KR102628624B1 - 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 시스템 및 프로그램 - Google Patents
주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 시스템 및 프로그램 Download PDFInfo
- Publication number
- KR102628624B1 KR102628624B1 KR1020210075861A KR20210075861A KR102628624B1 KR 102628624 B1 KR102628624 B1 KR 102628624B1 KR 1020210075861 A KR1020210075861 A KR 1020210075861A KR 20210075861 A KR20210075861 A KR 20210075861A KR 102628624 B1 KR102628624 B1 KR 102628624B1
- Authority
- KR
- South Korea
- Prior art keywords
- digital twin
- cooking object
- cooking
- data
- simulation
- Prior art date
Links
- 238000010411 cooking Methods 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004088 simulation Methods 0.000 claims abstract description 70
- 230000006870 function Effects 0.000 claims abstract description 33
- 238000010801 machine learning Methods 0.000 claims abstract description 28
- 238000012546 transfer Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012552 review Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 230000006698 induction Effects 0.000 description 5
- 238000010257 thawing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000603803 Anthocerotopsida Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/805—Real-time
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명에 따른 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법은, 디지털 트윈 시스템이 주방 가전으로부터 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 제공받는 단계, 디지털 트윈 시스템은 수신한 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하는 단계, 디지털 트윈 시스템은 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계 및 디지털 트윈 시스템은 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정하는 단계를 포함한다.
Description
본 발명은 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 프로그램 및 구축 시스템에 관한 것이다.
디지털 트윈(이하 DT로 표기)은 측정 가능한 데이터를 사용하여 마치 쌍둥이처럼 물리적 시스템을 디지털 형태로 시각화하는 기술을 나타낸다. DT를 사용하면 측정 데이터 뿐만 아니라 시뮬레이션을 통해 계산된 값 또한 디지털 2D 스크린이나 3D 형상화를 통해 실시간으로 직접 눈으로 확인할 수 있다. 물리적 시스템의 주요 변수를 디지털화하여 나타냄으로써 현재 시스템의 상태를 분석하고, 미래 행동을 예측하며, 더 나아가 화학 공정의 폭발 같은 잠재적 위험을 방지할 수 있다. 이처럼 DT는 주로 시스템을 효과적으로 모니터링하고 관리 및 제어하도록 하는 역할을 하며, 그 외 공장 설계, 건설 및 최적화에서도 활용된다.
DT의 이점인 디지털 시각화는 특히 모니터링, 측정 및 제어 측면에서 여러 이점을 가지고 있는데 이는 물리적 시스템에서 쉽게 측정할 수 없는 값(예를 들어 음식 내부의 시간에 따른 온도 변화)을 시뮬레이션을 통해 얻은 결과값과 함께 관측할 수 있다는 것이 그중 하나다. 이는 쉽게 측정 불가한 값이 시스템의 효율 등 수행능력을 결정하는 중요 요소일 때 특히 유용하다. 시스템을 모니터링하는 용도 이외에도 DT는 작업 과정의 변화를 관측하면서 관리하고 제어하는 데 도움이 된다. 이러한 이점으로 인해 DT는 현재 2020년 7월 14일 대한민국 정부가 발표한 ‘한국판 뉴딜’의 디지털 뉴딜과 그린 뉴딜의 융합 과제로서 그 기술의 중요성이 더더욱 부각되고 있다. 현재 이 기술은 도시 계획, 화학 공학 등에 널리 사용되고 있다.
다만 디지털 트윈의 현재 응용분야는 주로 스마트 팩토리와 같은 거시적 공정, 연속 공정을 다루는 시스템에서 이용되고 있으며 사람들의 실생활에서 시각적으로 정보를 확인할 수 있는 시스템은 제한적이라는 한계점이 요구된다. 이러한 관점에서, 4차 산업혁명의 도래와 더불어 디지털 트윈을 실생활의 영역으로 도입하고자 하는 개발이 요구된다.
상술한 바와 같은 문제점을 해결하기 위해, 본 발명은 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법 및 구축 시스템을 제공하고자 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명에 따른 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법은, 디지털 트윈 시스템이 주방 가전으로부터 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 제공받는 단계; 디지털 트윈 시스템은 수신한 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하는 단계; 디지털 트윈 시스템은 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계; 및 디지털 트윈 시스템은 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정하는 단계;를 포함한다.
상기 타겟 조리 조건은 조리 대상체의 표면에 대한 적어도 하나의 온도 데이터, 조리 대상체 부피, 평균 반경 등, 조리 대상체의 물리적 측정값을 포함할 수 있다.
상기 디지털 트윈 시뮬레이션을 구체화 하는 단계는, 조리 대상체 실시간 데이터가 복수의 센서에 의해 수집되는지 여부를 판별하는 단계; 복수의 센서에 의해 수집되는 경우는 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계; 및 단일 센서에 의해 수집되는 경우는 조리 기구에 대한 실시간 데이터 시뮬레이션을 바탕으로 복수의 데이터로 변환하고, 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계;를 포함할 수 있다.
상기 실시간 데이터 시뮬레이션을 바탕으로 복수의 데이터로 변환하는 단계는,
조리 기구에 대한 특성 데이터를 외부로부터 획득하여 시뮬레이션을 생성하는 단계를 더 포함할 수 있다.
상기 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계는, 조리 대상체의 외형 정보를 결정하는 단계 및 조리 대상체의 내부 정보를 결정하는 단계를 포함할 수 있다.
상기 조리 대상체의 외형 정보를 결정하는 단계는, 상기 조리 대상체의 질량, 부피, 3차원 외형, 표면 온도 분포를 결정하는 단계일 수 있다.
상기 조리 대상체의 내부 정보를 결정하는 단계는,
식별된 조리 대상체 기본 정보를 바탕으로 내부 정보를 결정하거나, 고객단말 또는 주방 가전으로 입력된 조리 대상체 기본 정보를 바탕으로 결정될 수 있다.
상기 조리 대상체의 내부 정보를 결정하는 단계는, 상기 조리 대상체 내부의 조성, 밀도, 층 구조를 결정하는 단계일 수 있다.
상기 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계는, 열전도 함수에 필요한 변수값을 제공받는 단계일 수 있다.
상기 열전도 함수에 필요한 변수값은 역추산 모듈을 통해서 획득된 제1 데이터베이스로부터 획득되는 것일 수 있다.
상기 방법은 고객단말 또는 주방 가전으로부터 디지털 트윈 시뮬레이션과 실제 조리 결과의 편차를 바탕으로 한 부적합 리뷰 데이터를 제공받는 단계; 및
상기 제1 데이터베이스의 열전도 함수에 필요한 변수값을 피드백 업데이트하는 단계;을 더 포함할 수 있다.
