KR102493693B1

KR102493693B1 - 계정별 사용자 적합 온도를 제공하는 ai 온도 조절 시스템

Info

Publication number: KR102493693B1
Application number: KR1020220086759A
Authority: KR
Inventors: 곽노복
Original assignee: 주식회사한일의료기
Priority date: 2021-11-29
Filing date: 2022-07-14
Publication date: 2023-01-31
Also published as: KR102422872B1

Abstract

본 발명의 실시 예에 따른 계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템은 탄소섬유를 직조하여 제작되며 온도 센서를 구비하는 발열매트, 사용자의 키 조작에 대응하는 온도 또는 AI 연산에 따라 산출된 사용자 맞춤 온도로 상기 발열매트의 발열 온도를 설정하고 설정된 온도로 발열동작을 수행하는 온도 조절기 및AI 연산에 따라 사용자 맞춤 온도를 산출하며, 상기 산출된 사용자 맞춤 온도로의 발열 명령을 상기 온도 조절기로 송신하는 사용자 기기를 포함하여 구성될 수 있다.

Description

계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템{AI temperature control system of providing user-fit temperature per account}

본 발명은 AI(인공지능)에 기반하여 탄소섬유 발열매트의 온도를 자동으로 조절하는, 계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템에 관한 것이다.

최근 발열매트와 같은 난방도구의 활용도가 점차 다양해지고 있다. 발열매트의 사이즈에 따라 차량용 발열시트, 사무실용 발열방석, 가정용 발열매트 등이 있으며, 그 외에도 사용 환경 및 사용 대상에 따라 캠핑용, 반려동물용 등으로 구분될 수 있다.

이렇듯 다양한 방면에서 발열매트의 활용이 이루어지고 있는 가운데, 이러한 발열매트의 사용 환경 및 사용 대상에 맞춰 자동으로 발열 동작을 제어하는 기술이 요구되고 있다. 또한 가정 내에서도 발열매트를 사용하는 대상이 다양할 수 있음에 따라 현재 이용하고 있는 사람의 특성에 맞춰 자동으로 적합한 온도로 발열 동작을 제어하는 기술이 요구되나 현재까지 이러한 발열매트의 온도를 자동으로 조절하는 것과 관련된 기술은 미비한 실정이다.

본 발명은 탄소섬유 발열매트에서 AI에 기반하여 사용자에게 적합한 온도로 발열단계를 자동 조절하여 사용자가 온도 조절을 위한 수동 입력동작이 이루어지지 않더라도 사용자가 선호하는 발열 온도로 난방기능을 수행할 수 있도록 하기 위해 고안되었다.

또한 본 발명은 다양한 환경 및 다양한 사용 대상에 대응하여 적합한 발열 온도로 발열매트의 온도 조절 동작을 자동으로 수행할 수 있도록 하기 위해 고안되었다.

본 발명은 탄소섬유 발열매트에서 AI에 기반하여 사용자에게 적합한 온도로 발열 단계를 자동으로 맞출 수 있다.

본 발명은 사용자의 성별, 연령별 특성에 대응하여 발열 단계를 상이하게 조절할 수 있다.

본 발명은 사용 대상이 반려동물인 경우 반려동물의 종별 추위 저항력에 대응하여 발열 단계를 상이하게 조절할 수 있다.

도 1은 본 발명의 실시 예에 따른 AI 온도도절 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 실시 예에 따른 온도조절기의 구성을 도시한 도면이다.
도 3은 본 발명의 실시 예에 따른 사용자 기기의 구성을 도시한 도면이다.
도 4는 본 발명의 실시 예에 따른 서버의 구성에 대하여 설명한 도면이다.
도 5는 본 발명의 실시 예에 따른 발열매트의 자동 온도 조절 동작을 설명하기 위한 도면이다.

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 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

본 명세서에서, 사용자 기기는 적어도 하나의 프로세서를 포함하는 모든 종류의 개인화 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 사용자 기기는 스마트폰, 태블릿 PC, 웨어러블 디바이스 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다.

도 1은 본 발명의 실시 예에 따른 AI 온도도절 시스템의 구성을 도시한 도면이다.

도 1에서 도시되는 바와 같이, 본 발명의 실시 예에 따른 계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템(10)은 탄소섬유를 직조하여 제작되며 온도 센서를 구비하는 발열매트(100)와, 발열매트(100)의 온도를 조절하기 위한 사용자의 조작정보를 수신하고, 발열매트(100)의 난방동작을 제어하는 온도 조절기(200)를 포함할 수 있다. 그리고 상기 AI 온도조절 시스템(10)은 발열매트(100), 온도조절기(200) 와 더불어 상기 온도조절기(200)와 통신할 수 있는 사용자 기기(300) 및 서버(400)를 더 포함하여 구성될 수 있다.

상기 발열매트(100)는 다양한 실시 예에 따라 센서(미도시)를 포함할 수 있고, 상기 센서를 통해 현재 발열매트의 온도를 감지할 수 있다. 나아가 센서는 발열매트의 접힘 여부를 판단하는 접힘 감지센서를 포함할 수도 있다. 또한 상기 센서는 다양한 실시 예에 따라 압력 감지 동작을 수행할 수 있으며, 그에 따라 상기 센서는 본 발명에서 요구되는 사용자가 누워있거나 앉아있는 자세 및 매트 접촉 위치에 대한 정보를 획득할 수 있다.

상기 온도조절기(200)는 사용자의 키 조작에 대응하는 온도 또는 상기 사용자 기기(300)로부터 수신된 AI 연산의 결과에 따른 사용자 맞춤 온도로 상기 발열매트의 발열 온도를 설정할 수 있다. 그리고 상기 온도 조절기(200)는 설정된 온도로 발열동작을 수행할 수 있다.

