KR102507783B1 - 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법 - Google Patents

빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법 Download PDF

Info

Publication number
KR102507783B1
KR102507783B1 KR1020210128124A KR20210128124A KR102507783B1 KR 102507783 B1 KR102507783 B1 KR 102507783B1 KR 1020210128124 A KR1020210128124 A KR 1020210128124A KR 20210128124 A KR20210128124 A KR 20210128124A KR 102507783 B1 KR102507783 B1 KR 102507783B1
Authority
KR
South Korea
Prior art keywords
dough
temperature
aging
ripening
time
Prior art date
Application number
KR1020210128124A
Other languages
English (en)
Inventor
선명희
Original Assignee
선명희
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 선명희 filed Critical 선명희
Priority to KR1020210128124A priority Critical patent/KR102507783B1/ko
Priority to KR1020220081436A priority patent/KR20230045533A/ko
Priority to KR1020220081435A priority patent/KR20230045532A/ko
Application granted granted Critical
Publication of KR102507783B1 publication Critical patent/KR102507783B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A21—BAKING; EDIBLE DOUGHS
    • A21C—MACHINES OR EQUIPMENT FOR MAKING OR PROCESSING DOUGHS; HANDLING BAKED ARTICLES MADE FROM DOUGH
    • A21C13/00—Provers, i.e. apparatus permitting dough to rise
    • A—HUMAN NECESSITIES
    • A21—BAKING; EDIBLE DOUGHS
    • A21C—MACHINES OR EQUIPMENT FOR MAKING OR PROCESSING DOUGHS; HANDLING BAKED ARTICLES MADE FROM DOUGH
    • A21C14/00—Machines or equipment for making or processing dough, not provided for in other groups of this subclass
    • A—HUMAN NECESSITIES
    • A21—BAKING; EDIBLE DOUGHS
    • A21D—TREATMENT, e.g. PRESERVATION, OF FLOUR OR DOUGH, e.g. BY ADDITION OF MATERIALS; BAKING; BAKERY PRODUCTS; PRESERVATION THEREOF
    • A21D13/00—Finished or partly finished bakery products
    • A21D13/40—Products characterised by the type, form or use
    • A21D13/41—Pizzas
    • A—HUMAN NECESSITIES
    • A21—BAKING; EDIBLE DOUGHS
    • A21D—TREATMENT, e.g. PRESERVATION, OF FLOUR OR DOUGH, e.g. BY ADDITION OF MATERIALS; BAKING; BAKERY PRODUCTS; PRESERVATION THEREOF
    • A21D6/00—Other treatment of flour or dough before baking, e.g. cooling, irradiating, heating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Food Science & Technology (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Animal Husbandry (AREA)
  • Evolutionary Computation (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Agronomy & Crop Science (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Manufacturing And Processing Devices For Dough (AREA)

Abstract

본 발명은 피자 도우 숙성 및 발효 기술에 관한 것으로서, 상세하게는 피자 도우 반죽 시의 온도 및 습도에 근거해 피자 도우의 숙성 및 발효 시간과 온도를 자동으로 조절함으로써 피자의 품질을 일정하게 유지할 수 있도록 한 도우 숙성 시스템에 관한 것이다. 이를 위해, 본 발명에 따른 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템은 도우 반죽실에 설치되어 도우 반죽실의 온/습도를 측정하여 외부로 전송하는 온/습도 측정장치와, 상기 온/습도 측정장치로부터 수신한 도우 반죽실의 온/습도에 근거해 도우의 숙성 온도/시간을 설정하여 설정한 온도/시간에 따라 동작하는 도우 숙성 장치를 포함한다.