상기 열전도 함수에 필요한 변수값은 고객 개인화 모듈을 통해 획득된 제2 데이터베이스로부터 획득되는 것일 수 있다.
고객단말을 통해 고객이 의도하는 조리 상태를 바탕으로 한 취향 리뷰 데이터를 제공받는 단계; 및
상기 제2 데이터베이스의 열전도 함수에 필요한 변수 값을 피드백 업데이트하는 단계를 더 포함할 수 있다.
상기 열전도 함수에 필요한 변수값은 조리기구 개별화 모듈을 통해 획득된 제3 데이터베이스로부터 획득될 수 있다.
주방가전으로부터 조리기구별 편차를 바탕으로 한 조리기구별 리뷰 데이터를 제공받는 단계; 및 상기 제3 데이터베이스의 열전도 함수에 필요한 변수 값을 피드백 업데이트하는 단계를 더 포함할 수 있다.
상기 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계는,
열전도 함수에 필요한 변수값은 역추산 모듈을 통해서 획득된 제1 데이터베이스, 상기 열전도 함수에 필요한 변수값은 고객 개인화 모듈을 통해 획득된 제2 데이터베이스 및 상기 열전도 함수에 필요한 변수값은 조리기구 개별화 모듈을 통해 획득된 제3 데이터베이스 중 적어도 하나의 데이터베이스로부터 제공받거나 또는 상기 제1 내지 상기 제3 데이터베이스의 입력데이터 값을 소정의 방식으로 변환하여 제공받을 수 있다.
상기 소정의 방식으로의 변환은, 제1 데이터베이스의 변수값에 적용되는 제1 가중치, 제2 데이터베이스의 변수값에 적용되는 제2 가중치, 제3 데이터의 변수값에 적용되는 제3 가중치를 바탕으로 변환할 수 있다.
상기 내부 온도값을 추정하는 단계 다음에,
디지털 트윈상의 내부온도가 타겟 조리 조건을 달성하는 경우 주방가전에 조리 완료 처리를 요청하는 단계;를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 디지털 트윈 시스템은, 네트워크를 통해 고객단말, 주방가전 및 머신러닝 모듈과 정보를 송수신할 수 있는 송수신부; 주방가전으로부터 타겟 조건 조리 데이터를 제공받고, 머신러닝 모듈로부터 입력 데이터를 제공받아 조리 대상체에 대한 디지털 트윈을 형성하는 기능을 제공하는 어플리케이션을 저장하는 메모리부; 상기 메모리부로부터 어플리케이션을 읽어들여 제어하는 프로세서; 사용자로부터 상기 고객단말을 통해 명령어를 입력받는 입력부; 및 상기 프로세서의 제어에 따라 결과값을 출력하는 출력부;를 포함한다.
상기 어플리케이션은, 디지털 트윈 시스템이 주방 가전으로부터 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 제공받고, 디지털 트윈 시스템은 수신한 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하고, 디지털 트윈 시스템은 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받고, 디지털 트윈 시스템은 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정할 수 있다.
본 발명의 일 실시예에 따른 디지털 트윈 구축 프로그램은, 컴퓨터인 하드웨어와 결합되어, 전술한 방법을 실행하기 위해 매체에 저장될 수 있다.
본 발명에 따른 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법 및 구축 시스템은 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부온도값을 추정할 수 있다.
구체적으로는 내부온도값의 추정은 조리 기구에 대한 실시간 데이터 시뮬레이션을 바탕으로 복수의 데이터로 변환하고, 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 함으로써 정밀도를 향상시킬 수 있다.
디지털 트윈의 구축에 있어서, 열전도 함수에 필요한 변수값은 역추산 모듈을 통해서 획득된 제1 데이터베이스로부터 획득되거나, 열전도 함수에 필요한 변수값은 고객 개인화 모듈을 통해 획득된 제2 데이터베이스로부터 획득되거나, 상기 열전도 함수에 필요한 변수값은 조리기구 개별화 모듈을 통해 획득된 제3 데이터베이스부터 획득될 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명에 따른 디지털 트윈 시스템 및 고객단말, 주방가전 및 머신러닝 모듈과의 관계를 구체적으로 나타낸 블록도이다.
도 2는 본 발명에 따른 조리 대상체의 디지털 트윈 구축 방법을 도시한 순서도이다.
도 3은 디지털 트윈 시뮬레이션의 구체화에 있어서 복수의 실시간 데이터를 반영하는 것을 나타낸 순서도이다.
도 4는 복수의 센서를 바탕으로 조리 대상체의 표면 온도 분포를 센싱하는 것을 나타낸 도면이다.
도 5는 하나의 센서와 조리 기구의 시뮬레이션을 바탕으로 조리 대상체의 표면 온도 분포를 추정하는 것을 나타낸 도면이다.
도 6은 본 발명에 따른 디지털 트윈 시스템이 및 고객단말, 주방가전 및 머신러닝 모듈과 주고받는 정보를 순서에 따라 도시한 도면이다.
도 7은 인덕션 오븐에서 조리되는 조리 대상체의 열전도 분석의 예시를 도시한 도면이다.
도 8은 마이크로웨이브 오븐에서 조리되는 조리 대상체의 열전도 분석의 예시를 도시한 도면이다.
도 2는 본 발명에 따른 조리 대상체의 디지털 트윈 구축 방법을 도시한 순서도이다.
도 3은 디지털 트윈 시뮬레이션의 구체화에 있어서 복수의 실시간 데이터를 반영하는 것을 나타낸 순서도이다.
도 4는 복수의 센서를 바탕으로 조리 대상체의 표면 온도 분포를 센싱하는 것을 나타낸 도면이다.
도 5는 하나의 센서와 조리 기구의 시뮬레이션을 바탕으로 조리 대상체의 표면 온도 분포를 추정하는 것을 나타낸 도면이다.
도 6은 본 발명에 따른 디지털 트윈 시스템이 및 고객단말, 주방가전 및 머신러닝 모듈과 주고받는 정보를 순서에 따라 도시한 도면이다.
도 7은 인덕션 오븐에서 조리되는 조리 대상체의 열전도 분석의 예시를 도시한 도면이다.
도 8은 마이크로웨이브 오븐에서 조리되는 조리 대상체의 열전도 분석의 예시를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 개시의 바람직한 실시예들을 상세히 설명한다. 본 개시의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시의 기술적 사상은 이하의 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 이하의 실시예들은 본 개시의 기술적 사상을 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 본 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시의 기술적 사상은 청구항의 범주에 의해 정의될 뿐이다.
