 압력 센서(50), 유량 센서(60) 및 제어모듈(70)을 포함한다.

일실시예에 따르면, 전처리 필터는 원수로부터 입자성 물질을 여과함과 더불어 염소 또는 유기화학물질 등을 여과하도록 배관 상에 설치된다. 전처리 필터는 원수에 포함된 비교적 큰 입자를 여과하기 위한 카트리지 필터(10)와, 카트리지 필터(10)를 통과한 원수중에 함유된 염소 성분이나 냄새를 제거하기 위한 카본필터(10')를 포함할 수 있다.

일실시예에 따르면, 가압펌프(20)는 전처리 필터 후단에 위치하고, 원수를 가압하여 멤브레인 필터(30)에 공급한다. 멤브레인 필터(30)는 물속에 함유된 중금속이나 이온성 물질, 유기물 및 미생물 등을 제거한다. 멤브레인 필터는 마이크로 필터레이션 멤브레인(정밀여과막), 울트라 필터레이션 멤브레인(한외여과막), 나노 필터레이션 여과막(나노여과막), RO 멤브레인(역삼투막) 등을 포함할 수 있다. 멤브레인 필터(30)를 통과한 물은 저장탱크(100)에 저장된 후 사용자에게 음용수로서 공급되거나, 저장탱크를 거치지 않고 직접 사용자에게 제공될 수 있다.

일실시예에 따르면, 스마트 정수기는 멤브레인 전 후 단에 각각 설치된 전기 전도미터(40), 멤브레인 전단의 압력 센서(50), 멤브레인 후단의 유량 센서(60)를 포함한다. 전기 전도미터(40), 압력 센서(50) 및 유량 센서(60)는 적절한 위치에 추가 설치될 수 있다.

일실시예에 따른 전기 전도미터(40)는 멤브레인 전 후 단에 설치되어 원수와 음용수의 전기전도도를 측정한다. 전기 전도미터로는 공지되고 상용화된 전도미터를 제한 없이 사용할 수 있다. 전기전도도는, 먹는 물 수질검사기준에는 전기전도도 항목이 지정되어 있지 않지만 수질을 판단하는데 매우 중요한 항목으로서 무기물에 의한 수질오염을 나타내는 대표적인 항목이며, 전극 측정법을 이용하여 자동측정이 가능하며 물의 투명도나 이온물질을 가늠하는 지표가 된다. 전기 전도도를 염 투과율(생산수 전도도/급수 전도도)로 표시할 수 있다.

일실시예에 따른 압력 센서(50, 50')는 각각 멤브레인 필터 전단 또는 전처리 필터 전단에 설치되어 측정한 압력값을 실시간으로 제어모듈(70)로 전송할 수 있다.

일실시예에 따르면, 스마트 정수기는 전처리 필터 전후단을 연결하는 바이패스 배관(80)과 농축수 배관(31)에서 가압펌프 전단으로 연결되는 바이패스 배관(90)을 포함한다. 또한, 본 발명의 정수기는 원수와 농축수의 흐름을 자동 제어할 수 있는 자동밸브(300, 301, 302, 303, 304, 305)를 포함한다.

일실시예에 따른 제어모듈(70)은 전처리 필터나 멤브레인의 성능을 판정하기 위한 신호를 생성하고, 블록체인 네트워크 내의 미리 학습된 컨벌루션 신경망으로부터 받은 출력을 통해 전처리 필터 또는 멤브레인의 성능을 판단하고, 자동밸브와 가압펌프를 구동시켜 필터 수명 연장과 밀접한 관련이 있는 필터 클리닝을 제어할 수 있다. 본 발명에서 사용하는 용어인 전처리 필터나 멤브레인의 성능은 프로세서(71)에 의해 생성된 제1 입력 신호로부터 미리 학습된 컨벌루션 신경망에서 받은 제1 출력 신호에 의해 판정된 필터나 멤브레인의 상태(예를 들면, 정상 상태, 비정상 상태, 위험 상태, 교체(요청) 등을 나타낸다. 본 발명에서 사용하는 용어인 필터 클리닝은 하기에서 상술하는 플러싱, 에어플러싱 또는 리사이클링을 지칭한다. 본 발명에서 사용하는 용어인 정수기 작동상태는 정수기의 가동 상태(작동 또는 중단), 원수 유입량, 음용수 생산량, 필터 클리닝 상태 등을 지칭한다. 제어모듈(70)은 출력 신호로부터 행해지는 필터 클리닝 과정을 거친 후, 이에 따른 피드백을 위해 전기 전도미터, 압력 센서 및 유량 센서의 변화값들을 바탕으로 한 학습 신호를 생성할 수 있다.