Description

빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법{Pizza dough ripening system and method based on big data and airtificial intelligence}
본 발명은 피자 도우의 숙성 및 발효 기술에 관한 것으로서, 상세하게는 피자 도우 반죽 시의 온도 및 습도에 근거해 피자 도우의 숙성 및 발효 온도와 시간을 자동으로 조절함으로써 피자의 품질을 일정하게 유지할 수 있도록 한 빅데이터와 인공기능 기반 피자 도우 숙성 최적화 시스템 및 방법에 관한 것이다.
피자(pizza)는 밀가루 반죽을 넓게 펴 만든 도우(dough) 위에 소스, 야채, 베이컨 등의 다양한 토핑(topping)을 첨가하고 치즈를 뿌려 화덕이나 오븐에 구워낸 이탈리아 음식이다.
이러한 피자를 만들기 위해서는 먼저 도우를 준비해야 한다. 도우는 피자의 고유한 맛과 식감을 결정하는데 가장 중요한 요소이다. 일반적으로 밀가루, 물, 소금, 오일, 설탕, 이스트(yeast), 분유 등을 믹서기로 혼합하여 반죽을 만들고 적당한 온도에서 일정 시간 동안 숙성(발효)시킨 후 성형 밀대를 이용해 도우를 제작하게 된다.
보통 도우 숙성을 위해 도우 숙성고를 이용한다. 도우 반죽이 끝나면 도우 숙성고의 온도와 시간을 설정하고 도우를 도우 숙성고에 넣어 숙성 및 발효시킨다. 도우의 숙성은 반죽실의 온도와 습도에 민감해서 계절, 날씨, 환경의 영향을 많이 받기 때문에 도우 숙성고의 온도와 시간은 조리사의 경험에 의해 조정되고 있다.
음식점 프랜차이즈 사업은 체계화된 조리법을 교육하고 관리하며 신선한 재료를 공급하여 통일된 맛과 품질의 식음료를 제공할 수 있는 사업의 형태이다. 프랜차이즈 가맹업체는 본사의 체계화된 교육, 관리, 식재료 공급 등의 지원을 통해 조리 경험이 없어도 유사한 맛과 품질로 고객에게 음식을 제공할 수 있다.
피자 프랜차이즈 가맹점의 경우, 피자 도우의 숙성 및 발효는 피자의 품질에 매우 중요한 요소이기 때문에 피자 매뉴얼에 따라 도우 숙성고의 시간과 온도를 조정해야 한다.
하지만 프랜차이즈 본사의 지침/매뉴얼에 따라 도우 숙성고의 온도와 시간을 조리자가 수동으로 조작하더라도 휴먼 에러, 망각, 실수 등의 여러 이유로 지침과 매뉴얼이 준수되고 있지 않는 실정이다.
이에 따라 각 매장의 도우 품질이 본사가 요구하는 기준을 충족시키지 못하는 문제점이 있으며, 이는 피자 품질에 대한 고객의 불만족과 클레임으로 이어지고 있다.
일본공개특허공보 제2005-17333957호
본 발명은 상기와 같은 문제점을 해결하기 위해 창안된 것으로서, 본 발명의 목적은 피자 도우의 숙성 및 발효를 최적화하여 피자 품질을 유지하는 것이다.
본 발명의 다른 목적은 조리자가 피자 도우 반죽실의 온도 및 습도를 고려하지 않아도 피자 도우를 알맞게 숙성 및 발효시킬 수 있도록 한 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법을 제공하는 것이다.
이를 위해, 본 발명에 따른 도우 숙성 최적화 시스템은 도우 반죽실에 설치되어 도우 반죽실의 온/습도를 측정하여 외부로 전송하는 온/습도 측정장치와, 상기 온/습도 측정장치로부터 수신한 도우 반죽실의 온/습도에 근거해 도우의 숙성 온도/시간을 설정하여 설정한 온도/시간에 따라 동작하는 도우 숙성 장치를 포함한다.
여기서, 상기 도우 숙성 장치는 상기 설정한 온도/시간에 따라 동작한 후 사용자가 입력한 도우 숙성 평가 데이터를 관리 서버로 전송하거나, 상기 수신한 도우 반죽실의 온/습도와 사용자가 수동으로 입력한 도우의 숙성 온도/시간을 관리 서버로 전송할 수 있다.
또한, 본 발명에 따른 도우 숙성 최적화 시스템은 도우 반죽실에 설치되어 도우 반죽실의 온/습도를 측정하여 외부로 전송하는 온/습도 측정장치와, 상기 온/습도 측정장치로부터 수신한 도우 반죽실의 온/습도에 근거해 도우의 숙성 온도/시간을 설정하여 설정한 온도/시간에 따라 동작하고 사용자로부터 도우 숙성 평가 데이터를 입력받는 도우 숙성 장치와, 상기 도우 숙성 장치로부터 도우 반죽실의 온/습도 데이터와 사용자가 수동으로 입력한 도우의 숙성 온도/시간 데이터를 학습 데이터로 수집하여 머신러닝 기반 도우 숙성 모델을 생성하고, 상기 도우 숙성 장치로부터 수신한 도우 숙성 평가 데이터를 이용해 머신러닝 기반 도우 숙성 모델을 갱신하는 관리 서버를 포함한다.