각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 개시를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 개시를 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
또한, 본 개시의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
본 개시에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
어느 하나의 실시예에 포함된 구성요소와, 공통적인 기능을 포함하는 구성 요소는, 다른 실시예에서 동일한 명칭을 사용하여 설명될 수 있다. 반대되는 기재가 없는 이상, 어느 하나의 실시예에 기재된 설명은 다른 실시예에도 적용될 수 있으며, 중복되는 범위 또는 당해 기술 분야에 속한 통상의 기술자가 자명하게 이해할 수 있는 범위 내에서 구체적인 설명은 생략될 수 있다.
이하, 본 개시의 몇몇 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.
도 1은 본 발명에 따른 디지털 트윈 시스템(100) 및 고객단말(400), 주방가전(200) 및 머신러닝 모듈(300)과의 관계를 구체적으로 나타낸 블록도이다.
도 1을 참조하면, 디지털 트윈 시스템(100)는 송수신부(101), 입력부(102), 출력부(103) 및 프로세서(104), 메모리부(105)에서 읽어져 프로세서(104)에 의해 제어되는 어플리케이션을 포함한다.
송수신부(101)는 송신기(transmitter), 수신기(receiver), 또는 송수신기(transceiver)로 구성될 수 있다. 송수신부(101)는 네트워크(500)를 통해 고객단말(200), 주방가전(400) 및 머신러닝모듈(300)과 정보를 송수신할 수 있다.
입력부(102) 및 출력부(103)는 스마트폰에서 터치 디스플레이의 형태로 동시에 입출력부로서 구성될 수 있다. 입력부(102)는 물리적 키보드 장치, 터치 디스플레이, 카메라를 구성하는 이미지 입력 센서, 지문을 입력받는 센서, 홍채를 인식하는 센서 등으로 구성될 수 있다. 출력부(103)는 모니터, 터치 디스플레이 등으로 구성될 수 있다. 그러나 이에 한정되는 것은 아니며 퍼스널 컴퓨터(PC) 등에서 입력부로 이용되는 키보드, 마우스, 터치스크린 및 출력부로 이용되는 모니터, 스피커 등의 구성을 포함할 수 있음은 물론이다. 입력부(102)는 사용자로부터 고객단말(200)을 통해 명령어를 입력받는다. 출력부(103)는 프로세서(104)의 제어에 따라 결과값을 출력한다.
프로세서(104)는 단말에 구성되는 메모리부(105)에 저장된 프로그램 및 데이터를 이용하여 단말의 전반적인 제어 기능을 실행한다. 프로세서(104)는 RAM(random access memory), ROM(read only memory), CPU(central processing unit), GPU(graphic processing unit), 버스를 포함할 수 있으며, RAM, ROM, CPU, GPU 등은 버스를 통해 서로 연결될 수 있다. 프로세서(104)는 저장부에 액세스하여, 메모리부(105)에 저장된 O/S(operating system)를 이용하여 부팅을 수행할 수 있으며, 메모리부(105)에 저장된 어플리케이션을 이용하여 어플리케이션부로 동작하면서 본 발명에서 설명하는 다양한 동작을 수행하도록 구성될 수 있다. 프로세서(104)는 노드의 장치 내 구성들, 즉, 메모리부(105), 입력부(102), 출력부(103), 송수신부(101) 및 카메라(미도시)를 제어함으로써 본 발명에서 개시되는 다양한 실시 예들을 수행하도록 구성될 수 있다.
프로세서(104)는 메모리부(105)에 저장된 프로그램을 이용하여 어플리케이션을 수행한다. 어플리케이션은, 주방 가전으로부터 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 제공받고, 수신한 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하고, 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받고, 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정하도록 제어될 수 있다.
메모리부(105)는 데이터베이스(database, DB)로 구성되거나, 물리적인 하드디스크(hard disk), SSD(solid state drive), 웹하드(web hard) 등과 같은 다양한 저장 수단으로 구성될 수 있다.
메모리부(105)는 주방가전(200)으로부터 타겟 조건 조리 데이터를 제공받고, 머신러닝 모듈(300)로부터 입력 데이터를 제공받아 조리 대상체에 대한 디지털 트윈을 형성하는 기능을 제공하는 어플리케이션을 저장한다.
또한, 이런 디지털 트윈 시스템(100)은 스마트폰(smart phone), 휴대폰, PDA(personal digital assistant), PMP(portable multimedia player), 태블릿 PC 등과 같이 무선 통신망을 통하여 외부 서버와 연결될 수 있는 모든 종류의 핸드헬드(handheld) 기반의 무선 통신 장치를 포함할 수 있으며, 이 외에도 데스크탑 PC, 태블릿 PC, 랩탑 PC, 셋탑 박스를 포함하는 IPTV와 같이, 네트워크를 통하여 외부 서버와 연결될 수 있는 통신 장치도 포함할 수 있다.
또한, 디지털 트윈 시스템(100)는 서비스 제공 업체 또는 외부 업체에서 운영하는 서버로 구현될 수도 있다.
주방가전(200)은 주방에서 사용되는 가전기기들로 열을 가하여 조리 대상체를 조리하는 일체의 주방기구를 포함한다. 예를 들어, 주방가전(200)은 광파오븐, 컨백션 오븐, 컨벤셔널 오븐, 쿡탑, 전자레인지, 에어프라이어, 인덕션, 그릴러, 슬로우쿠커, 수비드머신, 압력밥솥, 멀티쿠커, 토스터 등 다양한 주방기구를 포함할 수 있다.
주방가전(200)은 조리 조건을 제어하는 제어부(201) 및 조리 대상체의 실시간 데이터를 수집하는 센서부(202)를 포함할 수 있다.
머신러닝 모듈(300)은 디지털 트윈 시스템(100)에서 디지털 트윈 구축에 필요한 파라메터를 제공하는 모듈이다. 머신러닝 모듈(300)은 역추산 모듈(310), 제1 데이터베이스(320), 고객 개인화 모듈(330), 제2 데이터베이스(340), 기구 개별화 모듈(350), 제3 데이터베이스(360)을 포함할 수 있다.
역추산 모듈(310)은 주방가전의 테스트 데이터를 바탕으로 열전달 관련 변수를 추산할 수 있다. 또한 역추산 모듈(310)은 조리 대상체에 대한 적정 요리법을 바탕으로 열전달 관련 변수에 대한 추정치를 도출할 수 있다.