도 2를 참고하면, 제어모듈(70)은 저장부(71)와 프로세서(72)를 포함한다.

일실시예에 따르면, 저장부(71)는 전기전도미터, 센서들로부터 수신받은 데이터를 저장하고, 컨벌루션 신경망을 통해 판정된 멤브레인과 전처리 필터의 성능을 저장한다. 저장부(71)는 기능에 따라 제2 네트워크 저장장치로 이용될 수 있다.

일실시예에 따르면, 프로세서(72)는 전기 전도미터, 압력 센서 및 유량 센서로부터의 데이터를 통해 제1 입력 신호를 생성할 수 있다. 제1 입력 신호는 전기 전도미터, 압력 센서 및 유량 센서의 데이터를 데이터 시트 형태로 가공한 신호로서, 블록체인 네트워크 내의 컨벌루션 신경망의 입력 값이 될 수 있다. 프로세서(72)는 컨벌루션 신경망의 제1 출력 신호를 획득하는 제어모듈(70)의 장치로서, 판정된 멤브레인과 전처리 필터의 성능으로부터, 펌프나 자동밸브를 개폐하며, 관리자 단말에 정수기 성능 및 작동 상태를 실시간으로 전송할 수 있다. 정수기는 전면 또는 측면에 위치한 디스플레이부(도면 미표시)를 포함할 수 있고, 프로세서(72)는 멤브레인과 전처리 필터의 성능과 작동상태를 디스플레이부에 표시할 수 있다. 관리자 단말은 정수기 성능 및 작동 상태를 프로세서(72)로부터 실시간으로 전송받을 수 있다. 한편, 관리자 단말은 정수기 유지관리 어플이나 관리 프로그램을 다운받아 실행할 수 있다. 제어모듈(70)과 유무선 네트워크로 연결된 관리자 단말은 어플이나 관리 프로그램을 실행하여 프로세서(72)의 필터 클리닝 조건(클리닝 시간, 횟수, 주기)을 수동으로 변경하거나 정수기 생산 조건(원수 주입량, 음용수 생산량)을 조절할 수 있다.

일실시예에 따른 컨벌루션 신경망은 전기 전도미터, 압력 센서, 유량 센서로부터 획득된 데이터를 바탕으로 데이터 베이스의 기준값 및 표본값과의 비교를 통해 전처리 필터 및 멤브레인의 필터 클리닝 필요 여부를 판정할 수 있다. 이러한 컨벌루션 신경망은 특징 추출 신경망과 분류 신경망으로 구성돼있으며 특징 추출 신경망은 입력 신호를 컨벌루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨벌루션 계층은 컨벌루션 연산, 컨벌루션 필터 및 활성함수를 포함하고 있다. 컨벌루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조절되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨벌루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.

일실시예에 따르면, 분류 신경망은 은닉층과 출력층을 가지고 있다. 수산물 운송 제어 방법을 위한 컨벌루션 신경망에서는 일반적으로 은닉층이 3개 이상 존재하며, 각 은닉층의 노드는 100개로 지정하나 경우에 따라 그 이상 또는 이하로 정할 수 있다. 은닉층의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 컨벌루션 신경망의 출력층 노드는 일반적으로 4개(정상 상태, 비정상 상태, 위험 상태, 교체(요청))로 할 수 있다. 분류 신경망의 출력층 활성함수는 소프트맥스 함수를 사용한다. 소프트맥스 함수는 one-hot 인코딩의 대표 함수로서, 모든 출력 노드의 합을 총 1이 되게 하며 가장 최대의 값을 가지는 출력 노드의 출력을 1로 하고, 나머지 출력 노드의 출력을 0으로 하는 함수이다. 소프트맥스 함수를 통해 4개의 출력 중 하나의 출력만을 선택하는 것이 가능하다.

