KR20190134937A

KR20190134937A - 공기 조화 장치 및 이의 제어 방법

Info

Publication number: KR20190134937A
Application number: KR1020180057461A
Authority: KR
Inventors: 찬드라 아쇼크 말루; 권순형; 김탄; 송형선; 신동준; 옥현우; 김민경
Original assignee: 삼성전자주식회사
Priority date: 2018-05-18
Filing date: 2018-05-18
Publication date: 2019-12-05
Also published as: US20210088250A1; US11371741B2; WO2019221458A1; KR102607366B1; KR20230164630A

Abstract

본 개시는 공기 조화 장치 및 이의 제어 방법이 제공된다. 본 공기 조화 장치의 제어 방법은, 외부 서버로부터, 공기 조화 장치가 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 사용자 취침 정보를 수신하는 단계 및 사용자 취침 정보에 기초하여 냉방 모드로 동작하는 단계를 포함한다. 특히, 사용자의 제어 명령을 바탕으로 사용자 취침 정보를 획득하는 방법의 적어도 일부는 기계 학습, 신경망 또는 딥러닝 알고리즘 중 적어도 하나에 따라 학습된 인공지능 모델을 이용할 수 있다.

Description

공기 조화 장치 및 이의 제어 방법 { AIR CONDITIONER AND METHOD FOR CONTOLLING THE SAME }

본 개시는 공기 조화 장치 및 이의 제어 방법에 관한 것으로, 보다 상세하게는 사용자의 조작 없이도 취침 냉방 모드로 동작할 수 있는 공기 조화 장치 및 이의 제어 방법에 관한 것이다.

공기 조화 장치(air conditioner)는 주택, 사무실, 상점 및 농작물을 재배하는 하우스 등의 공간에 배치되어 공기의 온도, 습도, 청정도 및 기류를 조절하여, 사람이 거주하기에 쾌적한 실내 환경 또는 작물이 생장하기에 적합한 실내 환경을 유지할 수 있도록 한 장치이다.

특히, 공기 조화 장치에는 쾌적한 수면 및 에너지 저감을 위해 취침 냉방 모드(취침 모드, sleep mode 등)가 구비되어 있다.

그러나, 기존에는 사용자가 취침 전 일반 냉방 모드에서 취침 냉방 모드로 변경하는 조작 명령을 입력하고, 기상 후 취침 냉방 모드에서 일반 냉방 모드로 변경해야 하는 불편함이 있었다.

사용자가 취침 냉방 모드의 온/오프 시간을 미리 입력하여, 공기 조화 장치가 입력된 시간에 기초하여 자동으로 취침 냉방 모드의 온/오프가 되더라도, 실제 사용자의 생활 패턴과 불일치하여 사용자가 다시 조작 명령을 입력해야하는 문제가 발생되기도 하였다.

이에 따라, 사용자의 생활 패턴에 적합하게 자동으로 취침 냉방 모드를 구동하기 위한 기술의 필요성이 대두되었다.

본 개시는 상술한 필요성에 따라 안출된 것으로, 본 개시의 목적은 사용자 조작 없이도 사용자 수면 성향에 맞게 취침 냉방 모드로 동작할 수 있는 공기 조화 장치 및 이의 제어 방법을 제공하는 데 있다.

본 개시의 일 실시 예에 따른 공기 조화 장치의 제어 방법은, 외부 서버로부터, 상기 공기 조화 장치가 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 사용자 취침 정보를 수신하는 단계 및 상기 사용자 취침 정보에 기초하여 상기 취침 냉방 모드로 동작하는 단계를 포함한다.

이 경우, 상기 공기 조화 장치는, 사용자 조작에 의해 동작되는 일반 모드 및 사용자 조작 없이 사용자의 사용 이력에 기초하여 동작되는 인공지능 모드 중 하나로 설정되며, 상기 공기 조화 장치가 일반 모드로 설정된 동안, 사용자 조작에 의해 상기 공기 조화 장치가 상기 취침 냉방 모드로 동작된 시간에 대한 데이터를 상기 외부 서버로 전송하는 단계를 더 포함할 수 있다.

이 경우, 상기 수신하는 단계는, 상기 공기 조화 장치가 인공지능 모드로 설정된 동안 상기 사용자 취침 정보를 수신하고, 상기 동작하는 단계는, 상기 공기 조화 장치가 인공지능 모드로 설정된 동안 상기 취침 냉방 모드로 동작할 수 있다.

한편, 상기 사용자 취침 정보는, 상기 데이터 및 상기 외부 서버에 포함된 인공 지능 모델을 이용하여 획득되고, 상기 인공 지능 모델은, 상기 데이터의 기간에 따른 주기적 특성을 이용하여 상기 사용자 취침 정보를 획득할 수 있다.

이 경우, 상기 인공 지능 모델은, TBATS 모델을 포함하고, 상기 사용자 취침 정보는, 상기 TBATS 모델을 이용하여 추출된 주기적 특성에 기초하여 획득된 것일 수 있다.

한편, 상기 기간에 따른 주기적 특성은, 상기 데이터에서 시간(hour)은 필수 요소로, 일(day) 및 월(month)은 선택 요소로, 적어도 하나의 기준으로 추출된 것일 수 있다.

한편, 상기 사용자 취침 정보는, 상기 취침 냉방 모드로 동작하지 않은 시간이 기설정된 값 이상인 구간이 존재하면, 상기 구간에 대한 데이터가 삭제된 데이터 및 상기 인공 지능 모델을 이용하여 획득될 수 있다.

한편, 상기 사용자 취침 정보는, 상기 취침 냉방 모드의 개시 시점, 동작 시간 및 종료 시점 중 적어도 하나를 포함할 수 있다.

한편, 상기 사용자 취침 정보는, 상기 취침 냉방 모드의 설정 온도를 더 포함하고, 상기 동작하는 단계는, 상기 설정 온도에 기초하여 상기 취침 냉방 모드로 동작할 수 있다.

한편, 본 개시의 일 실시 예에 따른 공기 조화 장치는, 외부 서버와 통신하는 통신부, 상기 공기 조화 장치가, 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 사용자 취침 정보를 상기 통신부를 통해 수신하고, 상기 사용자 취침 정보에 기초하여 상기 취침 냉방 모드로 동작시키는 프로세서를 포함한다.

