KR102657552B1

KR102657552B1 - 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법, 장치 및 시스템

Info

Publication number: KR102657552B1
Application number: KR1020230184074A
Authority: KR
Inventors: 박선경
Original assignee: (주)로가닉코리아
Priority date: 2023-12-18
Filing date: 2023-12-18
Publication date: 2024-04-15

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법에 있어서, 제1 IoT 기기의 필터 교체 내역을 기반으로, 상기 제1 IoT 기기의 최근 필터 교체 시점을 제1 시점으로 확인하는 단계; 상기 제1 시점으로부터 미리 설정된 제1 기준 기간이 지난 시점을 제2 시점으로 설정하는 단계; 상기 제1 IoT 기기에 설치되어 있는 제1 센서에서 상기 제2 시점에 상기 제1 IoT 기기의 사용 현황을 감지하여 제1 사용 정보를 생성하면, 상기 제1 IoT 기기로부터 상기 제1 사용 정보를 수신하는 단계; 상기 제1 사용 정보를 인코딩 하여 제1 입력 신호를 생성하는 단계; IoT 기기의 사용 현황에 따라 IoT 기기의 필터 상태를 나타내는 상태 지수를 산정하도록 학습된 제1 인공지능 모델에 상기 제1 입력 신호를 입력하고, 상기 제1 입력 신호를 통해 제1 상태 지수가 산정되면, 상기 제1 인공지능 모델로부터 상기 제1 상태 지수를 지시하는 제1 출력 신호를 획득하는 단계; 상기 제1 출력 신호에 기초하여, 상기 제2 시점에 상기 제1 IoT 기기의 필터 상태를 나타내는 상태 지수를 상기 제1 상태 지수로 설정하는 단계; 상기 제1 상태 지수가 미리 설정된 제1 기준치 보다 높은 것으로 확인되면, 상기 제1 IoT 기기의 상태를 정상 기기로 설정하는 단계; 상기 제1 상태 지수가 상기 제1 기준치 보다 높지 않지만 미리 설정된 제2 기준치 보다 높은 것으로 확인되면, 상기 제1 IoT 기기의 상태를 관심 필요 기기로 설정하는 단계; 상기 제1 상태 지수가 상기 제2 기준치 보다 높지 않은 것으로 확인되면, 상기 제1 IoT 기기의 상태를 교체 필요 기기로 설정하는 단계; 및 상기 제1 IoT 기기의 상태가 교체 필요 기기로 설정된 경우, 상기 제1 IoT 기기의 필터 교체가 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말로 전송하는 단계를 포함하는, 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법이 제공된다.

Description

센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법, 장치 및 시스템 {METHOD, APPARATUS, AND SYSTEM FOR MONITORING THE STATUS OF SENSOR-BASED FILTERS AND ALARM FOR REPLACEMENT CYCLES}

아래 실시예들은 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법, 장치 및 시스템에 관한 것이다.

일반적으로, 정수기, 비데, 냉장고, 커피 메이커, 세탁기, 식기 세척기 등과 같은 생활 가전제품에서는 수질 개 선용 필터를 이용하여 원수, 예컨대 수돗물을 보다 깨끗한 물로 필터링하여 각 기기에 공급함으로써, 소비자의 건강에 대한 요구를 충족시켜주고 있다. 이러한 필터는 경유하는 원수에 함유된 각종 중금속과 불순물 등의 유해성분을 제거하여, 음용수 상태의 정수를 얻도록 하고 있다. 따라서 필터는 일반적으로 정수를 요하는 장치에 장착되어 정수대상인 원수에 대한 정수과정 을 수행하게 된다. 이와 같은 필터는 교체 주기를 가지는데, 일반 사용자들은 필터의 교체 주기를 제대로 확인하기란 어렵다는 문제점이 있다.

따라서, 필터의 교체 주기에 대한 알람 서비스를 제공함으로써, 필터를 용이하게 관리하고자 하는 기술의 개발이 요구된다.

한국등록특허 제10-2233935호 한국등록특허 제10-1969098호 한국공개특허 제10-2010-0021294호 한국공개특허 제10-2009-0090763호

일실시예에 따르면, 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 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.

상기 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법은, 상기 제1 시점으로부터 미리 설정된 제1 기준 기간이 지난 시점을 제2 시점으로 설정하는 단계 이전, 상기 제1 IoT 기기의 기기 정보를 기반으로, 상기 제1 IoT 기기의 설치 시점을 확인하는 단계; 상기 제1 IoT 기기의 설치 시점부터 현재 시점까지 제1 기간으로 확인되면, 상기 제1 IoT 기기의 총 사용 기간을 상기 제1 기간으로 설정하는 단계; 상기 제1 기간이 길수록 제1 가중치를 더 낮은 값으로 설정하는 단계; 상기 제1 IoT 기기의 종류가 제1 카테고리에 속하는 것으로 확인되면, 상기 제1 카테고리의 표준 점검 주기로 설정되어 있는 제2 기간을 확인하는 단계; 및 상기 제2 기간 및 상기 제1 가중치를 곱한 값으로, 상기 제1 기준 기간을 설정하는 단계를 더 포함할 수 있다.

상기 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법은, 상기 제1 IoT 기기의 상태를 정상 기기로 설정하는 단계 이후, 상기 제1 IoT 기기의 상태가 정상 기기로 설정된 경우, 상기 제2 시점으로부터 상기 제1 기준 기간이 지난 시점을 제3 시점으로 설정하는 단계; 상기 제1 센서에서 상기 제3 시점에 상기 제1 IoT 기기의 사용 현황을 감지하여 제2 사용 정보를 생성하면, 상기 제1 IoT 기기로부터 상기 제2 사용 정보를 수신하는 단계; 상기 제2 사용 정보를 인코딩 하여 제2 입력 신호를 생성하는 단계; 상기 제1 인공지능 모델에 상기 제2 입력 신호를 입력하고, 상기 제2 입력 신호를 통해 제2 상태 지수가 산정되면, 상기 제1 인공지능 모델로부터 상기 제2 상태 지수를 지시하는 제2 출력 신호를 획득하는 단계; 및 상기 제2 출력 신호에 기초하여, 상기 제3 시점에 상기 제1 IoT 기기의 필터 상태를 나타내는 상태 지수를 상기 제2 상태 지수로 설정하는 단계를 더 포함할 수 있다.

상기 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법은, 상기 제1 IoT 기기의 상태를 관심 필요 기기로 설정하는 단계 이후, 상기 제1 IoT 기기의 상태가 관심 필요 기기로 설정된 경우, 상기 제1 상태 지수가 낮을수록 제2 가중치를 더 낮은 값으로 설정하는 단계; 상기 제1 기준 기간 및 상기 제2 가중치를 곱한 값으로, 제2 기준 기간을 설정하는 단계; 상기 제2 시점으로부터 상기 제2 기준 기간이 지난 시점을 제4 시점으로 설정하는 단계; 상기 제1 센서에서 상기 제4 시점에 상기 제1 IoT 기기의 사용 현황을 감지하여 제3 사용 정보를 생성하면, 상기 제1 IoT 기기로부터 상기 제3 사용 정보를 수신하는 단계; 상기 제3 사용 정보를 인코딩 하여 제3 입력 신호를 생성하는 단계; 상기 제1 인공지능 모델에 상기 제3 입력 신호를 입력하고, 상기 제3 입력 신호를 통해 제3 상태 지수가 산정되면, 상기 제1 인공지능 모델로부터 상기 제3 상태 지수를 지시하는 제3 출력 신호를 획득하는 단계; 및 상기 제3 출력 신호에 기초하여, 상기 제4 시점에 상기 제1 IoT 기기의 필터 상태를 나타내는 상태 지수를 상기 제3 상태 지수로 설정하는 단계를 더 포함할 수 있다.