상기 사용자 기기(300)는 AI 연산에 따라 사용자 맞춤 온도를 산출하며, 상기 산출된 사용자 맞춤 온도로의 발열 명령을 상기 온도 조절기로 송신할 수 있다.

상기 서버 (400)는 사용자의 발열매트 사용에 의해 획득되는 매트 사용 데이터를 기반으로 AI 학습 및 AI 연산을 수행하여 사용자 맞춤 온도를 산출하는 동작을 수행하고, 이를 사용자 기기(300)를 통해 또는 다이렉트로 상기 온도조절기(200)로 산출된 사용자 맞춤 온도에 대한 정보를 전달할 수 있다. 이에 따라 심층적인 사용자 맞춤 온도가 서버(400) 차원에서 산출되고 해당 값에 대응하는 난방동작이 발열매트(100)에서 이루어질 수 있다.

본 발명의 실시 예에 따른 계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템(10)의 각 구성에 대한 상세 설명은 다음의 도면을 참조하여 설명하기로 한다.

도 2는 본 발명의 실시 예에 따른 온도조절기의 구성을 도시한 도면이다.

도 2에서 도시되는 바와 같이, 본 발명의 실시 예에 따른 온도조절기(200)는 통신부(210), 저장부(220), 키 입력부(230) 및 제어부(240)를 포함하여 구성될 수 있다. 그리고 상기 제어부(240)는 온도 제어부(241), 모드 설정부(242), 상태 판단부(243)를 포함하여 구성될 수 있다.

먼저 상기 통신부(210)는 사용자 기기(300) 및 서버(400)와의 통신을 지원할 수 있다. 구체적으로 상기 통신부(210)는 사용자 기기(300)로부터 AI 연산 결과 산출된 사용자 맞춤 온도 등의 정보를 수신할 수 있다. 또한 상기 통신부(210)는 사용자가 발열매트(100)를 사용하는 동안 발생되는 사용 데이터(예, 온도 조절 단계, 시간 당 온도 변경 횟수 등)를 사용자 기기(300) 또는 서버(400)로 전송할 수 있다.

상기 저장부(220)는 발열매트 제어와 관련하여 요구되는 기본 정보들을 저장할 수 있다. 예를 들어 상기 저장부(220)는 온도 조절기(200)의 특정 발열 단계에 대응하는 발열온도의 정보를 저장할 수 있다. 그 밖에 상기 저장부(220)는 다양한 발열 모드에 대한 정보, 다양한 종류의 센싱값이 의미하는 정보를 저장할 수 있다.

상기 키 입력부(230)는 온도 조절기(200)가 사용자의 조작 정보를 입력받을 수 있도록 하는 버튼을 제공하며, 버튼 입력을 수신하고 그에 대응하는 제어 정보를 제어부(240)에 전달할 수 있다.

상기 제어부(240)는 통신부(210)를 통해 수신된 명령 및 상기 키 입력부(230)를 통해 수신된 온도 제어 명령을 확인하고 이에 대응하는 발열 동작이 진행되도록 발열매트(100)를 제어할 수 있다.

상기 제어부 (240)는 구체적으로, 온도 제어부(241), 모드 설정부(242) 및 상태 판단부 (243)를 포함하여 이루어질 수 있다.

먼저 상기 온도 제어부 (241)는 통신부(210) 또는 사용자의 키 입력부(230) 조작을 통해 획득되는 명령에 대응하여 발열매트(100)의 온도를 제어할 수 있다.

다양한 실시 예에 따라 상기 온도 제어부 (241)는 사용자로부터 발열온도 자동설정이 요청됨에 따라, 상기 발열매트(100)의 현재 온도를 체크하고, 사용자 맞춤 온도를 사용자 기기(300) 또는 서버(400)로부터 수신하여 발열 온도를 조정할 수 있다. 다양한 실시 예에 따라 상기 온도 제어부 (241)는 상기 체크된 발열매트의 현재 온도와 사용자 맞춤 온도(예, 사용자 선호 온도 또는 사용자 기 설정 초기 온도 등)의 차이에 기반하여 발열 온도 내지 발열 단계를 자동으로 조정할 수 있다.

상기 온도 제어부(241)는 다양한 실시 예에 따라 키 입력부(230)를 통해 사용자의 발열온도 자동설정 요청이 입력되는지 여부를 확인할 수 있으며, 사용자의 발열온도 자동설정 요청이 이루어짐에 따라 사용자 기기(300) 또는 서버(400)와의 통신 동작을 통해 AI 연산에 의해 산출되는 사용자 맞춤 온도를 전송하도록 요청할 수 있다. 이에 따라 상기 온도 제어부 (241)는 사용자 기기(300) 및 서버(400)로부터 수신되는 사용자 맞춤 온도를 기반으로 발열 단계를 설정할 수 있으며, 이 때 발열 단계는 사용자 맞춤 온도와 일대일 대응하는 값일 수도 있으나, 사용자 맞춤 온도와 기타의 조건 정보(예, 현재 매트 온도, 현재의 실내 온도 등)가 결합하여 산출되는 값일 수도 있다.

상기 모드 설정부 (242)는 다종의 발열모드를 제공하고, 사용자에 의해 선택된 발열모드로 발열 동작이 이루어지도록 하는 모드 설정부를 포함할 수 있다. 그리고 이 때 상기 발열모드는 사용자별 모드 및 사용환경별 모드를 포함할 수 있다.

상기 사용자별 모드는 사용자 계정별로 사용자 맞춤 온도 산출 방식이 다르게 적용되는 모드일 수 있다. 또한 사용자별 모드는 초기 설정 온도, 온도 변경 주기 등의 항목들을 사용자 계정에 따라 다르게 설정되는 모드일 수 있다. 사용자별 모드는 예컨대 사용자 1, 사용자 2 등과 같이 사용자 계정별로 다른 종류의 설정값을 포함하도록 구성되는 모드일 수 있다. 또한 다양한 실시 예에 따라 사용자별 모드는 사용자의 특성별로 분류될 수도 있는데 예를 들어, 고령자 모드, 어린이 모드 등과 같이 연령 특성에 따라 분류될 수 있다.