여기서, 상기 도우 숙성 평가 데이터는 도우 반죽실의 온/습도, 머신러닝 기반 도우 숙성 모델을 이용해 획득한 도우 숙성 온도/시간 및 사용자의 도우 숙성에 대한 평가 내용을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 도우 숙성 최적화 방법은 도우 숙성 장치에서의 도우 숙성 방법으로서, 도우 반죽실에 설치된 온/습도 측정장치로부터 도우 반죽실의 온/습도를 수신하는 단계와, I/O 인터페이스를 통해 도우 숙성 요청 신호가 입력되면 설정 모드가 자동 설정 모드인지 수동 설정 모드인지 확인하는 단계와, 설정 모드가 자동 설정 모드인 경우, 인공지능 방식인지 기본 방식인지 확인하는 단계와, 인공지능 방식인 경우, 관리 서버로 도우 숙성 온도/시간 요청 신호를 전송하여 관리 서버로부터 인공지능 기반으로 분석되어 산출된 도우 숙성 온도/시간을 수신하는 단계와, 상기 수신한 도우 숙성 온도/시간에 따라 도우 숙성 온도/시간을 설정한 후 설정된 온도/시간으로 도우 숙성 동작을 수행하는 단계를 포함한다.
만약 자동 설정모드에서 기본 방식인 경우, 상기 도우 숙성 방법은 내부 메모리에 저장된 도우 숙성 온도/시간 테이블을 이용하여 도우 숙성 온도/시간을 설정한 후 설정된 온도/시간으로 도우 숙성 동작을 수행하는 단계를 더 포함하는 것을 특징으로 한다.
상술한 바와 같이, 본 발명은 피자 도우 반죽실의 온도 및 습도에 따라 피자 도우의 숙성 온도 및 시간을 자동으로 조절함으로써, 조리자가 반죽실의 온도 및 습도를 고려하지 않아도 피자 도우를 알맞게 숙성 및 발효시킬 수 있어서, 피자 도우 반죽실의 온도 및 습도에 따라 달라질 수 있는 피자 도우의 숙성 상태를 최적화할 수 있기 때문에 피자의 품질을 일정하게 유지할 수 있는 효과가 있다.
도 1은 본 발명에 따른 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법의 개략적인 구성을 나타낸 도면.
도 2는 본 발명에 따른 도우 숙성 장치의 내부 구성도.
도 3은 본 발명에 따른 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템에서 각 주체 간의 동작 흐름을 나타낸 도면.
도 4는 본 발명에 따른 도우 숙성 장치의 내부 처리 동작을 설명하기 위한 순서도.
도 5는 도우 반죽실의 온/습도와 도우 숙성 온도/시간 테이블을 나타낸 도면.
이하, 첨부된 도면을 참조하여 본 발명에 따른 실시 예를 상세하게 설명한다. 본 발명의 구성 및 그에 따른 작용 효과는 이하의 상세한 설명을 통해 명확하게 이해될 것이다.
본 발명의 상세한 설명에 앞서, 동일한 구성요소에 대해서는 다른 도면상에 표시되더라도 가능한 동일한 부호로 표시하며, 공지된 구성에 대해서는 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 구체적인 설명은 생략하기로 함에 유의한다.
도 1은 본 발명에 따른 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템의 개략적인 구성을 나타낸 것이다.
도 1을 참조하면, 도우 숙성 최적화 시스템은 온/습도 측정 장치(100), 도우 숙성 장치(200), 관리 서버(300) 등으로 구성될 수 있다.
온/습도 측정 장치(100)는 도우 반죽실에 설치되어 도우 반죽실의 온/습도를 측정하여 도우 숙성 장치(200)로 전달한다. 온/습도 측정 장치(100)는 온/습도 센서 및 근거리 통신모듈을 구비하여, 온/습도 센서가 온도 및 습도를 측정하고, 근거리 통신모듈이 온/습도 데이터를 도우 숙성 장치(200)로 전송할 수 있다.
도우 숙성 장치(200)는 온/습도 측정 장치(100)로부터 도우 반죽실의 온/습도 데이터를 수신하고, 도우 반죽실의 온/습도에 근거해 도우의 숙성 온도/시간을 자동으로 설정할 수 있다. 도우 숙성 장치(200)는 자동 설정된 숙성 온도/시간에 따라 도우에 대한 숙성 및 발효 동작을 수행하게 된다.