일실시예에 따르면, 필터의 상태를 모니터링하고 필터의 교체 주기에 대한 알람 서비스를 제공함으로써, 필터를 용이하게 관리하는데 도움을 줄 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 센서 기반 필터의 상태 모니터링 및 교체 주기 알람에 대한 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 제1 기준 기간을 설정하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 IoT 기기의 상태가 정상 기기일 때 사용 정보를 추가로 수신하여 상태 지수를 설정하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 IoT 기기의 상태가 관심 필요 기기일 때 사용 정보를 추가로 수신하여 상태 지수를 설정하는 과정을 설명하기 위한 순서도이다.
도 6 내지 도 8은 일실시예에 따른 IoT 기기의 필터 교체 작업을 수행할 직원을 선정하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 IoT 기기의 상태 현황 페이지를 제공하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 IoT 기기의 상태에 따라 IoT 기기를 상이한 색상으로 표시하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 주변 IoT 기기의 상태에 따라 IoT 기기를 상이한 채도의 색상으로 표시하는 과정을 설명하기 위한 순서도이다.
도 12는 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 IoT 기기(100), 복수의 사용자 단말(200), 복수의 직원 단말(300) 및 장치(400)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.

먼저, 복수의 IoT 기기(100)는 사물인터넷(Internet of Things)으로 연결되어 있으면서 필터를 포함하고 있는 기기로, 예를 들면, 정수기, 공기청정기와 같이 주기적으로 필터를 교체하여 관리하는 기기일 수 있다.

복수의 IoT 기기(100)는 특정 장소 또는 특정 구역 별로 각각 설치될 수 있으며, 제1 구역 내에 설치되어 있는 제1 IoT 기기(110), 제2 구역 내에 설치되어 있는 제2 IoT 기기(120) 등을 포함할 수 있다. 이때, 제1 IoT 기기(110)와 제2 IoT 기기(120)는 동일한 건물에서 다른 호실에 각각 설치될 수 있고, 상이한 건물에 각각 설치될 수도 있다.

복수의 IoT 기기(100) 각각은 기기의 종류에 따라 필터를 구비할 수 있으며, 예를 들면, 제1 IoT 기기(110)가 정수기인 경우, IoT 기기는 정수 필터를 구비할 수 있고, 제1 IoT 기기가 공기청정기인 경우, IoT 기기는 공기 정화 필터를 구비할 수 있다.

복수의 IoT 기기(100) 각각은 IoT 기기의 사용 현황을 감지하는 센서를 구비할 수 있다. 이때, 센서는 IoT 기기의 동작에 필요한 다양한 센서로 구현될 수 있고, 예를 들면, 물의 유량을 감지하는 센서, 공기의 유량을 감지하는 센서, 온도를 감지하는 센서, 압력을 감지하는 센서 등으로 구현될 수 있다.

제1 IoT 기기(110)에는 제1 센서가 설치되어 있어, 제1 센서는 제1 IoT 기기(110)의 사용 현황을 감지할 수 있고, 제2 IoT 기기(120)에는 제2 센서가 설치되어 있어, 제2 센서는 제2 IoT 기기(120)의 사용 현황을 감지할 수 있다. 여기서, 사용 현황은 필터 교체 이후부터 현재까지 IoT 기기의 사용 시간, 사용량 등을 나타내는 IoT 기기의 사용 현황을 의미할 수 있다.

복수의 IoT 기기(100) 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 IoT 기기(100)는 장치(400)와 유무선을 통해 통신하도록 구성될 수 있으며, 장치(400)로부터 수신된 제어 신호에 의해 동작할 수 있다.

이하에서는 설명의 편의상, 제1 IoT 기기(110)의 동작을 위주로 설명하지만, 제2 IoT 기기(120)의 등의 다른 IoT 기기에서 제1 IoT 기기(110)의 동작을 대신 수행할 수 있는 것은 물론이다.

복수의 사용자 단말(200)은 IoT 기기를 사용하는 사용자들이 사용하는 단말로, 제1 사용자가 사용하는 제1 사용자 단말(210), 제2 사용자가 사용하는 제2 사용자 단말(220) 등을 포함할 수 있다. 이를 위해, 제1 사용자는 제1 IoT 기기(110)의 사용자로 등록되어 있고, 제2 사용자는 제2 IoT 기기(120)의 사용자로 등록되어 있다.

복수의 사용자 단말(200) 각각은 통신 기능을 갖춘 모바일 기기로 구현될 수 있으며, 예를 들면, 휴대전화기, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.

복수의 사용자 단말(200)은 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 사용자 단말(200)은 장치(400)와 유무선을 통해 통신하도록 구성될 수 있다.

복수의 사용자 단말(200) 각각은 장치(400)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(400)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 복수의 사용자 단말(200) 각각은 웹 페이지 또는 애플리케이션을 통해 장치(400)와 연동될 수 있다.

복수의 사용자 단말(200) 각각은 장치(400)에서 제공하는 웹 페이지, 애플리케이션을 등을 통해 장치(400)에 접속할 수 있다.

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

복수의 직원 단말(300)은 IoT 기기의 필터를 교체하는 직원들이 사용하는 단말로, 제1 직원이 사용하는 제1 직원 단말(310), 제2 직원이 사용하는 제2 직원 단말(320) 등을 포함할 수 있다. 이를 위해, 제1 직원과 제2 직원은 필터 교체 서비스의 제공 업체에서 근무하는 직원으로 등록되어 있다.

복수의 직원 단말(300) 각각은 통신 기능을 갖춘 모바일 기기로 구현될 수 있으며, 예를 들면, 휴대전화기, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.

복수의 직원 단말(300)은 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 직원 단말(300)은 장치(400)와 유무선을 통해 통신하도록 구성될 수 있다.

복수의 직원 단말(300) 각각은 장치(400)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(400)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 복수의 직원 단말(300) 각각은 웹 페이지 또는 애플리케이션을 통해 장치(400)와 연동될 수 있다.

복수의 직원 단말(300) 각각은 장치(400)에서 제공하는 웹 페이지, 애플리케이션을 등을 통해 장치(400)에 접속할 수 있다.

이하에서는 설명의 편의상, 제1 직원 단말(310)의 동작을 위주로 설명하지만, 제2 직원 단말(320) 등의 다른 직원 단말에서 제1 직원 단말(310)의 동작을 대신 수행할 수 있는 것은 물론이다.

장치(400)는 장치(400)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(400)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(400)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능 모델을 구비할 수 있다.

장치(400)는 복수의 IoT 기기(100)와 유무선으로 통신하도록 구성될 수 있으며, 복수의 IoT 기기(100) 각각의 동작을 제어하고, 복수의 IoT 기기(100) 각각에 설치되어 있는 센서의 동작도 제어할 수 있다.

장치(400)는 복수의 사용자 단말(200)과 유무선으로 통신하도록 구성될 수 있으며, 복수의 사용자 단말(200) 각각의 동작을 제어하고, 복수의 사용자 단말(200) 각각의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.

장치(400)는 복수의 직원 단말(300)과 유무선으로 통신하도록 구성될 수 있으며, 복수의 직원 단말(300) 각각의 동작을 제어하고, 복수의 직원 단말(300) 각각의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.

한편, 설명의 편의를 위해 도 1에서는 복수의 IoT 기기(100) 중에서 제1 IoT 기기(110) 및 제2 IoT 기기(120) 만을 도시하고, 복수의 사용자 단말(200) 중에서 제1 사용자 단말(210) 및 제2 사용자 단말(220) 만을 도시하고, 복수의 직원 단말(300) 중에서 제1 직원 단말(310) 및 제2 직원 단말(320) 만을 도시하였으나, IoT 기기의 수, 사용자 단말의 수, 직원 단말의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(400)의 처리 용량이 허용하는 한, IoT 기기의 수, 사용자 단말의 수, 직원 단말의 수는 특별한 제한이 없다.