이 경우, 상기 공기 조화 장치는, 사용자 조작에 의해 동작되는 일반 모드 및 사용자 조작 없이 사용자의 사용 이력에 기초하여 동작되는 인공지능 모드 중 하나로 설정되며, 상기 프로세서는, 상기 공기 조화 장치가 일반 모드로 설정된 동안, 사용자 조작에 의해 상기 공기 조화 장치가 상기 취침 냉방 모드로 동작된 시간에 대한 데이터를 상기 외부 서버로 전송할 수 있다.

이 경우, 상기 프로세서는, 상기 공기 조화 장치가 인공지능 모드로 설정된 동안 상기 사용자 취침 정보를 수신하고, 상기 취침 냉방 모드로 동작할 수 있다.

한편, 상기 사용자 취침 정보는, 상기 취침 냉방 모드의 설정 온도를 더 포함하고, 상기 프로세서는, 상기 설정 온도에 기초하여 상기 취침 냉방 모드로 동작시킬 수 있다.

한편, 본 개시의 일 실시 예에 따른 서버에 있어서, 공기 조화 장치와 통신하는 통신부, 인공 지능 모델이 저장된 메모리 및 상기 공기 조화 장치가, 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터를 상기 인공 지능 모델에 입력하여 사용자 취침 정보를 획득하고, 상기 통신부를 통해 상기 획득된 사용자 취침 정보를 상기 공기 조화 장치에 전송하는 프로세서를 포함한다.

이 경우, 상기 프로세서는, TBATS 모델을 이용하여 상기 데이터의 기간에 따른 주기적 특성을 추출하고, 상기 추출된 주기적 특성을 상기 인공 지능 모델에 입력하여 상기 사용자 취침 정보를 획득할 수 있다.

도 1은 본 개시의 일 실시 예에 따른 공기 조화 시스템을 설명하기 위한 도면,
도 2는 본 개시의 일 실시 예에 따른 공기 조화 장치의 간단한 구성을 도시한 블럭도,
도 3은 도 2의 공기 조화 장치의 구체적인 구성을 도시한 블럭도,
도 4는 본 개시의 일 실시 예에 따른 서버의 구성을 도시한 블럭도,
도 5는 본 개시의 데이터 처리 과정을 설명하기 위한 도면,
도 6은 본 개시의 일 실시 예에 따른, 인공 지능 모델을 학습하고 이용하기 위한 전자 장치의 구성을 나타내는 블록도,
도 7은 본 개시의 일 실시 예에 따른, 학습부 및 획득부의 구체적인 구성을 나타내는 블록도,
도 8은 본 개시의 다른 실시 예에 따른 공기 조화 시스템을 설명하기 위한 도면,
도 9는 본 개시의 일 실시 예에 따라 획득된 사용자 취침 정보를 설명하기 위한 도면,
도 10은 본 개시의 일 실시 예에 따른 공기 조화 장치의 제어 방법을 개략적으로 나타낸 흐름도,
도 11은 도 11은 본 개시의 일 실시 예에 따라 공기 조화 장치가 취침 냉방 모드로 동작한 시간에 대한 데이터를 수집하는 과정을 설명하기 위한 흐름도,
도 12는 본 개시의 일 실시 예에 따른 설정 온도에 대한 데이터를 수집하는 과정을 설명하기 위한 흐름도, 그리고,
도 13은 본 개시의 일 실시 예에 따라 인공 지능 모드에서의 동작을 설명하기 위한 흐름도이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.

본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 발명된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 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.

본 개시의 실시 예에서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.

아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

이하에서는 도면을 참조하여 본 발명에 대해 더욱 상세히 설명하기로 한다.

도 1은 본 개시의 일 실시 예에 따른 공기 조화 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 공기 조화 시스템(1000)은 공기 조화 장치(100) 및 서버(200)를 포함한다.

공기 조화 장치(100)는 실내의 공기를 조화하기 위한 동작을 수행한다. 구체적으로, 공기 조화 장치(100)는 실내 공기의 온도를 낮추는 냉방, 실내 공기의 온도를 높이는 난방, 실내에 기류를 형성하는 송풍 및 실내 습도를 낮추는 제습 중 적어도 하나의 공기 조화를 수행할 수 있다.

구체적으로, 공기 조화 장치(100)는, 냉매를 이용하여 외부 공기와 열을 교환하는 실외기 및 실외기와 냉매를 교류하며 실내 공기의 조화 동작을 수행하는 실내기를 포함할 수 있다. 이하에서 언급되는 공기 조화 장치(100)는 실내기를 제어 동작이 가능한 실내기를 의미하는 것일 수 있다.

공기 조화 장치(100)는 복수의 모드로 동작할 수 있다. 우선, 공기 조화 장치(100)는 사용자 조작에 의해 동작되는 일반 모드 및 사용자 조작 없이 사용자의 사용 이력에 기초하여 동작되는 인공 지능 모드 중 하나로 동작할 수 있다. 이때, 일반 모드 또는 인공 지능 모드는 사용자의 조작에 의해 설정되는 것일 수 있다.

한편, 공기 조화 장치(100)는 일반 모드 또는 인공 지능 모드로 설정된 경우, 복수의 냉방 모드로 동작할 수 있다. 여기서, 냉방 모드는 공기 조화 장치(100)에서 구현 가능한 기능에 따라 설정 온도, 풍향, 풍속 등이 미리 입력된 알고리즘을 의미할 수 있다.

구체적으로, 냉방 모드는 사용자의 조작 입력에 의해 동작하는 일반 냉방 모드를 포함할 수 있다. 그리고, 냉방 모드는 사용자가 취침하는 시간 동안 공기 조화 장치(100)가 기설정된 알고리즘으로 동작하게 하는 취침 냉방 모드를 포함할 수 있다.

공기 조화 장치(100)는 서버(200)와 데이터를 송수신할 수 있다. 구체적으로, 공기 조화 장치(100)는 공기 조화 장치(100)의 동작에 대한 로그 데이터를 서버(200)에 전송할 수 있다. 여기서, 로그 데이터는 사용자의 조작에 대한 데이터를 시계열적으로 저장한 데이터일 수 있다. 따라서, 공기 조화 장치(100)는 일반 모드로 설정된 경우, 공기 조화 장치(100)의 동작에 대한 로그 데이터를 서버(200)에 전송할 수 있다.