또한, 상기 사용자별 모드는 반려동물 모드를 포함할 수 있다. 상기 반려동물 모드는 상기 키 입력부에 의한 제어기능을 중단하도록 설정하는 모드일 수 있다. 또한 상기 반려동물 모드는 반려동물의 종류에 따라 적합 발열단계를 다르게 설정하는 모드일 수 있다. 예컨대, 본 발명의 시스템은 상기 반려동물 모드에서 자체적으로 털이 많고 추운 지역에 사는 동물인 경우 추위 저항력이 높은 것으로 판단하여 적합 발열단계를 일반적인 수준보다 낮게 설정할 수 있다. 다양한 실시 예에 따라 동물의 종별 추위 저항력에 대한 정보는 저장부에 기 저장되어 있을 수 있다.

상기 사용환경별 모드는 발열매트를 사용하는 상황 및 환경의 특성에 따른 모드를 의미할 수 있다. 상기 사용환경별 모드는 예를 들어, 실내모드, 캠핑 모드, 수면모드, 업무모드, 운전모드 등을 포함하여 구성될 수 있다. 그리고 상기 캠핑모드는 외부 기온에 대응하여 적합 발열 온도를 산출하여 적용하되, 실내 모드에 비해 발열 단계가 높게 설정되는 모드일 수 있다. 예를 들어 동일한 외부온도 0도의 경우 실내모드에서는 적합 온도가 1단계로 산출되나, 캠핑모드에서는 2단계로 적합온도가 상향 조정되어 산출될 수 있다.

또한, 상기 제어부(240)는 상기 발열매트(100)의 접힘 여부, 상기 발열매트와 사용자의 접촉 여부 및 사용자의 이용 자세에 대한 정보를 발열매트(100)의 센서를 통해 취득하고 이를 기반으로 발열매트의 현재 상태를 판단하는 상태 판단부(243)를 포함할 수 있다. 일 실시 예에 따라 상기 발열매트(100)의 테두리에는 거리가 가까워짐을 감지하는 센서가 장착되어 있을 수 있으며, 접힘이 이루어짐에 따라 매트의 테두리 부분이 맞닿게 되면 센서가 이를 감지하여 발열매트의 접힘 여부를 판단할 수 있다.

그리고 상기 상태 판단부(243)는 판단된 발열매트의 현재 상태에 대응하여 발열기능의 이행 적합 여부를 결정하고, 발열 부적합 결정이 이루어짐에 따라 상기 온도 제어부(241)에 발열 동작 중지를 요청할 수 있다. 구체적으로 예를 들면, 상기 발열매트는 상태가 접힘 상태에서 발열 동작이 이루어지지 않도록 설정되어 있을 수 있다. 이러한 경우, 상기 상태 판단부(243)는 발열매트(100)의 접힘 여부를 판단할 수 있고, 접힘 상태임을 판단하게 되면 그에 따라 발열 부적합 결정을 내릴 수 있다. 그리고 상기 상태 판단부(243)는 발열 부적합 결정을 내림에 따라 온도 제어부(241)에 발열 동작을 중지하거나 발열 동작이 개시되지 않도록 전원을 OFF시킬 수 있다.

탄소섬유로 직조되는 발열매트의 경우 발열이 이루어지는 열선과 매트의 면을 구성하는 섬유가 분리된 형태가 아니라, 발열이 이루어지는 섬유사로 매트의 면이 직조되므로 종래의 열선 분리 방식의 발열매트에 비해 얇고 접힘이 자유로운 특징이 있다. 이에 따라 탄소섬유 발열매트는 접힌 상태에서 발열이 이루어져 의도한 온도보다 과열될 가능성이 있다. 따라서 상기 상태 판단부(243)에서 발열매트의 접힘 여부를 판단하고 그에 대응하여 발열동작을 제한할 수 있다.

도 3은 본 발명의 실시 예에 따른 사용자 기기의 구성을 도시한 도면이다.

도 3에서 도시되는 바와 같이, 본 발명의 실시 예에 따른 사용자 기기(300)는 데이터 선별부(310), 적합온도 산출부(320) 및 온도조절 명령부(330)를 포함하여 구성될 수 있다.

먼저 상기 데이터 선별부(310)는 사용자가 상기 온도 조절기를 통해 수동으로 설정하는 온도 값 및 설정 온도 변경 횟수를 포함하는 매트 사용 데이터를 획득하고, 획득한 사용 데이터 중 인공지능 학습 조건에 해당하는 학습용 데이터를 선별할 수 있다.

다시 말해 상기 데이터 선별부(310)는 인공지능 알고리즘 학습에 필요한 데이터와 그렇지 않은 데이터를 구분하여 선별할 수 있다. 예를 들어, 상기 데이터 선별부(310)는 인공지능 알고리즘 학습용으로 기 설정된 항목의 데이터인 등록 사용자의 온도 조절 이력 데이터와 제거용 데이터인 미등록 사용자의 온도 조절 이력 데이터를 구분할 수 있다.

상기 데이터 선별부(310)는 인공지능 알고리즘 학습용으로 기 설정된 항목의 데이터가 수집되는 경우 해당 데이터를 서버(400)에 전송하고, 서버(400)로 하여금 전송된 데이터로 인공지능 알고리즘을 학습할 수 있도록 한다.

상기 서버(400)는 인공지능 알고리즘 학습의 결과로 사용자 적합 온도 산출 알고리즘 모델을 생성할 수 있다.

상기 서버(400)에 대한 상세한 설명은 후술하기로 한다.