일실시예에 따르면, 장치(400)는 인공지능을 기반으로 IoT 기기의 필터 상태를 나타내는 상태 지수를 산정할 수 있다. 이때, 상태 지수는 높은 수치일수록 필터의 상태가 깨끗한 상태인 것을 나타내고, 낮은 수치일수록 필터의 상태가 더러운 상태인 것을 나타낼 수 있다.

본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.

기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.

인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.

이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.

컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.

도 2는 일실시예에 따른 센서 기반 필터의 상태 모니터링 및 교체 주기 알람에 대한 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 내역을 기반으로, 제1 IoT 기기(110)의 최근 필터 교체 시점을 제1 시점으로 확인할 수 있다. 여기서, 필터 교체 내역은 필터 교체 작업을 통해 필터가 교체된 내역이 누적된 정보로, 어느 시점에 어느 직원이 어느 필터를 교체하였는지 나타내는 리스트로 구성될 수 있고, 필터 교체 시점, 필터 교체 직원, 필터 종류 등의 정보를 포함할 수 있다.

구체적으로, 장치(400)의 데이터베이스에는 IoT 기기 별로 구분되어 있는 필터 교체 내역이 저장되어 있으며, 장치(400)는 데이터베이스에 저장된 정보를 조회하여, 제1 IoT 기기(110)의 필터 교체 내역을 획득하고, 제1 IoT 기기(110)의 필터 교체 내역을 기반으로, 가장 최근에 필터가 교체된 시점을 파악하여, 파악된 시점을 제1 시점으로 확인할 수 있다.

S202 단계에서, 장치(400)는 제1 시점으로부터 제1 기준 기간이 지난 시점을 제2 시점으로 설정할 수 있다. 여기서, 제1 기준 기간은 실시예에 따라 상이하게 설정될 수 있으며, 제1 기준 기간을 설정하는 과정에 대한 자세한 설명은 도 3을 참조하여 후술하기로 한다.

예를 들어, 제1 시점이 1월1일로 확인되고, 제1 기준 기간이 10일로 설정되어 있는 경우, 장치(400)는 1월1일로부터 10일이 지난 시점인 1월11일을 제2 시점으로 설정할 수 있다.

S203 단계에서, 장치(400)는 제1 IoT 기기(110)로부터 제2 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 생성된 제1 사용 정보를 수신할 수 있다. 여기서, 제1 사용 정보는 필터 교체 이후부터 제2 시점까지 제1 IoT 기기(110)의 사용 시간, 사용량 등에 대한 정보를 포함할 수 있다.

구체적으로, 장치(400)는 제2 시점이 설정되면, 제2 시점에 사용 현황을 감지하는 것을 명령하는 명령 신호를 제1 IoT 기기(110)로 전송할 수 있고, 제1 IoT 기기(110)에 설치되어 있는 제1 센서는 제2 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 제1 사용 정보를 생성할 수 있고, 제1 IoT 기기(110)는 제1 사용 정보를 장치(400)로 전송할 수 있다.

즉, 장치(400)는 제1 IoT 기기(110)에 설치되어 있는 제1 센서에서 제2 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 제1 사용 정보를 생성하면, 제1 IoT 기기(110)로부터 제1 사용 정보를 수신할 수 있다.

S204 단계에서, 장치(400)는 제1 사용 정보를 인코딩 하여 제1 입력 신호를 생성할 수 있다

구체적으로, 장치(400)는 제1 사용 정보를 제1 인공지능 모델의 입력으로 사용하기 위해, 제1 사용 정보에 대해 통상의 정보 처리를 수행하여, 제1 입력 신호를 생성할 수 있다.

S205 단계에서, 장치(400)는 미리 학습된 제1 인공지능 모델에 제1 입력 신호를 입력할 수 있다. 여기서, 제1 인공지능 모델은 IoT 기기의 사용 현황에 따라 IoT 기기의 필터 상태를 나타내는 상태 지수를 산정하도록 학습되어 있으며, IoT 기기의 사용 현황에 따라 구분된 사용 정보를 통해 학습된 상태일 수 있다.

제1 인공지능 모델은 사용 정보를 인코딩 하여 생성된 입력 신호를 입력 받은 후, 입력 신호를 통해 상태 지수를 산정하여 산정된 상태 지수를 지시하는 출력 신호를 출력하는 알고리즘일 수 있다.

즉, 제1 인공지능 모델은 IoT 기기의 사용 현황을 고려하여, IoT 기기의 필터 상태를 나타내는 상태 지수를 산정하고, 산정된 상태 지수를 지시하는 출력 신호를 출력할 수 있다.

S206 단계에서, 장치(400)는 제1 입력 신호를 통해 제1 상태 지수가 산정되면, 제1 인공지능 모델로부터 제1 상태 지수를 지시하는 제1 출력 신호를 획득할 수 있다. 이때, 제1 출력 신호는 제1 상태 지수를 지시하는 수치 정보를 포함할 수 있다.

예를 들어, 장치(400)는 제1 인공지능 모델에 제1 입력 신호를 입력하고, 제1 입력 신호를 통해 제1 상태 지수가 80으로 산정되면, 제1 인공지능 모델로부터 80을 지시하는 제1 출력 신호를 획득할 수 있다.

즉, 제1 인공지능 모델은 입력 신호를 통해 상태 지수를 산정하고, 산정된 상태 지수를 지시하는 출력 신호를 출력할 수 있다. 이를 위해, 제1 인공지능 모델은 데이터베이스에 저장되어 있는 IoT 기기의 사용 현황에 따라 구분된 사용 정보에 기초하여, IoT 기기의 사용 현황에 따라 상태 지수를 어느 정도로 산정할 것인지 분석하도록 미리 학습된 상태일 수 있다.

제1 인공지능 모델의 학습이 이루어지는 학습 장치는 학습된 제1 인공지능 모델을 활용하여 상태 지수를 설정하는 장치(400)와 동일한 장치일 수 있고, 별개의 장치일 수도 있다. 이하에서는 제1 인공지능 모델이 학습되는 과정을 설명한다.

먼저, 학습 장치는 사용 정보를 기초로 입력을 생성할 수 있다.

구체적으로, 학습 장치는 사용 정보에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 사용 정보를 제1 인공지능 모델의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.

다음으로, 학습 장치는 제1 인공지능 모델에 입력을 적용할 수 있다. 제1 인공지능 모델은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공지능 모델은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Deep Q-Network), 또는 관계형 네트워크(relation network, RN) 구조일 수 있다.

강화 학습에 따라 학습되는 제1 인공지능 모델은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다.

예를 들어, 제1 보상은 IoT 기기의 사용 시간이 길수록 상태 지수를 더 낮은 값으로 산정하면 보상값이 높아질 수 있고, 제2 보상은 IoT 기기의 사용량이 많을수록 상태 지수를 더 낮은 값으로 산정하면 보상값이 높아질 수 있다.

다음으로, 학습 장치는 제1 인공지능 모델로부터 출력을 획득할 수 있다. 이때, 제1 인공지능 모델의 출력은, 상태 지수를 지시하는 수치 정보일 수 있다. 즉, 제1 인공지능 모델은 IoT 기기의 사용 현황에 따라 상태 지수를 산정하고, 산정된 상태 지수에 대한 수치 정보를 출력할 수 있다.

다음으로, 학습 장치는 제1 인공지능 모델의 출력을 평가하여 보상을 지급할 수 있다.

예를 들어, 학습 장치는 IoT 기기의 사용 시간이 길수록 상태 지수를 더 낮은 값으로 산정하면 제1 보상을 많이 수여하고, IoT 기기의 사용량이 많을수록 상태 지수를 더 낮은 값으로 산정하면 제2 보상을 많이 수여할 수 있다.

다음으로, 학습 장치는 평가를 기초로 제1 인공지능 모델을 갱신할 수 있다.

구체적으로, 학습 장치는 제1 인공지능 모델이 추천 디자인을 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 제1 인공지능 모델을 갱신할 수 있다.