예를 들어, 로그 데이터는 사용자가 공기 조화 장치(100)의 취침 냉방 모드를 켠 시각, 끈 시각, 취침 냉방 모드로 동작할 때의 설정 온도 및 설정 온도 조작 시간 등을 포함할 수 있다.

그리고, 공기 조화 장치(100)는 서버(200)로부터 사용자 취침 정보를 수신하고, 수신된 사용자 취침 정보에 기초하여 취침 냉방 모드로 동작할 수 있다. 이때, 공기 조화 장치(100)는 사용자의 조작 없이도 사용자 사용 이력에 기초하여 동작하는 인공지능 모드로 설정된 경우일 수 있다.

서버(200)는 공기 조화 장치(100)로부터 취침 냉방 모드로 동작된 시간에 대한 데이터를 수신하고, 수신된 데이터에 기초하여 사용자 취침 정보를 획득할 수 있다. 구체적으로, 서버(200)는 인공 지능 모델을 포함할 수 있으며, 수신된 데이터를 인공 지능 모델에 입력하여 사용자 취침 정보를 획득할 수 있다. 여기서, 사용자 취침 정보는 취침 냉방 모드의 개시 시점, 취침 냉방 모드로의 동작 시간 및 치침 냉방 모드의 종료 시점 중 적어도 하나일 수 있다.

이때, 서버(200)는 수신된 데이터에서 기간에 따른 주기적 특성을 추출하고, 추출된 주기적 특성을 인공 지능 모델에 입력할 수 있다.

인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공 지능 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, 오브젝트 인식, 오브젝트 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.

예를 들어, 인공 지능 모델은 주기성에 기초하여 데이터를 예측하는 TBATS(Trigonometric Regressors, Box-Cox transformation, ARMA Error, Trend and Seasonality) 모델, BATS(Box-Cox transformation, ARMA Error, Trend and Seasonality) 모델, MTBATS(Multiple error mod, Box-Cox transformation, ARMA Error, Trend and Seasonality) 모델 등을 포함할 수 있다.

그리고, 사용자 취침 정보는 취침 냉방 모드의 설정 온도를 더 포함할 수 있다. 구체적으로, 서버(200)는 공기 조화 장치(100)로부터 취침 냉방 모드로 동작된 시간의 설정 온도에 대한 데이터를 더 수신할 수 있고, 날씨 정보를 제공하는 외부 서버로부터 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간의 날씨 정보를 제공받을 수 있다. 여기서, 날씨 정보는 기온, 습도 등을 포함할 수 있다.

그리고, 서버(200)는 공기 조화 장치(100) 및 외부 서버로부터 수신된 데이터에 기초하여 사용자의 성향을 식별할 수 있다. 그리고, 서버(200)는 사용자의 성향에 기초하여 취침 냉방 모드의 설정 온도를 예측하고, 이를 공기 조화 장치(100)에 전송할 수 있다.

한편, 도 1에서는 공기 조화 장치(100)가 스탠드형인 것으로 도시 및 설명하였으나, 실제 구현시에는, 공기 조화 장치(100)는 벽걸이형, 천장형, 덕트형 및 바닥상치형 등일 수 있고, 풍속에 따라 무풍 형식으로 공기 조화를 수행할 수도 있다.

상술한 바와 같이, 본 개시에 따르면, 사용자가 조작 명령을 입력하지 않더라도, 사용자의 취침 성향에 적합하도록 취침 냉방 모드 및 설정 온도로 공기 조화 장치가 동작되므로 사용자의 편의성을 향상한다는 효과가 있다.

도 2는 본 개시의 일 실시 예에 따른 공기 조화 장치의 간단한 구성을 도시한 블럭도이다.

도 2를 참조하면, 공기 조화 장치(100)는 통신부(110) 및 프로세서(120)를 포함한다.

통신부(110)는 외부 서버와 통신할 수 있다. 여기서, 외부 서버는 공기 조화 장치(100)를 제어하기 위한 서버일 수 있다. 구체적으로, 통신부(110)는 외부 서버에 공기 조화 장치(100)의 사용 로그 데이터를 전송할 수 있고, 외부 서버로부터 사용자 취침 정보를 수신할 수 있다. 사용자 취침 정보 이외에도 통신부(110) 외부 서버로부터 공기 조화 장치(100)에 대한 제어 명령 등을 수신할 수도 있다.

그리고, 통신부(110)는 날씨 정보를 제공하는 외부 서버와 통신을 수행할 수 있다. 프로세서(120)는 외부 서버로 부터 수신된 날씨 정보에 기초하여 사용자가 선호하는 온도 및 습도로 공기를 조화할 수 있다.

통신부(110)는 유선 또는 무선 방식으로 외부 장치와 통신할 수 있다.

구체적으로, 통신부(110)는 무선랜, 블루투스 등과 같은 무선 방식으로 외부 장치와 연결될 수 있다. 이외에도 통신부(110)는 와이파이, 지그비, 적외선(IrDA)을 이용하여 외부 장치와 연결될 수 있다. 한편, 통신부(110)는 유선 방식인 연결 포트를 포함할 수 있다.

프로세서(120)는 공기 조화 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다.

구체적으로, 공기 조화 장치(100)가 사용자의 조작에 의해 동작되는 일반 모드로 설정되면, 프로세서(120)는 사용자 조작에 대한 로그 데이터를 통신부(110)를 통해 외부 서버로 전송할 수 있다. 예를 들어, 프로세서(120)는 사용자 조작에 따라 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간에 대한 데이터를 외부 서버로 전송할 수 있다. 즉, 공기 조화 장치(100)가 일반 모드로 동작할 때 사용자가 공기 조화 장치(100)를 제어한 데이터가 수집되는 것이다.

한편, 공기 조화 장치(100)가 사용자 조작 없이도 동작되는 인공지능 모드로 설정되면, 프로세서(120)는 통신부(110)를 통해 외부 서버로부터 사용자 취침 정보를 수신할 수 있다. 여기서, 외부 서버로부터 수신되는 사용자 취침 정보는 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 것일 수 있다. 예를 들어, 사용자 취침 정보는 사용자 취침 시작 시간, 취침 시간, 사용자 기상 시간 등을 포함할 수 있다. 즉, 사용자 취침 정보는 공기 조화 장치(100)의 취침 냉방 모드의 개시 시점, 취침 냉방 모드로의 동작 시간, 취침 냉방 모드의 종료 시점 중 적어도 하나를 포함할 수 있다.