도우 숙성 장치(200)는 내부 메모리에 도우 숙성 온도/시간 테이블(도 5 참조)을 저장해 놓고 도우 숙성 온도/시간 테이블을 이용해 도우의 숙성 온도/시간을 설정하거나, 관리 서버(300)에 구축된 머신러닝 기반 도우 숙성 모델을 통해 도우의 숙성 온도/시간을 설정할 수 있다.
관리 서버(300)는 프랜차이즈 본사가 운영 및 관리하는 서버이다. 관리 서버(300)는 도우 숙성 장치(200)와 네트워크를 통해 연결되어 도우 숙성 장치(200)로부터 도우 반죽실의 온/습도, 도우 숙성 온도/시간, 도우 숙성 평가 내용 등의 데이터를 수집한다.
관리 서버(300)는 도우 숙성 장치(200)로부터 수집한 데이터를 이용하여 도우 숙성 온도/시간 테이블을 생성 및 업데이트(갱신)하거나, 머신러닝 기반 학습을 통해 도우 숙성 모델을 생성 및 업데이트할 수 있다.
도 2는 본 발명에 따른 도우 숙성 장치(200)의 내부 구성을 나타낸 것이다.
도 2를 참조하면, 본 발명에 따른 도우 숙성 장치(200)는 근거리 통신부(201), 서버 통신부(202), I/O 인터페이스(203), 온도/시간 설정부(204), 히터(205), 타이머(206), 메모리(207), 제어부(208) 등을 포함한다.
근거리 통신부(201)는 온/습도 측정 장치(100)로부터 도우 반죽실의 온/습도 데이터를 수신하여 제어부(208)로 전달한다. 근거리 통신부(201)는 블루투스(Bluetooth), 지그비(Zigbee) 등의 근거리통신 모듈로 구성될 수 있다.
서버 통신부(202)는 도우 반죽실의 온/습도, 자동 또는 수동 설정된 도우 숙성 온도/시간, 도우 숙성 평가 내용 등의 데이터를 관리 서버(300)로 전송한다. 서버 통신부(202)는 관리 서버(300)로부터 주기적으로 업데이트된 도우 숙성 온도/시간 테이블을 수신할 수 있다. 서버 통신부(202)는 와이파이(Wi-Fi), LTE, LTE-A, 5G 등의 통신모듈로 구성될 수 있다.
I/O 인터페이스(203)는 표시부와 입력부가 별도로 구성되거나 터치스크린과 같이 표시부와 입력부가 일체화된 장치로 구성될 수 있다. 조리자는 I/O 인터페이스(203)를 통해 도우 숙성 장치(200)의 동작 상태, 도우 반죽실의 온/습도 등을 확인할 수 있고, 도우 숙성이 완료된 후에 도우 숙성에 대한 평가 내용을 입력할 수 있다.
또한 조리자는 I/O 인터페이스(203)를 통해 도우 숙성 온도/시간 설정 모드를 자동 설정 모드 또는 수동 설정 모드로 설정할 수 있으며, 자동 설정 모드에서 인공지능 모드를 선택하거나 기본 모드를 설정할 수 있다.
온도/시간 설정부(204)는 조리자가 도우 숙성 온도/시간을 설정하기 위해 온도/시간을 입력하는 부분이다. 온도/시간 설정부(204)는 다이얼이나 버튼 형식으로 구성될 수 있으나, I/O 인터페이스(203)에 통합된 형태로 구현될 수도 있다.
히터(205)는 도우 숙성에 필요한 온도를 발생시키기 위한 부분이고, 타이머(206)는 도우 숙성 시간을 측정하기 위한 부분이다.
메모리(207)는 도우 숙성 장치(200)의 동작을 제어하기 위한 프로그램과 데이터를 저장하는 부분이다. 본 발명에 따른 메모리(207)는 도우 숙성 온도/시간 설정을 위한 테이블을 저장할 수 있다.
제어부(208)는 도우 숙성 장치(200)의 동작을 전체적으로 제어하기 위한 코어 부분으로, 마이크로프로세서(MPU)로 구성될 수 있다.
도우 숙성 장치(200)는 수동 설정 모드 또는 자동 설정 모드로 동작할 수 있다. 수동 설정 모드에서, 제어부(208)는 온도/시간 설정부(204)를 통해 온도와 시간이 입력되면, 입력된 온도로 히터(205)의 동작을 제어하고, 타이머(206)의 시간을 체크하여 입력된 시간까지 도우 숙성 동작을 수행한다.
자동 설정 모드에서, 제어부(208)는 근거리 통신부(201)를 통해 도우 반죽실의 온/습도 데이터를 입력받아 메모리(207)에 저장된 도우 숙성 온도/시간 테이블을 이용해 도우 숙성 온도/시간을 설정하고, 설정된 온도로 히터(205)의 동작을 제어하고, 타이머(206)의 시간을 체크하여 도우 숙성 완료를 조리자에게 출력한다.
또한, 제어부(208)는 근거리 통신부(201)를 통해 수신한 도우 반죽실의 온/습도 데이터를 서버 통신부(202)를 통해 관리 서버(300)로 전달하여 도우 숙성 온도/시간을 요청할 수 있다. 제어부(208)는 관리 서버(300)로부터 머신러닝 기반으로 산출된 도우 숙성 온도/시간을 수신하여 도우 숙성 동작을 설정하고, 설정된 온도로 히터(205)의 동작을 제어하고, 타이머(206)의 시간을 체크하여 도우 숙성 완료를 조리자에게 출력할 수 있다.