[수학식 1]
Q = m * Cp * ΔT
[수학식 2]
Q = k * A * ΔT
여기에서, Q는 열전달 양 (Heat Transferred), k는 열전도도 (Thermal Conductivity), m은 질량 (Mass), Cp 는 비열용량 (Specific Heat Capacity), A는 전열면적 (Area), ΔT는 온도차 (Difference in Temperature) 이다.
역추산 모듈(310)은 주방가전의 테스트 데이터에서 주어진 Q 및 ΔT를 바탕으로 나머지 변수를 추산할 수 있다.
역추산 모듈(310)은 주어진 k, Cp , A 값으로 ΔT를 도출할 수 있다.
제1 데이터베이스(320)은 역추산 모듈(310)에서 도출된 열전달 관련 변수값을 저장하는 데이터베이스일 수 있다. 제1 데이터베이스(320)는 열전달 관련 변수값을 디지털 트윈 시스템(100)에 제공할 수 있다.
고객 개인화 모듈(330)은 고객이 원하는 조리상태에 부합하는지에 대한 취향 리뷰 데이터를 바탕으로 제1 데이터베이스(320)의 변수를 가공하여 제2 데이터베이스(340)에 업데이트할 수 있다.
기구 개별화 모듈(350)은 주방가전별 특성차에 따른 조리기구별 리뷰 데이터를 바탕으로 제1 데이터베이스(320)의 변수를 가공하여 제3 데이터베이스(360)에 업데이트할 수 있다.
고객단말(400)은 폐기물 배출을 원하는 사용자가 이용하는 전자장치일 수 있다. 예를 들어, 고객단말(400)은 스마트폰(smart phone), 휴대폰, PDA(personal digital assistant), PMP(portable multimedia player), 태블릿 PC 등과 같이 무선 통신망을 통하여 외부 서버와 연결될 수 있는 모든 종류의 핸드헬드(handheld) 기반의 무선 통신 장치를 포함할 수 있으며, 이 외에도 데스크탑 PC, 태블릿 PC, 랩탑 PC, 셋탑 박스를 포함하는 IPTV와 같이, 네트워크를 통하여 외부 서버와 연결될 수 있는 통신 장치도 포함할 수 있다.
네트워크(500)는 LAN(local area network), WAN(wide area network), 가상 네트워크, 원격 통신 등의 유무선 통신 네트워크를 포함할 수 있다.
디지털 트윈 시스템(100)의 작동을 예시적으로 설명한다. 디지털 트윈 시스템(100)은 자동으로 조리 대상체가 지정 온도까지 조리되는 데 필요한 열량을 계산한다. 디지털 트윈 시스템(100)은 주방가전(200)에 설치된 센서부(202) (예를 들어, 적외선 카메라)로부터 열 전달식에 필요한 대상체의 표면 온도()를 실시간으로 측정하고 동시에 대상체의 두께()를 추정 또는 입력받는다. 디지털 트윈 시스템(100)은 센서부(202)를 통해 또는 직접 입력을 통해 조리 대상체를 식별하고, 객체에 따라 열전달 계산에 필요한 열전도도(), 밀도() 및 열용량() 등의 모든 내장 입력 데이터값을 미리 정의된 데이터베이스(320, 340, 360)으로부터 제공받는다. 여기서 온도, 시간, 위치에 따라 밀도와 같은 열역학적 특성이 달라지기 때문에 시뮬레이션의 정확성을 위해서 머신러닝 학습모듈(200)을 통해 미리 정의된 데이터베이스의 주기적으로 업데이트 하는 작업이 함께 수행된다. 디지털 트윈 시스템(100)은 시뮬레이션을 통해 요리가 조리되는 과정을 모니터링하고, 조리 온도 및 시간을 사용자에 의해 실시간으로 컨트롤 할 수 있도록 하는 도구를 제공한다. 조리 대상체는 계란, 스테이크, 쌀밥 등 사용자가 조리 과정에서 조리 대상체를 물리적으로 변형시키지 않는 형태의 모든 조리 음식에 적용 가능하다. 예시에 사용된 식은 구체에서의 열전도식이며 이 식은 다음의 식(1)과 같다. 또한, 온도의 초기값이 함께 적용되어야 한다.
도 2는 본 발명에 따른 조리 대상체의 디지털 트윈 구축 방법을 도시한 순서도이다.
도 2를 참조하면, 디지털 트윈 시스템이 주방 가전으로부터 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 제공받는 단계(S101), 디지털 트윈 시스템은 수신한 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하는 단계(S102), 디지털 트윈 시스템은 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계(S103) 및 디지털 트윈 시스템은 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정하는 단계(S104) 및 디지털 트윈 시스템은 추정한 내부 온도값을 바탕으로 조리 대상체의 조리 정도를 시각화하는 단계(S105)를 포함한다.
도 3은 디지털 트윈 시뮬레이션의 구체화에 있어서 복수의 실시간 데이터를 반영하는 것을 나타낸 순서도이다. 도 4는 복수의 센서를 바탕으로 조리 대상체의 표면 온도 분포를 센싱하는 것을 나타낸 도면이다. 도 5는 하나의 센서와 조리 기구의 시뮬레이션을 바탕으로 조리 대상체의 표면 온도 분포를 추정하는 것을 나타낸 도면이다.
도 3을 참조하면, 조리 대상체 실시간 데이터를 제공받는 단계(S201), 조리 대상체 실시간 데이터가 복수의 센서에 의해 수집되는지를 판별하는 단계(S202), 복수의 실시간 데이터를 디지털 트윈에 반영하는 단계(S203), 조리 기구에 대한 실시간 데이터 시뮬레이션이 존재하는지를 판별하는 단계(S204), 단일 센서에 대한 데이터를 시뮬레이션을 통해 복수의 데이터로 변환하는 단계(S205), 및 조리 기구에 대한 특성 데이터를 외부로부터 획득하여 시뮬레이션을 생성하는 단계(S206)을 포함한다.
조리 대상체 실시간 데이터를 제공받는 단계(S201)는 조리 대상체의 실시간 데이터 (조리 대상체의 표면에 대한 적어도 하나의 온도 데이터, 조리 대상체 부피, 평균 반경)를 주방 가전(200)으로부터 전달받을 수 있다. 도 4 및 도 5를 참조하면 조리 대상체 실시간 데이터는 주방 가전(200)의 센서부(202)에 의해서 측정 될 수 있다. 예를 들어, 도 4를 참조하면 조리 대상체 표면의 온도를 측정하는 복수의 센서(212, 213, 214)가 복수의 온도(T1, T2, T3)를 측정할 수 있다. 이러한 조리 대상체 표면의 온도 데이터는 실시간으로 주방 가전(200)에서 수집되어 디지털 트윈 시스템(100)으로 전달될 수 있다. 조리 대상체의 표면의 온도 분포를 전체적으로 확인할수록 디지털 트윈의 완성도가 올라가므로 복수의 센서가 있을수록 바람직하다. 다만, 주방 가전(200)에 따라 센서의 개수는 한정적일 수 있으므로 하나의 표면 온도 분포를 바탕으로 전체적인 표면 온도 분포를 추정함에 따라 센서 개수의 한계를 벗어날 수 있다.