그리고, 프로세서(120)는 수신된 사용자 취침 정보에 기초하여 취침 냉방 모드로 동작할 수 있다. 구체적으로, 사용자 취침 정보에 포함된 취침 냉방 모드의 개시 시점, 동작 시간 및 종료 시점에 기초하여 취침 냉방 모드를 온/오프할 수 있다.

한편, 이상에서는 공기 조화 장치(100)가 일반 모드로 설정되면 데이터를 수집하고, 공기 조화 장치(100)가 인공지능 모드로 설정되면 사용자 취침 정보를 외부 서버로부터 수신하는 것으로 기재하였으나, 실제 구현시에는 동일한 모드로 설정된 상태에서 일정 기간 동안 데이터를 수집하고, 일정 기간 이외의 기간에는 사용자 취침 정보를 외부 서버로부터 수신하는 형태로 구현될 수도 있다.

한편, 사용자 취침 정보는, 공기 조화 장치(100)에서 외부 서버로 전송된 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간에 대한 데이터 및 외부 서버에 포함된 인공 지능 모델을 이용하여 획득될 수 있다. 여기서, 인공 지능 모델은 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간에 대한 데이터의 기간에 따른 주기적 특성을 이용하여 사용자 취침 정보를 획득할 수 있다. 이때, 기간에 따른 주기적 특성이란, 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간에 대한 데이터를 분석하여, 상기 데이터에서 시간(hour)은 필수 요소로, 일(day) 및 월(month)은 선택 요소로, 적어도 하나의 기준으로 추출된 것일 수 있다. 예를 들어, 주기적 특성은 시간 단위, 일 단위 및 월 단위 중 적어도 하나로 획득될 수 있다.

이러한 주기적 특성은 인공 지능 모델에 포함된 TBATS 모델에 의해 추출될 수 있다. 여기서 TBATS 모델은 주기성에 기초하여 데이터를 예측하는 모델 중 하나로, 계절성(Seasonality)을 잡아내기 위해 삼각함수 항을 사용하고, 이질성(heterogeneity)을 잡아내는데 박스-콕스 변환(Box-Cox transformation)을 사용하고, 단기 동적 움직임(short-term dynamics)을 잡아내는데 ARMA 에러 모델을 사용하고, 추세(Trend)를 잡아내는데 추세항을 사용하고, 계절성을 잡아내는데 계절항 사용하는 모델이다. 여기서, 계절성이란 기후, 휴일, 휴가 등으로 인해 규칙적으로 발생되는 변동 현상을 의미하는 것으로, 주기적 특성과 대응되는 의미일 수 있다. 상술한 TBATS 모델을 이용함에 따라 적은 양의 데이터를 이용하여 보다 정확한 예측이 가능하게 된다. 한편, TBATS 모델 이외에도, 이와 유사한 BATS 모델 또는 MTBATS 모델 등도 사용될 수 있다.

한편, 보다 정확한 예측을 위해 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간에 대한 데이터에서 취침 냉방 모드로 동작하지 않은 시간이 기설정된 값 이상인 구간이 존재하면, 이 구간에 대한 데이터를 삭제한 데이터 및 인공 지능 모델을 이용하여 사용자 취침 정보가 획득될 수 있다.

예를 들어, 시간의 흐름에 따라, 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간을 1로 치환하고, 취침 냉방 모드로 동작되지 않은 시간을 0으로 치환한 경우, 24시간 이상 취침 냉방 모드로 동작하지 않은 구간이 존재하면, 이 구간은 삭제한 데이터를 인공 지능 모델에 입력하여 사용자 취침 정보를 획득할 수 있다. 여기서, 데이터 삭제의 기준이 되는 24시간은 일 실시 예에 불과하며, 이에 한정되지 않는다.

한편, 외부 서버로부터 통신부(110)를 통해 수신된 사용자 취침 정보는 취침 냉방 모드의 설정 온도를 더 포함할 수 있다. 구체적으로, 프로세서(120)는 통신부(110)를 통해 공기 조화 장치(100)가 취침 냉방 모드로 동작할 당시의 설정 온도에 대한 정보를 더 전송할 수 있다. 그리고, 수신된 사용자 취침 정보는, 공기 조화 장치(100)가 취침 냉방 모드로 동작할 당시의 설정 온도에 대한 정보에 기초하여 획득된 설정 온도를 더 포함할 수 있다. 이때, 획득된 설정 온도는 외부 서버에 포함된 인공 지능 모델을 통해 획득된 것일 수 있으며, 사용자의 성향을 반영한 것일 수 있다.

그리고, 프로세서(120)는 수신된 사용자 취침 정보에 포함된 설정 온도를 반영하여 취침 냉방 모드로 동작할 수 있다.

상술한 바와 같이, 본 개시에 따르면, 사용자가 매번 취침 냉방 모드를 온/오프하지 않더라도, 사용자의 성향을 반영하여 자동으로 취침 냉방 모드가 실행되는 바, 사용자의 편의성이 증가할 수 있다.

도 3은 도 2의 공기 조화 장치의 구체적인 구성을 도시한 블럭도이다.

도 3을 참조하면, 공기 조화 장치(100)는 통신부(110), 프로세서(120), 냉방부(130), 센서(140), 메모리(150), 디스플레이(160) 및 유저 인터페이스(170)부를 포함할 수 있다.

여기서, 통신부(110) 및 프로세서(120)의 일부 동작은 도 2의 구성과 동일한 바, 중복된 설명은 생략한다.

냉방부(130)는 온도가 제어된 공기를 배출하여 실내 공기를 조화하는 구성이다. 구체적으로, 냉방부(130)는 실내 열 교환기, 팽창 밸브, 송풍 팬 등을 포함할 수 있다.

여기서, 실내 열 교환기는 공기 조화 장치(100)에 유입된 공기와 실외기에서 제공된 냉매와의 열을 교환할 수 있다. 구체적으로, 실내 열 교환기는 냉방시에 증발기의 역할을 수행할 수 있다. 즉, 실내 열 교환기는 저압저온의 안개 상태인 냉매가 기체로 증발하는 상전이에 필요한 잠열을 공기 조화 장치(100)에 유입된 공기로부터 흡수하도록 할 수 있다. 반대로, 실내 열 교환기는 난방시에 응축기의 역할을 수행할 수 있다. 즉, 냉방과 반대로 냉매의 흐름이 역전되면 실내 열 교환기를 통과하는 냉매의 열이 공기 조화 장치(100)에 유입된 공기로 방출될 수 있다.