도 3은 본 발명에 따른 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템에서 각 주체 간의 동작 흐름을 나타낸 것이다.
도 3을 참조하면, 본 발명에 따른 도우 숙성 최적화 시스템의 동작은 도우 숙성 온도/시간 설정을 위한 학습 단계 전과 후로 구분할 수 있다.
먼저, 학습 단계 전의 동작에 대해 설명한다.
온/습도 측정 장치(100)는 근거리 통신을 통해 도우 숙성 장치(200)로 도우 반죽실 온/습도를 주기적으로 전송한다(S10).
조리자는 도우 숙성 장치(200)의 I/O 인터페이스(203)를 통해 반죽실의 온/습도 상태를 확인할 수 있으며, 반죽실의 온/습도 상태를 고려해 온도/시간 설정부(204)를 통해 도우 숙성 온도 및 시간을 입력한다.
학습 단계 전에는 도우 숙성 장치(200)에 도우 숙성 온도/시간 테이블이 저장되어 있지 않고 또한 관리 서버(300)에 아직 도우 숙성 모델이 구축되어 있지 않아서 도우 숙성 장치(200)가 관리 서버(300)로 도우 숙성 온도/시간을 요청할 수 없는 상황이므로, 조리자가 자신의 경험이나 매뉴얼을 통해 도우 숙성 온도/시간을 설정하게 된다.
이와 같이 각 프랜차이즈 가게에서 일하는 복수의 조리자들이 반복적으로 도우 숙성 작업을 하면서 도우 숙성 장치(200)로부터 도우 반죽실의 온/습도와 도우 숙성 온도/시간 데이터가 관리 서버(300)로 전송되고(S12), 관리 서버(300)는 도우 숙성 관련 대량의 데이터를 수집하게 된다.
도우 숙성 관련 대량의 데이터가 수집되면, 관리 서버(300)는 수집된 데이터를 이용하여 도우 숙성 동작에 대한 기준을 학습하게 된다(S14).
학습 과정은 규칙(rule) 기반 학습과 머신러닝(machine-learning) 기반 학습으로 진행될 수 있다.
관리 서버(300)는 반죽실의 온/습도와 도우 숙성 온도/시간 간의 상관관계를 규칙 기반으로 분석하여 도 5와 같은 도우 숙성 온도/시간 테이블을 생성할 수 있다. 이러한 규칙 기반 분석은 다음과 같은 상황을 고려하여 수행될 수 있으며, 이외 다양한 상황이 고려되어 도우 숙성 온도/시간 테이블이 생성될 수 있다.
- 봄은 건조해서 120분 정도 숙성하는 것이 좋다.
- 장마철은 다습하기 때문에 90분 정도 숙성을 진행하되 60분 숙성 후에 육안으로 확인한 뒤 30분 추가 숙성하는 방식이 좋다.
- 습도 40% 기준으로 105~115분 정도 숙성할 수 있다.
- 습도 60% 기준으로 보통 물의 양을 100그램 적게 넣어 반죽 후 90분 숙성하는 것을 권장한다. 이때 물량을 조절하지 않은 경우 1시간 숙성 후 10분 간격으로 확인하면서 20분 이내로 숙성하는 것이 좋다.
- 습도 80% 기준으로 80분 정도 숙성할 수 있다.
- 숙성 온도는 40~43도 사이가 좋다.
또한, 관리 서버(300)는 머신러닝 기반으로 수집된 데이터를 분석하여 머신러닝 기반 도우 숙성 모델을 생성할 수 있다.
머신러닝 학습 과정을 살펴보면, 반죽실의 온/습도 데이터를 정규화한 값을 입력 데이터로 하고 도우 숙성 온도/시간 데이터를 정규화한 값을 출력 데이터로 구성한 학습 데이터(training data)를 사용하여 머신러닝(machine learning) 방식을 통해 신경망(neural network)을 학습시킬 수 있다. 이렇게 학습된 신경망이 머신러닝 기반 도우 숙성 모델이 된다.
학습 단계(S14)가 완료된 이후, 도우 숙성 장치(200)는 관리 서버(300)로부터 도우 숙성 온도/시간 테이블을 제공받아 이용하거나, 관리 서버(300)에 구축된 머신러닝 기반 도우 숙성 모델을 이용할 수 있다.
본 발명의 실시예에서는 도우 숙성 온도/시간 테이블을 이용한 방법(기본 설정 모드)과 머신러닝 기반 도우 숙성 모델을 이용한 방법(인공지능 설정 모드)이 도우 숙성 장치(200)에 적용될 수 있으며, 조리자는 두 가지 방법 중 어느 하나를 사용하여 도우 숙성 작업을 수행할 수 있다.
다음, 학습 단계 후의 동작에 대해 설명한다.