사용자 기기(300)의 적합온도 산출부(320)는 앱(예, 발열매트 온도 조절앱)에 기초 세팅된 제 1 AI 알고리즘에 따라 사용자 계정별로 사용자 맞춤 온도를 산출할 수 있다. 상기 사용자 기기(300) 내 적합온도 산출부(320)는 비교적 간단한 방식으로 사용자별 적합 온도를 산출할 수 있고, 그에 따라 서버(400)와의 통신을 생략할 수 있다.

상기 적합온도 산출부(320)는 사용자별 적합온도를 산출하기 위해 먼저, 사용자별 계정 생성을 요청할 수 있다. 사용자가 사용자 기기(300)의 앱을 통해 온도의 자동 설정 기능을 이용하고자 하면, 상기 적합온도 산출부(320)는 사용자 계정을 신규 생성할 것인지, 기존 사용자 계정 또는 기본으로 설정된 공통 계정으로 이용할 것인지 여부를 물을 수 있다. 상기 적합온도 산출부(320)는 사용자 계정을 신규 생성할 시, 사용자의 성별, 연령대와 같은 신상 정보를 비롯하여, 사용자의 주요 선호 온도에 대한 정보를 미리 입력 받고 이를 기반으로 계정을 생성할 수 있다. 이 때 상기 적합온도 산출부(320)는 사용자 계정 생성 시, 사용 대상에 대한 정보를 입력할 수 있도록 지원할 수 있으며, 이는 사용 대상이 사람이 아닌 반려동물인 경우를 고려한 것이다. 상기 적합온도 산출부(320)는 사용자 계정 생성시, 사용 대상이 사람이 아닌 경우 반려동물의 종류를 입력할 수 있도록 지원할 수 있다.

상기 적합온도 산출부(320)는 사용자 계정이 완료되고, 특정 사용자 계정으로 자동 온도 설정 동작이 요청된 경우에 제 1기준치 이상의 사용 데이터가 획득되었는지 여부를 판단할 수 있다. 상기 사용 데이터는 온도 조절기를 통해 사용자가 수동으로 설정하는 발열 온도 값(예, 발열 단계) 및 설정 온도 변경 횟수를 포함하는 매트 사용 데이터를 의미할 수 있다. 그리고 제 1기준치 이상의 사용 데이터가 획득되는 경우는 예를 들어, 3번 이상의 온도 조절 이력이 확인되는 경우를 의미할 수 있다. 제 1기준치 이상의 사용 데이터가 획득되었는지 확인하는 동작은 기 생성된 계정의 사용자가 해당 발열매트를 사용한 이력이 있는지 여부를 판단하기 위한 최소 기준을 의미할 수 있다.

상기 적합온도 산출부(320)는 사용자 계정 생성이 완료된 후, 각 사용자의 계정별로 제 1 기준치 이상의 사용 데이터가 획득됨에 따라, 제 1 AI 알고리즘에 기반한 사용자 맞춤 온도를 산출할 수 있다. 이 때 상기 적합온도 산출부(320)는 기 등록된 사용자 계정에 포함된 선호 난방 정보를 기반으로 사용자 맞춤 온도를 산출할 수 있는데, 사용자 계정에 포함되는 선호 난방 정보는 예를 들어 사용자가 직접 어플리케이션 상에 등록한 선호 발열온도, 사용자의 추위 저항력(높음, 보통, 낮음 등으로 구분) 등의 정보일 수 있다.

상기 온도조절 명령부(330)는 원격으로 온도 조절 명령을 매트에 부착된 온도조절기로 전송할 수 있다. 이 때 상기 온도조절 명령부 (330)는 사용자 맞춤 온도의 산출에 따라 자동으로 명령 신호를 상기 온도 조절기(200)에 전달할 수도 있으나, 사용자가 사용자 기기를 통해 수동으로 입력하는 수동 온도조절 명령을 확인하고, 이를 온도 조절기(200)측으로 전달할 수 있다. 상기 온도조절 명령부(330)는 다양한 실시 예에 따라 사용자가 기 설정한 시간, 사용자가 기 설정한 기온, 사용자가 기 설정한 실내온도(예, 발열매트의 온도센서를 통해 측정된 현재온도)가 조건을 충족하는 경우 자동으로 온도 조절기(200)에 특정 온도로의 난방 동작을 명령할 수 있다.

또한 상기 온도조절 명령부(330)는 상기 적합 온도 산출부(320)에서 산출한 사용자 맞춤 온도로 발열온도를 설정하도록 상기 온도 조절기(200)에 명령 신호를 전달할 수 있다.

도 4는 본 발명의 실시 예에 따른 서버의 구성에 대하여 설명한 도면이다.

도 4에서 도시되는 바와 같이, 본 발명의 실시 예에 따른 서버(400)는 데이터 기록부(410), 데이터 학습부(420) 및 인공지능 연산부(430)을 포함하여 구성될 수 있다.

상기 서버(400)는 사용자의 발열매트 사용에 의해 획득되는 매트 사용 데이터를 기반으로AI 학습 및 AI 연산을 수행하여 사용자 맞춤 온도를 산출하기 위한 구성이다.

상기 데이터 기록부(410)는 상기 사용자 기기(300)로부터 선별된 학습용 데이터 및 상기 온도 조절기(200)로부터 전달되는 매트 사용 데이터를 획득하여 기록할 수 있다. 보다 구체적으로, 상기 데이터 기록부(410)는 사용자 계정에 기 등록된 사용자의 특성에 대응하는 매트 사용 데이터를 획득하여 가공하고 이를 기록할 수 있다. 예컨대, 계정정보에 따라 사용자 1의 특성이 70대 이상의 고령자이며, 추위 저항력이 낮음으로 설정되어 있는 경우, 상기 데이터 기록부(410)는 사용자 1의 매트 사용 데이터와 사용자 1의 특성(고령자, 추위 저항력 낮음)을 대응시켜 기록할 수 있다.