예를 들어, 학습 장치는 제1 사용 정보를 통해 확인된 IoT 기기의 사용 현황에 따라, IoT 기기의 필터 상태를 나타내는 상태 지수를 제1 상태 지수로 산정한 결과에 대해 문제가 없는 경우, 제1 사용 정보를 이용하여 제1 상태 지수를 산정한 결과에 대해 문제가 없음을 나타내는 제1 학습 데이터를 생성하고, 제1 학습 데이터를 제1 인공지능 모델에 적용하여, 제1 사용 정보와 유사한 사용 정보를 이용하여 상태 지수를 산정할 때, 제1 상태 지수와 유사한 수치로 상태 지수를 산정하도록, 제1 인공지능 모델을 학습시키는 과정을 통해, 제1 인공지능 모델을 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 제1 인공지능 모델의 학습 과정을 반복함으로써, 제1 인공지능 모델을 점진적으로 갱신시킬 수 있다. 이를 통해, 학습 장치는 IoT 기기의 사용 현황에 따라 상태 지수를 어느 정도로 산정할 것인지 분석하여 출력하는 제1 인공지능 모델을 학습시킬 수 있다.

즉, 학습 장치는 IoT 기기의 사용 현황에 따라 상태 지수를 산정할 때, 제1 보상 내지 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 제1 인공지능 모델을 학습시킬 수 있다.

S207 단계에서, 장치(400)는 제1 출력 신호에 기초하여, 제2 시점에 제1 IoT 기기(110)의 필터 상태를 나타내는 상태 지수를 제1 상태 지수로 설정할 수 있다. 이때, 제1 상태 지수는 높은 수치일수록 필터의 상태가 깨끗한 상태인 것을 나타내고, 낮은 수치일수록 필터의 상태가 더러운 상태인 것을 나타낼 수 있다.

S208 단계에서, 장치(400)는 제1 상태 지수가 제1 기준치 보다 높은지 여부를 확인할 수 있다. 여기서, 제1 기준치는 실시예에 따라 상이하게 설정될 수 있다.

S208 단계에서 제1 상태 지수가 제1 기준치 보다 높은 것으로 확인되면, S209 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태를 정상 기기로 설정할 수 있다.

S209 단계에서 제1 상태 지수가 제1 기준치 보다 높지 않은 것으로 확인되면, S210 단계에서, 장치(400)는 제1 상태 지수가 제2 기준치 보다 높은지 여부를 확인할 수 있다. 여기서, 제2 기준치는 제1 기준치 보다 낮은 값으로 설정될 수 있다.

S210 단계에서 제1 상태 지수가 제2 기준치 보다 높은 것으로 확인도면, S211 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태를 관심 필요 기기로 설정할 수 있다.

즉, 장치(400)는 제1 상태 지수가 제1 기준치 보다 높지 않지만 제2 기준치 보다 높은 것으로 확인되면, 제1 IoT 기기(110)의 상태를 관심 필요 기기로 설정할 수 있다.

S210 단계에서 제1 상태 지수가 제2 기준치 보다 높지 않은 것으로 확인도면, S212 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태를 교체 필요 기기로 설정할 수 있다.

S213 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태가 교체 필요 기기로 설정된 경우, 제1 IoT 기기(110)의 필터 교체가 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(210)로 전송할 수 있다.

구체적으로, 장치(400)의 데이터베이스에는 IoT 기기 별로 구분되어 있는 기기 정보가 저장되어 있으며, 장치(400)는 데이터베이스에 저장된 정보를 조회하여, 제1 IoT 기기(110)의 기기 정보를 획득하고, 제1 IoT 기기(110)의 기기 정보를 기반으로, 제1 IoT 기기(110)의 사용자인 제1 사용자의 연락처를 확인하고, 제1 사용자의 연락처를 이용하여 제1 IoT 기기(110)의 필터 교체가 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말(210)로 전송할 수 있다.

도 3은 일실시예에 따른 제1 기준 기간을 설정하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 3에 도시된 각 단계는 S202 단계 이전에 수행될 수 있다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(400)는 제1 IoT 기기(110)의 기기 정보를 기반으로, 제1 IoT 기기(110)의 설치 시점을 확인할 수 있다. 이를 위해, 기기 정보는 IoT 기기가 최초로 설치된 설치 시점에 대한 정보를 포함할 수 있다.

S302 단계에서, 장치(400)는 제1 IoT 기기(110)의 설치 시점부터 현재 시점까지 제1 기간으로 확인할 수 있다.

예를 들어, 제1 IoT 기기(110)의 설치 시점이 1월1일로 확인되고, 현재 시점이 1월21일로 확인되는 경우, 장치(400)는 1월1일부터 1월21일까지 기간인 20일을 제1 기간으로 확인할 수 있다.

S303 단계에서, 장치(400)는 제1 기간이 길수록 제1 가중치를 더 낮은 값으로 설정할 수 있다. 여기서, 제1 가중치는 0 내지 2 범위 내에서 설정될 수 있다.

예를 들어, 장치(400)는 제1 기간이 5일로 확인되면, 제1 가중치를 1.1로 설정할 수 있고, 제1 기간이 10일로 확인되면, 제1 가중치를 1로 설정할 수 있고, 제1 기간이 15일로 확인되면, 제1 가중치를 0.9로 설정할 수 있다.

S304 단계에서, 장치(400)는 제1 IoT 기기(110)의 종류가 제1 카테고리에 속하는 것으로 확인할 수 있다. 여기서, 제1 카테고리는 IoT 기기의 제품군, 모델명 등으로 구분될 수 있다.

S305 단계에서, 장치(400)는 제1 카테고리의 표준 점검 주기로 설정되어 있는 제2 기간을 확인할 수 있다. 이를 위해, 카테고리 별로 표준 점검 주기가 각각 설정되어 있다.

예를 들어, 정수기 카테고리의 표준 점검 주기로 10일이 설정되어 있고, 공기청정기 카테고리의 표준 점검 주기로 20일이 설정되어 있는 경우, 장치(400)는 제1 IoT 기기(110)의 종류가 정수기 카테고리에 속하는 것으로 확인되면, 10일을 제2 기간으로 확인할 수 있고, 제1 IoT 기기(110)의 종류가 공기청정기 카테고리에 속하는 것으로 확인되면, 20일을 제2 기간으로 확인할 수 있다.

S306 단계에서, 장치(400)는 제2 기간 및 제1 가중치를 곱한 값으로, 제1 기준 기간을 설정할 수 있다.

예를 들어, 제2 기간이 10일로 확인되고 제1 가중치가 1.1로 설정된 경우, 장치(400)는 (10 X 1.1)을 통해 산출된 11일을 제1 기준 기간으로 설정할 수 있다.

도 4는 일실시예에 따른 IoT 기기의 상태가 정상 기기일 때 사용 정보를 추가로 수신하여 상태 지수를 설정하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 4에 도시된 각 단계는 S209 단계 이후에 수행될 수 있다.

도 4를 참조하면, 먼저, S401 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태가 정상 기기로 설정된 경우, 제2 시점으로부터 제1 기준 기간이 지난 시점을 제3 시점으로 설정할 수 있다.

S402 단계에서, 장치(400)는 제1 IoT 기기(110)로부터 제3 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 생성된 제2 사용 정보를 수신할 수 있다. 여기서, 제2 사용 정보는 필터 교체 이후부터 제3 시점까지 제1 IoT 기기(110)의 사용 시간, 사용량 등에 대한 정보를 포함할 수 있다.

구체적으로, 장치(400)는 제3 시점이 설정되면, 제3 시점에 사용 현황을 감지하는 것을 명령하는 명령 신호를 제1 IoT 기기(110)로 전송할 수 있고, 제1 IoT 기기(110)에 설치되어 있는 제1 센서는 제3 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 제2 사용 정보를 생성할 수 있고, 제1 IoT 기기(110)는 제2 사용 정보를 장치(400)로 전송할 수 있다.