일실시예에 따르면, 컨벌루션 신경망에서 이뤄지는 측정값과 기준값의 비교는 하기와 같은 방식으로 이뤄질 수 있으나 이에 국한하지 않는다. 예를 들면, 컨벌루션 신경망은 소정의 원수량을 기준으로 필터 막힘 상태가 없는 초기 운전시(시운전 기간)의 압력, 생산유량(생산된 음용수) 및 전기전도도를 센서(40, 50, 60)로부터 전송받아 기준값으로 설정할 수 있다. 따라서, 압력 기준값은 초기 시운전 기간 동안 측정된 압력값들의 평균값으로 설정될 수 있다. 컨벌루션 신경망은 소정 시간 간격으로 전송받는 압력, 유량 및 전기전도도 데이터를 설정된 기준값과 비교하여 전처리 필터와 멤브레인의 성능을 판단한다. 예를 들면, 컨벌루션 신경망은 압력 센서(50)로부터 측정된 압력데이터가 기준값 대비 20% 이상 증가하는 경우 비정상 상태로 판정하며, 기준값 대비 30% 이상 증가하는 경우 위험 상태로, 40% 이상 증가하는 경우 멤브레인 필터 교체 시점이라고 판정할 수 있다. 또한, 컨벌루션 신경망은 압력 센서(50')로부터 측정된 압력데이터가 기준값 대비 30% 이상 증가하는 경우 비정상 상태로 판정하고, 기준값 대비 40% 이상 증가하는 경우 위험 상태로, 50% 이상 증가하는 경우 전처리 필터 교체 시점이라고 판정할 수 있다. 또한, 컨벌루션 신경망은 측정된 유량데이터가 기준값 대비 20% 이상 감소하는 경우 비정상 상태로 판정하고, 기준값 대비 30% 이상 감소하는 경우 위험 상태로, 50% 이상 감소하는 경우 멤브레인 필터 교체 시점이라고 판정할 수 있다. 또한, 컨벌루션 신경망은 측정된 전기전도도가 기준값 대비 15% 증가하는 경우 비정상 상태로 판정하고, 기준값 대비 30% 이상 증가하는 경우 위험 상태로, 40% 이상 증가하는 경우 멤브레인 필터 교체시점이라고 판정할 수 있다. 컨벌루션 신경망은 전기 전도도, 압력, 유량 데이터 값 중 어느 하나가 비정상상태, 위험상태, 또는 필터교체로 판정되는 경우, 관리자 단말로 전처리 필터 또는 멤브레인의 성능을 통보할 수 있다. 하지만 상기의 내용은 컨벌루션 신경망의 학습 정보에 따라 다를 수 있으며, 지속적인 학습의 여부에 따라 지속적으로 달라질 수 있다.

일실시예에 따르면, 스마트 정수기는 필터교환시기를 통보하는 것뿐 아니라 딥러닝 기술을 바탕으로 유지관리를 스스로 수행할 수 있는 스마트 정수기를 제공할 수 있다. 컨벌루션 신경망의 출력 결과는 프로세서(72)에 반영되어 자동화된 필터 클리닝으로 이어질 수 있으며, 모든 결과는 블록체인 네트워크에 저장되어 관리될 수 있다.

일실시예에 따르면, 프로세서(72)는 전기 전도도, 압력, 유량 데이터 값들이 모두 정상상태로 판정되는 경우에도 관리자가 입력한 클리닝 시간, 횟수 및 주기에 따라, 자동밸브 및 가압 펌프를 온 오프시켜 필터 클리닝을 수행할 수 있다. 또한, 프로세서(72)는 전기전도미터, 압력, 유량 데이터 값 중 어느 하나가 비정상상태로 판정되는 경우, 즉각적으로 전처리 필터, 멤브레인 필터의 플러싱, 에어플러싱 또는 리사이클링을 수행할 수 있으며, 또한, 필터 클리닝 수행주기를 단축시킬 수 있다. 또한, 프로세서(72)는 전기전도미터, 압력, 유량 데이터 값 중 어느 하나가 위험상태로 판정되는 경우, 즉각적으로 전처리 필터와 멤브레인 필터의 플러싱과 리사이클링을 수행할 수 있으며, 플러싱과 리사이클링 수행주기를 더욱 단축시킬 수 있다. 또한, 프로세서(72)는 관리자 단말로 필터 등 부품의 교체를 신속히 요청하는 통지를 수행할 수 있다. 또한, 프로세서(72)는 전기전도미터, 압력, 유량 데이터 값 중 어느 하나가 필터 교체라고 판정되는 경우, 자동밸브(300)를 차단하여 정수기의 가동을 중지시킬 수 있다.

일실시예에 따르면, 전처리 필터의 플러싱은 하기와 같이 수행될 수 있다.

일실시예에 따르면, 프로세스(72)는 전처리 필터 전 후단의 자동밸브(300, 301)와 가압펌프(20)에 닫힘 신호를 보내 자동밸브(300, 301)를 닫고 가압펌프를 오프(off)시키고, 전처리 밸브의 바이패스관(80)에 설치된 자동밸브(302)와 전처리 필터의 드레인 배관에 설치된 자동밸브(303)에 열림신호를 보내 자동밸브를 열어주어 플러싱(flushing)한다. 전처리 필터의 플러싱으로 통해 필터에 부착된 입자성 물질의 상당 부분을 드레인 시킬 수 있으므로, 전처리 필터의 효율을 높일 수 있다.