상기 데이터 학습부(420)는 상기 데이터 기록부(410)에서 가공 및 기록한 학습용 데이터로 제 2 AI 알고리즘에 대한 학습을 수행할 수 있다. 이로써 상기 데이터 학습부(420)는 다양한 상황에 대응하여 사용자 맞춤 온도를 산출할 수 있는 AI 모델을 생성할 수 있다.

상기 인공지능 연산부(330)는 상기 데이터 학습부(420)에 의해 학습이 완료된 제 2 AI 알고리즘을 기반으로 사용자 맞춤 온도를 산출할 수 있다. 이 때 상기 제 2 AI 알고리즘은 다양한 상황에서 사용자 계정에 포함된 사용자 특성에 따른 적합 온도를 산출하기 위한 동작을 수행할 수 있다. 보다 구체적으로 예를 들어 제 1 AI 알고리즘과 제 2 AI 알고리즘의 차이를 설명하면 다음과 같다.

제 1 AI 알고리즘은 사용자 계정에 등록되어 있는 사용자의 선호 난방 정보(선호 난방 온도, 추위 저항력 수준)를 기반으로 현재 상황(기온, 실내온도, 사용환경별 모드 등)에 대응하는 적합 온도 내지 발열단계를 산출하게 된다. 적합 발열 온도를 산출하는 데 필요한 기준 정보는 사용자 계정에 포함된 정보이므로 별도의 AI 알고리즘의 학습 동작이 요구되지 않는다.

한편, 제 2 AI알고리즘은 보다 다양한 상황에서의 사용자 맞춤 온도(적합 온도)를 산출하기 위해 학습과정을 수행할 수 있다. 상기 제 2 AI 알고리즘은 사용자 계정에 포함된 사용자 신상 정보를 활용하여 학습이 이루어진만큼, 사용자 맞춤 온도를 산출할 때에도 사용자 신상 정보를 투입하여 연산이 이루어질 수 있다. 예를 들어, 상기 제2 AI 알고리즘은 외부 기온이 섭씨 0도로 동일한 환경에서, 70대 고령자의 추위 저항력이 낮은 사용자와 20대 추위 저항력이 높음으로 설정된 사용자에 대한 적합 온도를 각기 다르게 산출할 수 있다. 나아가 상기 제2 AI 알고리즘은 사용자 특성에 따라 발열 온도뿐 아니라 발열 온도 변경 주기에 대한 값을 산출할 수 있으며, 그에 따라 초기 발열 온도와 발열온도 변경 주기 모두 높은 값으로 설정하는 방식과 초기 발열온도 및 발열온도 변경주기를 모두 낮은 값으로 설정하는 방식 등 다양한 방식의 발열 동작이 사용자 선호에 맞게 자동으로 이루어질 수 있도록 도울 수 있다.

도 5는 본 발명의 실시 예에 따른 발열매트의 자동 온도 조절 동작을 설명하기 위한 도면이다.

도 5에서 도시되는 바와 같이, 본 발명의 실시 예에 따른 AI 온도조절 시스템은 현재 기온과 사용자가 선호하는 온도의 정도를 고려하여 맞춤 발열온도(매트의 발열 단계)를 산출할 수 있다. 도 5를 살펴보면, 사용자의 현재 위치는 사용자 기기의 현재 위치를 기반으로 산출되는 정보이고, 해당 위치의 현재 기온이 기온 표시창(501)에서와 같이 표시되고 있다. 그리고 그에 대응하여 본 발명의 시스템은 사용자 계정(사용자 1)별 맞춤 난방 단계를 1단계로 산출하였음을 난방단계 표시창(502)을 통해 표시할 수 있다. 그리고 본 발명의 실시 예에 따라 사용자기기(300)는 산출된 사용자의 맞춤 난방 단계의 바로 적용하기 버튼(503)를 화면에 표시할 수 있고, 사용자가 상기 적용하기 버튼(503)를 선택하면 그에 대응하여 산출된 사용자 맞춤 난방 단계(사용자 맞춤 온도에 해당)를 적용하여 발열매트의 발열동작이 즉시 이루어지도록 제어할 수 있다.

상기 도 5에서 도시되는 바와 같이 본 발명의 실시 예에 따른 AI 온도조절 시스템은 실외의 기온에 대응하여 난방 단계(발열 온도)를 자동으로 설정할 수도 있으나, 실내 공간이 별도의 추가 난방이 이루어지고 있을 경우를 감안하여 외부 기온 대신 실내온도에 대응하여 난방 단계를 산출할 수도 있다. 이 때 실내 온도는 기 연동된 실내 온도계(예, 블루투스 실내 온도계, 에어컨의 온도계 등) 로부터 얻어질 수 있다.

또한 상기 도 5에서 도시되는 바와 같이 사용자 맞춤 온도는 사용자 확인 과정을 거쳐 사용자의 적용하기 버튼 조작이 수행된 후 매트 발열 동작으로 이어질 수 있다. 그러나 본 발명의 다양한 실시 예에 따라 사용자 기기(300)는 자동 온도설정 기능을 제공할 수 있고 자동 온도설정 기능이 적용된 상태에서 사용자의 맞춤 온도(맞춤 난방 단계)가 산출되면 그 즉시 자동으로 매트 발열동작으로 이어질 수도 있다. 그리고 현재 기온, 발열매트에서 측정된 현재 온도 등의 조건이 변화됨에 따라 사용자 맞춤 온도가 변경되어 산출될 수 있으며, 그러한 경우 사용자 기기(300)는 자동으로 변경 산출된 사용자 맞춤 온도를 적용하여 발열매트의 난방 동작을 제어할 수 있다.