온/습도 측정 장치(100)는 근거리 통신을 통해 도우 숙성 장치(200)로 도우 반죽실 온/습도를 주기적으로 전송한다(S20).
도우 숙성 장치(200)는 온/습도 측정 장치(100)로부터 반죽실 온/습도를 수신하고, 조리자로부터 도우 숙성 명령이 입력되면, 도우 숙성 요청 시의 반죽실 온/습도를 기준으로 도우 숙성 온도/시간 테이블 또는 머신러닝 기반 도우 숙성 모델을 이용해 도우 숙성 온도/시간을 설정한다(S22).
도우 숙성 온도/시간이 자동으로 설정되면, 도우 숙성 장치(200)는 설정된 온도 및 시간으로 도우 숙성 동작을 수행한다(S24).
설정된 온도 및 시간을 도우 숙성 동작이 완료되면, 도우 숙성 장치(200)는 자동 설정 동작 시의 온/습도 데이터와 도우 숙성 온도/시간 데이터를 관리 서버(300)로 전송한다(S26).
또한 도우 숙성 동작 완료 후에 조리자로부터 도우 숙성 평가에 대한 내용이 입력되면, 도우 숙성 장치(200)는 관리 서버(300)로 도우 숙성 평가 데이터를 전송할 수 있다(S28).
관리 서버(300)는 도우 숙성 장치(200)로부터 온/습도 데이터, 도우 숙성 온도/시간 데이터, 도우 숙성 평가 데이터 등이 수신되면, 이러한 데이터를 계속적으로 수집하면서 학습 단계를 통해 기 생성한 도우 숙성 온도/시간 테이블 또는 머신러닝 기반 도우 숙성 모델을 주기적으로 업데이트해 나갈 수 있다. 도우 숙성 온도/시간 테이블 또는 머신러닝 기반 도우 숙성 모델이 주기적으로 업데이트되면서 도우 숙성 작업이 더욱 최적화될 수 있다.
도 4는 본 발명에 따른 도우 숙성 장치의 내부 처리 동작을 설명하기 위한 순서도이다.
도 4를 참조하면, 먼저 도우 숙성 장치(200)는 온/습도 측정장치(100)로부터 도우 반죽실의 온/습도를 수신한다(S100).
도우 숙성 장치(200)는 조리자로부터 도우 숙성 요청을 입력받으면, 현재 설정 모드가 자동 설정 모드인지 수동 설정 모드인지 확인한다(S102). 도우 숙성 장치(200)는 조리자가 도우 숙성 장치(200)의 숙성고에 도우를 넣고 문을 닫았을 때 또는 문을 닫고 시작 버튼을 눌렀을 때 도우 숙성에 대한 요청 신호가 입력된 것을 인식할 수 있다.
설정 모드가 수동 설정 모드인 경우, 도우 숙성 장치(200)는 조리자로부터 도우 숙성 온도/시간이 입력되기를 대기하고 있다가 숙성 온도/시간이 입력되면 입력된 온도/시간으로 도우 숙성 동작을 개시한다(S114).
만약 설정 모드가 자동 설정 모드인 경우, 도우 숙성 장치(200)는 자동 설정 모드가 인공지능 방식인지 아니면 기본 방식 즉, 테이블 방식인지 확인한다(S104).
자동 설정 모드가 기본 방식인 경우, 도우 숙성 장치(200)는 내부 메모리에 저장된 도우 숙성 온도/시간 테이블을 참조하여 반죽실 온/습도에 근거해 도우 숙성 온도/시간을 설정한 후(S110), 설정된 온도/시간으로 도우 숙성 동작을 개시한다(S114).
자동 설정 모드가 인공지능 방식인 경우, 도우 숙성 장치(200)는 관리 서버(300)로 반죽실 온/습도가 포함된 도우 숙성 온도/시간 요청 신호를 전송한다(S106). 관리 서버(300)는 학습 단계를 통해 구축한 머신러닝 기반 도우 숙성 모델을 이용해 도우 숙성 온도/시간을 산출하여 도우 숙성 장치(200)로 전송한다.
도우 숙성 장치(200)는 관리 서버(300)로부터 수신한 도우 숙성 온도/시간에 따라 도우 숙성 온도/시간을 설정한 후(S108), 설정된 온도/시간으로 도우 숙성 동작을 개시한다(S114).
이상의 설명은 본 발명을 예시적으로 설명한 것에 불과하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술적 사상에서 벗어나지 않는 범위에서 다양한 변형이 가능할 것이다.
따라서 본 발명의 명세서에 개시된 실시 예들은 본 발명을 한정하는 것이 아니다. 본 발명의 범위는 아래의 특허청구범위에 의해 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술도 본 발명의 범위에 포함되는 것으로 해석해야 할 것이다.
100: 온/습도 측정장치 200: 도우 숙성 장치
300: 관리 서버
201: 근거리 통신부 202: 서버 통신부
203: I/O 인터페이스 204: 온도/시간 설정부
205: 히터 206: 타이머
207: 메모리 208: 제어부