일실시예에 따르면, 프로세스(72)는 나노 멤브레인의 농축수 배관(31)에 설치된 자동밸브(305)에 열림신호를 보내 자동밸브(305)를 열어 농축수를 드레인시킬 수 있다(멤브레인의 플러싱).

일실시예에 따르면, 멤브레인의 리사이클링은 하기와 같이 수행될 수 있다.

일실시예에 따르면, 프로세스(72)가 농축수를 드레인시킨 후, 자동밸브(305)에 닫힘 신호를 보내 자동밸브(305)를 잠그고, 나노멤브레인의 바이패스 배관(90)에 설치된 자동밸브(304)에 열림신호를 보내 자동밸브(304)를 열어 농축수를 리사이클링시킬 수 있다. 농축수는 사이즈가 큰 박테리아, 바이러스, 유기물 등은 거의 제거되어 거의 포함되지 않고, 주로 다가 이온들이 함유되어 있다. 본 발명은 박테리아, 바이러스, 유기물이 제거된 농축수를 리사이클링 시킴으로서 나노멤브레인에 가해지는 부하를 상당부분 줄일 수 있다. 또한, 프로세스(72)는 나노멤브레인에 에어 플러싱(air flushing)을 주기적으로 수행할 수 있으며, 또한, 멤브레인의 성능 판정(비정상상태, 위험상태 등)에 따라 에어 플러싱을 추가하여 실시할 수 있다.

도 1을 참고하면, 스마트 정수기는 니노멤브레인 전단의 유입부로 연결되는 공기 주입 배관(A)과 배관에 위치하는 자동밸브(601)을 포함할 수 있다.

일실시예에 따르면, 에어 플러싱은 프로세스(72)가 자동밸브(601, 305)을 열어 주는 것으로 수행될 수 있다. 자동밸브(601, 305)가 열리면, 압축공기(1kg/cm2 이상)가 공기주입 배관(A)를 통해 나노멤브레인에 주입된 후 농축수 배관(31)을 통해 드레인된다. 이 때, 압축공기는 멤브레인 Feed Space에 부착되어 있던 입자, 미생물과 슬라임(slime)을 배출시킬 수 있다.

일실시예에 따르면, 나노멤브레인의 플러싱과 에어플러싱은 동시에 수행될 수 있다. 이 경우, 원수(액체)와 고압의 에어가 멤브레인으로 주입되면서 에어와 원수의 혼합에 의한 유동(turbulence)이 커지고 결과적으로 멤브레인에 압착되어 있는 입자나 미생물의 제거가 좀 더 용이하게 이루어질 수 있다.

일실시예에 따르면, 본 발명의 스마트 정수기는 전처리 필터의 플러싱 뿐만 아니라 나노 멤브레인의 플러싱, 에어플러싱, 리사이클링을 주기적 또는 멤브레인의 성능 판정(비정상상태, 위험상태 등)에 따라 스스로 수행할 수 있으므로 종래 정수기에 비해 멤브레인 필터의 수명을 수 배 이상 연장시킬 수 있다. 또한, 본 발명의 스마트 정수기는 필터 클리닝과 이에 따른 유지관리를 관리 인력 없이 수행할 수 있으므로 보다 경제적이고 효율적이다. 스마트 정수기는 필터 수명을 연장시켜 교체 주기를 늘릴 수 있는 스마트 정수기를 제공할 수 있다.

도 3을 참고하면, 본 발명의 정수기는 네트워크 게이트 웨이(110)와 와이파이 모듈(120)을 추가로 포함할 수 있다.

일실시예에 따르면, 제어모듈(70), 네트워크 게이트웨이(110) 및 와이파이 모듈(120) 등은 PCB 보드에 형성된다.

일실시예에 따르면, 네트워크 게이트웨이(110)는 근거리통신망(LAN)의 인터넷망이 연결되는 이더넷 포트를 구비하고, 와이파이 모듈(120)과 주고받는 각종 데이터 등이 임시 저장되는 메모리를 구비할 수 있다. 네트워크 게이트웨이(110)는 라우터일 수 있다.

일실시예에 따르면, 와이파이 모듈(120)은 외부 사용자 단말기와 무선으로 데이터를 송수신하는 송신부, 수신부를 구비하고, 네트워크 게이트웨이(120) 등과 데이터를 주고 받을 수 있는 통신부를 포함할 수 있다.