요컨대, 본 발명의 실시 예에 따른 계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템은 탄소섬유를 직조하여 제작되며 온도 센서를 구비하는 발열매트, 사용자의 키 조작에 대응하는 온도 또는 AI 연산에 따라 산출된 사용자 맞춤 온도로 상기 발열매트의 발열 온도를 설정하고 설정된 온도로 발열동작을 수행하는 온도 조절기 및AI 연산에 따라 사용자 맞춤 온도를 산출하며, 상기 산출된 사용자 맞춤 온도로의 발열 명령을 상기 온도 조절기로 송신하는 사용자 기기를 포함하여 구성될 수 있다.

이 때, 상기 온도 조절기는 발열 동작 제어를 위한 사용자의 키 입력을 수신하는 키 입력부, 상기 발열매트의 온도 조절과 관련된 일련의 동작을 제어하는 제어부를 포함하고, 상기 제어부는 사용자로부터 발열온도 자동설정이 요청됨에 따라, 상기 발열매트의 현재 온도를 체크하고, 사용자 맞춤 온도와 상기 체크된 현재 온도의 차이에 기반하여 발열 온도를 자동으로 조정하는 온도 제어부 및 다종의 발열모드를 제공하고, 사용자에 의해 선택된 발열모드로 발열 동작이 이루어지도록 하는 모드 설정부를 포함할 수 있다. 그리고 이 때 상기 발열모드는 사용자별 모드 및 사용환경별 모드를 포함할 수 있다.

또한, 상기 제어부는 상기 발열매트의 접힘 여부, 상기 발열매트와 사용자의 접촉 여부 및 사용자의 이용 자세에 대한 정보를 취득하고 이를 기반으로 발열매트의 현재 상태를 판단하는 상태 판단부를 포함할 수 있다.

그리고 상기 상태 판단부는 판단된 발열매트의 현재 상태에 대응하여 발열 기능의 이행 적합 여부를 결정하고, 발열 부적합 결정이 이루어짐에 따라 상기 온도 제어부에 발열 동작 중지를 요청할 수 있다.

또한, 상기 사용자별 모드는 반려동물 모드를 포함하고, 상기 반려동물 모드는 상기 키 입력부에 의한 제어기능을 중단하도록 설정하는 모드일 수 있다.

그리고 상기 사용자 기기는 사용자가 상기 온도 조절기를 통해 수동으로 설정하는 온도 값 및 설정 온도 변경 횟수를 포함하는 매트 사용 데이터를 획득하고, 획득한 사용 데이터 중 인공지능 학습 조건에 해당하는 학습용 데이터를 선별하는 데이터 선별부, 각 사용자별 계정 생성을 요청하고, 생성된 각 사용자의 계정별로 제 1 기준치 이상의 사용 데이터가 획득됨에 따라, 제 1 AI 알고리즘에 기반한 사용자 맞춤 온도를 산출하는 적합 온도 산출부 및 상기 적합 온도 산출부에서 산출한 사용자 맞춤 온도로 발열온도를 설정하도록 상기 온도 조절기에 명령 신호를 전달하는 온도조절 명령부를 포함하여 구성될 수 있다.

본 발명의 실시 예에 따른 AI 온도조절 시스템은 사용자의 발열매트 사용에 의해 획득되는 매트 사용 데이터를 기반으로AI 학습 및 AI 연산을 수행하여 사용자 맞춤 온도를 산출하는 서버를 더 포함하여 구성될 수 있다. 이 때 상기 서버는 상기 사용자 기기로부터 선별된 학습용 데이터 및 상기 온도 조절기로부터 전달되는 매트 사용 데이터를 획득하여 기록하는 데이터 기록부, 상기 데이터 기록부에서 누적 기록한 학습용 데이터로 제 2 AI 알고리즘에 대한 학습을 수행하는 데이터 학습부 및 상기 데이터 학습부에 의해 학습이 완료된 제 2 AI 알고리즘을 기반으로 사용자 맞춤 온도를 산출하는 인공지능 연산부를 포함할 수 있다.

도면에 도시되지 않았지만, 본 발명의 실시 예에 따른 사용자 기기(300)는 메모리, 통신모듈 및 프로세서를 포함할 수 있다.

메모리는 서버의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다.

통신모듈은 외부 장치와 통신을 수행할 수 있다. 특히, 통신모듈은 와이파이 칩, 블루투스 칩, 무선 통신 칩, NFC칩, 저전력 블루투스 침(BLE 칩) 등과 같은 다양한 통신 칩을 포함할 수 있다. 이때, 와이파이 칩, 블루투스 칩, NFC 칩은 각각 LAN 방식, WiFi 방식, 블루투스 방식, NFC 방식으로 통신을 수행한다. 와이파이 칩이나 블루투스칩을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신 하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 무선 통신칩은 IEEE, 지그비, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다.

프로세서는 메모리에 저장된 각종 프로그램을 이용하여 사용자 기기의 전반적인 동작을 제어할 수 있다. 프로세서는 RAM, ROM, 그래픽 처리부, 메인 CPU, 제1 내지 n 인터페이스 및 버스로 구성될 수 있다. 이때, RAM, ROM, 그래픽 처리부, 메인 CPU, 제1 내지 n 인터페이스 등은 버스를 통해 서로 연결될 수 있다.

RAM은 O/S 및 어플리케이션 프로그램을 저장한다. 구체적으로, 서버(100)가 부팅되면 O/S가 RAM에 저장되고, 사용자가 선택한 각종 어플리케이션 데이터가 RAM에 저장될 수 있다.

ROM에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 턴 온 명령이 입력되어 전원이 공급되면, 메인 CPU는 ROM에 저장된 명령어에 따라 메모리(110)에 저장된 O/S를 RAM에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, 메인 CPU는 메모리(110)에 저장된 각종 어플리케이션 프로그램을 RAM에 복사하고, RAM에 복사된 어플리케이션 프로그램을 실행시켜 각종 동작을 수행한다.