예를 들어, 도 5를 참조하면, 주방 가전(200)의 표면 온도 센싱을 위한 단일 센서(214)가 존재하므로 해당 센서는 조리 대상체의 표면의 제1 지점의 온도(T1)만을 센싱할 수 있다. 그러나, 주방 가전(200)의 실시간 데이터 시뮬레이션이 존재하는 경우, 해당 시뮬레이션을 바탕으로 제1 지점의 온도(T1)을 바탕으로 제2 지점의 온도(T2), 제3 지점의 온도(T3)을 추정함으로써 디지털 트윈의 정밀도를 향상시킬 수 있다. 이는, 단순히 제1 지점의 온도(T1)가 조리 대상체 전체의 온도 분포로 가정하는 것보다는 훨씬 더 향상된 디지털 트윈의 정밀성을 만족시킬 수 있다.
이에 단계(S202)는, 주방 가전(200)의 복수의 센서 수집 여부를 판별하여 복수의 센서가 마련된 경우 복수의 센싱 내용을 바탕으로 표면 온도 분포를 결정하는 단계로 이행(S203)하거나, 단일 센서가 마련된 경우에는 시뮬레이션을 통한 디지털 트윈의 정밀성을 향상시키도록 하는 단계(S204, S205, S206)로 이행할 수 있다.
주방 가전의 실시간 데이터 시뮬레이션의 존재 여부를 확인하고(S204), 존재하는 경우는 단일 센서에 의한 데이터를 시뮬레이션을 통한 복수의 데이터로 변환하고(S205), 없는 경우에는 주방 가전에 대한 특성 데이터를 외부로부터 획득하여 시뮬레이션을 생성하는 단계(S206)으로 이행한다.
시뮬레이션을 생성하는 단계(S206)는, 대상 주방 가전의 물리적 특성 및 동일 조리 조건 하에서의 내부의 조리 대상체 실시간 테스트 데이터를 외부에서 획득하여 시뮬레이션을 생성할 수 있다. 예를 들어, 시뮬레이션은 도 5에서 도시된 바와 같이 하나의 온도 지점(T1)이 확정되면 나머지 온도 지점을 추정할 수 있는 온도 분포 구배를 생성하는 프로그램일 수 있다.
단일 센서에 의한 데이터를 시뮬레이션을 통한 복수의 데이터로 변환하는 단계(S205)는, 하나의 온도 지점(T1)이 확정되면 나머지 온도 지점을 추정할 수 있는 온도 분포 구배를 생성하는 시뮬레이션을 통해 조리 대상체의 표면 온도 분포를 획득하는 단계이다.
복수의 실시간 데이터를 디지털 트윈에 반영하는 단계(S203)는 조리 대상체의 외형 정보를 결정하는 단계 및 조리 대상체의 내부 정보를 결정하는 단계를 포함할 수 있다.
상기 조리 대상체의 외형 정보를 결정하는 단계는, 상기 조리 대상체의 질량, 부피, 3차원 외형, 표면 온도 분포를 결정하는 단계일 수 있다.
상기 조리 대상체의 내부 정보를 결정하는 단계는, 식별된 조리 대상체 기본 정보를 바탕으로 내부 정보를 결정하거나, 고객단말 또는 주방 가전으로 입력된 조리 대상체 기본 정보를 바탕으로 결정되는 것일 수 있다.
상기 조리 대상체의 내부 정보를 결정하는 단계는, 상기 조리 대상체 내부의 조성, 밀도, 층 구조를 결정하는 단계일 수 있다.
도 6은 본 발명에 따른 디지털 트윈 시스템(100)이 및 고객단말(400), 주방가전(200) 및 머신러닝 모듈(300)과 주고받는 정보를 순서에 따라 도시한 도면이다.
도 6을 참조하면, 주방가전(200)에서 타겟 조리 조건이 설정될 수 있다(S301). 주방가전(200)은 자체적인 입력부 및 제어부를 가져 사용자가 주방가전(200)을 통해 직접 조리 대상체에 대한 타겟 조리 조건을 직접 설정할 수 있으나 이에 한정되는 것은 아니다. 사용자는 별도의 고객단말(400)를 통해 타겟 조리 조건을 주방가전(200)으로 유/무선으로 전달할 수 있다.
주방가전(200)은 설정된 타겟 조리 조건을 바탕으로 조리 대상체의 조리 조건 필요 열량을 연산(S302)할 수 있다. 필요 열량의 연산(S302)은 주방가전(200)의 제어부(201)에서 이루어지나 이에 한정되지 않고 외부, 예를 들어 디지털 트윈 시스템(100)의 프로세서(104)에서 이루어지는 것도 가능하다.
주방가전(200)은 조리대상체의 실시간 데이터(표면 온도, 무게, 부피, 반경) 등을 디지털 트윈 시스템(100)으로 전송(S303)할 수 있다.
디지털 트윈 시스템(100)은 전달받은 조리대상체의 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화(S304)할 수 있다. 디지털 트윈 시뮬레이션의 구체화(S304)는 도 3을 참조하여 전술한 바와 같이 조리 대상체 실시간 데이터가 복수의 센서에 의해 수집되는지 여부를 판별하는 단계, 복수의 센서에 의해 수집되는 경우는 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계 및 단일 센서에 의해 수집되는 경우는 조리 기구에 대한 실시간 데이터 시뮬레이션을 바탕으로 복수의 데이터로 변환하고, 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계를 포함할 수 있다.
디지털 트윈 시스템(100)은 머신러닝 학습 모듈(300)에 열전달 시뮬레이션에 필요한 데이터를 요청(S305)하고, 연산된 필요 입력 데이터를 머신러닝 학습모듈로부터 제공(S306)받을 수 있다.
연산된 필요 입력 데이터는 전술한바와 같이 역추산 모델(310)을 통해 연산된 열전도 함수 변수들이 저장된 제1 데이터베이스(320)에서 제공받거나, 또는 고객 개인화 모듈(320)에서 연산된 변수들이 저장된 제2 데이터베이스(330)에서 고객 피드백이 반영된 변수를 제공받거나, 또는 기구개별화 모듈(340)에서 연산된 변수들이 저장된 제3 데이터베이스(350)에서 기구별 편차가 반영된 변수를 제공받을 수 있다.
디지털 트윈 시스템(100)은 제공받은 변수를 바탕으로 디지털 트윈을 구축하고 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 핵심 변수 내부온도(T)값을 도출(S307)할 수 있다.
디지털 트윈 시스템(100)은 구축한 디지털 트윈을 주방가전(200) 및/또는 고객단말(400)에서 출력하여 사용자가 실시간으로 조리 대상체의 내부 상황을 실시간으로 확인(S308)할 수 있도록 한다.
디지털 트윈 시스템(100)에서 타겟 조리 조건을 달성한 경우 디지털 트윈 시스템(100)은 주방가전(200)으로 조리 완료 처리 요청을 전달(S309)하고, 주방가전(200)은 해당 요청에 따라 조리 상태 종료를 처리하고 결과를 디지털 트윈 시스템(100)으로 회신(S310)할 수 있다.
주방가전(200)은 고객단말(400)으로 조리 완료 알림을 전송(S311)할 수 있다.
주방가전(200)은 디지털 트윈 상의 조리 대상체의 내부 온도와 실제 조리 대상체의 내부 온도가 기설정된 수치 이상 상이하거나 기타 조리 상의 이상점이 발생한 경우 부적합 리뷰 데이터를 생성하여 머신러닝 학습모듈(300)으로 송신한다. 머신러닝 학습모듈(300)은 부적합 리뷰 분석 데이터를 분석(S313)하여 제1 데이터베이스의 변수들을 피드백 업데이트(S314)할 수 있다.
고객단말(400)에서 사용자는 실제 조리적으로는 문제가 없다고 하더라도 디지털 트윈 상의 시뮬레이션과 조리대상체의 실제 조리 결과에 편차가 발생하여 개인별 취향을 업데이트 하고 싶은 경우 취향 리뷰 데이터를 피드백(S315)할 수 있다. 머신러닝 학습모듈(300)은 취향 리뷰 분석 데이터를 분석(S316)하여 제2 데이터베이스의 변수들을 피드백 업데이트(S317)할 수 있다.
주방가전(200)에서 조리기구별 특성에 따른 편차가 발생하는 경우 조리기구별 리뷰 데이터를 생성하여 머신러닝 학습모듈(300)으로 송신한다. 머신러닝 학습모듈(300)은 조리기구별 리뷰 데이터를 분석(S319)하여 제3 데이터베이스의 변수들을 피드백 업데이트(S320)할 수 있다.
도면에 도시되어 있지는 않으나, 디지털 트윈 시스템(100)은 머신러닝 학습모듈(200)로부터 제1 내지 상기 제3 데이터베이스의 입력데이터 값을 소정의 방식으로 변환하여 제공받을 수 있다.
상기 소정의 방식으로의 변환은, 제1 데이터베이스의 변수값에 적용되는 제1 가중치, 제2 데이터베이스의 변수값에 적용되는 제2 가중치, 제3 데이터의 변수값에 적용되는 제3 가중치를 바탕으로 변환하는 것일 수 있다.
예를 들어, 변환 방식은 하기와 같이 구성될 수 있다.
여기에서, 소정의 변환방식으로 변환된 변수이며, 는 제1 가중치, 는 제2 가중치, 는 제3 가중치, 는 제1 데이터베이스 변수값, 는 제2 데이터베이스 변수값, 는 제3 데이터베이스 변수값을 나타낼 수 있다.
도 7은 인덕션 오븐에서 조리되는 조리 대상체의 열전도 분석의 예시를 도시한 도면이다.
도 7을 참조하여, 조리기구가 프라이팬이고 조리 대상체가 스테이크인 경우의 디지털 트윈의 구축 및 열전도 함수의 연산에 대한 상세한 설명을 이하 후술한다.
도 7에 있어서, 는 열전도율을 나타내며 아래 첨자 는 각각 오일, 스테이크, 프라이팬, 인덕션을 의미하고 각각의 열전도율 값은 이미 알고 있는 파라미터 혹은 온도에 따른 식이라고 가정하였다. 또한, ~는 각 층의 두께를, , , , 는 두 개의 아래 첨자 사이 경계의 온도를 나타낸다.
인덕션에서 발생하는 열량 에서 일정 부분(transfer rate)만 면적당의 열 흐름으로써 프라이팬으로 전해지고 (), 그 면적당 열 흐름 중 또다시 일부(rate)만 오일층으로 전달된다. 그리고 오일층으로 전달된 모든 면적당 열 흐름이 전부 스테이크로 전해진다고 가정하였다. 표 1에서 주황색으로 표시된 영역은 경계에서의 조건식을, 파란색 영역은 물체 내부 온도구배식을, 초록색 영역은 각 경계를 지칭하는 식이며, 빨간색으로 표시된 데이터는 각 식으로부터 구해지는 값이다.
이를 통해 구해진 스테이크 내부의 온도구배 데이터가 프라이팬에서 형상화된다. 손잡이에 달린 화면을 통해 겉보기의 익힘 정도가 아닌, 스테이크의 내부 온도()를 주방가전(200)을 통해 직접 확인되거나 및 고객단말(400)을 통해 확인할 수 있다. 실시간으로 확인하며 조리할 수 있다.
도 8은 마이크로웨이브 오븐에서 조리되는 조리 대상체의 열전도 분석의 예시를 도시한 도면이다.
도 8을 참조하면, 조리기구가 전자레인지인 경우의 디지털 트윈의 구축 및 열전도 함수의 연산에 대한 상세한 설명을 이하 후술한다.
전자레인지에서의 열 출입 흐름도에서 가정된 사항은 다음과 같다. 전자레인지에서 해동 시 평균적인 수분함량 손실은 1% 미만으로서 무시한다고 가정한다. 또한, 대상 음식체는 균질하고 해동 과정에서 일정한 밀도를 가지고 있다고 가정한다. 해동 과정의 시뮬레이션에서 사용되는 가 측정된 apparent 비열로서 상변화에서의 잠열을 내포하고 있다. 앞서 언급되었던 식 (1)에서 추가로 (열 발생) 과 (증발로 인한 열손실)에 대한 식(Zeng & Faghri, 1994)은 다음과 같이 간단하게 정리될 수 있다. 여기서 는 각각 축으로의 마이크로파 투과 깊이를, F는 대류 열을 나타낸다.