일실시예에 따르면, 스마트 정수기는 게이트 네트워크와 와이파이 모듈을 구비함으로써 일반적으로 와이파이가 제공되지 않는 식당이나 사무실, 공장 작업장 등에서 다수의 사용자에게 와이파이를 무료로 제공할 수 있다. 또한, 스마트 정수기는 근거리에 있는 관리자 단말에 무선으로 필터 성능 및 작동 상태를 실시간으로 전송할 수 있고, 관리자 단말도 무선으로 정수기의 필터 성능 및 작동 상태를 확인하고 클리닝 조건 및 작동상태를 콘트롤 할 수 있다.

도 4는 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.

도 4를 참고하면, 전기 전도미터, 압력 센서 및 유량 센서의 기준값을 포함하는 데이터 베이스 및 이를 다루는 미리 학습된 컨벌루션 신경망을 포함하는 블록(401)들; 각 블록(401)을 시간 순으로 연결하는 체인(402)들; 및 각 블록체인을 저장하는 제1(410), 제2 네트워크 저장장치(420)를 포함하는 프라이빗 블록체인 네트워크일 수 있다.

일실시예에 따르면, 블록체인 네트워크의 블록(401)은 전기 전도미터, 압력 센서 및 유량 센서의 기준값 및 표본값들을 데이터 시트 형식으로 저장하는 데이터 베이스와 이를 다루는 미리 학습된 컨벌루션 신경망을 포함할 수 있다. 각 블록(401)들은 일반적으로 시간 순으로 연결이 되며, 이에 따라 10분 간격으로 새로운 블록(401)들이 생산될 수 있다. 이미 생성된 블록(401)의 내용들은 모든 네트워크 저장장치들에 저장되며, 시간 내에 과반수의 내용이 변경되지 않는 한 변경될 수 없는 구조로 되어있다. 예를 들어, 총 3개의 네트워크 저장장치를 가진 블록체인 네트워크에서 각 네트워크 저장장치 당 1개씩의 블록(401)을 가지고 있다고 했을 때, 제한된 시간 내에 2개 이상의 블록(401)의 내용을 바꾸지 못하면, 각 블록(401)은 검증을 통해 과반수와 다른 내용의 블록(401)을 과반수와 같도록 값을 재변경 시킬 수 있다. 이에 따라 높은 보안을 유지할 수 있는데, 실제로 블록체인 네트워크에 참여하는 네트워크 저장장치의 수는 수십에서 수십만에 달할 수 있기 때문에 더욱 높은 보안성을 나타낼 수 있다.

일실시예에 따른 체인(402)들은 해시값으로 구성될 수 있다. 체인(402)들은 블록(401)을 시간 순으로 연속되도록 하는데, 이 때 해시값을 이용해 각 블록(401)들이 연결되게 할 수 있다. 블록(401)에는 데이터 베이스 및 데이터 베이스의 해시값, 이전 헤더 및 현 블록의 헤더를 보관할 수 있다. 여기서 현 블록의 헤더는 다음 블록에서 이전 헤더의 기능을 하게 되어 각 블록(401)들은 유기적으로 연결될 수 있다. 더불어 해시값은 블록의 내용이 조금이라도 바뀌면 완전히 다른 형태로 변형이 되는데, 이 때문에 데이터 베이스의 내용을 변경하려는 시도를 효과적으로 막을 수 있다. 현 블록의 헤더는 데이터 베이스, 데이터 베이스의 해시값 및 이전 헤더를 포함한 총 합의 해시값이 되기 때문에, 데이터 베이스와 해시값을 효과적으로 수정해 보안을 해치려는 시도도 성공하기 어렵게 된다. 왜냐하면 데이터 베이스와 해시값을 수정하는 순간, 헤더의 내용도 바뀌게 되고 이에 따라 다음 블록에 들어가는 이전 헤더도 바뀌게 되며, 이에 따라 그 블록의 헤더도 바뀌어 다음 블록의 이전 헤더를 다시 바꾸게 될 수 있다. 즉, 이후의 모든 블록(401)을 해킹해야만 하게 된다. 따라서, 해시값을 통한 체인(402)으로 블록체인의 보안을 높일 수 있다.

일실시예에 따르면, 네트워크 저장장치들은 스마트 정수기를 제조하는 제조사들을 포함하는 제1 네트워크 저장장치(410); 스마트 정수기의 사용자들을 포함하는 제2 네트워크 저장장치(420); 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망(403)을 포함할 수 있다. 제1, 제2로 분류된 네트워크 저장장치들은 포함된 실무자의 수, 사용자의 수 및 그 저장 장치의 수에 따라 그 수가 결정될 수 있다.