그래픽 처리부는 연산부(미도시) 및 렌더링부(미도시)를 이용하여 아이템, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성한다. 여기서, 연산부는 입력부로부터 수신된 제어 명령을 이용하여 화면의 레이아웃에 따라 각 객체들이 표시될 좌표값, 형태, 크기, 컬러 등과 같은 속성값을 연산하는 구성일 수 있다. 그리고, 렌더링부는 연산부에서 연산한 속성값에 기초하여 객체를 포함하는 다양한 레이아웃의 화면을 생성하는 구성이 일 수 있다. 이러한 렌더링부에서 생성된 화면은 디스플레이의 디스플레이 영역 내에 표시될 수 있다.

메인 CPU는 메모리에 액세스하여, 메모리에 저장된 OS를 이용하여 부팅을 수행한다. 그리고, 메인 CPU는 메모리에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.

제1 내지 n 인터페이스는 상술한 각종 구성요소들과 연결된다. 제1 내지 n 인터페이스 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수도 있다.

한편, 나아가, 프로세서는 인공지능 모델을 제어할 수 있다. 이 경우, 프로세서는 인공지능 모델을 제어하기 위한 그래픽 전용 프로세서(예: GPU)를 포함할 수 있음은 물론이다.

한편, 본 발명에 따른 인공지능 모델은 교사 지도학습(supervised learning) 또는 비교사 지도학습(unsupervised learning)기반의 모델일 수 있다. 나아가, 본 발명에 따른 인공지능 모델은 SVM(support vector machine), Decision tree, neural network 등 및 이들이 응용된 방법론을 포함할 수 있다.

일 실시예로, 본 발명에 따른 인공지능 모델은 학습데이터를 입력하여 학습된 합성곱 신경망(Convolutional deep Neural Networks, CNN) 기반의 인공지능 모델일 수 있다. 다만, 이에 한정되는 것은 아니며, 다양한 인공지능 모델이 본 발명에 적용될 수 있음은 물론이다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 인공지능 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

이때, 합성곱 신경망(Convolutional deep Neural Networks, CNN)은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. 합성곱 신경망은 하나 또는 여러개의 합성곱 계층(convolutional layer)과 그 위에 올려진 일반적인 인공신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 합성곱 신경망은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 또한, 합성곱 신경망은 표준 역전달을 통해 훈련될 수 있다. 합성곱 신경망은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.

또한, 심층 신경망(Deep Neural Networks, DNN)은 입력 계층(input layer)과 출력 계층(output layer) 사이에 복수개의 은닉 계층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다.

이때, 심층 신경망의 구조는 퍼셉트론(perceptron)으로 구성될 수 있다. 퍼셉트론은 여러 개의 입력 값(input)과 하나의 프로세서(prosessor), 하나의 출력 값으로 구성된다. 프로세서는 여러 개의 입력 값에 각각 가중치를 곱한 후, 가중치가 곱해진 입력 값들을 모두 합한다. 그 다음 프로세서는 합해진 값을 활성화함수에 대입하여 하나의 출력 값을 출력한다. 만약 활성화함수의 출력 값으로 특정한 값이 나오기를 원하는 경우, 각 입력 값에 곱해지는 가중치를 수정하고, 수정된 가중치를 이용하여 출력 값을 다시 계산할 수 있다. 이때, 각각의 퍼셉트론은 서로 다른 활성화함수를 사용할 수 있다. 또한 각각의 퍼셉트론은 이전 계층에서 전달된 출력들을 입력으로 받아들인 다음, 활성화 함수를 이용해서 출력을 구한다. 구해진 출력은 다음 계층의 입력으로 전달된다. 상술한 바와 같은 과정을 거치면 최종적으로 몇 개의 출력 값을 얻을 수 있다.

순환 신경망(Reccurent Neural Network, RNN)은 인공신경망을 구성하는 유닛 사이의 연결이 Directed cycle을 구성하는 신경망을 말한다. 순환 신경망은 앞먹임 신경망과 달리, 임의의 입력을 처리하기 위해 신경망 내부의 메모리를 활용할 수 있다.

심층 신뢰 신경망(Deep Belief Networks, DBN)이란 기계학습에서 사용되는 그래프 생성 모형(generative graphical model)으로, 딥 러닝에서는 잠재변수(latent variable)의 다중계층으로 이루어진 심층 신경망을 의미한다. 계층 간에는 연결이 있지만 계층 내의 유닛 간에는 연결이 없다는 특징이 있다.

심층 신뢰 신경망은 생성 모형이라는 특성상 선행학습에 사용될 수 있고, 선행학습을 통해 초기 가중치를 학습한 후 역전파 혹은 다른 판별 알고리즘을 통해 가중치의 미조정을 할 수 있다. 이러한 특성은 훈련용 데이터가 적을 때 굉장히 유용한데, 이는 훈련용 데이터가 적을수록 가중치의 초기값이 결과적인 모델에 끼치는 영향이 세지기 때문이다. 선행학습된 가중치 초기값은 임의로 설정된 가중치 초기값에 비해 최적의 가중치에 가깝게 되고 이는 미조정 단계의 성능과 속도향상을 가능케 한다.

상술한 인공지능 및 그 학습방법에 관한 내용은 예시를 위하여 서술된 것이며, 이하에서 설명되는 실시 예들에서 이용되는 인공지능 및 그 학습방법은 제한되지 않는다. 예를 들어, 당 업계의 통상의 기술자가 동일한 과제해결을 위하여 적용할 수 있는 모든 종류의 인공지능 기술 및 그 학습방법이 개시된 실시 예에 따른 시스템을 구현하는 데 활용될 수 있다.

프로세서는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

일 실시예에 따른 프로세서는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써, 본 발명과 관련하여 설명된 방법을 수행한다.