팽창밸브는 냉매의 압력을 조절한다. 구체적으로, 팽창밸브는 냉방시에 실외 열 교환기를 통과한 고압저온의 냉매를 팽창시켜 압력을 낮출 수 있다. 또한, 실내 열 교환기로 유입되는 냉매량을 조절할 수도 있다. 반대로, 팽창밸브는 난방시에 실내 열 교환기를 통과한 냉매를 실외 열 교환기로 전달하기 전에 저압고온의 냉매를 팽창시켜 압력을 낮출 수 있다. 또한, 실외 열 교환기로 유입되는 냉매량을 조절할 수 있다.

송풍 팬은 외부 공기를 공기 조화 장치(100)의 내부로 유입시키고, 열 교환에 의해 온도가 달라진 공기를 공기 조화 장치(100) 밖으로 배출할 수 있다.

그리고, 냉방부(130)는 프로세서(120)의 제어에 따라, 실내 공간에 배출되는 공기의 온도 및 바람의 세기 등을 조절할 수 있다.

한편, 설명의 편의를 위해 공기의 온도를 제어하는 구성을 냉방부(130)라고 지칭하였으나, 냉방에 한정되지 않고, 실내 공기의 온도를 높이는 난방, 실내에 기류를 형성하는 송풍 및 실내 습도를 낮추는 제습 중 적어도 하나의 공기 조화를 수행할 수도 있다.

센서(140)는 실내의 온도를 감지할 수 있다. 구체적으로, 센서(140)는 온도 센서를 이용하여 공기 조화 장치(100)가 배치된 공간의 온도를 감지할 수 있다. 한편, 프로세서(120)는 감지된 온도에 대한 정보를 메모리(150)에 저장할 수 있다. 특히, 프로세서(120)는 공기 조화 장치(100)가 취침 냉방 모드로 동작하는 동안 감짖된 실내 공간의 온도에 대한 정보를 메모리(150)에 저장할 수 있다.

메모리(150)는 공기 조화 장치(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 구체적으로, 메모리(150)에는 적어도 하나의 명령어가 저장될 수 있다. 프로세서(120)는 메모리(150)에 저장된 명령어를 실행함으로써 상술한 동작을 수행할 수 있다. 메모리(150)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다.

그리고, 메모리(150)에는 공기 조화 장치(100)의 로그 데이터가 저장될 수 있다. 또한, 메모리(150)에는 외부 서버로부터 수신한 사용자 취침 정보 또는 이에 기초한 제어 명령이 저장될 수 있다.

디스플레이(160)는 공기 조화 장치(100)의 외부 표면에 구비되어, 데이터를 표시하기 위한 구성이다. 구체적으로, 디스플레이(160)는 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, PDP(Plasma Display Panel) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(160) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다. 또한, 디스플레이(160)은 플렉서블 디스플레이로 구현될 수도 있다.

한편, 다양한 실시 형태에 따라, 공기 조화 장치(100)에 디스플레이(160)는 구비되지 않을 수도 있다.

유저 인터페이스부(170)는 사용자의 조작 등 사용자의 인터랙션을 입력받기 위한 구성이다. 구체적으로, 유저 인터페이스부(170)는 사용자로부터 공기 조화 장치(100)의 모드 설정 및 온도 조절에 등에 대한 조작 명령을 입력받을 수 있다.

유저 인터페이스부(170)는 공기 조화 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 버튼(171), 사용자의 음성을 수신하는 마이크(172), 원격 제어 장치로부터 사용자 입력(예를 들어, 터치, 눌림, 터치 제스처, 음성, 또는 모션)에 대응되는 광 신호를 수신하는 광 수신부(173) 등을 포함할 수 있다. 한편, 디스플레이(160)가 터치 스크린이라면, 디스플레이(160)도 유저 인터페이스부(170)로 동작할 수 있다.

그 밖에, 도 3에 도시하지는 않았으나, 실시 예에 따라서는, 공기 조화 ㅈ장(100) 내에 USB 커넥터가 연결될 수 있는 USB 포트나, LAN 등과 같은 다양한 외부 단자와 연결하기 위한 다양한 외부 입력 포트, 소리를 출력하기 위한 스피커 등을 더 포함할 수 있음은 물론이다.

도 4는 본 개시의 일 실시 예에 따른 서버의 구성을 도시한 블럭도이다.

도 4를 참조하면, 서버(200)는 통신부(210), 메모리(220) 및 프로세서(230)를 포함할 수 있다. 여기서, 서버(200)는 공기 조화 장치와 통신부(210)를 통해 통신하며, 공기 조화 장치로부터 데이터를 수신하여 데이터 처리를 수행하고, 처리된 데이터를 공기 조화 장치에 전송할 수 있다.

통신부(210)는 공기 조화 장치와 통신할 수 있다. 구체적으로, 통신부(210)는 공기 조화 장치로부터 공기 조화 장치의 사용 로그 데이터를 수신할 수 있다. 특히, 사용 로그 데이터는 공기 조화 장치가 취침 냉방 모드로 동작한 시간에 대한 데이터, 설정 온도에 대한 데이터를 포함할 수 있다.

그리고, 통신부(210)는 외부 환경 정보를 제공하는 외부 서버와 통신할 수 있다. 예를 들어, 통신부(210)는 날씨 정보를 제공하는 외부 서버로부터 날짜 및 시간에 따른 날씨 정보를 수신할 수 있다.

다른 실시 예로, 통신부(210)는 사용자의 신체에 접촉된 웨어러블 기기와 통신을 수행할 수 있다. 구체적으로, 웨어러블 기기가 사용자의 생체 신호를 감지하고, 통신부(210)는 감지된 생체 신호에 대한 데이터를 수신할 수 있다.

그리고, 통신부(210)는 프로세서(230)에 의해 획득된 사용자 취침 정보를 공기 조화 장치에 전송할 수 있다. 여기서, 사용자 취침 정보는 수신된 데이터에 기초하여 획득된 것일 수 있다. 예를 들어, 사용자 취침 정보는 사용자의 취침 시간, 기상 시간, 취침 시 선호 온도 등을 포함할 수 있다. 또는, 사용자 취침 정보는 공기 조화 장치의 취침 냉방 모드의 개시 시점, 종료 시점, 취침 냉방 모드로 동작시 설정 온도에 대한 정보를 포함할 수도 있다.