해동 과정의 시뮬레이션 또한 온도 경계 조건과 초기조건을 지정해야 하며 그 조건들은 앞서 언급된 예시와 유사하게 다음과 같이 정리될 수 있다.
이러한 시뮬레이션 과정을 통해 계산된 음식 내부의 온도 값 )과 해동 시간 (=0일때의 t의 값)은 주방가전(200)을 통해 직접 확인되거나 및 고객단말(400)을 통해 확인할 수 있다.
참고문헌
Heat and Mass Transfer: Fundamentals & Applications 5th Edition in SI Units Yunus A. engel, Afshin J. Ghajar McGraw-Hill, 2015, CHAPTER 2. HEAT CONDUCTION EQUATION
Chamchong, M., & Datta, A. K. (1999). Thawing of foods in a microwave oven: I. Effect of power levels and power cycling. Journal of Microwave Power and Electromagnetic Energy, 34(1), 9-21. https://doi.org/10.1080/08327823.1999.11688384
Zeng, X., & Faghri, A. (1994). Experimental and numerical study of microwave thawing heat transfer for food materials. Journal of Heat Transfer, 116(2), 446-455. https://doi.org/10.1115/1.2911417
이상에서와 같이 도면과 명세서에서 예시적인 실시예들이 개시되었다. 본 명세서에서 특정한 용어를 사용하여 실시예들을 설명되었으나, 이는 단지 본 개시의 기술적 사상을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 청구범위에 기재된 본 개시의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 개시의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.
Claims (20)
- 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법에 있어서,
디지털 트윈 시스템이 주방 가전으로부터 상기 조리 대상체의 실시간 데이터를 제공받는 단계;
디지털 트윈 시스템은 수신한 조리 대상체의 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하는 단계;
디지털 트윈 시스템은 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계; 및
디지털 트윈 시스템은 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정하는 단계;를 포함하고,
상기 디지털 트윈 시뮬레이션을 구체화하는 단계는,
조리 대상체의 외형 정보를 결정하는 단계를 포함하고, 상기 조리 대상체의 질량, 부피, 3차원 외형, 표면 온도 분포를 이용하여 상기 외형 정보를 결정하는 것을 특징으로 하는 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법. - 제1 항에 있어서,
상기 조리 대상체의 실시간 데이터는 조리 대상체의 표면에 대한 적어도 하나의 온도 데이터, 조리 대상체 부피, 평균 반경을 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 제1 항에 있어서,
상기 디지털 트윈 시뮬레이션을 구체화 하는 단계는,
상기 조리 대상체의 실시간 데이터가 복수의 센서에 의해 수집되는지 여부를 판별하는 단계;
복수의 센서에 의해 수집되는 경우는 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계; 및
단일 센서에 의해 수집되는 경우는 조리 기구에 대한 실시간 데이터 시뮬레이션을 바탕으로 복수의 데이터로 변환하고, 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계;를 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 제3 항에 있어서,
실시간 데이터 시뮬레이션을 바탕으로 복수의 데이터로 변환하는 단계는,
조리 기구에 대한 특성 데이터를 외부로부터 획득하여 시뮬레이션을 생성하는 단계를 더 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 제3 항에 있어서,
상기 복수의 실시간 데이터를 디지털 트윈 시뮬레이션 구축에 반영 하는 단계는,
조리 대상체의 내부 정보를 결정하는 단계;를 더 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 삭제
- 제5 항에 있어서,
상기 조리 대상체의 내부 정보를 결정하는 단계는,
식별된 조리 대상체 기본 정보를 바탕으로 내부 정보를 결정하거나, 고객단말 또는 주방 가전으로 입력된 조리 대상체 기본 정보를 바탕으로 결정되는 것인 조리 대상체의 디지털 트윈 구축 방법. - 제5 항에 있어서,
상기 조리 대상체의 내부 정보를 결정하는 단계는,
상기 조리 대상체 내부의 조성, 밀도, 층 구조를 결정하는 단계인 조리 대상체의 디지털 트윈 구축 방법. - 제1 항에 있어서,
상기 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계는,
열전도 함수에 필요한 변수값을 제공받는 단계인 조리 대상체의 디지털 트윈 구축 방법. - 제9 항에 있어서,
상기 열전도 함수에 필요한 변수값은 역추산 모듈을 통해서 획득된 제1 데이터베이스로부터 획득되는 것인 조리 대상체의 디지털 트윈 구축 방법. - 제10 항에 있어서,
고객단말 또는 주방 가전으로부터 디지털 트윈 시뮬레이션과 실제 조리 결과의 편차를 바탕으로 한 부적합 리뷰 데이터를 제공받는 단계; 및
상기 제1 데이터베이스의 열전도 함수에 필요한 변수값을 피드백 업데이트하는 단계;을 더 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 제9 항에 있어서,
상기 열전도 함수에 필요한 변수값은 고객 개인화 모듈을 통해 획득된 제2 데이터베이스로부터 획득되는 것인 조리 대상체의 디지털 트윈 구축 방법. - 제12 항에 있어서,
고객단말을 통해 고객이 의도하는 조리 상태를 바탕으로 한 취향 리뷰 데이터를 제공받는 단계; 및
상기 제2 데이터베이스의 열전도 함수에 필요한 변수 값을 피드백 업데이트하는 단계를 더 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 제9 항에 있어서,
상기 열전도 함수에 필요한 변수값은 조리기구 개별화 모듈을 통해 획득된 제3 데이터베이스로부터 획득되는 것인 조리 대상체의 디지털 트윈 구축 방법. - 제14 항에 있어서,
주방가전으로부터 조리기구별 편차를 바탕으로 한 조리기구별 리뷰 데이터를 제공받는 단계; 및
상기 제3 데이터베이스의 열전도 함수에 필요한 변수 값을 피드백 업데이트하는 단계를 더 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 제9 항에 있어서,
상기 열전달 시뮬레이션에 필요한 입력 데이터를 제공받는 단계는,
열전도 함수에 필요한 변수값은 역추산 모듈을 통해서 획득된 제1 데이터베이스, 상기 열전도 함수에 필요한 변수값은 고객 개인화 모듈을 통해 획득된 제2 데이터베이스 및 상기 열전도 함수에 필요한 변수값은 조리기구 개별화 모듈을 통해 획득된 제3 데이터베이스 중 적어도 하나의 데이터베이스로부터 제공받거나 또는 상기 제1 내지 상기 제3 데이터베이스의 입력데이터 값을 소정의 방식으로 변환하여 제공받는 것인 조리 대상체의 디지털 트윈 구축 방법. - 제16 항에 있어서,
상기 소정의 방식으로의 변환은, 제1 데이터베이스의 변수값에 적용되는 제1 가중치, 제2 데이터베이스의 변수값에 적용되는 제2 가중치, 제3 데이터의 변수값에 적용되는 제3 가중치를 바탕으로 변환하는 것인 조리 대상체의 디지털 트윈 구축 방법. - 제1 항에 있어서,
상기 내부 온도값을 추정하는 단계 다음에,
디지털 트윈상의 내부온도가 타겟 조리 조건을 달성하는 경우 주방가전에 조리 완료 처리를 요청하는 단계;를 더 포함하는 조리 대상체의 디지털 트윈 구축 방법. - 디지털 트윈 시스템에 있어서,
상기 디지털 트윈 시스템은,
네트워크를 통해 고객단말, 주방가전 및 머신러닝 모듈과 정보를 송수신할 수 있는 송수신부;