Claims (7)

  1. 도우 반죽실에 설치되어 도우 반죽실의 온/습도를 측정하여 근거리 통신을 통해 외부로 전송하는 온/습도 측정장치와,
    상기 도우 반죽실과 이격된 공간에 존재하는 도우 숙성실에 상기 온/습도 측정장치와 독립적으로 설치되어 상기 온/습도 측정장치로부터 수신한 도우 반죽실의 온/습도에 근거해 도우의 숙성 온도/시간을 설정하여 설정한 온도/시간에 따라 동작하는 도우 숙성 장치를 포함하는 도우 숙성 최적화 시스템.
  2. 제1항에 있어서,
    상기 도우 숙성 장치는 상기 설정한 온도/시간에 따라 동작한 후 사용자가 입력한 도우 숙성 평가 데이터를 관리 서버로 전송하는 것을 특징으로 하는 도우 숙성 최적화 시스템.
  3. 제1항에 있어서,
    상기 도우 숙성 장치는 상기 수신한 도우 반죽실의 온/습도와 사용자가 수동으로 입력한 도우의 숙성 온도/시간을 관리 서버로 전송하는 것을 특징으로 하는 도우 숙성 최적화 시스템.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
KR1020210128124A 2021-09-28 2021-09-28 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법 KR102507783B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020210128124A KR102507783B1 (ko) 2021-09-28 2021-09-28 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
KR1020220081436A KR20230045533A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
KR1020220081435A KR20230045532A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210128124A KR102507783B1 (ko) 2021-09-28 2021-09-28 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020220081436A Division KR20230045533A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
KR1020220081435A Division KR20230045532A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102507783B1 true KR102507783B1 (ko) 2023-03-07