통신부(210)는 유선 또는 무선 방식으로 외부 장치와 통신할 수 있다.

구체적으로, 통신부(210)는 무선랜, 블루투스 등과 같은 무선 방식으로 외부 장치와 연결될 수 있다. 이외에도 통신부(210)는 와이파이, 지그비, 적외선(IrDA)을 이용하여 외부 장치와 연결될 수 있다. 한편, 통신부(210)는 유선 방식인 연결 포트를 포함할 수 있다.

메모리(220)는 서버(200)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 구체적으로, 메모리(220)에는 적어도 하나의 명령어가 저장될 수 있다. 프로세서(230)는 메모리(220)에 저장된 명령어를 실행함으로써 상술한 동작을 수행할 수 있다.

그리고, 메모리(220)에는 공기 조화 장치로부터 수신된 공기 조화 장치의 로그 데이터가 저장될 수 있다.

그리고, 메모리(220)에는 인공 지능 모델이 저장될 수 있다. 이때, 인공 지능 모델은 수신된 데이터에 기초하여 사용자 취침 정보를 예측할 수 있다. 구체적으로, 인공 지능 모델은 수신된 데이터에서 추출된, 시간 별 주기적 특성에 기초하여 사용자 취침 정보를 예측할 수 있다.

이러한 주기적 특성은 프로세서(230)에 의해 인공 지능 모델에 포함된 TBATS 모델에 통해 추출될 수 있다. 여기서 TBATS 모델은 주기성에 기초하여 데이터를 예측하는 모델 중 하나로, 계절성(Seasonality)을 잡아내기 위해 삼각함수 항을 사용하고, 이질성(heterogeneity)을 잡아내는데 박스-콕스 변환(Box-Cox transformation)을 사용하고, 단기 동적 움직임(short-term dynamics)을 잡아내는데 ARMA 에러 모델을 사용하고, 추세(Trend)를 잡아내는데 추세항을 사용하고, 계절성을 잡아내는데 계절항 사용하는 모델이다. 여기서, 계절성이란 기후, 휴일, 휴가 등으로 인해 규칙적으로 발생되는 변동 현상을 의미하는 것으로, 주기적 특성과 대응되는 의미일 수 있다. 상술한 TBATS 모델을 이용함에 따라 적은 양의 데이터를 이용하여 보다 정확한 예측이 가능하게 된다. 한편, TBATS 모델 이외에도, 이와 유사한 BATS 모델 또는 MTBATS 모델 등도 사용될 수 있다.

또한, 메모리(220)에는 프로세서(230)의 동작에 의해 획득된 사용자 취침 정보 또는 이에 기초한 제어 명령이 저장될 수 있다.

프로세서(230)는 서버(200)의 전반적인 동작 및 기능을 제어할 수 있다.

프로세서(230)는 공기 조화 장치로부터 수신된 취침 냉방 모드에 대한 데이터를 메모리(220)에 저장된 인공 지능 모델에 입력하여 사용자 취침 정보를 획득할 수 있다. 구체적으로, 프로세서(230)는 인공 지능 모델을 통해 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터의 기간에 따른 주기적 특성을 추출하고, 추출된 주기적 특성을 이용하여 사용자 취침 정보를 획득할 수 있다.

이때, 기간에 따른 주기적 특성이란, 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터를 분석하여, 상기 데이터에서 시간(hour)은 필수 요소로, 일(day) 및 월(month)은 선택 요소로, 적어도 하나의 기준으로 추출된 것일 수 있다. 예를 들어, 주기적 특성은 시간 단위, 일 단위 및 월 단위 중 적어도 하나로 획득될 수 있다.

한편, 보다 정확한 예측을 위해 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터에서 취침 냉방 모드로 동작하지 않은 시간이 기설정된 값 이상인 구간이 존재하면, 프로세서(230)는 취침 냉방 모드로 동작하지 않은 시간에 대한 데이터를 삭제한 데이터 및 인공 지능 모델을 이용하여 사용자 취침 정보가 획득할 수 있다.

예를 들어, 프로세서(230)는 수신된 로그데이터에 기초하여, 시간의 흐름에 따라, 공기 조화 장치가 취침 냉방 모드로 동작된 시간을 1로 치환하고, 취침 냉방 모드로 동작되지 않은 시간을 0으로 치환할 수 있다. 이 경우, 24시간 이상 취침 냉방 모드로 동작하지 않은 구간이 존재하면, 프로세서(230)는 이 구간을 삭제한 데이터를 인공 지능 모델에 입력하여 사용자 취침 정보를 획득할 수 있다. 여기서, 데이터 삭제의 기준이 되는 24시간은 일 실시 예에 불과하며, 이에 한정되지 않는다.

한편, 공기 조화 장치로부터 통신부(210)를 통해 수신된 데이터에는 공기 조화 장치가 취침 냉방 모드로 동작할 당시의 설정 온도, 실내 온도, 실내 습도 등에 대한 정보를 더 포함할 수 있다. 프로세서(230)는 공기 조화 장치로부터 수신된 온도, 습도 데이터와 외부 서버로부터 수신된 날씨 정보에 기초하여 사용자가 취침시 선호하는 온도 및 습도를 예측할 수 있다. 프로세서(230)는 인공 지능 모델을 이용하여 사용자가 취침 시 선호하는 온도 및 습도를 예측할 수 있다.

프로세서(230)는 획득된 사용자 취침 정보를 통신부(210)를 통해 공기 조화 장치로 전송할 수 있다. 여기서, 사용자 취침 정보는 사용자의 취침 시간에 대한 정보 및 사용자가 취침시 선호하는 온도 및 습도에 대한 정보를 포함할 수 있다.

상술한 바와 같이, 본 개시에 따르면, 사용자가 매번 취침 냉방 모드를 온/오프하지 않더라도, 사용자가 선호하는 온도 및 습도를 반영하여 자동으로 취침 냉방 모드가 실행되는 바, 사용자의 편의성이 증가할 수 있다.

도 5는 본 개시의 데이터 처리 과정을 설명하기 위한 도면이다.

도 5를 참조하면, 공기 조화 장치(100)는 서버(200)로 사용 이력 데이터(510)를 전송할 수 있다. 이때, 사용 이력 데이터(510)는 공기 조화 장치(100)가 사용자 조작에 의해 동작되는 일반 모드일 때 수집된 데이터일 수 있다.

예를 들어, 사용 이력 데이터(510)는 아래와 같을 수 있다. 여기서 사용 이력 데이터(510)는 공기 조화 장치(100)가 취침 냉방 모드로 동작된 시간을 의미하는 것일 수 있다.

2018.04.01 20:00 for 4 hours (08pm-12am)

2018.04.02 22:00 for 2 hours (10pm-12am)

2018.04.09 19:00 for 7 hours (07pm-02am)

2018.04.22 22:00 for 4 hours (10pm-02am)

2018.04.23 19:00 for 5 hours (07pm-12am)

서버(200)는 수신된 사용 이력 데이터(510)를 TBATS 모델(520)에 입력하여 데이터의 주기적 특성(530)을 획득할 수 있다. 여기서, 주기적 특성(530)은 TBATS 모델(520)에 입력된 사용 이력 데이터(510)의 기간에 따라 추출된 주기적 특성을 의미할 수 있다. 예를 들어, 주기적 특성(530)은 시간, 일, 월을 단위로 하는 다양한 주기적 특성을 포함할 수 있다. 그리고, TBATS 모델(520)은 주기적 특성(530)에 기초하여 사용자의 취침 정보(550)를 획득할 수 있다. 그리고, 인공 지능 모델(540)은 획득된 사용자 취침 정보(550)와 실제 사용자 취침 정보를 비교하여 TBATS 모델(520)의 파라미터를 학습할 수 있다. 그리고, 서버(200)는 획득된 사용자 취침 정보(550)를 공기 조화 장치(100)에 전송할 수 있다.

여기서, 사용자 취침 정보(550)는 사용자의 취침 성향에 따른 취침 시간, 기상 시간을 포함할 수 있다. 한편, 사용자 취침 정보(550)에는 예측된 사용자의 취침 시간, 기상 시간에 기초하여 공기 조화 장치(100)의 취침 냉방 모드를 온/오프시키는 제어 명령을 포함할 수도 있다.

도 6은 본 개시의 일 실시 예에 따른, 인공 지능 모델을 학습하고 이용하기 위한 서버의 구성을 나타내는 블록도이다.

도 6을 참조하면, 프로세서(600)는 학습부(610) 및 획득부(620) 중 적어도 하나를 포함할 수 있다. 도 6의 프로세서(600)는 도 4의 서버(200)의 프로세서(230) 또는 데이터 학습 서버(미도시)의 프로세서에 대응될 수 있다.

학습부(610)는 사용자의 취침 정보를 예측하기 위한 모델을 생성 또는 학습시킬 수 있다. 학습부(610)는 수집된 학습 데이터를 이용하여 사용자 취침 정보를 예측하기 위한 인공 지능 모델을 생성할 수 있다. 학습부(610)는 수집된 학습 데이터를 이용하여 사용자 취침 정보 예측을 위한 기준을 갖는 학습된 모델을 생성할 수 있다. 이러한 학습부(610)는 인공 지능 모델의 트레이닝 셋(training set)에 대응될 수 있다.

일 예로, 학습부(610)는 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터를 입력 데이터로 사용하여 사용자의 취침 시간을 예측하기 위한 모델을 생성, 학습 또는 갱신시킬 수 있다. 구체적으로, 학습부(610)는 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터에서 추출된 기간 별 주기적 특성을 이용하여 사용자 취침 정보를 예측하기 위한 모델을 생성, 학습 또는 갱신시킬 수 있다. 또한, 학습부(610)는 예측된 사용자 취침 정보와 실제 사용자 취침 일정이 일치하도록 모델을 학습 또는 갱신시킬 수 있다. 예를 들어, 학습부(610)는 예측된 사용자 취침 정보에 기초하여 공기 조화 장치가 동작될 때, 사용자의 조작 명령이 입력되면, 입력된 조작 명령에 대한 데이터를 더 반영하여 모델을 학습 또는 갱신시킬 수 있다.

획득부(620)는 소정의 데이터를 학습된 모델의 입력 데이터로 사용하여, 다양한 정보를 획득할 수 있다.

일 예로, 획득부(620)는 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터를 입력 데이터로 사용하여 사용자의 취침 성향에 대한 정보를 획득(또는, 인식, 추정, 추론)할 수 있다. 그리고, 획득부(620)는 사용자 취침 성향에 대한 정보를 이용하여 취침 냉방 모드의 동작 개시 시점, 동작 시간, 종료 시점 등을 획득할 수 있다.

한편, 이상에서는 사용자 취침 정보에 사용자의 취침 시간에 대한 정보만 포함되는 것으로 기재하였으나, 실제 구현시에는 공기 조화 장치가 취침 냉방 모드로 동작시 사용자가 선호하는 온도 및 습도에 대해서도 학습 및 획득될 수 있다.

학습부(610)의 적어도 일부 및 획득부(620)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 학습부(610) 및 획득부(620) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다. 이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 학습부(610) 및 획득부(620)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

　이 경우, 학습부(610) 및 획득부(620)는 서버와 같은 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 학습부(610) 및 획득부(620) 중 하나는 공기 조화 장치에 포함되고, 나머지 하나는 외부의 서버에 포함될 수 있다. 또한, 학습부(610) 및 획득부(620)는 유선 또는 무선으로 통하여, 학습부(610)가 구축한 모델 정보를 획득부(620)로 제공할 수도 있고, 학습부(610)로 입력된 데이터가 추가 학습 데이터로서 학습부(610)로 제공될 수도 있다.

도 7은 본 개시의 일 실시 예에 따른, 학습부 및 획득부의 구체적인 구성을 나타내는 블록도이다.

도 7의 (a)를 참조하면, 일부 실시 예에 따른 학습부(610)는 학습 데이터 획득부(610-1) 및 모델 학습부(610-4)를 포함할 수 있다. 또한, 학습부(610)는 학습 데이터 전처리부(610-2), 학습 데이터 선택부(610-3) 및 모델 평가부(610-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.