즉, 장치(400)는 제1 IoT 기기(110)에 설치되어 있는 제1 센서에서 제3 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 제2 사용 정보를 생성하면, 제1 IoT 기기(110)로부터 제2 사용 정보를 수신할 수 있다.

S403 단계에서, 장치(400)는 제2 사용 정보를 인코딩 하여 제2 입력 신호를 생성할 수 있다

S404 단계에서, 장치(400)는 제1 인공지능 모델에 제2 입력 신호를 입력할 수 있다.

S405 단계에서, 장치(400)는 제2 입력 신호를 통해 제2 상태 지수가 산정되면, 제1 인공지능 모델로부터 제2 상태 지수를 지시하는 제2 출력 신호를 획득할 수 있다. 이때, 제2 출력 신호는 제2 상태 지수를 지시하는 수치 정보를 포함할 수 있다.

S406 단계에서, 장치(400)는 제2 출력 신호에 기초하여, 제3 시점에 제1 IoT 기기(110)의 필터 상태를 나타내는 상태 지수를 제2 상태 지수로 설정할 수 있다.

상술한 바와 같이, 장치(400)는 제1 IoT 기기(110)의 상태가 정상 기기로 설정된 경우, 제1 기준 기간 마다 사용 정보를 수신하여 상태 지수를 새로 설정할 수 있으며, 새로 설정된 상태 지수를 기반으로, 제1 IoT 기기(110)의 상태를 정상 기기, 관심 필요 기기 및 교체 필요 기기 중 어느 하나로 설정하는 과정을 다시 수행할 수 있다.

도 5는 일실시예에 따른 IoT 기기의 상태가 관심 필요 기기일 때 사용 정보를 추가로 수신하여 상태 지수를 설정하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 5에 도시된 각 단계는 S211 단계 이후에 수행될 수 있다.

도 5를 참조하면, 먼저, S501 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태가 관심 필요 기기로 설정된 경우, 제1 상태 지수가 낮을수록 제2 가중치를 더 낮은 값으로 설정할 수 있다. 여기서, 제2 가중치는 0 내지 1 범위 내에서 설정될 수 있다.

예를 들어, 장치(400)는 제1 상태 지수가 50으로 확인되면, 제2 가중치를 0.9로 설정할 수 있고, 제1 상태 지수가 40으로 확인되면, 제2 가중치를 0.8로 설정할 수 있다.

S502 단계에서, 장치(400)는 제1 기준 기간 및 제2 가중치를 곱한 값으로, 제2 기준 기간을 설정할 수 있다.

예를 들어, 제1 기준 기간이 10일로 설정되어 있고 제2 가중치가 0.9로 설정된 경우, 장치(400)는 (10 X 0.9)를 통해 산출된 9일을 제2 기준 기간으로 설정할 수 있다.

S503 단계에서, 장치(400)는 제2 시점으로부터 제2 기준 기간이 지난 시점을 제4 시점으로 설정할 수 있다.

S504 단계에서, 장치(400)는 제1 IoT 기기(110)로부터 제4 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 생성된 제3 사용 정보를 수신할 수 있다. 여기서, 제3 사용 정보는 필터 교체 이후부터 제4 시점까지 제1 IoT 기기(110)의 사용 시간, 사용량 등에 대한 정보를 포함할 수 있다.

구체적으로, 장치(400)는 제4 시점이 설정되면, 제4 시점에 사용 현황을 감지하는 것을 명령하는 명령 신호를 제1 IoT 기기(110)로 전송할 수 있고, 제1 IoT 기기(110)에 설치되어 있는 제1 센서는 제4 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 제3 사용 정보를 생성할 수 있고, 제1 IoT 기기(110)는 제3 사용 정보를 장치(400)로 전송할 수 있다.

즉, 장치(400)는 제1 IoT 기기(110)에 설치되어 있는 제1 센서에서 제4 시점에 제1 IoT 기기(110)의 사용 현황을 감지하여 제3 사용 정보를 생성하면, 제1 IoT 기기(110)로부터 제3 사용 정보를 수신할 수 있다.

S505 단계에서, 장치(400)는 제3 사용 정보를 인코딩 하여 제3 입력 신호를 생성할 수 있다

S506 단계에서, 장치(400)는 제1 인공지능 모델에 제3 입력 신호를 입력할 수 있다.

S507 단계에서, 장치(400)는 제3 입력 신호를 통해 제3 상태 지수가 산정되면, 제1 인공지능 모델로부터 제3 상태 지수를 지시하는 제3 출력 신호를 획득할 수 있다. 이때, 제3 출력 신호는 제3 상태 지수를 지시하는 수치 정보를 포함할 수 있다.

S508 단계에서, 장치(400)는 제3 출력 신호에 기초하여, 제4 시점에 제1 IoT 기기(110)의 필터 상태를 나타내는 상태 지수를 제3 상태 지수로 설정할 수 있다.

상술한 바와 같이, 장치(400)는 제1 IoT 기기(110)의 상태가 관심 필요 기기로 설정된 경우, 제1 기준 기간 보다 더 짧은 기간으로 설정된 제2 기준 기간 마다 사용 정보를 수신하여 상태 지수를 새로 설정할 수 있으며, 새로 설정된 상태 지수를 기반으로, 제1 IoT 기기(110)의 상태를 관심 필요 기기 및 교체 필요 기기 중 어느 하나로 설정하는 과정을 다시 수행할 수 있다.

도 6 내지 도 8은 일실시예에 따른 IoT 기기의 필터 교체 작업을 수행할 직원을 선정하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 6 내지 도 8에 도시된 각 단계는 S213 단계 이후에 수행될 수 있다.

도 6 내지 도 8을 참조하면, 먼저, S601 단계에서, 장치(400)는 제1 사용자 단말(210)부터 제1 IoT 기기(110)의 필터 교체를 위한 방문 요청을 수신할 수 있다. 여기서, 방문 요청은 제1 IoT 기기(110)의 필터 교체를 위해 제1 IoT 기기(110)가 설치된 지점으로 직원이 방문해줄 것을 요청하는 것이다.

S602 단계에서, 장치(400)는 제1 IoT 기기(110)의 설치 지점을 제1 지점으로 확인할 수 있다. 이때, 장치(400)는 제1 IoT 기기(110)의 기기 정보를 기반으로, 제1 IoT 기기(110)의 설치 지점을 제1 지점으로 확인하고, 제1 지점의 주소지 위치를 확인할 수 있다.

S603 단계에서, 장치(400)는 제1 지점을 중심으로 제1 기준 거리 이내에 있는 영역을 제1 기준 영역으로 설정할 수 있다. 여기서, 제1 기준 거리는 실시예에 따라 상이하게 설정될 수 있다.

예를 들어, 제1 기준 거리가 50m인 경우, 장치(400)는 제1 지점을 중심으로, 반경 50m 이내에 있는 영역을 기준 영역으로 설정할 수 있다.

S604 단계에서, 장치(400)는 복수의 직원 단말(300) 각각의 위치를 기초로, 제1 기준 영역 내에 있는 직원을 제1 직원 그룹으로 분류할 수 있다. 이때, 장치(400)는 복수의 직원 단말(300) 각각으로부터 위치 정보를 획득하고, 획득된 위치 정보를 기초로, 복수의 직원들에 대한 현재 위치를 확인할 수 있다. 이를 위해, 복수의 직원 단말(300) 각각에는 GPS 모듈이 설치되어 있으며, GPS 신호를 통해 직원 단말의 위치 정보가 획득될 수 있다.

S605 단계에서, 장치(400)는 제1 직원 그룹으로 분류된 직원이 있는지 여부를 확인할 수 있다.

S605 단계에서 제1 직원 그룹으로 분류된 직원이 없는 것으로 확인된 경우, S606 단계에서, 장치(400)는 제1 지점을 중심으로 제2 기준 거리 이내에 있는 영역을 제1 기준 영역으로 설정할 수 있다. 여기서, 제2 기준 거리는 제1 기준 거리 보다 긴 갓으로 설정될 수 있다.