Family

ID=85512348

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020210128124A KR102507783B1 (ko) 2021-09-28 2021-09-28 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
KR1020220081436A KR20230045533A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
KR1020220081435A KR20230045532A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020220081436A KR20230045533A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
KR1020220081435A KR20230045532A (ko) 2021-09-28 2022-07-01 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법

Country Status (1)

Country Link
KR (3) KR102507783B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200374571Y1 (ko) * 2004-11-18 2005-02-02 하복진 일인분용 연속 제면기의 반죽물 숙성장치
JP2005173957A (ja) 2003-12-11 2005-06-30 Shimizu Corp 賃貸不動産情報管理システム
KR20150130262A (ko) * 2012-12-04 2015-11-23 인고 스토르크 게난트 베르스보르그 열처리 모니터링 시스템
KR20160124770A (ko) * 2014-02-20 2016-10-28 엠비엘 리미티드 로봇식 요리용 키친에서의 음식 준비를 위한 방법 및 시스템
CN108897245A (zh) * 2018-07-16 2018-11-27 华中农业大学 一种智能烹饪系统
KR20210020702A (ko) * 2019-08-16 2021-02-24 엘지전자 주식회사 인공지능 서버

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005173957A (ja) 2003-12-11 2005-06-30 Shimizu Corp 賃貸不動産情報管理システム
KR200374571Y1 (ko) * 2004-11-18 2005-02-02 하복진 일인분용 연속 제면기의 반죽물 숙성장치
KR20150130262A (ko) * 2012-12-04 2015-11-23 인고 스토르크 게난트 베르스보르그 열처리 모니터링 시스템
KR20160124770A (ko) * 2014-02-20 2016-10-28 엠비엘 리미티드 로봇식 요리용 키친에서의 음식 준비를 위한 방법 및 시스템
CN108897245A (zh) * 2018-07-16 2018-11-27 华中农业大学 一种智能烹饪系统
KR20210020702A (ko) * 2019-08-16 2021-02-24 엘지전자 주식회사 인공지능 서버

Also Published As

Publication number Publication date
KR20230045532A (ko) 2023-04-04
KR20230045533A (ko) 2023-04-04

Similar Documents

Publication Publication Date Title
US20230269832A1 (en) Configurable cooking systems and methods
WO2018076415A1 (zh) 烹饪器具的控制方法、控制装置、烹饪器具及控制设备
CN107257645B (zh) 运行电机驱动的厨用机器的方法
KR20190000908U (ko) 주방 기구들의 유도성 가열 및 무선 급전을 갖는 요리 시스템
KR20180018548A (ko) 레시피 시스템
CN110013174A (zh) 智能型多功能烹调设备
US20190213487A1 (en) Dynamically generating an adapted recipe based on a determined characteristic of a user
CN109254539A (zh) 一种烹饪器具的控制方法及烹饪器具
TWI690290B (zh) 電動馬達驅動之食物調理機的操作方法
CN104679568B (zh) 烹饪器具及其菜单更新方法、系统和服务器
WO2021173730A1 (en) Cooking device and system
CN106136924A (zh) 烹饪设备的控制系统和方法
KR20080066171A (ko) 조리기기, 조리기기의 제어정보 보정 시스템 및 조리기기의제어정보 보정방법
US20200170447A1 (en) System for Preparation of Food and Method for Controlling a Kitchen Appliance
US20230172393A1 (en) Coordinated cooking system and method
CN109698776B (zh) 一种冰箱的信息管理方法
KR102507783B1 (ko) 빅데이터와 인공지능 기반 피자 도우 숙성 최적화 시스템 및 방법
CN209733642U (zh) 一种智能烹饪设备
US11879769B2 (en) Automatic cooking assistance device and method to provide cooking instructions
CN115762743A (zh) 一种家居服务系统、方法、装置以及计算机设备
CN110575052A (zh) 烹饪控制方法、设备及烹饪电器和存储介质
CN115245286A (zh) 用于向待烹饪产品供应热量的方法和系统
KR102187635B1 (ko) 베이킹 오븐용 실시간 수분 계측장치와 그와 연계된 제빵용 어플리케이션 및 그 운용방법
CN114840038A (zh) 一种智能烹饪分享方法及烹饪装置
CN109471868A (zh) 一种炒菜机菜谱自动修正系统及方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant