KR102552759B1 - 차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법, 장치 및 시스템 - Google Patents

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스 제공 방법에 있어서, 제1 차량의 차종, 연식 및 주행거리를 고려하여, 상기 제1 차량의 점검 주기를 설정하는 단계; 상기 제1 차량의 점검 내역을 기반으로, 상기 제1 차량의 최근 점검일을 확인하는 단계; 상기 제1 차량의 최근 점검일로부터 상기 제1 차량의 점검 주기가 경과할 때까지 상기 제1 차량에 대한 점검이 추가로 수행되지 않은 것으로 확인되면, 상기 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말로 전송하는 단계; 제1 정비소에서 상기 제1 차량에 대한 점검이 수행되면, 제1 정비소 단말로부터 상기 제1 차량의 상태를 점검하여 생성된 점검 정보를 수신하는 단계; 상기 점검 정보에 기초하여, 상기 제1 차량에 대한 정비가 필요한지 여부를 판단하는 단계; 및 상기 제1 차량에 대한 정비가 필요한 것으로 판단되면, 상기 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계를 포함하는, 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스 제공 방법이 제공된다.

Description

차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR PROVIDING MAINTENANCE SCHEDULING SERVICE THROUGH USED VEHICLE CONDITION MONITORING BASED ON VEHICLE CONDITION HISTORY}

아래 실시예들은 차량 상태 히스토리를 기반으로 중고차 상태를 모니터링하고 정비 스케줄링 서비스를 제공하기 위한 기술에 관한 것이다.

종래에는 차량으로부터 경고등이 들어오거나 고장코드 등이 발생한 경우에만, 운전자가 차량에 문제가 있음을 인지하고 정비소를 직접 찾아가서 차량 정비를 하였다.

특히, 차량 유지 시스템에서 차량의 상태를 모니터링 하거나 진단하는 방법의 경우에는 각 차량의 주행거리 및 시간 경과 등에 따른 유압이나 배터리 전압 등의 차량 데이터를 지속적으로 주시하다가, 통계적으로 해당 장치의 이상 상태가 발생하는 시점에 가까워지고 있는 상태를 모니터링 하여 운전자에게 알리면, 운전자는 이를 인지한 후 정비소를 찾아가서 차량 정비를 받았다.

하지만, 차량의 특징에 따라 점검 주기가 달라질 수 있지만, 이를 고려하지 않고 차량의 점검을 안내함으로써, 차량의 고장을 사전에 예방하는데 한계가 있다.

또한, 차량의 점검 결과를 통해 차량의 정비까지 연결하여 통합적인 서비스를 제공해주는 시스템이 마련되어 있지 않아, 필요한 상황에 차량 정비가 신속하게 이루어질 수 없는 문제점이 있었다.

따라서, 차량의 특징에 따라 차량 맞춤형의 점검 주기를 설정하고, 차량에 대한 점검이 수행되면, 점검 결과를 통해 차량에 대한 정비가 필요한지 여부를 판단하고, 차량의 점검부터 정비까지 통합적으로 연결된 차량 관리 서비스를 제공하여, 차량 관리에 대한 효율성을 증대시킬 수 있는 기술의 구현이 요구되고 있다.

한국등록특허 제10-2250136호 한국등록특허 제10-1702001호 한국공개특허 제10-2020-0044507호 한국공개특허 제10-2019-0096842호

일실시예에 따르면, 차량 상태 히스토리를 기반으로 중고차 상태를 모니터링하고 정비 스케줄링 서비스를 제공하는 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

일실시예에 따르면, 장치에 의해 수행되는, 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스 제공 방법에 있어서, 제1 차량의 차종, 연식 및 주행거리를 고려하여, 상기 제1 차량의 점검 주기를 설정하는 단계; 상기 제1 차량의 점검 내역을 기반으로, 상기 제1 차량의 최근 점검일을 확인하는 단계; 상기 제1 차량의 최근 점검일로부터 상기 제1 차량의 점검 주기가 경과할 때까지 상기 제1 차량에 대한 점검이 추가로 수행되지 않은 것으로 확인되면, 상기 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말로 전송하는 단계; 제1 정비소에서 상기 제1 차량에 대한 점검이 수행되면, 제1 정비소 단말로부터 상기 제1 차량의 상태를 점검하여 생성된 점검 정보를 수신하는 단계; 상기 점검 정보에 기초하여, 상기 제1 차량에 대한 정비가 필요한지 여부를 판단하는 단계; 및 상기 제1 차량에 대한 정비가 필요한 것으로 판단되면, 상기 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계를 포함하는, 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스 제공 방법이 제공된다.

상기 제1 차량의 점검 주기를 설정하는 단계는, 상기 제1 차량의 차종이 제1 카테고리에 속하는 것으로 확인되면, 상기 제1 카테고리의 기준 점검 주기로 설정되어 있는 제1 주기를 확인하고, 상기 제1 주기가 제1 일자 간격인 것을 확인하는 단계; 상기 제1 차량의 연식을 통해 상기 제1 차량이 제1 연도에 제조된 것으로 확인되면, 0.5부터 1까지 범위 내에서 상기 제1 연도가 오래될수록 더 낮은 값으로 제1 가중치를 설정하는 단계; 상기 제1 차량의 주행거리가 제1 거리인 것으로 확인되면, 0.5부터 1까지 범위 내에서 상기 제1 거리가 길수록 더 낮은 값으로 제2 가중치를 설정하는 단계; 상기 제1 일자, 상기 제1 가중치 및 상기 제2 가중치를 곱한 값으로, 제2 일자를 산출하는 단계; 상기 제2 일자에서 소수점 이하를 내림한 값으로, 제3 일자를 산출하는 단계; 및 상기 제3 일자 간격을 상기 제1 차량의 점검 주기로 설정하는 단계를 포함할 수 있다.

상기 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스 제공 방법은, 상기 제1 정비소에서 상기 제1 차량에 대한 점검이 수행되기 전에, 상기 제1 정비소 단말로부터 상기 제1 차량의 점검 사항에 대한 확인 요청을 수신하는 단계; 카테고리 별로 구분되어 있는 기준 점검 사항의 리스트 중에서 상기 제1 카테고리에 대한 기준 점검 사항의 리스트인 제1 점검 리스트를 획득하는 단계; 연식 별로 구분되어 있는 추가 점검 사항의 리스트 중에서 상기 제1 연도에 대한 추가 점검 사항의 리스트인 제2 점검 리스트를 획득하는 단계; 상기 제1 거리가 제1 기준 거리 보다 길고 제2 기준 거리 보다 짧은 것으로 확인되면, 기준 거리 별로 구분되어 있는 추가 점검 사항의 리스트 중에서 상기 제2 기준 거리에 대한 추가 점검 사항의 리스트인 제3 점검 리스트를 획득하는 단계; 상기 제1 점검 리스트, 상기 제2 점검 리스트 및 상기 제3 점검 리스트를 취합하고 중복된 사항을 제거하여, 상기 제1 차량의 점검 리스트를 생성하는 단계; 및 상기 제1 차량의 점검 리스트를 상기 제1 정비소 단말로 제공하는 단계를 더 포함할 수 있다.

상기 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스 제공 방법은, 상기 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계 이후, 상기 점검 정보에 기초하여, 상기 제1 차량에서 문제가 있는 부분으로 점검된 문제 부위를 확인하는 단계; 상기 문제 부위를 수리가 필요한 수리 필요 부위와 교체가 필요한 교체 필요 부위로 각각 구분하는 단계; 상기 수리 필요 부위로 구분된 부위의 수리 비용인 제1 금액을 확인하고, 상기 교체 필요 부위로 구분된 부위의 교체 비용인 제2 금액을 확인하는 단계; 상기 제1 금액 및 상기 제2 금액을 더한 값으로, 제3 금액을 산출하는 단계; 제1 차량의 차종, 연식 및 주행거리에 따라 예상되는 상기 제1 차량의 현제 시세가 제4 금액인 것을 확인하는 단계; 상기 제3 금액을 상기 제4 금액으로 나눈 값으로, 제1 비율을 산출하는 단계; 상기 제1 비율이 기준 비율 보다 낮은 것으로 확인되면, 상기 제1 차량의 정비를 추천하는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계; 및 상기 제1 비율이 상기 기준 비율 보다 낮지 않은 것으로 확인되면, 상기 제1 차량의 매각을 추천하는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

일실시예에 따르면, 차량 상태 히스토리를 기반으로 중고차 상태를 모니터링하고 정비 스케줄링 서비스를 제공함으로써, 차량의 특징에 따라 차량 맞춤형의 점검 주기를 설정할 수 있고, 차량의 점검부터 정비까지 통합적으로 연결된 차량 관리 서비스를 제공하여, 차량 관리에 대한 효율성을 증대시킬 수 있는 효과가 있다.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스를 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 차량의 점검 주기를 설정하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 차량의 점검 리스트를 제공하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 차량의 정비 비용과 차량의 현재 시세를 비교하여 차량의 정비 또는 매각을 추천하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 차량의 부품에 문제가 발생할 수 있는 확률을 예측하고, 부품 문제 발생 확률에 따라 부품의 상태를 분류하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 제1 부품이 관찰이 필요한 부품으로 분류된 경우, 차량의 부품에 문제가 발생할 수 있는 확률을 추가로 예측하고, 부품 문제 발생 확률에 따라 부품의 상태를 다시 분류하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 차량의 점검 필요일까지 남아있는 잔여 기간에 따라 부품에 문제가 발생할 수 있는 확률을 조정하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 10은 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.

실시예에서 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 판매자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 사용자 단말(100), 복수의 정비소 단말(200) 및 장치(300)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

복수의 사용자 단말(100) 각각과 복수의 정비소 단말(200) 각각은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰, POS 단말 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.

복수의 사용자 단말(100)은 정비 스케줄링 서비스를 받고자 하는 차량 운전자들이 사용하는 단말로, 제1 사용자가 사용하는 제1 사용자 단말(110), 제2 사용자가 사용하는 제2 사용자 단말(120) 등을 포함할 수 있으며, 복수의 정비소 단말(200)은 차량을 정비하는 정비소에서 사용하는 단말로, 제1 정비소에서 사용하는 제1 정비소 단말(210), 제2 정비소에서 사용하는 제2 정비소 단말(220) 등을 포함할 수 있다.

이하에서는 설명의 편의상, 제1 사용자 단말(110) 및 제1 정비소 단말(210)의 동작을 위주로 설명하지만, 제2 사용자 단말(120) 등의 다른 사용자 단말에서 제1 사용자 단말(110)의 동작을 대신 수행하고, 제2 정비소 단말(220) 등의 다른 정비소 단말에서 제1 정비소 단말(210)의 동작을 대신 수행할 수 있는 것은 물론이다.

복수의 사용자 단말(100) 각각과 복수의 정비소 단말(200) 각각은 장치(300)에서 제공하는 웹 페이지, 애플리케이션 등을 통해 장치(300)로 접속할 수 있다. 이를 위해, 복수의 사용자 단말(100) 각각과 복수의 정비소 단말(200) 각각에는 정비 스케줄링 서비스를 제공하는 애플리케이션이 설치될 수 있다. 이때, 복수의 사용자 단말(100) 각각에는 사용자용 애플리케이션이 설치될 수 있고, 복수의 정비소 단말(200) 각각에는 정비소용 애플리케이션이 설치될 수 있으며, 사용자용 애플리케이션 및 정비소용 애플리케이션은 장치(300)와 연동하여 동작할 수 있다.

장치(300)는 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(300)는 추론 기능을 수행하는 적어도 하나 이상의 인공 신경망을 구비할 수 있다.

장치(300)는 복수의 사용자 단말(100) 및 복수의 정비소 단말(200)과 유무선으로 통신하도록 구성될 수 있으며, 복수의 사용자 단말(100) 및 복수의 정비소 단말(200) 각각의 동작을 제어하고, 복수의 사용자 단말(100) 및 복수의 정비소 단말(200) 각각의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.

장치(300)는 차량 상태 히스토리를 기반으로 중고차 상태를 모니터링하고 정비 스케줄링 서비스를 제공하는 서버로 구현되어, 정비 스케줄링 서비스를 위한 플랫폼을 제공할 수 있다.

한편, 설명의 편의를 위해 도 1에서는 복수의 사용자 단말(100) 중 제1 사용자 단말(110) 및 제2 사용자 단말(120)만을 도시하고, 복수의 정비소 단말(200) 중 제1 정비소 단말(210) 및 제2 정비소 단말(220)만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(300)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

도 2는 일실시예에 따른 차량 상태 히스토리 기반 중고차 상태 모니터링 및 정비 스케줄링 서비스를 제공하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 장치(300)는 제1 차량의 차종, 연식 및 주행거리를 고려하여, 제1 차량의 점검 주기를 설정할 수 있다.

구체적으로, 제1 사용자 단말(110)에 제1 차량의 차종, 연식 및 주행거리를 포함하는 제1 차량 정보가 입력되면, 장치(300)는 제1 사용자 단말(110)로부터 제1 차량 정보를 수신할 수 있으며, 제1 차량 정보를 기반으로, 제1 차량의 차종, 연식 및 주행거리를 확인한 후, 제1 차량의 차종, 연식 및 주행거리를 고려하여, 제1 차량의 점검 주기를 설정할 수 있다.

일실시예에 따르면, 제1 차량의 주행거리는 제1 사용자 단말(110)에 입력된 제1 차량 정보를 통해 확인될 수 있으나, 이에 제한되지 않으며, 제1 차량에 설치된 별도의 기기를 통해 확인될 수도 있다. 예를 들어, 제1 차량에 제1 차량의 주행거리를 모니터링하는 모니터링 기기가 설치되어 있고, 모니터링 기기와 장치(300)가 무선으로 통신하도록 구성되어 있는 경우, 장치(300)는 모니터링 기기로부터 제1 차량의 주행거리에 대한 정보를 수신하여, 제1 차량의 주행거리를 실시간으로 파악할 수 있다.

장치(300)는 제1 차량의 차종을 고려하여 차종 별로 상이한 간격으로 점검 주기를 설정할 수 있고, 제1 차량의 연식을 고려하여 연식이 오래될수록 더 짧은 간격으로 점검 주기를 설정할 수 있고, 제1 차량의 주행거리를 고려하여 주행거리가 길수록 더 짧은 간격으로 점검 주기를 설정할 수 있다. 이와 관련된 자세한 설명은 도 3을 참조하여 후술하기로 한다.

S202 단계에서, 장치(300)는 제1 차량의 점검 내역을 기반으로, 제1 차량의 최근 점검일을 확인할 수 있다. 이를 위해, 장치(300)는 데이터베이스에 차량 별로 구분된 점검 내역을 저장하여 관리할 수 있다. 점검 내역은 차량을 점검한 결과가 누적된 정보로, 점검일, 점검을 수행한 정비소, 점검 사항, 점검 결과 등을 포함하는 정보가 리스트로 구성될 수 있다.

구체적으로, 장치(300)는 데이터베이스를 조회하여 제1 차량의 점검 내역을 획득할 수 있고, 제1 차량의 점검 내역을 기반으로, 제1 차량이 정비소에서 점검을 받은 가장 최근의 점검일을 확인할 수 있다.

S203 단계에서, 장치(300)는 제1 차량의 최근 점검일로부터 제1 차량의 점검 주기가 경과할 때까지 제1 차량에 대한 점검이 추가로 수행되는지 여부를 확인할 수 있다.

예를 들어, 제1 차량의 최근 점검일이 1월1일이고 제1 차량의 점검 주기가 90일인 경우, 장치(300)는 1월1일부터 90일이 경과할 때까지 제1 차량에 대한 점검이 추가로 수행되는지 여부를 확인할 수 있다. 이때, 장치(300)는 복수의 정비소 단말(200) 중 어느 하나로부터 제1 차량의 점검 정보를 수신하면, 제1 차량에 대한 점검이 추가로 수행된 것으로 파악할 수 있다.

S203 단계에서 제1 차량의 최근 점검일로부터 제1 차량의 점검 주기가 경과하기 전에 제1 차량에 대한 점검이 추가로 수행된 것으로 확인되면, 일정 기간이 지난 이후, S201 단계로 되돌아가, 장치(300)는 제1 차량의 점검 주기를 설정하는 과정부터 다시 수행할 수 있다.

S203 단계에서 제1 차량의 최근 점검일로부터 제1 차량의 점검 주기가 경과할 때까지 제1 차량에 대한 점검이 추가로 수행되지 않은 것으로 확인되면, S204 단계에서, 장치(300)는 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다. 여기서, 알림 메시지는 제1 차량의 최근 점검일로부터 제1 차량의 점검 주기가 경과하였으나 아직 제1 차량에 대한 점검이 추가로 수행되지 않아 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지로, 제1 사용자의 거주지, 동선 등을 고려하여 선별된 방문 가능성이 높은 정비소에 대한 정보를 포함할 수 있다.

S205 단계에서, 장치(300)는 제1 정비소에서 제1 차량에 대한 점검이 수행되면, 제1 정비소 단말(210)로부터 제1 차량의 상태를 점검하여 생성된 점검 정보를 수신할 수 있다.

구체적으로, 제1 사용자는 제1 사용자 단말(110)을 통해 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 확인하게 되면, 제1 차량을 운행하여 제1 정비소에 방문할 수 있으며, 제1 정비소에 근무하는 정비사는 제1 차량에 대한 점검을 수행한 후, 제1 차량을 점검 정보를 제1 정비소 단말(210)에 입력할 수 있으며, 장치(300)는 제1 정비소 단말(210)로부터 제1 차량의 점검 정보를 수신할 수 있다.

제1 정비소에서 제1 차량에 대한 점검이 수행되기 전에, 장치(300)는 제1 차량의 어느 부분을 점검할 것인지 알려주기 위해, 제1 차량의 점검 리스트를 제1 정비소 단말(210)로 제공할 수 있으며, 이와 관련된 자세한 설명은 도 4를 참조하여 후술하기로 한다.

일실시예에 따르면, 제1 차량의 점검 정보는 제1 차량의 상태를 점검한 점검 결과를 포함할 수 있으며, 점검 결과는 스캔 점검, 타이어 및 브레이크, 엔진, 배터리, 익스테리어, 서스팬션, 기술적 소견 등의 항목으로 구분될 수 있다.

스캔 점검 항목은 제1 차량을 스캔하여 생성된 스캔 이미지를 포함할 수 있다.

타이어 및 브레이크 항목은 타이어 마모 상태 및 공기압, 브레이크 패드 및 디스크에 대한 점검 결과를 포함할 수 있다.

엔진 항목은 오일 노유 현황, 오일 샘플 체크, 쿨링 시스템, 벨트, 뎀버 플리 등의 항목으로 구분될 수 있고, 오일 누유 현황 항목은 헤드 커버 가스켓, 오일 필터 하우징 가스켓, 엔진 오일팬 가스펫, Front 크랭크씰 및 Lear 크랭크씰 각각에 대한 점검 결과를 포함할 수 있고, 오일 샘플 체크 항목은 트랜스 미션 오일, 파워 스티어링 오일, 디퍼런셜 오일, 브레이크액 등에 대한 점검 결과를 포함할 수 있으며 오일에 대한 점검 결과를 오일에 대한 사진 이미지를 포함할 수 있고, 쿨링 시스템 항목은 냉각수, 라디에이터, 라디에이터캡 및 익스텐션 탱크캡 각각에 대한 점검 결과를 포함할 수 있고, 벨트 항목은 벨트에 대한 점검 결과를 포함할 수 있고, 뎀퍼 플리는 뎀버 플리에 대한 점검 결과를 포함할 수 있다.

배터리 항목은 배터리리에 대한 점검 결과를 포함할 수 있으며, 배터리 점검 결과는 점검 결과를 통해 교체 요망, 충전 요망, 양호 등의 상태로 구분될 수 있다.

익스테리어 항목은 헤드램프 좌우, 앞 방향 지시등 좌우, 상향등 좌우, 안개등 좌우, 와이퍼, 뒤 방향 지시등 좌우, 브레이크등 좌우, 후진등 좌우 및 실내 향균 필터 각각에 대한 점검 결과를 포함할 수 있다.

서스팬션 항목은 앞 쇼바 오일 leak, 드라이브 샤프트, 컨트롤 암, 유니버셜 조인트, 뒤 쇼바 오일 leak, 엔진 마운트 및 머플러 각각에 대한 점검 결과를 포함할 수 있다.

기술적 소견 항목은 정비사가 특이 사항으로 입력한 정보를 포함할 수 있다.

S206 단계에서, 장치(300)는 제1 차량의 점검 정보에 기초하여, 제1 차량에 대한 정비가 필요한지 여부를 판단할 수 있다. 이때, 장치(300)는 제1 차량의 점검 정보에 기초하여, 제1 차량의 일부에 문제가 있는 것으로 확인되면, 제1 차량에 대한 정비가 필요한 것으로 판단할 수 있다.

S207 단계에서, 장치(300)는 제1 차량에 대한 정비가 필요한지 여부를 판단한 판단 결과를 통해, 제1 차량에 대한 정비가 필요한지 여부를 확인할 수 있다.

S207 단계에서 제1 차량에 대한 정비가 필요하지 않은 것으로 확인되면, 장치(300)는 제1 차량의 점검 정보를 제1 차량의 점검 내역에 추가하여, 제1 차량의 점검 내역을 갱신할 수 있으며, 일정 기간이 지난 이후, S201 단계로 되돌아가, 장치(300)는 제1 차량의 점검 주기를 설정하는 과정부터 다시 수행할 수 있다.

S207 단계에서 제1 차량에 대한 정비가 필요한 것으로 판단되면, S208 단계에서, 장치(300)는 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다. 여기서, 알림 메시지는 제1 차량의 일부에 문제가 있어 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지로, 문제가 있는 부분에 대한 점검 결과, 문제가 있는 부분에 대한 정비가 가능한 정비소에 대한 정보를 포함할 수 있다.

도 3은 일실시예에 따른 차량의 점검 주기를 설정하는 과정을 설명하기 위한 순서도이다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(300)는 제1 차량의 차종이 제1 카테고리에 속하는 것을 확인할 수 있다.

구체적으로, 장치(300)는 제1 사용자 단말(110)로부터 제1 차량 정보를 수신하면, 제1 차량 정보에 기반하여 제1 차량의 차종을 확인한 후, 확인된 제1 차량의 차량이 어느 카테고리에 속하는지 확인하여, 제1 차량의 차종이 제1 카테고리에 속하는 것을 확인할 수 있다.

일실시예에 따르면, 카테고리는 다양한 기준을 통해 분류될 수 있으며, 예를 들어, 카테고리는 차량의 크기에 따라 경차, 소형차, 중형차, 대형차, SUV 등으로 분류될 수 있으며, 추진 방식에 따라 휘발유차, 경유차, LPG차, 전기차, 수소차, 하이브리드 자동차 등으로 분류될 수 있다.

S302 단계에서, 장치(300)는 제1 차량의 차종이 제1 카테고리에 속하는 것으로 확인되면, 제1 카테고리의 기준 점검 주기로 설정되어 있는 제1 주기를 확인할 수 있다. 이를 위해, 카테고리 별로 기준 점검 주기가 각각 설정되어 있으며, 카테고리 별로 설정되어 있는 기준 점검 주기는 각 카테고리에 해당하는 차량들의 평균 점검 주기를 통해 설정될 수 있다.

예를 들어, 경차 카테고리의 기준 점검 주기가 90일 간격이고 중형차 카테고리의 기준 점검 주기가 150일 간격인 경우, 장치(300)는 제1 차량의 차종이 경차 카테고리에 속하는 것으로 확인되면, 90일 간격을 제1 주기로 확인할 수 있고, 제1 차량의 차종이 중형차 카테고리에 속하는 것으로 확인되면, 150일 간격을 제1 주기로 확인할 수 있다.

S303 단계에서, 장치(300)는 제1 주기가 제1 일자 간격인 것을 확인할 수 있다.

예를 들어, 장치(300)는 제1 주기가 90일 간격인 경우, 90일을 제1 일자로 확인할 수 있고, 제1 주기가 150일 간격인 경우, 150일을 제1 일자로 확인할 수 있다.

한편, S304 단계에서, 장치(300)는 제1 차량의 연식을 통해 제1 차량이 제1 연도에 제조된 것을 확인할 수 있다.

구체적으로, 장치(300)는 제1 사용자 단말(110)로부터 제1 차량 정보를 수신하면, 제1 차량 정보에 기반하여 제1 차량의 연식을 확인한 후, 확인된 제1 차량의 연식이 어느 년도 식인지 확인하여, 제1 차량의 연식을 통해 제1 차량이 제1 연도에 제조된 것을 확인할 수 있다.

예를 들어, 장치(300)는 제1 차량의 연식이 2020년식인 경우, 제1 차량이 2020년도에 제조된 것으로 확인할 수 있다.

S305 단계에서, 장치(300)는 제1 연도가 오래될수록 더 낮은 값으로 제1 가중치를 설정할 수 있다. 이때, 제1 가중치는 0.5부터 1까지 범위 내에서 설정될 수 있다.

예를 들어, 장치(300)는 제1 연도가 2020년인 경우, 0.9를 제1 가중치로 설정할 수 있고, 제1 연도가 2019년인 경우, 0.8을 제1 가중치로 설정할 수 있다.

한편, S306 단계에서, 장치(300)는 제1 차량의 주행거리가 제1 거리인 것을 확인할 수 있다.

구체적으로, 장치(300)는 제1 사용자 단말(110)로부터 제1 차량 정보를 수신하면, 제1 차량 정보에 기반하여 제1 차량의 주행거리를 확인한 후, 확인된 제1 차량의 주행거리가 어느 정도인지 확인하여, 제1 차량의 주행거리가 제1 거리인 것을 확인할 수 있다.

또한, 장치(300)는 제1 차량에 설치된 모니터링 기기로부터 제1 차량의 주행거리에 대한 정보를 수신하면, 제1 차량의 주행거리에 대한 정보에 기반하여 제1 차량의 주행거리가 제1 거리인 것을 확인할 수 있다.

S307 단계에서, 장치(300)는 제1 거리가 길수록 더 낮은 값으로 제2 가중치를 설정할 수 있다. 이때, 제2 가중치는 0.5부터 1까지 범위 내에서 설정될 수 있다.

예를 들어, 장치(300)는 제1 거리가 10,000km인 경우, 0.9를 제2 가중치로 설정할 수 있고, 제1 거리가 20,000km인 경우, 0.8을 제2 가중치로 설정할 수 있다.

S308 단계에서, 장치(300)는 제1 일자, 제1 가중치 및 제2 가중치를 곱한 값으로, 제2 일자를 산출할 수 있다.

예를 들어, 제1 일자가 90일이고, 제1 가중치가 0.9이고, 제2 가중치가 0.8인 경우, 장치(300)는 “90 X 0.9 X 0.8”을 통해 산출된 64.8일을 제2 일자로 산출할 수 있다.

S309 단계에서, 장치(300)는 제2 일자에서 소수점 이하를 내림한 값으로, 제3 일자를 산출할 수 있다.

예를 들어, 제2 일자가 64.8일 경우, 장치(300)는 64.8에서 소수점 이하를 내림하여 산출된 64일을 제3 일자로 산출할 수 있다.

S310 단계에서, 장치(300)는 제3 일자 간격을 제1 차량의 점검 주기로 설정할 수 있다.

예를 들어, 제3 일자가 64일인 경우, 장치(300)는 64일 간격을 제1 차량의 점검 주기로 설정할 수 있다.

도 4는 일실시예에 따른 차량의 점검 리스트를 제공하는 과정을 설명하기 위한 순서도이다.

도 4를 참조하면, 먼저, S401 단계에서, 장치(300)는 제1 정비소 단말(210)로부터 제1 차량의 점검 사항에 대한 확인 요청을 수신할 수 있다. 여기서, 확인 요청은 제1 차량의 어느 부분을 점검해야 하는지에 대해 확인해달라는 요청으로, 제1 차량의 식별번호를 포함할 수 있다.

구체적으로, 제1 사용자가 제1 차량을 운행하여 제1 정비소에 방문한 경우, 제1 정비소에 근무하는 정비사는 제1 차량의 식별번호를 제1 정비소 단말(210)에 입력한 후 제1 차량의 점검 사항에 대한 확인 요청 버튼을 선택할 수 있으며, 장치(300)는 제1 정비소 단말(210)로부터 제1 차량의 점검 사항에 대한 확인 요청을 수신할 수 있다.

S402 단계에서, 장치(300)는 제1 차량의 식별번호를 이용하여 제1 차량이 어느 차량인지 파악한 후, 제1 차량의 차종이 제1 카테고리에 속하는 것을 확인할 수 있다.

S403 단계에서, 장치(300)는 제1 차량의 차종이 제1 카테고리에 속하는 것으로 확인되면, 카테고리 별로 구분되어 있는 기준 점검 사항의 리스트 중에서 제1 카테고리에 대한 기준 점검 사항의 리스트인 제1 점검 리스트를 획득할 수 있다. 이를 위해, 카테고리 별로 기준 점검 사항이 각각 설정되어 있으며, 카테고리 별로 설정되어 있는 기준 점검 사항은 각 카테고리에 해당하는 차량들이 주로 점검하는 점검 사항을 통해 설정될 수 있고, 장치(300)는 데이터베이스에 카테고리 별로 구분된 기준 점검 사항의 리스트를 저장하여 관리할 수 있다.

즉, 장치(300)는 제1 차량의 차종이 제1 카테고리에 속하는 것으로 확인되면, 데이터베이스에 저장된 정보를 조회하여, 제1 카테고리에 대한 기준 점검 사항의 리스트를 확인할 수 있고, 제1 카테고리에 대한 기준 점검 사항의 리스트를 제1 점검 리스트로 획득할 수 있다.

S404 단계에서, 장치(300)는 제1 차량의 식별번호를 이용하여 제1 차량이 어느 차량인지 파악한 후, 제1 차량이 제1 연도에 제조된 것을 확인할 수 있다.

S405 단계에서, 장치(300)는 제1 차량이 제1 연도에 제조된 것으로 확인되면, 연도 별로 구분되어 있는 추가 점검 사항의 리스트 중에서 제1 연도에 대한 추가 점검 사항의 리스트인 제2 점검 리스트를 획득할 수 있다. 이를 위해, 연도 별로 추가 점검 사항이 각각 설정되어 있으며, 연도 별로 설정되어 있는 추가 점검 사항은 연도가 오래될수록 더 많은 점검 사항이 포함될 수 있고, 장치(300)는 데이터베이스에 연도 별로 구분된 추가 점검 사항의 리스트를 저장하여 관리할 수 있다.

즉, 장치(300)는 제1 차량이 제1 연도에 제조된 것으로 확인되면, 데이터베이스에 저장된 정보를 조회하여, 제1 연도에 대한 추가 점검 사항의 리스트를 확인할 수 있고, 제1 연도에 대한 추가 점검 사항의 리스트를 제2 점검 리스트로 획득할 수 있다.

S406 단계에서, 장치(300)는 제1 차량의 식별번호를 이용하여 제1 차량이 어느 차량인지 파악한 후, 제1 차량의 주행거리가 제1 거리인 것을 확인할 수 있다.

S407 단계에서, 장치(300)는 제1 거리가 제1 기준 거리 보다 길고 제2 기준 거리 보다 짧은 것을 확인할 수 있다. 이때, 제1 기준 거리 및 제2 기준 거리는 실시예에 따라 상이하게 설정될 수 있으며, 제2 기준 거리는 제1 기준 거리 보다 긴 값으로 설정될 수 있다.

예를 들어, 제1 기준 거리가 10,000km이고 제2 기준 거리가 20,000km로 기준 거리가 10,000km 별로 설정되어 있는 경우, 장치(300)는 제1 거리가 15,000km로 확인되면, 제1 거리가 제1 기준 거리 보다 길고 제2 기준 거리 보다 짧은 것으로 확인할 수 있다.

S408 단계에서, 장치(300)는 기준 거리 별로 구분되어 있는 추가 점검 사항의 리스트 중에서 제2 기준 거리에 대한 추가 점검 사항의 리스트인 제3 점검 리스트를 획득할 수 있다. 이를 위해, 기준 거리 별로 추가 점검 사항이 각각 설정되어 있으며, 기준 거리 별로 설정되어 있는 추가 점검 사항은 기준 거리가 길수록 더 많은 점검 사항이 포함될 수 있고, 장치(300)는 데이터베이스에 기준 거리 별로 구분된 추가 점검 사항의 리스트를 저장하여 관리할 수 있다.

즉, 장치(300)는 제1 차량의 주행거리가 제1 거리로 확인되고 제1 거리가 제1 기준 거리 보다 길고 제2 기준 거리 보다 짧은 것으로 확인되면, 데이터베이스에 저장된 정보를 조회하여, 제2 기준 거리에 대한 추가 점검 사항의 리스트를 확인할 수 있고, 제2 기준 거리에 대한 추가 점검 사항의 리스트를 제3 점검 리스트로 획득할 수 있다.

S409 단계에서, 장치(300)는 제1 점검 리스트, 제2 점검 리스트 및 제3 점검 리스트를 취합하고 중복된 사항을 제거하여, 제1 차량의 점검 리스트를 생성할 수 있다.

예를 들어, 제1 점검 리스트는 제1 점검 사항, 제2 점검 사항 및 제3 점검 사항을 포함하고, 제2 점검 리스트는 제3 점검 사항 및 제4 점검 사항을 포함하고, 제3 점검 리스트는 제5 점검 사항을 포함하는 경우, 장치(300)는 제1 점검 리스트, 제2 점검 리스트 및 제3 점검 리스트를 취합하고 중복된 사항을 제거하여, 제1 점검 사항, 제2 점검 사항, 제3 점검 사항, 제4 점검 사항 및 제5 점검 사항을 포함하는 제1 차량의 점검 리스트를 생성할 수 있다.

S410 단계에서, 장치(300)는 제1 차량의 점검 리스트를 제1 정비소 단말(210)로 제공할 수 있다. 이를 통해, 제1 정비소에 근무하는 정비사는 제1 정비소 단말(210)을 통해 제1 차량의 점검 리스트를 확인하여, 제1 차량에 대한 점검을 수행할 수 있다.

도 5는 일실시예에 따른 차량의 정비 비용과 차량의 현재 시세를 비교하여 차량의 정비 또는 매각을 추천하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 5에 도시된 각 단계는 S208 단계가 수행된 이후에 수행될 수 있다.

도 5를 참조하면, 먼저, S501 단계에서, 장치(300)는 제1 차량의 점검 정보에 기초하여, 제1 차량에서 문제가 있는 부분으로 점검된 문제 부위를 확인할 수 있다.

예를 들어, 제1 차량의 점검 정보는 제1 차량의 부위 별로 문제가 있는지 여부에 대한 점검 결과를 포함할 수 있으며, 장치(300)는 제1 차량의 점검 정보에 기초하여, 제1 차량의 타이어에 대한 점검 결과가 타이어에 문제가 있는 것으로 확인되면, 타이어를 문제 부위로 확인할 수 있고, 제1 차량의 배터리에 대한 점검 결과가 배터리에 문제가 있는 것으로 확인되면, 배터리를 문제 부위로 확인할 수 있다.

S502 단계에서, 장치(300)는 문제 부위를 수리가 필요한 수리 필요 부위와 교체가 필요한 교체 필요 부위로 각각 구분할 수 있다.

예를 들어, 제1 차량의 점검 정보는 문제가 있는 부위에 대한 해결 방안을 포함할 수 있으며, 장치(300)는 제1 차량의 점검 정보에 기초하여, 문제 부위에 대한 해결 방안이 수리인 것으로 확인되는 부위를 수리 필요 부위로 구분할 수 있고, 문제 부위에 대한 해결 방안이 교체인 것으로 확인되는 부위를 교체 필요 부위로 구분할 수 있다.

S503 단계에서, 장치(300)는 수리 필요 부위로 구분된 부위의 수리 비용인 제1 금액을 확인하고, 교체 필요 부위로 구분된 부위의 교체 비용인 제2 금액을 확인할 수 있다. 이를 위해, 부위 별로 수리 비용과 교체 비용이 각각 설정되어 있으며, 부위 별로 설정되어 있는 수리 비용은 차종이 동일한 차량들의 각 부위에 대한 평균 수리 비용을 통해 설정될 수 있고, 부위 별로 설정되어 있는 교체 비용은 차종이 동일한 차량들의 각 부위에 대한 평균 교체 비용을 통해 설정될 수 있다.

예를 들어, 타이어의 수리 비용이 10만원으로 설정되어 있고, 배터리의 수리 비용이 30만원으로 설정되어 있는 경우, 장치(300)는 타이어가 수리 필요 부위로 구분되어 있는 경우, 10만원을 제1 금액으로 확인할 수 있고, 배터리가 수리 필요 부위로 구분되어 있는 경우, 30만원을 제1 금액으로 확인할 수 있고, 타이어 및 배터리가 수리 필요 부위로 구분되어 있는 경우, 10만원과 30만원을 합산하여 산출된 40만원을 제1 금액으로 확인할 수 있고, 수리 필요 부위로 구분된 부위가 없는 경우, 0원을 제1 금액으로 확인할 수 있다.

또한, 타이어의 교체 비용이 50만원으로 설정되어 있고, 배터리의 교체 비용이 100만원으로 설정되어 있는 경우, 장치(300)는 타이어가 교체 필요 부위로 구분되어 있는 경우, 50만원을 제2 금액으로 확인할 수 있고, 배터리가 교체 필요 부위로 구분되어 있는 경우, 100만원을 제2 금액으로 확인할 수 있고, 타이어 및 배터리가 교체 필요 부위로 구분되어 있는 경우, 50만원과 100만원을 합산하여 산출된 150만원을 제2 금액으로 확인할 수 있고, 교체 필요 부위로 구분된 부위가 없는 경우, 0원을 제2 금액으로 확인할 수 있다.

S504 단계에서, 장치(300)는 제1 금액 및 제2 금액을 더한 값으로, 제3 금액을 산출할 수 있다. 이때, 제3 금액은 제1 차량을 정비하는데 필요한 제1 차량의 정비 금액을 의미할 수 있다.

S505 단계에서, 장치(300)는 제1 차량의 차종, 연식 및 주행거리에 따라 예상되는 제1 차량의 현재 시세를 제4 금액으로 확인할 수 있다.

예를 들어, 장치(300)는 중고차 거래 사이트에 등록된 중고차 판매 정보를 기반으로, 제1 차량과 차종 및 연식이 동일하고 주행거리가 비슷한 제2 차량을 확인할 수 있고, 제2 차량의 현재 시세를 제4 금액으로 확인할 수 있다.

S506 단계에서, 장치(300)는 제3 금액을 제4 금액으로 나눈 값으로, 제1 비율을 산출할 수 있다.

S507 단계에서, 장치(300)는 제1 비율이 기준 비율 보다 낮은지 여부를 확인할 수 있다. 여기서, 기준 비율은 실시예에 따라 상이하게 설정될 수 있다.

S507 단계에서 제1 비율이 기준 비율 보다 낮은 것으로 확인되면, S508 단계에서, 장치(300)는 제1 차량의 정비를 추천하는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

예를 들어, 기준 비율이 10%로 설정되어 있는 경우, 장치(300)는 제3 금액이 50만원으로 확인되고 제4 금액이 천만원으로 확인되면, 5%를 제1 비율로 산출할 수 있고, 제1 비율인 5%가 기준 비율인 10% 보다 낮은 것으로 확인되어, 제1 차량의 정비를 추천하는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

S507 단계에서 제1 비율이 기준 비율 보다 낮지 않은 것으로 확인되면, S509 단계에서, 장치(300)는 제1 차량의 매각을 추천하는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

예를 들어, 기준 비율이 10%로 설정되어 있는 경우, 장치(300)는 제3 금액이 150만원으로 확인되고 제4 금액이 천만원으로 확인되면, 15%를 제1 비율로 산출할 수 있고, 제1 비율인 15%가 기준 비율인 10% 보다 낮지 않은 것으로 확인되어, 제1 차량의 매각을 추천하는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

도 6은 일실시예에 따른 차량의 부품에 문제가 발생할 수 있는 확률을 예측하고, 부품 문제 발생 확률에 따라 부품의 상태를 분류하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 6에 도시된 각 단계는 제1 차량의 최근 점검일로부터 제1 차량의 점검 주기가 경과하기 전까지 수행될 수 있다.

먼저, 제1 차량 내에 진단 기기가 설치되어 있는 경우, 장치(300)는 제1 부품의 상태를 확인하기 위해, 미리 정해진 기간 마다 제1 부품의 상태를 진단하여 생성된 진단 정보를 획득할 수 있다. 이를 위해, 진단 기기와 장치(300)가 무선으로 통신하도록 구성되어 있으며, 진단 기기는 제1 부품과 연결되어, 미리 정해진 기간 마다 제1 부품의 상태를 진단하여 진단 정보를 생성할 수 있다, 여기서, 진단 정보는 제1 부품의 현재 상태를 진단한 정보로, 부품의 종류 별로 상이한 측정 값을 포함할 수 있다.

일실시예에 따르면, 진단 기기는 ECU(Electronic Control Unit)로 구현될 수 있으며, 이를 통해, 진단 기기는 구동계통, 제동계통, 조향계통 등 차량의 모든 부분을 제어하는 역할을 수행하면서, 각 계통을 구성하고 있는 부품 별로 상태를 진단하여 해당 부품의 상태를 진단한 진단 정보를 생성할 수 있다.

예를 들어, 진단 기기는 배터리의 효율을 측정한 측정값을 통해 배터리의 상태를 진단한 진단 정보를 생성할 수 있고, 지시등의 조도를 측정한 측정값을 통해 지시등의 상태를 진단한 진단 정보를 생성할 수 있다.

즉, 진단 기기는 미리 정해진 기간 마다 차량의 부품 중 어느 하나인 제1 부품의 상태를 진단하여 진단 정보를 생성할 수 있으며, 장치(300)는 진단 기기에서 제1 부품의 상태를 진단하여 진단 정보가 생성되면, 진단 기기로부터 진단 정보를 획득할 수 있다.

도 6을 참조하면, S601 단계에서, 장치(300)는 제1 시점에 제1 부품의 상태를 진단한 진단 정보를 제1 진단 정보로 획득할 수 있다.

즉, 진단 기기는 제1 시점에 제1 부품의 상태를 진단하여 제1 진단 정보를 생성할 수 있으며, 장치(300)는 진단 기기에서 제1 진단 정보가 생성되면, 진단 기기로부터 제1 진단 정보를 획득할 수 있다.

S602 단계에서, 장치(300)는 제1 시점에 제1 부품의 상태를 진단한 제1 진단 정보가 획득되면, 제1 진단 정보를 기반으로, 제1 시점에 대한 제1 부품의 성능을 나타내는 제1 성능 지표를 산출할 수 있다. 여기서, 제1 성능 지표는 제1 시점일 때 제1 부품의 성능이 어느 정도인지를 나타내는 수치이다.

구체적으로, 장치(300)는 제1 진단 정보를 통해, 제1 시점에 제1 부품의 상태가 어느 정도인지 항목 별로 파악할 수 있으며, 각 항목 별로 설정된 기준에 따라 점수를 부여한 후, 항목 별로 부여된 점수를 합산한 값으로 제1 성능 지표를 산출할 수 있다.

S603 단계에서, 장치(300)는 제2 시점에 제1 부품의 상태를 진단한 진단 정보를 제2 진단 정보로 획득할 수 있다. 여기서, 제2 시점은 제1 시점 이후의 시점이다.

즉, 진단 기기는 미리 정해진 기간 마다 제1 부품의 상태를 진단하여 진단 정보를 생성하고 있으므로, 제1 시점에 제1 부품의 상태를 진단하여 제1 진단 정보를 생성한 후, 제1 시점으로부터 미리 정해진 기간이 지나면, 제2 시점에 제1 부품의 상태를 진단하여 제2 진단 정보를 생성할 수 있으며, 장치(300)는 진단 기기에서 제2 진단 정보가 생성되면, 진단 기기로부터 제2 진단 정보를 획득할 수 있다.

S604 단계에서, 장치(300)는 제2 시점에 제1 부품의 상태를 진단한 제2 진단 정보가 획득되면, 제2 진단 정보를 기반으로, 제2 시점에 대한 제1 부품의 성능을 나타내는 제2 성능 지표를 산출할 수 있다. 여기서, 제2 성능 지표는 제2 시점일 때 제1 부품의 성능이 어느 정도인지를 나타내는 수치이다.

구체적으로, 장치(300)는 제2 진단 정보를 통해, 제2 시점에 제1 부품의 상태가 어느 정도인지 항목 별로 파악할 수 있으며, 각 항목 별로 설정된 기준에 따라 점수를 부여한 후, 항목 별로 부여된 점수를 합산한 값으로 제2 성능 지표를 산출할 수 있다.

S605 단계에서, 장치(300)는 제1 성능 지표 및 제2 성능 지표를 비교하여, 제1 시점부터 제2 시점까지 제1 부품에 대한 성능 변동 추세를 나타내는 제1 성능 변동 추세를 분석할 수 있다.

구체적으로, 장치(300)는 제1 성능 지표 및 제2 성능 지표를 비교하여, 제1 부품의 성능이 증가 또는 감소되었는지 여부를 확인할 수 있으며, 이를 통해, 제1 부품의 성능이 제1 시점부터 제2 시점까지 얼마나 변동되었는지 추세를 나타내는 제1 성능 변동 추세를 분석할 수 있다.

예를 들어, 제1 성능 지표가 90으로 산출되어 있고, 제2 성능 지표가 85로 산출되어 있는 경우, 장치(300)는 제1 성능 지표 및 제2 성능 지표를 비교한 결과, 90에서 85로 성능 지표가 변경되었으므로, 제1 시점부터 제2 시점까지 제1 부품의 성능이 5만큼 감소된 것으로, 제1 성능 변동 추세를 분석할 수 있다.

S606 단계에서, 장치(300)는 제1 성능 변동 추세에 대한 분석 결과를 미리 학습된 인공 신경망에 적용할 수 있다. 여기서, 인공 신경망은 성능 변동 추세에 대한 분석 결과를 입력 받은 후, 부품에서 문제가 발생할 수 있는 확률을 출력하는 알고리즘일 수 있다.

즉, 인공 신경망은 성능 변동 추세에 대한 분석 결과를 기반으로, 부품의 성능이 얼마나 변동되었는지 추세를 고려하여, 부품에서 문제가 발생할 수 있는 확률을 산정할 수 있다.

예를 들어, 인공 신경망은 제1 성능 변동 추세에 대한 분석 결과가 5만큼 감소한 경우, -5를 입력으로 받아, 제1 부품에서 문제가 발생할 수 있는 확률을 5%로 예측하여 산정할 수 있고, 5%를 지시하는 출력값을 출력할 수 있다.

S607 단계에서, 장치(300)는 인공 신경망의 출력을 기초로, 제1 부품에 문제가 발생할 수 있는 확률을 제1 발생률로 예측할 수 있다.

일실시예에 따르면, 인공 신경망은 성능 변동 추세에 대한 분석 결과를 통해, 부품에 문제가 발생할 확률이 얼마나 되는지 분석하도록 학습될 수 있다. 이를 통해, 인공 신경망은 부품의 성능이 얼마나 변경되는지를 고려하여, 부품에 문제가 발생할 확률이 얼마나 되는지 분석하여 출력할 수 있다. 인공 신경망은 도 9를 참조하여 후술되는 방법을 통해 학습될 수 있다.

S608 단계에서, 장치(300)는 제1 부품에 문제가 발생할 수 있는 확률이 제1 발생률로 예측되면, 제1 발생률이 제1 기준치 보다 낮은지 여부를 확인할 수 있다. 여기서, 제1 기준치는 실시예에 따라 상이하게 설정될 수 있다.

S608 단계에서 제1 발생률이 제1 기준치 보다 낮은 것으로 확인되면, S609 단계에서, 장치(300)는 제1 부품을 문제가 없는 부품으로 분류할 수 있다.

S608 단계에서 제1 발생률이 제1 기준치 보다 높은 것으로 확인되면, S610 단계에서, 장치(300)는 제1 발생률이 제2 기준치 보다 낮은지 여부를 확인할 수 있다. 여기서, 제2 기준치는 제1 기준치 보다 높은 값으로 설정될 수 있다.

S610 단계에서 제1 발생률이 제2 기준치 보다 낮은 것으로 확인되면, S611 단계에서, 장치(300)는 제1 부품을 관찰이 필요한 부품으로 분류할 수 있다.

장치(300)는 제1 부품을 관찰이 필요한 부품으로 분류한 경우, 진단 정보를 추가로 획득하여 제1 부품에 문제가 발생할 수 있는 확률을 더 예측할 수 있으며, 이와 관련된 자세한 설명은 도 7을 참조하여 후술하기로 한다.

즉, 장치(300)는 제1 시점부터 제2 시점까지 제1 부품에 대한 성능 변동 추세를 통해, 제1 부품에 문제가 발생할 수 있는 확률을 예측한 결과, 문제 발생 확률이 어느 정도 있는 것으로 판단되면, 제1 부품을 관찰이 필요한 부품으로 분류할 수 있다.

S610 단계에서 제1 발생률이 제2 기준치 보다 높은 것으로 확인되면, S612 단계에서, 장치(300)는 제1 부품을 점검이 필요한 부품으로 분류할 수 있다.

장치(300)는 제1 부품을 점검이 필요한 부품으로 분류한 경우, 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

즉, 장치(300)는 제1 시점부터 제2 시점까지 제1 부품에 대한 성능 변동 추세를 통해, 제1 부품에 문제가 발생할 수 있는 확률을 예측한 결과, 문제 발생 확률이 매우 높은 것으로 판단되면, 제1 부품을 점검이 필요한 부품으로 분류하여, 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

장치(300)는 제1 차량의 최근 점검일로부터 제1 차량의 점검 주기가 경과하지 않더라도, 제1 부품이 점검이 필요한 부품으로 분류되면, 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있으며, 이를 통해, 제1 차량의 점검 주기가 도래하지 않더라도, 부품 문제로 인해 더 빠르게 제1 차량에 대한 점검이 수행될 수 있도록, 점검 알림 서비스를 제1 사용자에게 제공할 수 있다.

도 7은 일실시예에 따른 제1 부품이 관찰이 필요한 부품으로 분류된 경우, 차량의 부품에 문제가 발생할 수 있는 확률을 추가로 예측하고, 부품 문제 발생 확률에 따라 부품의 상태를 다시 분류하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 7에 도시된 각 단계는 S611 단계 이후에 수행될 수 있다.

도 7을 참조하면, 먼저, S701 단계에서, 장치(300)는 제1 부품이 관찰이 필요한 부품으로 분류된 것을 확인할 수 있다.

S702 단계에서, 장치(300)는 제3 시점에 제1 부품의 상태를 진단한 진단 정보를 제3 진단 정보로 획득할 수 있다. 여기서, 제3 시점은 제2 시점 이후의 시점이다.

즉, 진단 기기는 미리 정해진 기간 마다 제1 부품의 상태를 진단하여 진단 정보를 생성하고 있으므로, 제2 시점에 제1 부품의 상태를 진단하여 제2 진단 정보를 생성한 후, 제2 시점으로부터 미리 정해진 기간이 지나면, 제3 시점에 제1 부품의 상태를 진단하여 제3 진단 정보를 생성할 수 있으며, 장치(300)는 진단 기기에서 제3 진단 정보가 생성되면, 진단 기기로부터 제3 진단 정보를 획득할 수 있다.

S703 단계에서, 장치(300)는 제3 시점에 제1 부품의 상태를 진단한 제3 진단 정보가 획득되면, 제3 진단 정보를 기반으로, 제3 시점에 대한 제1 부품의 성능을 나타내는 제3 성능 지표를 산출할 수 있다. 여기서, 제3 성능 지표는 제3 시점일 때 제1 부품의 성능이 어느 정도인지를 나타내는 수치이다.

구체적으로, 장치(300)는 제3 진단 정보를 통해, 제3 시점에 제1 부품의 상태가 어느 정도인지 항목 별로 파악할 수 있으며, 각 항목 별로 설정된 기준에 따라 점수를 부여한 후, 항목 별로 부여된 점수를 합산한 값으로 제3 성능 지표를 산출할 수 있다.

S704 단계에서, 장치(300)는 제2 성능 지표 및 제3 성능 지표를 비교하여, 제2 시점부터 제3 시점까지 제1 부품에 대한 성능 변동 추세를 나타내는 제2 성능 변동 추세를 분석할 수 있다.

구체적으로, 장치(300)는 제2 성능 지표 및 제3 성능 지표를 비교하여, 제1 부품의 성능이 증가 또는 감소되었는지 여부를 확인할 수 있으며, 이를 통해, 제1 부품의 성능이 제2 시점부터 제3 시점까지 얼마나 변동되었는지 추세를 나타내는 제2 성능 변동 추세를 분석할 수 있다.

S705 단계에서, 장치(300)는 제2 성능 변동 추세에 대한 분석 결과를 미리 학습된 인공 신경망에 적용할 수 있다.

S706 단계에서, 장치(300)는 인공 신경망의 출력을 기초로, 제1 부품에 문제가 발생할 수 있는 확률을 제2 발생률로 예측할 수 있다.

S707 단계에서, 장치(300)는 제2 발생률이 제1 기준치 보다 낮은지 여부를 확인할 수 있다.

S707 단계에서 제2 발생률이 제1 기준치 보다 낮은 것으로 확인되면, S708 단계에서, 장치(300)는 제1 부품을 문제가 없는 부품으로 분류할 수 있다.

S707 단계에서 제2 발생률이 제1 기준치 보다 높은 것으로 확인되면, S709 단계에서, 장치(300)는 제1 부품을 점검이 필요한 부품으로 분류할 수 있다.

장치(300)는 제1 부품을 점검이 필요한 부품으로 분류한 경우, 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

즉, 장치(300)는 제1 시점부터 제3 시점까지 제1 부품에 대한 성능 변동 추세를 통해, 제1 부품에 문제가 발생할 수 있는 확률을 여러 번 예측한 결과, 문제 발생 확률이 계속해서 어느 정도 있는 것으로 판단되면, 제1 부품을 점검이 필요한 부품으로 분류하여, 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(110)로 전송할 수 있다.

도 8은 일실시예에 따른 차량의 점검 필요일까지 남아있는 잔여 기간에 따라 부품에 문제가 발생할 수 있는 확률을 조정하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 8에 도시된 각 단계는 S706 단계 이후에 수행될 수 있다.

도 8을 참조하면, 먼저, S801 단계에서, 장치(300)는 제1 차량의 차종 및 연식과 동일한 차량을 제1 그룹으로 분류할 수 있다.

S802 단계에서, 장치(300)는 제1 그룹으로 분류된 차량들의 점검 내역을 기반으로, 제1 그룹으로 분류된 차량들의 평균 점검 주기를 분석할 수 있다.

구체적으로, 장치(300)는 데이터베이스를 조회하여 제1 그룹으로 분류된 차량들의 점검 내역을 각각 획득할 수 있으며, 제1 그룹으로 분류된 차량들의 점검 내역을 기반으로, 제1 그룹으로 분류된 차량들 각각의 점검 주기를 확인한 후, 확인된 점검 주기의 평균을 산출하고 산출된 값을 제1 그룹으로 분류된 차량들의 평균 점검 주기로 분석할 수 있다

예를 들어, 제2 차량 및 제3 차량이 제1 그룹으로 분류된 경우, 장치(300)는 제2 차량의 점검 주기가 90일 간격으로 확인되고, 제3 차량의 점검 주기가 100일 간격으로 확인되면, 90일 및 100일의 평균값인 95일을 제1 그룹으로 분류된 차량들의 평균 점검 주기로 분석할 수 있다.

S803 단계에서, 장치(300)는 제1 차량의 점검 내역을 기반으로 제1 차량의 최근 점검일이 확인되면, 평균 점검 주기 및 제1 차량의 최근 점검일에 기초하여, 제1 차량의 점검 필요일을 설정할 수 있다.

예를 들어, 제1 차량의 최근 점검일이 1월1일이고 제1 그룹으로 분류된 차량들의 평균 점검 주기가 95일인 경우, 장치(300)는 1월1일부터 95일 이후인 4월6일을 제1 차량의 점검 필요일로 설정할 수 있다.

S804 단계에서, 장치(300)는 현재 시점부터 제1 차량의 점검 필요일까지 남아있는 잔여 기간을 제1 기간으로 설정할 수 있다.

예를 들어, 현재 시점이 4월 1일이고 제1 차량의 점검 필요일이 4월6일인 경우, 장치(300)는 5일을 제1 기간으로 설정할 수 있다.

S805 단계에서, 장치(300)는 제1 기간이 기준 범위 내에 포함되어 있는지 여부를 확인할 수 있다. 여기서, 기준 범위는 실시예에 따라 상이하게 설정될 수 있다.

S805 단계에서 제1 기간이 기준 범위 내에 포함되어 있는 것으로 확인되면, S806 단계에서, 장치(300)는 제2 발생률에 대한 조정이 필요하지 않은 것으로 판단할 수 있다.

예를 들어, 기준 범위가 10일부터 20일까지로 설정되어 있는 경우, 장치(300)는 제1 기간이 15일로 확인되면, 제2 발생률에 대한 조정이 필요하지 않은 것으로 판단할 수 있다.

S805 단계에서 제1 기간이 기준 범위를 벗어나는 것으로 확인되면, S807 단계에서, 장치(300)는 제1 기간이 기준 범위의 최소값 보다 짧은지 여부를 확인할 수 있다.

S807 단계에서 제1 기간이 기준 범위의 최소값 보다 짧은 것으로 확인되면, S808 단계에서, 장치(300)는 제1 기간이 짧을수록 더 높은 값으로 제3 가중치를 설정할 수 있다. 이때, 제3 가중치는 1부터 2까지 범위 내에서 설정될 수 있다.

예를 들어, 기준 범위가 10일부터 20일까지로 설정되어 있는 경우, 장치(300)는 제1 기간이 9일로 확인되면, 제3 가중치를 1.1로 설정할 수 있고, 제1 기간이 8일로 확인되면, 제3 가중치를 1.2로 설정할 수 있다.

S809 단계에서, 장치(300)는 제3 가중치 및 제2 발생률을 곱한 값으로 제2 발생률을 조정할 수 있다.

예를 들어, 제2 발생률이 10%로 산출된 경우, 장치(300)는 제3 가중치가 1.1로 설정되면, 제2 발생률을 10%에서 11%로 조정할 수 있고, 제3 가중치가 1.2로 설정되면, 제2 발생률을 10%에서 12%로 조정할 수 있다.

즉, 장치(300)는 제1 기간이 기준 범위를 벗어나 기준 범위의 최소값 보다 짧은 것으로 확인되면, 1부터 2까지 범위 내에서 제1 기간이 짧을수록 더 높은 값으로 제3 가중치를 설정하고, 제3 가중치 및 제2 발생률을 곱한 값으로 제2 발생률을 조정함으로써, 제1 차량의 점검 필요일까지 남아있는 잔여 기간이 일정 이하 짧게 남은 경우, 제2 발생률을 더 높은 값으로 조정할 수 있다.

S807 단계에서 제1 기간이 기준 범위의 최소값 보다 긴 것으로 확인되면, 제1 기간이 기준 범위를 벗어나 있으므로, 제1 기간이 기준 범위의 최대값 보다 긴 것으로 확인될 수 있으며, 제1 기간이 기준 범위의 최대값 보다 긴 것으로 확인되면, S810 단계에서, 장치(300)는 제1 기간이 길수록 더 낮은 값으로 제4 기중치를 설정할 수 있다. 이때, 제4 가중치는 0부터 1까지 범위 내에서 설정될 수 있다.

예를 들어, 기준 범위가 10일부터 20일까지로 설정되어 있는 경우, 장치(300)는 제1 기간이 21일로 확인되면, 제4 가중치를 0.9로 설정할 수 있고, 제1 기간이 22일로 확인되면, 제4 가중치를 0.8로 설정할 수 있다.

S811 단계에서, 장치(300)는 제4 가중치 및 제2 발생률을 곱한 값으로 제2 발생률을 조정할 수 있다.

예를 들어, 제2 발생률이 10%로 산출된 경우, 장치(300)는 제4 가중치가 0.9로 설정되면, 제2 발생률을 10%에서 9%로 조정할 수 있고, 제4 가중치가 0.8로 설정되면, 제2 발생률을 10%에서 8%로 조정할 수 있다.

즉, 장치(300)는 제1 기간이 기준 범위를 벗어나 기준 범위의 최대값 보다 긴 것으로 확인되면, 0부터 1까지 범위 내에서 제1 기간이 길수록 더 낮은 값으로 제4 가중치를 설정하고, 제4 가중치 및 제2 발생률을 곱한 값으로 제2 발생률을 조정함으로써, 제1 차량의 점검 필요일까지 남아있는 잔여 기간이 일정 이상 길게 남은 경우, 제2 발생률을 더 낮은 값으로 조정할 수 있다.

도 9는 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.

일실시예에 따르면, 인공 신경망은 성능 변동 추세에 대한 분석 결과를 입력 받은 후, 부품에 문제가 발생할 수 있는 확률을 출력하는 알고리즘일 수 있다.

인공 신경망의 학습이 이루어지는 학습 장치는 학습된 인공 신경망을 이용하여 부품에서 문제가 발생할 수 있는 확률을 분석하는 장치(300)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.

먼저, S901 단계에서, 학습 장치는 부품의 성능 변동 추세에 대한 분석 결과를 기초로 입력을 생성할 수 있다.

구체적으로, 학습 장치는 부품의 성능 변동 추세에 대한 분석 결과를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 성능 변동 추세에 대한 분석 결과를 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.

S902 단계에서, 학습 장치는 인공 신경망에 입력을 적용할 수 있다. 인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.

강화 학습에 따라 학습되는 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다.

예를 들어, 제1 보상은 부품의 성능이 좋아질수록 부품에 문제가 발생할 수 있는 확률이 낮은 것으로 분석하면 보상값이 높아질 수 있으며, 제2 보상은 부품의 성능이 나빠질수록 부품에 문제가 발생할 수 있는 확률이 높은 것으로 분석하면 보상값이 높아질 수 있다.

S903 단계에서, 학습 장치는 인공 신경망으로부터 출력을 획득할 수 있다. 인공 신경망의 출력은, 부품에 문제가 발생할 수 있는 확률값에 대한 정보일 수 있다. 이때, 인공 신경망은 부품의 성능 변동 추세에 대한 분석 결과를 통해 부품에서 문제가 발생할 수 있는 확률을 분석하여, 부품의 문제 발생 확률에 대한 정보를 출력할 수 있다.

S904 단계에서, 학습 장치는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다. 이때, 출력의 평가는 제1 보상, 제2 보상 등으로 나뉠 수 있다.

구체적으로, 학습 장치는 부품의 성능이 좋아질수록 부품에 문제가 발생할 수 있는 확률이 낮은 것으로 분석하면 제1 보상을 많이 수여하고, 부품의 성능이 나빠질수록 부품에 문제가 발생할 수 있는 확률이 높은 것으로 분석하면 제2 보상을 많이 수여할 수 있다.

S905 단계에서, 학습 장치는 평가를 기초로 인공 신경망을 갱신할 수 있다.

구체적으로, 학습 장치는 인공 신경망이, 부품에 문제가 발생할 수 있는 확률을 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공 신경망을 갱신할 수 있다.

예를 들어, 학습 장치는 제1 부품에 문제가 발생할 수 있는 확률에 대해 이상이 없는 경우, 문제 발생 확률의 분석에 대해 이상이 없음을 나타내는 정보를 포함하는 제1 학습 데이터를 생성하고, 제1 학습 데이터를 인공 신경망에 적용하여, 제1 부품과 유사한 성능 변동 추세를 나타내는 부품들이 제1 부품과 유사한 문제 발생 확률을 가지도록, 인공 신경망을 학습시키는 과정을 통해, 인공 신경망을 갱신할 수 있다.

한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.

학습 장치는 상술한 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 부품에 대한 성능 변동 추세를 고려하여, 부품에 문제가 발생할 수 있는 확률을 출력하는 인공 신경망을 학습시킬 수 있다.

즉, 학습 장치는 부품의 성능 변동 추세에 대한 분석 결과를 통해, 부품에 문제가 발생할 수 있는 확률을 분석할 때, 제1 보상, 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 인공 신경망을 학습시킬 수 있다.

도 10은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 9를 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 9를 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 9를 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(310)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

장치(300)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(320)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(310)는 메모리(320)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(300)와 학습된 인공 신경망을 이용하는 장치(300)는 동일할 수도 있고 개별적일 수도 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 (3)

1. 장치에 의해 수행되는, 차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법에 있어서,
   제1 차량의 차종, 연식 및 주행거리를 고려하여, 상기 제1 차량의 점검 주기를 설정하는 단계;
   상기 제1 차량의 점검 내역을 기반으로, 상기 제1 차량의 최근 점검일을 확인하는 단계;
   상기 제1 차량의 최근 점검일로부터 상기 제1 차량의 점검 주기가 경과할 때까지 상기 제1 차량에 대한 점검이 추가로 수행되지 않은 것으로 확인되면, 상기 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말로 전송하는 단계;
   제1 정비소에서 상기 제1 차량에 대한 점검이 수행되면, 제1 정비소 단말로부터 상기 제1 차량의 상태를 점검하여 생성된 점검 정보를 수신하는 단계;
   상기 점검 정보에 기초하여, 상기 제1 차량에 대한 정비가 필요한지 여부를 판단하는 단계; 및
   상기 제1 차량에 대한 정비가 필요한 것으로 판단되면, 상기 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계를 포함하고,
   상기 제1 차량 내에 설치된 진단 기기로부터, 제1 부품의 상태를 진단하여 생성된 진단 정보를 미리 정해진 기간 마다 획득하는 단계;
   제1 시점에 상기 제1 부품의 상태를 진단한 제1 진단 정보가 획득되면, 상기 제1 진단 정보를 기반으로, 상기 제1 시점에 대한 상기 제1 부품의 성능을 나타내는 제1 성능 지표를 산출하는 단계;
   상기 제1 시점 이후의 제2 시점에 상기 제1 부품의 상태를 진단한 제2 진단 정보가 획득되면, 상기 제2 진단 정보를 기반으로, 상기 제2 시점에 대한 상기 제1 부품의 성능을 나타내는 제2 성능 지표를 산출하는 단계;
   상기 제1 성능 지표 및 상기 제2 성능 지표를 비교하여, 상기 제1 시점부터 상기 제2 시점까지 상기 제1 부품에 대한 성능 변동 추세를 나타내는 제1 성능 변동 추세를 분석하는 단계;
   상기 제1 성능 변동 추세에 대한 분석 결과를 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로, 상기 제1 부품에 문제가 발생할 수 있는 확률을 제1 발생률로 예측하는 단계;
   상기 제1 발생률이 제1 기준치 보다 낮은 것으로 확인되면, 상기 제1 부품을 문제가 없는 부품으로 분류하는 단계;
   상기 제1 발생률이 상기 제1 기준치 보다 높지만 제2 기준치 보다 낮은 것으로 확인되면, 상기 제1 부품을 관찰이 필요한 부품으로 분류하는 단계; 및
   상기 제1 발생률이 상기 제2 기준치 보다 높은 것으로 확인되면, 상기 제1 부품을 점검이 필요한 부품으로 분류하는 단계를 더 포함하고,
   상기 제1 부품을 관찰이 필요한 부품으로 분류한 경우, 상기 제2 시점 이후의 제3 시점에 상기 제1 부품의 상태를 진단한 제3 진단 정보가 획득되면, 상기 제3 진단 정보를 기반으로, 상기 제3 시점에 대한 상기 제1 부품의 성능을 나타내는 제3 성능 지표를 산출하는 단계;
   상기 제2 성능 지표 및 상기 제3 성능 지표를 비교하여, 상기 제2 시점부터 상기 제3 시점까지 상기 제1 부품에 대한 성능 변동 추세를 나타내는 제2 성능 변동 추세를 분석하는 단계;
   상기 제2 성능 변동 추세에 대한 분석 결과를 상기 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로, 상기 제1 부품에 문제가 발생할 수 있는 확률을 제2 발생률로 예측하는 단계;
   상기 제2 발생률이 상기 제1 기준치 보다 낮은 것으로 확인되면, 상기 제1 부품을 문제가 없는 부품으로 분류하는 단계;
   상기 제2 발생률이 상기 제1 기준치 보다 높은 것으로 확인되면, 상기 제1 부품을 점검이 필요한 부품으로 분류하는 단계; 및
   상기 제1 부품을 점검이 필요한 부품으로 분류한 경우, 상기 제1 차량에 대한 점검이 필요한 것을 알려주는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계를 더 포함하고,
   상기 제1 부품에 문제가 발생할 수 있는 확률을 제2 발생률로 예측하는 단계 이후,
   상기 제1 차량의 차종 및 연식과 동일한 차량을 제1 그룹으로 분류하는 단계;
   상기 제1 그룹으로 분류된 차량들의 점검 내역을 기반으로, 상기 제1 그룹으로 분류된 차량들의 평균 점검 주기를 분석하는 단계;
   상기 제1 차량의 점검 내역을 기반으로 상기 제1 차량의 최근 점검일이 확인되면, 상기 평균 점검 주기 및 상기 제1 차량의 최근 점검일에 기초하여, 상기 제1 차량의 점검 필요일을 설정하는 단계;
   현재 시점부터 상기 제1 차량의 점검 필요일까지 남아있는 잔여 기간을 제1 기간으로 설정하는 단계;
   상기 제1 기간이 기준 범위 내에 포함되어 있는 것으로 확인되면, 상기 제2 발생률에 대한 조정이 필요하지 않은 것으로 판단하는 단계;
   상기 제1 기간이 상기 기준 범위를 벗어나 상기 기준 범위의 최소값 보다 짧은 것으로 확인되면, 1부터 2까지 범위 내에서 상기 제1 기간이 짧을수록 더 높은 값으로 제3 가중치를 설정하고, 상기 제3 가중치 및 상기 제2 발생률을 곱한 값으로 상기 제2 발생률을 조정하는 단계; 및
   상기 제1 기간이 상기 기준 범위를 벗어나 상기 기준 범위의 최대값 보다 긴 것으로 확인되면, 0부터 1까지 범위 내에서 상기 제1 기간이 길수록 더 낮은 값으로 제4 가중치를 설정하고, 상기 제4 가중치 및 상기 제2 발생률을 곱한 값으로 상기 제2 발생률을 조정하는 단계를 더 포함하는,
   차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법.
2. 제1항에 있어서,
   상기 제1 차량의 점검 주기를 설정하는 단계는,
   상기 제1 차량의 차종이 제1 카테고리에 속하는 것으로 확인되면, 상기 제1 카테고리의 기준 점검 주기로 설정되어 있는 제1 주기를 확인하고, 상기 제1 주기가 제1 일자 간격인 것을 확인하는 단계;
   상기 제1 차량의 연식을 통해 상기 제1 차량이 제1 연도에 제조된 것으로 확인되면, 0.5부터 1까지 범위 내에서 상기 제1 연도가 오래될수록 더 낮은 값으로 제1 가중치를 설정하는 단계;
   상기 제1 차량의 주행거리가 제1 거리인 것으로 확인되면, 0.5부터 1까지 범위 내에서 상기 제1 거리가 길수록 더 낮은 값으로 제2 가중치를 설정하는 단계;
   상기 제1 일자, 상기 제1 가중치 및 상기 제2 가중치를 곱한 값으로, 제2 일자를 산출하는 단계;
   상기 제2 일자에서 소수점 이하를 내림한 값으로, 제3 일자를 산출하는 단계; 및
   상기 제3 일자 간격을 상기 제1 차량의 점검 주기로 설정하는 단계를 포함하고,
   상기 제1 정비소에서 상기 제1 차량에 대한 점검이 수행되기 전에,
   상기 제1 정비소 단말로부터 상기 제1 차량의 점검 사항에 대한 확인 요청을 수신하는 단계;
   카테고리 별로 구분되어 있는 기준 점검 사항의 리스트 중에서 상기 제1 카테고리에 대한 기준 점검 사항의 리스트인 제1 점검 리스트를 획득하는 단계;
   연식 별로 구분되어 있는 추가 점검 사항의 리스트 중에서 상기 제1 연도에 대한 추가 점검 사항의 리스트인 제2 점검 리스트를 획득하는 단계;
   상기 제1 거리가 제1 기준 거리 보다 길고 제2 기준 거리 보다 짧은 것으로 확인되면, 기준 거리 별로 구분되어 있는 추가 점검 사항의 리스트 중에서 상기 제2 기준 거리에 대한 추가 점검 사항의 리스트인 제3 점검 리스트를 획득하는 단계;
   상기 제1 점검 리스트, 상기 제2 점검 리스트 및 상기 제3 점검 리스트를 취합하고 중복된 사항을 제거하여, 상기 제1 차량의 점검 리스트를 생성하는 단계; 및
   상기 제1 차량의 점검 리스트를 상기 제1 정비소 단말로 제공하는 단계를 더 포함하는,
   차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법.
3. 제1항에 있어서,
   상기 제1 차량에 대한 정비가 필요한 것을 알려주는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계 이후,
   상기 점검 정보에 기초하여, 상기 제1 차량에서 문제가 있는 부분으로 점검된 문제 부위를 확인하는 단계;
   상기 문제 부위를 수리가 필요한 수리 필요 부위와 교체가 필요한 교체 필요 부위로 각각 구분하는 단계;
   상기 수리 필요 부위로 구분된 부위의 수리 비용인 제1 금액을 확인하고, 상기 교체 필요 부위로 구분된 부위의 교체 비용인 제2 금액을 확인하는 단계;
   상기 제1 금액 및 상기 제2 금액을 더한 값으로, 제3 금액을 산출하는 단계;
   제1 차량의 차종, 연식 및 주행거리에 따라 예상되는 상기 제1 차량의 현제 시세가 제4 금액인 것을 확인하는 단계;
   상기 제3 금액을 상기 제4 금액으로 나눈 값으로, 제1 비율을 산출하는 단계;
   상기 제1 비율이 기준 비율 보다 낮은 것으로 확인되면, 상기 제1 차량의 정비를 추천하는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계; 및
   상기 제1 비율이 상기 기준 비율 보다 낮지 않은 것으로 확인되면, 상기 제1 차량의 매각을 추천하는 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계를 더 포함하는,
   차량 상태 히스토리 기반 중고차 상태 모니터링을 통한 정비 스케줄링 서비스 제공 방법.

Images