주방가전으로부터 타겟 조건 조리 데이터를 제공받고, 머신러닝 모듈로부터 입력 데이터를 제공받아 조리 대상체에 대한 디지털 트윈을 형성하는 기능을 제공하는 어플리케이션을 저장하는 메모리부;
상기 메모리부로부터 어플리케이션을 읽어들여 제어하는 프로세서;
사용자로부터 상기 고객단말을 통해 명령어를 입력받는 입력부; 및
상기 프로세서의 제어에 따라 결과값을 출력하는 출력부;를 포함하고,
상기 어플리케이션은,
디지털 트윈 시스템이 주방 가전으로부터 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 제공받고,
디지털 트윈 시스템은 수신한 타겟 조리 조건 데이터 및 조리 대상체 실시간 데이터를 바탕으로 디지털 트윈 시뮬레이션을 구체화 하고,
디지털 트윈 시스템은 머신러닝 모듈로부터 열전달 시뮬레이션에 필요한 입력 데이터를 제공받고,
디지털 트윈 시스템은 조리 대상체의 조리과정을 실시간으로 모니터링하기 위한 내부 온도값을 추정하고,
상기 디지털 트윈 시뮬레이션을 구체화하는 것은 상기 조리 대상체의 질량, 부피, 3차원 외형, 표면 온도 분포를 이용하여 조리 대상체의 외형 정보를 결정하는 것을 특징으로 하는 디지털 트윈 시스템. - 컴퓨터인 하드웨어와 결합되어, 제1 항에 따른 방법을 실행하기 위해 매체에 저장된 디지털 트윈 구축 프로그램.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2021/007535 WO2022255527A1 (ko) | 2021-06-02 | 2021-06-16 | 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 시스템 |
| US18/242,522 US20230409782A1 (en) | 2021-06-02 | 2023-09-06 | Method and system for constructing digital twin of cooking target linked with kitchen appliance |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163196206P | 2021-06-02 | 2021-06-02 | |
| US63/196,206 | 2021-06-02 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220163228A KR20220163228A (ko) | 2022-12-09 |
| KR102628624B1 true KR102628624B1 (ko) | 2024-01-25 |
Family
ID=84440495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210075861A KR102628624B1 (ko) | 2021-06-02 | 2021-06-11 | 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 시스템 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102628624B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019045356A (ja) | 2017-09-04 | 2019-03-22 | 国立大学法人広島大学 | レトルト殺菌中の、非金属製容器に封入されている食品の加工状態を推定する方法、およびそのための装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102342815B1 (ko) * | 2019-03-06 | 2021-12-24 | 씨제이제일제당 (주) | 레시피 제공 시스템 및 방법 |
| KR20210030796A (ko) * | 2019-09-10 | 2021-03-18 | 엘지전자 주식회사 | 인공 지능을 이용한 조리 기기 제어 방법 및 그 시스템 |
-
2021
- 2021-06-11 KR KR1020210075861A patent/KR102628624B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019045356A (ja) | 2017-09-04 | 2019-03-22 | 国立大学法人広島大学 | レトルト殺菌中の、非金属製容器に封入されている食品の加工状態を推定する方法、およびそのための装置 |
Non-Patent Citations (1)
| Title |
|---|
| The Digital Twin for Thermal Fluid-structure Interaction in the Context of Cooking Modeling - Concept Paper* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220163228A (ko) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6586274B2 (ja) | 調理装置、調理方法、調理制御プログラム、および、調理情報提供方法 | |
| US10282079B2 (en) | Control method of controlling a terminal apparatus connected to a cooking device | |
| CN104040568B (zh) | 能量管理系统及管理装置 | |
| US20170344116A1 (en) | Haptic output methods and devices | |
| JP2019528525A (ja) | キッチン器具を誘導加熱及びワイヤレス給電する調理システム | |
| KR20190102237A (ko) | 그리드 내의 차폐된 시스템을 위한 계층적 암시적 제어기 | |
| JP5841485B2 (ja) | 熱損失係数推定装置、熱損失係数推定方法、およびプログラム | |
| KR102242648B1 (ko) | 인공지능 복합조리시스템 | |
| JP2021500579A (ja) | 電磁調理器の温度測定方法、温度測定装置及び読み取り可能な記憶媒体 | |
| Pham | Two-dimensional Rosenthal moving heat source analysis using the meshless element free Galerkin method | |
| US20160353921A1 (en) | Machine & System for Obtaining Precise Cooking Times of Irregular Shaped Food Objects | |
| CN111722547B (zh) | 烹饪设备及其控制方法、存储介质 | |
| KR102628624B1 (ko) | 주방가전과 연동한 조리 대상체의 디지털 트윈 구축 방법, 시스템 및 프로그램 | |
| JP5761662B2 (ja) | ビルエネルギー管理装置及びビルエネルギー管理方法 | |
| Kang et al. | Co-simulation of dynamic underground heat transfer with building energy modeling based on equivalent slab method | |
| CN111023167A (zh) | 一种烹饪控制方法和装置 | |
| CN111743384A (zh) | 具有沸点识别的厨房多用机 | |
| CN204445337U (zh) | 网络化的智能电饭煲 | |
| CN112213638B (zh) | 一种电机线圈的发热状态监测方法、相关设备和介质 | |
| US20230409782A1 (en) | Method and system for constructing digital twin of cooking target linked with kitchen appliance | |
| Silvestri et al. | Integration of social behavioral modeling for energy optimization in smart environments | |
| CN106897349A (zh) | 信息发布方法、服务器装置以及网络系统 | |
| JP2018060244A (ja) | 情報処理システム | |
| Liu et al. | Estimating and visualizing thermal comfort level via a predicted mean vote in a BIM system | |
| Hadiyanto et al. | Multi‐objective optimization to improve the product range of baking systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right |