일실시예에 따르면, 제1 네트워크 저장장치(410)는 스마트 정수기를 제조하는 제조사들을 포함할 수 있으며, 스마트 정수기의 제조사들은 1개 업체 혹은 그 이상일 수 있다. 제1 네트워크 저장장치(410)의 수는 각 업체가 사용하는 저장 장치의 수에 따라 그 수가 결정 될 수 있다. 제1 네트워크 저장장치(410)는 자신들이 제조한 스마트 정수기의 오류 여부를 실시간으로 확인할 수 있으며, 각 스마트 정수기들로부터 전달된 정보들을 바탕으로 학습되는 컨벌루션 신경망을 수동으로 학습 및 수정할 수 있다.

일실시예에 따르면, 제2 네트워크 저장장치(420)는 스마트 정수기의 사용자들을 포함할 수 있다. 제2 네트워크 저장장치(420)는 해당 스마트 정수기 내의 제어모듈이 포함하는 저장장치 일 수 있으며, 이에 따라 저장장치 외의 기능을 함께 수행할 수 있다.

일실시예에 따른 초고속 인터넷 연결망(403)은 통상적으로 10Mb/s 이상의 속도를 보이는 인터넷 연결망을 의미하는데, 유선, 무선, 광케이블 기술 등을 포함하는 연결망으로 LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않는다.

도 5은 일실시예에 따른 컨벌루션 신경망을 설명하기 위한 도면이다.

일실시예에 따른 블록들은 미리 학습된 컨벌루션 신경망(510) 및 데이터 베이스(520)를 포함할 수 있으며, 제1 입력 신호(501)를 입력으로 하고, 제1 출력 신호(502)를 출력으로 하며, 학습 신호(503)를 통해 학습할 수 있다.

일실시예에 따르면, 컨벌루션 신경망(510)의 입력이 되는 제1 입력 신호(501)는 압력 센서 및 유량 센서의 수치 정보를 포함해 데이터 시트 형태로 저장할 수 있다. 제1 입력 신호에 포함된 내용들은 미리 학습된 컨벌루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 정상과 이상의 상태로 분류될 수 있다.

일실시예에 따르면, 컨벌루션 신경망(510)의 출력이 되는 제1 출력 신호(502)는 정상과 이상의 분류에 따라 필요한 클리닝 과정의 정보를 포함할 수 있다. 따라서 제1 출력 신호는 디스플레이 부에 표시할 내용을 포함할 수 있으며, 이와 동시에 클리닝을 위한 명령 정보를 포함할 수 있다.

일실시예에 따르면, 컨벌루션 신경망(510)의 학습을 위한 학습 신호(503)는 제1 출력 신호에 따른 클리닝 과정을 바탕으로 전기 전도미터, 압력 센서 및 유량 센서의 변화량에 기초하여 생성될 수 있다. 학습 신호에 반영된 전기 전도미터, 압력 센서 및 유량 센서의 변화량이 컨벌루션 신경망의 제1 출력 신호의 처리 결과에 미치지 못할 경우, 이를 바탕으로 컨벌루션 신경망이 학습을 거치고, 결과를 수정하기 위한 새 출력을 반영할 수 있다.

일실시예에 따른 학습 신호(503)는 정답과 출력값의 오차를 바탕으로 만들어지며, 경우에 따라 델타를 이용하는 SGD나 배치 방식 혹은 역전파 알고리즘을 따르는 방식을 사용할 수 있다. 본 학습 신호에 의해 컨벌루션 신경망(510)은 기존의 가중치를 수정해 학습을 수행하며, 경우에 따라 모멘텀을 사용할 수 있다. 오차의 계산에는 비용함수가 사용될 수 있는데, 비용함수로 Cross entropy 함수를 사용할 수 있다.

일실시예에 따르면, 컨벌루션 신경망(510)은 학습 신호(503)를 바탕으로 데이터 베이스(520) 내의 전기 전도미터, 압력 센서, 유량 센서와 이를 통해 반영되는 클리닝 정보 등을 수정하기 위한 학습을 할 수 있다. 미리 학습된 컨벌루션 신경망(510)은 3개 이상의 은닉층을 가지고 있으며, 각 은닉층은 50개 이상의 은닉 노드를 가질 수 있다. 각 은닉 노드의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수를 사용할 수 있으나, 이에 국한되지 않는다. 출력 노드의 함수는 one-hot 인코딩 기법을 활용한 소프트맥스 함수를 사용할 수 있다. 출력은 One-hot 인코딩 기법에 따라 하나의 분류만을 선택하며, 선택된 분류로부터 명령을 수행하도록 할 수 있다.

일실시예에 따르면, 데이터 베이스(520)는 정보들을 빅데이터로 저장할 수 있으며, 블록체인 네트워크와 연결된 초고속 인터넷 연결망을 통해 지속적으로 업데이트될 수 있다.

일실시예에 따르면, 스마트 정수기는 다수의 사용자에게 무선 와이파이를 제공할 수 있으며, 초고속 인터넷을 사용해 블록체인 네트워크의 보안을 사용하는 스마트 정수기를 제공할 수 있다.

도 6은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(1201)는 프로세서(1202) 및 메모리(1203)를 포함한다. 일실시예에 따른 장치(1201)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 5를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 5를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(1203)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(1203)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

일실시예에 따르면, 프로세서(1202)는 프로그램을 실행하고, 장치(1201)를 제어할 수 있다. 프로세서(1202)에 의하여 실행되는 프로그램의 코드는 메모리(1203)에 저장될 수 있다. 장치(1201)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

1. 학습, 소통 및 보안을 강화한 대상 스마트 정수기는
   원수를 정화시키는 전처리 필터;
   상기 전처리 필터 후단에 위치하고, 원수를 가압하는 가압펌프;
   상기 가압펌프 후단에 위치하는 멤브레인 필터;
   상기 멤브레인 전 후 단에 각각 설치된 전기 전도미터;
   상기 멤브레인 전단의 압력 센서;
   상기 멤브레인 후단의 유량 센서; 및
   상기 전기 전도미터, 압력 센서 및 유량 센서의 정보를 바탕으로 블록체인 네트워크와 소통하며 컨벌루션 신경망을 통해 학습하는 제어모듈
   을 포함하고,
   상기 제어모듈은
   상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 데이터를 실시간으로 수신하여 제1 입력 신호를 생성하고,
   상기 생성된 제1 입력 신호를 인터넷 망을 통해 블록체인 네트워크의 컨벌루션 신경망에 입력해 제1 출력 신호를 획득하고,
   상기 제1 출력 신호를 바탕으로 전처리 필터 및 멤브레인의 성능을 판단하고,
   상기 전처리 필터 및 멤브레인의 성능에 따라 펌프와 자동밸브를 콘트롤하여 플러싱, 에어플러싱 및 리사이클링으로 이루어진 필터 클리닝 중 어느 하나 이상을 수행하고,
   상기 수행 결과에 기초하여, 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 값들을 바탕으로 학습 신호를 생성하고,
   상기 제어모듈은
   상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 데이터를 데이터 시트 형식으로 가공하여 상기 블록체인 네트워크 내 상기 컨벌루션 신경망의 입력층에 대응하는 상기 제1 입력 신호를 생성하고,
   상기 제1 입력 신호를 상기 블록체인 네트워크 내 상기 컨벌루션 신경망에 입력하여, 상기 컨벌루션 신경망의 출력층에 포함된 4개의 출력층 노드들-상기 출력층 노드들은 정상 상태, 비정상 상태, 위험 상태 및 교체 요청 상태에 각각 대응함-로부터 상기 제1 출력 신호를 획득하고,
   상기 4개의 출력층 노드들의 합이 총 1인 상기 출력층 노드들의 출력들을 포함하는 상기 제1 출력 신호에 기초하여, 상기 전처리 필터 및 상기 멤브레인의 상태가 정상 상태, 비정상 상태, 위험 상태 및 교체 요청 상태 중 적어도 어느 하나에 해당하는지 여부를 판단하고,
   상기 전처리 필터 및 상기 멤브레인의 상태에 기초하여, 상기 전처리 필터 전 후단의 자동밸브와 상기 가압펌프에 닫힘 신호를 보내 자동밸브와 가압펌프를 오프(off)시키고,
   전처리 필터의 바이패스관에 설치된 자동밸브와 상기 전처리 필터의 드레인 배관에 설치된 자동밸브에 열림신호를 보내 상기 자동밸브를 열어 상기 전처리 필터를 플러싱(flushing)하고,