예를 들어, 제1 기준 거리가 50m이고 제2 기준 거리가 80m 경우, 장치(400)는 제1 직원 그룹으로 분류된 직원이 없는 것으로 확인된 경우, 제1 지점을 중심으로 반경 50m 이내에 있는 영역으로 설정되어 있는 제1 기준 영역을 확장하여, 제1 지점을 중심으로 반경 80m 이내에 있는 영역을 제1 기준 영역으로 설정할 수 있다.

S606 단계 이후, S604 단계로 되돌아가, 제1 기준 영역 내에 있는 직원을 제1 직원 그룹으로 분류하는 과정부터 다시 수행될 수 있다.

즉, 장치(400)는 제1 직원 그룹으로 분류된 직원이 없는 것으로 확인된 경우, 제1 지점을 중심으로 제2 기준 거리 이내에 있는 영역을 제1 기준 영역으로 설정하여 제1 기준 영역을 확장하고, 확장된 제1 기준 영역 내에 있는 직원을 제1 직원 그룹으로 분류할 수 있다.

S605 단계에서 제1 직원 그룹으로 분류된 직원이 있는 것으로 확인된 경우, S607 단계에서, 장치(400)는 제1 직원 그룹으로 분류된 직원이 한 명만 있는지 여부를 확인할 수 있다.

S607 단계에서 제1 직원 그룹으로 분류된 직원이 한 명만 있는 것으로 확인된 경우, S608 단계에서, 장치(400)는 제1 직원 그룹으로 분류된 직원을 제1 직원으로 확인할 수 있다.

S608 단계 이후, S609 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

즉, 장치(400)는 제1 직원 그룹으로 분류된 직원이 한 명 있는 것으로 확인된 경우, 제1 직원 그룹으로 분류된 직원이 제1 직원으로 확인되면, 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

S607 단계에서 제1 직원 그룹으로 분류된 직원이 한 명이 아닌 복수 명 있는 것으로 확인된 경우, S701 단계에서, 장치(400)는 제1 직원 그룹으로 분류된 직원들 중에서 대기 상태인 직원을 제2 직원 그룹으로 분류할 수 있다. 이를 위해, 복수의 직원들은 필터 교체 작업을 수행하고 있는 직원이 작업 상태로 설정될 수 있고, 필터 교체 작업을 수행하고 있지 않은 직원이 대기 상태로 설정될 수 있으며, 이외에도, 출근하지 않은 직원이 휴무 상태로 설정될 수 있다.

즉, 장치(400)는 제1 직원 그룹으로 분류된 직원들 각각의 상태를 확인하여, 대기 상태로 확인된 직원을 제2 직원 그룹으로 분류할 수 있다.

S702 단계에서, 장치(400)는 제2 직원 그룹으로 분류된 직원이 있는지 여부를 확인할 수 있다.

S702 단계에서 제2 직원 그룹으로 분류된 직원이 없는 것으로 확인된 경우, S703 단계에서, 장치(400)는 제1 직원 그룹으로 분류된 직원들 각각에 대해, 현재 처리하고 있는 작업에 대한 예상 종료 시간을 확인할 수 있다. 이때, 예상 종료 시간은 IoT 기기의 특성에 따라 자동으로 설정될 수 있고, 필터 교체 작업을 수행하는 직원에 의해 수동으로 설정될 수도 있다.

S704 단계에서, 장치(400)는 제1 직원 그룹으로 분류된 직원들 중에서 예상 종료 시간이 가장 빠른 직원을 제1 직원으로 확인할 수 있다.

S704 단계 이후, S707 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

즉, 장치(400)는 제2 직원 그룹으로 분류된 직원이 없는 것으로 확인된 경우, 제1 직원 그룹으로 분류된 직원들 각각에 대해, 현재 처리하고 있는 작업에 대한 예상 종료 시간을 확인하고, 제1 직원 그룹으로 분류된 직원들 중에서 예상 종료 시간이 가장 빠른 직원이 제1 직원으로 확인되면, 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

S702 단계에서 제2 직원 그룹으로 분류된 직원이 있는 것으로 확인된 경우, S705 단계에서, 장치(400)는 제2 직원 그룹으로 분류된 직원이 한 명만 있는지 여부를 확인할 수 있다.

S705 단계에서 제2 직원 그룹으로 분류된 직원이 한 명만 있는 것으로 확인된 경우, S706 단계에서, 장치(400)는 제2 직원 그룹으로 분류된 직원을 제1 직원으로 확인할 수 있다.

S706 단계 이후, S707 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

즉, 장치(400)는 제2 직원 그룹으로 분류된 직원이 한 명 있는 것으로 확인된 경우, 제2 직원 그룹으로 분류된 직원이 제1 직원으로 확인되면, 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

S705 단계에서 제2 직원 그룹으로 분류된 직원이 한 명이 아닌 복수 명 있는 것으로 확인된 경우, S801 단계에서, 장치(400)는 제2 직원 그룹으로 분류된 직원들 중에서 제1 지점에 방문한 적이 있는 것으로 확인된 직원을 제3 직원 그룹으로 분류할 수 있다. 이를 위해, 장치(400)의 데이터베이스에는 직원 별로 구분되어 있는 필터 교체 작업 수행 이력이 각각 저장되어 있으며, 장치(400)는 직원 별로 구분되어 있는 필터 교체 작업 수행 이력을 기반으로, 각 직원이 제1 지점에 방문하여 제1 IoT 기기(110)의 필터 교체 작업을 수행한 적이 있는지 여부를 확인할 수 있다. 여기서, 필터 교체 작업 수행 이력은 시점 별로 어느 IoT 기기의 필터를 교체하였는지에 대한 정보가 리스트로 구성될 수 있으며, 예를 들면, 필터 교체 시점, IoT 기기의 설치 지점 등의 정보를 포함할 수 있다.

S802 단계에서, 장치(400)는 제3 직원 그룹으로 분류된 직원이 있는지 여부를 확인할 수 있다.

S802 단계에서 제3 직원 그룹으로 분류된 직원이 없는 것으로 확인된 경우, S803 단계에서, 장치(400)는 제2 직원 그룹으로 분류된 직원들 각각에 대해, 현재 위치를 기준으로 제1 지점까지 이동하는 동선을 생성할 수 있다. 이때, 현재 위치는 제2 직원 그룹으로 분류된 직원들 각각이 사용하는 직원 단말을 통해 확인될 수 있다.

S804 단계에서, 장치(400)는 제2 직원 그룹으로 분류된 직원들 중에서 제1 지점까지 이동하는 동선의 거리가 가장 짧은 직원을 제1 직원으로 확인할 수 있다.

S804 단계 이후, S809 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

즉, 장치(400)는 제3 직원 그룹으로 분류된 사용자가 없는 것으로 확인된 경우, 제2 직원 그룹으로 분류된 직원들 각각에 대해, 현재 위치를 기준으로 제1 지점까지 이동하는 동선을 설정하고, 제2 직원 그룹으로 분류된 직원들 중에서 제1 지점까지 이동하는 동선의 거리가 가장 짧은 직원이 제1 직원으로 확인되면, 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

S802 단계에서 제3 직원 그룹으로 분류된 직원이 있는 것으로 확인된 경우, S805 단계에서, 장치(400)는 제3 직원 그룹으로 분류된 직원이 한 명만 있는지 여부를 확인할 수 있다.

S805 단계에서 제3 직원 그룹으로 분류된 직원이 한 명만 있는 것으로 확인된 경우, S806 단계에서, 장치(400)는 제3 직원 그룹으로 분류된 직원을 제1 직원으로 확인할 수 있다.

S806 단계 이후, S809 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

즉, 장치(400)는 제3 직원 그룹으로 분류된 직원이 한 명 있는 것으로 확인된 경우, 제3 직원 그룹으로 분류된 직원이 제1 직원으로 확인되면, 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

S805 단계에서 제3 직원 그룹으로 분류된 직원이 한 명이 아닌 복수 명 있는 것으로 확인된 경우, S807 단계에서, 장치(400)는 제3 직원 그룹으로 분류된 직원들 각각에 대해, 제1 지점의 방문 횟수를 확인할 수 있다. 이때, 장치(400)는 직원 별로 구분되어 있는 필터 교체 작업 수행 이력을 기반으로, 제1 지점의 방문 횟수를 각각 확인할 수 있다.

S808 단계에서, 장치(400)는 제3 직원 그룹으로 분류된 직원들 중에서 제1 지점의 방문 횟수가 가장 많은 직원을 제1 직원으로 확인할 수 있다.

S808 단계 이후, S809 단계에서, 장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

즉, 장치(400)는 제3 직원 그룹으로 분류된 직원이 복수 명 있는 것으로 확인된 경우, 제3 직원 그룹으로 분류된 직원들 각각에 대해, 제1 지점의 방문 횟수를 확인하고, 제3 직원 그룹으로 분류된 직원들 중에서 제1 지점의 방문 횟수가 가장 많은 직원이 제1 직원으로 확인되면, 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원을 제1 직원으로 선정할 수 있다.

장치(400)는 제1 IoT 기기(110)의 필터 교체 작업을 수행할 직원이 제1 직원으로 선정되면, 제1 IoT 기기(110)의 필터 교체를 위한 방문 요청을 제1 직원 단말(310)로 전송할 수 있다.

도 9는 일실시예에 따른 IoT 기기의 상태 현황 페이지를 제공하는 과정을 설명하기 위한 순서도이다.

일실시예에 따르면, 도 9에 도시된 각 단계는 도 6 내지 도 8에 도시된 각 단계가 수행된 이후에 수행될 수 있다.

도 9를 참조하면, 먼저, S901 단계에서, 장치(400)는 복수의 IoT 기기(100)가 제1 공간 내에 구역 별로 설치되어 있는 경우, 제1 직원 단말(310)로부터 제1 공간의 IoT 기기 상태 현황을 확인하기 위한 페이지 제공 요청을 수신할 수 있다.

S902 단계에서, 장치(400)는 제1 공간의 IoT 기기 상태 현황을 나타내기 위해 복수의 IoT 기기(100)가 표시되는 제1 페이지를 제1 직원 단말(310)로 전송할 수 있다. 이때, 제1 페이지 상에서 복수의 IoT 기기(100)는 IoT 기기의 상태에 따라 상이한 색상으로 표시될 수 있으며, 이와 관련된 자세한 설명은 도 10을 참조하여 후술하기로 한다.

도 10은 일실시예에 따른 IoT 기기의 상태에 따라 IoT 기기를 상이한 색상으로 표시하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저, S1001 단계에서, 장치(400)는 복수의 IoT 기기(100) 중에서 정상 기기로 설정된 IoT 기기가 제1 페이지 상에서 제1 색상으로 표시되도록 제어할 수 있다.

S1002 단계에서, 장치(400)는 복수의 IoT 기기(100) 중에서 관심 필요 기기로 설정된 IoT 기기가 제1 페이지 상에서 제2 색상으로 표시되도록 제어할 수 있다.

S1003 단계에서, 장치(400)는 복수의 IoT 기기(100) 중에서 교체 필요 기기로 설정된 IoT 기기가 제1 페이지 상에서 제3 색상으로 표시되도록 제어할 수 있다. 이때, 제1 페이지 상에서 제3 색상으로 표시되는 IoT 기기는 주변 IoT 기기의 상태에 따라 상이한 채도의 색상으로 표시될 수 있으며, 이와 관련된 자세한 설명은 도 11을 참조하여 후술하기로 한다.

도 11은 일실시예에 따른 주변 IoT 기기의 상태에 따라 IoT 기기를 상이한 채도의 색상으로 표시하는 과정을 설명하기 위한 순서도이다.

도 11을 참조하면, 먼저, S1101 단계에서, 장치(400)는 제1 IoT 기기(110)의 상태가 교체 필요 기기로 설정된 경우, 제1 공간 내에서 제1 IoT 기기(110)가 설치되어 있는 제1 구역과 맞닿아 있는 주변 구역을 확인할 수 있다.

S1102 단계에서, 장치(400)는 주변 구역에 설치되어 있는 IoT 기기를 제1 IoT 기기 그룹으로 분류할 수 있다.

예를 들어, 제1 공간이 제1 구역, 제2 구역 및 제3 구역으로 구분되어 있고, 제1 구역 내에는 제1 IoT 기기(110)가 설치되어 있고, 제2 구역 내에는 제2 IoT 기기(120)가 설치되어 있고, 제3 구역 내에는 제3 IoT 기기(미도시)가 설치되어 있는 경고, 제1 구역과 제2 구역이 맞닿아 있고 제1 구역과 제3 구역이 맞닿아 있지 않은 경우, 장치(400)는 제2 구역을 주변 구역으로 확인할 수 있고, 제2 IoT 기기(120)를 제1 IoT 기기 그룹으로 분류할 수 있다.

S1103 단계에서, 장치(400)는 제1 IoT 기기 그룹으로 분류된 IoT 기기 중에서 정상 기기로 설정되어 있는 IoT 기기를 제2 IoT 기기 그룹으로 분류하고, 제1 IoT 기기 그룹으로 분류된 IoT 기기 중에서 관심 필요 기기로 설정되어 있는 IoT 기기를 제3 IoT 기기 그룹으로 분류하고, 제1 IoT 기기 그룹으로 분류된 IoT 기기 중에서 교체 필요 기기로 설정되어 있는 IoT 기기를 제4 IoT 기기 그룹으로 분류할 수 있다. 이를 위해, 복수의 IoT 기기(100) 각각은 정상 기기, 관심 필요 기기 및 교체 필요 기기 중 어느 하나로 상태가 설정될 수 있다.

S1104 단계에서, 장치(400)는 제1 IoT 기기 그룹으로 분류된 IoT 기기의 수를 제1 수치로 설정하고, 제2 IoT 기기 그룹으로 분류된 IoT 기기의 수를 제2 수치로 설정하고, 제3 IoT 기기 그룹으로 분류된 IoT 기기의 수를 제3 수치로 설정하고, 제4 IoT 기기 그룹으로 분류된 IoT 기기의 수를 제4 수치로 설정할 수 있다.

S1105 단계에서, 장치(400)는 제2 수치를 제1 수치로 나눈 값으로 제1 비율을 산출하고, 제3 수치를 제1 수치로 나눈 값으로 제2 비율을 산출하고, 제4 수치를 제1 수치로 나눈 값으로 제3 비율을 산출할 수 있다.

S1106 단계에서, 장치(400)는 제1 비율이 낮을수록 제1 점수를 높은 점수로 부여하고, 제2 비율이 높을수록 제2 점수를 높은 점수로 부여하고, 제3 비율이 높을수록 제3 점수를 높은 점수로 부여할 수 있다. 이때, 제1 점수는 제1 기준 범위 내에서 부여될 수 있고, 제2 점수는 제2 기준 범위 내에서 부여될 수 있고, 제3 점수는 제3 기준 범위 내에서 부여될 수 있으며, 제1 기준 범위 보다 제2 기준 범위가 더 넓은 범위로 설정되어 있고, 제2 기준 범위 보다 제3 기준 범위가 더 넓은 범위로 설정되어 있을 수 있다. 예를 들면, 제1 기준 범위는 0점 내지 20점의 범위로 설정되어 있고, 제2 기준 범위는 0점 내지 40점의 범위로 설정되어 있고, 제3 기준 범위는 0점 내지 60점의 범위로 설정될 수 있다.

S1107 단계에서, 장치(400)는 제1 점수, 제2 점수 및 제3 점수를 합산하여 총점을 산출할 수 있다.

S1108 단계에서, 장치(400)는 총점이 높을수록 제1 IoT 기기(110)의 채도 등급을 더 높은 등급으로 설정할 수 있다. 여기서, 채도 등급은 1등급이 가장 높은 등급으로, 채도 등급이 높을수록 더 선명한 색으로 표시될 수 있다.