예를 들어, 프로세서는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써 신규 학습용 데이터를 획득하고, 학습된 모델을 이용하여, 상기 획득된 신규 학습용 데이터에 대한 테스트를 수행하고, 상기 테스트 결과, 라벨링된 정보가 소정의 제1 기준값 이상의 정확도로 획득되는 제1 학습용 데이터를 추출하고, 상기 추출된 제1 학습용 데이터를 상기 신규 학습용 데이터로부터 삭제하고, 상기 추출된 학습용 데이터가 삭제된 상기 신규 학습용 데이터를 이용하여 상기 학습된 모델을 다시 학습시킬 수 있다.

한편, 프로세서는 프로세서 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(130)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리에는 프로세서의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있음에 주의한다.

10 : AI 온도조절 시스템
100 : 발열매트
200 : 온도 조절기
210 : 통신부
220 : 저장부
230 : 키입력부
240 : 제어부
300 : 사용자 기기
400 : 서버

Claims

계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템에 있어서,
탄소섬유를 직조하여 제작되며 온도 센서를 구비하는 발열매트;
사용자의 키 조작에 대응하는 온도 또는 AI 연산에 따라 산출된 사용자 맞춤 온도로 상기 발열매트의 발열 온도를 설정하고 설정된 온도로 발열동작을 수행하는 온도 조절기;
AI 연산에 따라 사용자 맞춤 온도를 산출하며, 상기 산출된 사용자 맞춤 온도로의 발열 명령을 상기 온도 조절기로 송신하는 사용자 기기; 및
상기 발열매트의 테두리에 위치하여, 상기 발열매트의 접힘이 이루어짐에 따라 상기 발열매트의 테두리 간에 접촉을 감지하는 센서;를 포함하고,
상기 온도 조절기는
발열 동작 제어를 위한 사용자의 키 입력을 수신하는 키 입력부;
상기 발열매트의 온도 조절과 관련된 일련의 동작을 제어하는 제어부;를 포함하고,
상기 제어부는
사용자로부터 발열온도 자동설정이 요청됨에 따라, 상기 발열매트의 현재 온도를 체크하고, 사용자 맞춤 온도와 상기 체크된 현재 온도의 차이에 기반하여 발열 온도를 자동으로 조정하는 온도 제어부; 및
다종의 발열모드를 제공하고, 사용자에 의해 선택된 발열모드로 발열 동작이 이루어지도록 하는 모드 설정부;를 포함하며,
상기 발열모드는
사용자별 모드 및 사용환경별 모드를 포함하고,
상기 제어부는
상기 발열매트의 접힘 여부, 상기 발열매트와 사용자의 접촉 여부 및 사용자의 이용 자세에 대한 정보를 취득하고 이를 기반으로 발열매트의 현재 상태를 판단하는 상태 판단부;를 포함하고,
상기 상태 판단부는
판단된 발열매트의 현재 상태에 대응하여 발열 기능의 이행 적합 여부를 결정하고, 발열 부적합 결정이 이루어짐에 따라 상기 온도 제어부에 발열 동작 중지를 요청하고,
상기 발열매트에 대한 상태가 접힘 상태에서 발열 동작이 이루어지지 않도록 기 설정된 경우, 상기 센서를 통해 판단된 발열매트의 현재 상태가 접힘 상태이면, 발열 부적합 결정을 내리고,
발열 동작을 중지하거나, 또는, 발열 동작이 개시되지 않도록 상기 온도 제어부를 제어하고,
상기 사용자 기기는
사용자가 상기 온도 조절기를 통해 수동으로 설정하는 온도 값 및 설정 온도 변경 횟수를 포함하는 매트 사용 데이터를 획득하고, 획득한 사용 데이터 중 인공지능 학습 조건에 해당하는 학습용 데이터를 선별하는 데이터 선별부;
각 사용자별 계정 생성을 요청하고, 생성된 각 사용자의 계정별로 제 1 기준치 이상의 사용 데이터가 획득됨에 따라, 제 1 AI 알고리즘에 기반한 사용자 맞춤 온도를 산출하는 적합 온도 산출부; 및
원격으로 상기 온도 조절기의 온도 조절 동작을 제어하며, 상기 적합 온도 산출부에서 산출한 사용자 맞춤 온도로 발열온도를 설정하도록 상기 온도 조절기에 명령 신호를 전달하는 온도조절 명령부; 를 포함하고,
상기 사용자 기기는,
상기 사용자 기기의 현재 위치를 기반으로 현재 기온을 산출하고,
상기 현재 기온을 바탕으로 사용자 계정별 맞춤 난방 단계를 산출하고,
상기 사용자 계정별 맞춤 난방 단계를 상기 사용자 기기의 화면 상의 난방단계 표시창에 표시하고,
상기 사용자 계정별 맞춤 난방 단계의 적용하기 버튼을 상기 사용자 기기의 화면에 표시하고,
상기 버튼에 대한 사용자 명령을 획득하면, 상기 사용자 계정별 맞춤 난방 단계의 적용하여, 상기 발열매트의 발열동작이 이루어지도록 제어하고,
상기 AI 연산은,
사용자 적합 온도 산출 알고리즘 모델에 의해 산출된, 사용자의 발열매트 사용에 의해 획득되는 매트 사용 데이터를 기반으로 하는 사용자 맞춤 온도이며,
상기 사용자 적합 온도 산출 알고리즘 모델은,
상기 데이터 선별부에 의해 선별된 학습용 데이터를 기반으로 사용자의 온도 조절 이력에 따른 사용자 적합 온도를 산출하도록 학습된 인공지능 모델이고,
상기 제 1 AI 알고리즘은,
사용자 계정에 등록된 사용자의 선호 난방 정보를 기반으로 현재 기온, 현재 실내온도, 및 현재 사용 환경별 모드 중 적어도 하나에 대응하는 적합 온도, 및 발열단계를 산출하는 알고리즘인 것을 특징으로 하는 계정별 사용자 적합 온도를 제공하는 AI 온도 조절 시스템.