   상기 제어모듈은 나노 멤브레인의 농축수 배관에 설치된 자동밸브에 열림신호를 보내 상기 자동밸브를 열어 농축수를 드레인시키고,
   상기 제1 출력 신호에 기초하여, 상기 나노 멤브레인의 성능이 기준값 미만으로 판정되면, 농축수를 드레인시킨 후, 상기 자동밸브에 닫힘 신호를 보내 상기 자동밸브를 잠그고,
   상기 나노 멤브레인의 바이패스 배관에 설치된 자동밸브에 열림신호를 보내 상기 자동밸브를 열어 농축수를 리사이클링시키고,
   상기 컨벌루션 신경망은
   특징 추출 신경망 및 분류 신경망을 포함하고, 상기 제1 입력 신호를 상기 특징 추출 신경망과 상기 분류 신경망을 통해 정상과 이상으로 분류하고, 상기 정상 및 이상의 분류에 따라 필요한 클리닝 정보를 포함하는 상기 제1 출력 신호를 출력으로 하고, 상기 제1 출력 신호에 따른 클리닝 과정을 바탕으로 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 변화값들에 기초하여 생성된 상기 학습 신호를 통해 학습하고,
   상기 특징 추출 신경망은 컨벌루션 계층 및 풀링 계층을 포함하고,
   상기 컨벌루션 계층은 컨벌루션 필터 및 활성 함수를 포함하고,
   상기 컨벌루션 필터로는 9X9 행렬을 사용하고,
   상기 활성 함수로는 ReLU 함수, 시그모이드 함수 및 tanh 함수 중 적어도 어느 하나를 사용하고,
   상기 정상 상태, 상기 비정상 상태, 상기 위험 상태 및 상기 교체 요청 상태를 지시하는 상기 4개의 출력층 노드들을 포함하고,
   상기 분류 신경망은 소프트맥스 함수를 사용하여 상기 출력층 노드들에 포함된 상기 정상 상태, 상기 비정상 상태, 상기 위험 상태 및 상기 교체 요청 상태 중 어느 하나를 선택하고,
   상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 재측정 값을 통해 생성된 상기 학습 신호에 기초하여,
   새로운 정답 데이터를 생성해 자가 학습을 실시하고,
   상기 정답 데이터에 기초하여, 실시간으로 상기 필터 클리닝 중 어느 하나 이상을 재실시하고,
   상기 블록체인 네트워크는
   상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 기준값을 포함하는 데이터베이스 및 상기 데이터베이스에 저장된 상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 기준값 및 표본값이 데이터 시트 형식으로 가공된 입력 신호들에 기초하여 미리 학습된 상기 컨벌루션 신경망을 포함하는 블록-상기 블록은 상기 컨벌루션 신경망의 정보를 저장하여 상기 컨벌루션 신경망의 입력, 출력 및 연산 과정을 저장함-들, 상기 블록들을 연결하는 체인들 및 상기 체인들을 저장하는 프라이빗 블록체인 네트워크를 포함하고,
   상기 블록체인 네트워크를 구성하는 모든 네트워크 저장장치들이 상기 블록체인 네트워크에 접속해, 미리 생성된 블록의 내용을 열람하고,
   상기 네트워크 저장장치들 중 어느 하나가 상기 컨벌루션 신경망의 학습을 위한 수동 데이터를 입력해, 상기 컨벌루션 신경망을 수동으로 학습시키고,
   상기 학습 신호에 의한 학습에 기초하여, 수정된 기준값을 새로 저장하는,
   스마트 정수기.
   
2. 삭제
3. 제 1항에 있어서,
   상기 스마트 정수기는
   근거리 통신망에 연결되는 이더넷 포트를 구비하는 네트워크 게이트 웨이, 사용자 단말기나 관리자 단말기와 무선으로 데이터를 송수신하는 와이파이 모듈을 추가로 포함하는 것을 특징으로 하는
   스마트 정수기.
   
4. 제1 항에 있어서,
   상기 블록체인 네트워크는
   상기 전기 전도미터, 상기 압력 센서 및 상기 유량 센서의 기준값을 포함하는 데이터 베이스 및 이를 다루는 미리 학습된 상기 컨벌루션 신경망을 포함하는 블록들;
   각 블록을 시간 순으로 연결하는 체인들; 및
   상기 각 블록체인을 저장하는 상기 네트워크 저장장치들
   을 포함하는 프라이빗 블록체인 네트워크이고,
   상기 네트워크 저장장치들은
   상기 스마트 정수기를 제조하는 제조사들을 포함하는 제1 네트워크 저장장치;
   상기 스마트 정수기의 사용자들을 포함하는 제2 네트워크 저장장치; 및
   각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망
   을 포함하는
   스마트 정수기.
   
5. 삭제

Images