S1109 단계에서, 장치(400)는 제1 IoT 기기(110)의 채도 등급이 제1 등급으로 설정되면, 제1 페이지 상에서 제1 IoT 기기(110)가 제1 등급의 채도로 설정된 제3 색상으로 표시되도록 제어할 수 있다.

즉, 장치(400)는 제1 페이지 상에서 제1 IoT 기기(110)가 제3 색상으로 표시될 때, 제1 IoT 기기(110)의 설치 구역과 맞닿아 있는 주변 구역을 확인하고, 주변 구역에 설치되어 있는 IoT 기기의 상태를 확인하여, 주변의 IoT 기기들 중에서 교체 필요 기기가 많을수록 제1 IoT 기기(110)의 채도 등급을 더 높은 등급으로 설정하여, 제1 IoT 기기(110)가 제3 색상으로 더 선명하게 표시되도록 제어할 수 있다.

도 12는 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(400)는 프로세서(410) 및 메모리(420)를 포함한다. 프로세서(410)는 도 1 내지 도 11을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 11을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(400)를 이용하는 자 또는 단체는 도 1 내지 도 11을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(420)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(420)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(410)는 프로그램을 실행하고, 장치(400)를 제어할 수 있다. 프로세서(410)에 의하여 실행되는 프로그램의 코드는 메모리(420)에 저장될 수 있다. 장치(400)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(400)는 인공지능 모델을 학습시키거나, 학습된 인공지능 모델을 이용하는데 사용될 수 있다. 메모리(420)는 학습 중인 또는 학습된 인공지능 모델을 포함할 수 있다. 프로세서(410)는 메모리(420)에 저장된 인공지능 모델의 알고리즘을 학습시키거나 실행시킬 수 있다. 인공지능 모델을 학습시키는 학습 장치와 학습된 인공지능 모델을 이용하는 장치(400)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

장치에 의해 수행되는, 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법에 있어서,
제1 IoT 기기의 필터 교체 내역을 기반으로, 상기 제1 IoT 기기의 최근 필터 교체 시점을 제1 시점으로 확인하는 단계;
상기 제1 시점으로부터 미리 설정된 제1 기준 기간이 지난 시점을 제2 시점으로 설정하는 단계;
상기 제1 IoT 기기에 설치되어 있는 제1 센서에서 상기 제2 시점에 상기 제1 IoT 기기의 사용 현황을 감지하여 제1 사용 정보를 생성하면, 상기 제1 IoT 기기로부터 상기 제1 사용 정보를 수신하는 단계;
상기 제1 사용 정보를 인코딩 하여 제1 입력 신호를 생성하는 단계;
IoT 기기의 사용 현황에 따라 IoT 기기의 필터 상태를 나타내는 상태 지수를 산정하도록 학습된 제1 인공지능 모델에 상기 제1 입력 신호를 입력하고, 상기 제1 입력 신호를 통해 제1 상태 지수가 산정되면, 상기 제1 인공지능 모델로부터 상기 제1 상태 지수를 지시하는 제1 출력 신호를 획득하는 단계;
상기 제1 출력 신호에 기초하여, 상기 제2 시점에 상기 제1 IoT 기기의 필터 상태를 나타내는 상태 지수를 상기 제1 상태 지수로 설정하는 단계;
상기 제1 상태 지수가 미리 설정된 제1 기준치 보다 높은 것으로 확인되면, 상기 제1 IoT 기기의 상태를 정상 기기로 설정하는 단계;
상기 제1 상태 지수가 상기 제1 기준치 보다 높지 않지만 미리 설정된 제2 기준치 보다 높은 것으로 확인되면, 상기 제1 IoT 기기의 상태를 관심 필요 기기로 설정하는 단계;
상기 제1 상태 지수가 상기 제2 기준치 보다 높지 않은 것으로 확인되면, 상기 제1 IoT 기기의 상태를 교체 필요 기기로 설정하는 단계; 및
상기 제1 IoT 기기의 상태가 교체 필요 기기로 설정된 경우, 상기 제1 IoT 기기의 필터 교체가 필요한 것을 알려주는 알림 메시지를 제1 사용자 단말로 전송하는 단계를 포함하고,
상기 제1 IoT 기기의 상태를 정상 기기로 설정하는 단계 이후,
상기 제1 IoT 기기의 상태가 정상 기기로 설정된 경우, 상기 제2 시점으로부터 상기 제1 기준 기간이 지난 시점을 제3 시점으로 설정하는 단계;
상기 제1 센서에서 상기 제3 시점에 상기 제1 IoT 기기의 사용 현황을 감지하여 제2 사용 정보를 생성하면, 상기 제1 IoT 기기로부터 상기 제2 사용 정보를 수신하는 단계;
상기 제2 사용 정보를 인코딩 하여 제2 입력 신호를 생성하는 단계;
상기 제1 인공지능 모델에 상기 제2 입력 신호를 입력하고, 상기 제2 입력 신호를 통해 제2 상태 지수가 산정되면, 상기 제1 인공지능 모델로부터 상기 제2 상태 지수를 지시하는 제2 출력 신호를 획득하는 단계; 및
상기 제2 출력 신호에 기초하여, 상기 제3 시점에 상기 제1 IoT 기기의 필터 상태를 나타내는 상태 지수를 상기 제2 상태 지수로 설정하는 단계를 더 포함하고,
상기 제1 IoT 기기의 상태를 관심 필요 기기로 설정하는 단계 이후,
상기 제1 IoT 기기의 상태가 관심 필요 기기로 설정된 경우, 상기 제1 상태 지수가 낮을수록 제2 가중치를 더 낮은 값으로 설정하는 단계;
상기 제1 기준 기간 및 상기 제2 가중치를 곱한 값으로, 제2 기준 기간을 설정하는 단계;
상기 제2 시점으로부터 상기 제2 기준 기간이 지난 시점을 제4 시점으로 설정하는 단계;
상기 제1 센서에서 상기 제4 시점에 상기 제1 IoT 기기의 사용 현황을 감지하여 제3 사용 정보를 생성하면, 상기 제1 IoT 기기로부터 상기 제3 사용 정보를 수신하는 단계;
상기 제3 사용 정보를 인코딩 하여 제3 입력 신호를 생성하는 단계;
상기 제1 인공지능 모델에 상기 제3 입력 신호를 입력하고, 상기 제3 입력 신호를 통해 제3 상태 지수가 산정되면, 상기 제1 인공지능 모델로부터 상기 제3 상태 지수를 지시하는 제3 출력 신호를 획득하는 단계; 및
상기 제3 출력 신호에 기초하여, 상기 제4 시점에 상기 제1 IoT 기기의 필터 상태를 나타내는 상태 지수를 상기 제3 상태 지수로 설정하는 단계를 더 포함하는,
센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법.
제1항에 있어서,
상기 제1 시점으로부터 미리 설정된 제1 기준 기간이 지난 시점을 제2 시점으로 설정하는 단계 이전,
상기 제1 IoT 기기의 기기 정보를 기반으로, 상기 제1 IoT 기기의 설치 시점을 확인하는 단계;
상기 제1 IoT 기기의 설치 시점부터 현재 시점까지 제1 기간으로 확인되면, 상기 제1 IoT 기기의 총 사용 기간을 상기 제1 기간으로 설정하는 단계;
상기 제1 기간이 길수록 제1 가중치를 더 낮은 값으로 설정하는 단계;
상기 제1 IoT 기기의 종류가 제1 카테고리에 속하는 것으로 확인되면, 상기 제1 카테고리의 표준 점검 주기로 설정되어 있는 제2 기간을 확인하는 단계; 및
상기 제2 기간 및 상기 제1 가중치를 곱한 값으로, 상기 제1 기준 기간을 설정하는 단계를 더 포함하는,
센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법.
삭제