학습 데이터 획득부(610-1)는 모델에 필요한 학습 데이터를 획득할 수 있다. 본 개시의 실시 예로, 학습 데이터 획득부(610-1)는 공기 조화 장치가 취침 냉방 모드로 동작한 시간에 대한 데이터, 취침 냉방 모드로 동작할 때의 온도 및 습도에 대한 데이터 및 취침 냉방 모드로 동작할 때의 설정 온도에 대한 데이터 등을 학습 데이터로서 획득할 수 있다. 또는, 학습 데이터 획득부(610-1)는 공기 조화 장치가 취침 냉방 모드롤 동작하지 않은 시간이 기설정된 값 이상인 구간이 존재하면, 해당 구간에 대한 데이터를 삭제하고 학습 데이터로 획득할 수 있다.

모델 학습부(610-4)는 학습 데이터를 이용하여 획득된 사용자의 취침 시간, 기상 시간, 설정 온도 및 습도와 실제 사용자의 취침 정보의 차이를 어떻게 보정할지에 관해 학습시킬 수 있다. 예로, 모델 학습부(610-4)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 인공 지능 모델을 학습시킬 수 있다. 또는, 모델 학습부(610-4)는, 예를 들어, 별다른 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 상황의 판단을 위한 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 인공 지능 모델을 학습시킬 수 있다. 또한, 모델 학습부(610-4)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 인공 지능 모델을 학습시킬 수 있다. 또한, 모델 학습부(610-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 인공 지능 모델을 학습시킬 수 있다

인공 지능 모델이 학습되면, 모델 학습부(610-4)는 학습된 인공 지능 모델을 저장할 수 있다. 이 경우, 모델 학습부(610-4)는 학습된 인공 지능 모델을 서버( 예를 들어, 인공 지능 서버)에 저장할 수 있다. 또는, 모델 학습부(610-4)는 학습된 인공 지능 모델을 서버와 유선 또는 무선 네트워크로 연결되는 공기 조화 장치의 메모리에 저장할 수도 있다.

학습 데이터 전처리부(610-2)는 사용자 취침 정보 예측을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 학습 데이터 전처리부(610-2)는 모델 학습부(610-4)가 사용자 취침 정보를 예측하기 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기설정된 포맷으로 가공할 수 있다.

학습 데이터 선택부(610-3)는 학습 데이터 획득부(610-1)에서 획득된 데이터 또는 학습 데이터 전처리부(610-2)에서 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(610-4)에 제공될 수 있다. 학습 데이터 선택부(610-3)는 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(610-3)는 모델 학습부(610-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 학습 데이터를 선택할 수도 있다.

학습부(610)는 인공 지능 모델의 인식 결과를 향상시키기 위하여, 모델 평가부(610-5)를 더 포함할 수도 있다.

모델 평가부(610-5)는 인공 지능 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(610-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인공 지능 모델을 평가하기 위한 기 정의된 데이터일 수 있다.

예를 들어, 모델 평가부(610-5)는 평가 데이터에 대한 학습된 인공 지능 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다.

한편, 학습된 인공 지능 모델이 복수 개가 존재하는 경우, 모델 평가부(610-5)는 각각의 학습된 인공 지능 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 인공 지능 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(610-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 인공 지능 모델로서 결정할 수 있다.

도 8은 본 개시의 다른 실시 예에 따른 공기 조화 시스템을 설명하기 위한 도면이다. 구체적으로, 도 8은 사용자 취침 시간 뿐만 아니라 사용자가 취침시 선호하는 온도 및 습도를 더 고려하여 사용자 취침 정보를 예측하는 실시 예를 도시한 것이다.

도 8을 참조하면, 우선 사용자는 원격 제어 장치(10)를 통해 조작 명령을 공기 조화 장치(100)에 입력할 수 있다(①). 도 8에서는 원격 제어 장치(10)를 통해 공기 조화 장치(100)에 조작 명령이 입력되는 것으로 도시되었으나, 공기 조화 장치(100)에 구비된 버튼, 터치 스크린 등을 통해 공기 조화 장치(100)에 조작 명령이 입력될 수도 있다. 이때, 공기 조화 장치(100)는 사용자의 설정에 의해 조작되는 일반 모드로 설정된 것일 수 있다.

공기 조화 장치(100)는 입력된 조작 명령에 기초하여 동작을 수행하고, 조작 명령에 대응되는 데이터를 서버(200)에 전송할 수 있다. 구체적으로, 공기 조화 장치(100)는 사용자의 설정 온도 및 센서에 의해 감지된 현재 온도에 관한 데이터를 서버에 전송할 수 있다(②). 한편, 도 8에서는 하나의 공기 조화 장치(100)가 서버(200)와 연동되는 것으로 도시되었으나, 실제 구현시에는 두개 이상의 공기 조화 장치(100)가 서버(200)와 각각 연동되어 데이터를 주고 받을 수 있다.

여기서, 서버(200)는 적어도 하나의 서버를 포함할 수 있다. 구체적으로, 공기 조화 장치(100)로부터 수신된 데이터를 저장하는 브릿지 서버(Bridge 서버, 200-1), 날씨를 제공하는 외부 서버(300)로부터 날씨 데이터를 저장하는 날씨 서버(Weather 서버, 200-2), 공기 조화 장치(100)의 데이터와 날씨 데이터를 분석하여 사용자 취침 정보를 예측하는 데이터 분석 서버(200-3) 등을 포함한다. 도 8에서는 서버(200)가 3개 서버로 구성되었지만, 실제 구현시에는 각 서버의 기능에 따라 2개 이하, 4개 이상의 서버로 구성될 수도 있다.

브릿지 서버(200-1)는 공기 조화 장치(100)로부터 수신된 데이터를 기기 상태 데이터로 저장할 수 있다(③). 구체적으로, 브릿지 서버(200-1)는 공기 조화 장치(100)의 사용사 설정 온도 및 실내 공간의 온도에 대한 데이터를 시계열적으로 저장할 수 있다. 그리고, 공기 조화 장치(100)에서 브릿지 서버(200-1)로 전송된 데이터는 취침 냉방 모드의 개시 시점, 종료 시점, 취침 냉방 모드로 동작한 시간에 대한 데이터를 더 포함할 수 있다.

그리고, 날씨 서버(200-2)는 날씨 정보를 제공하는 외부 서버(300)로부터 날짜 및 시간에 따른 날씨 데이터를 수신하고, 이를 저장할 수 있다(④).

데이터 분석 서버(200-3)는 브릿지 서버(200-1)에 저장된 기기 상태 데이터와 날씨 서버(200-2)에 저장된 날씨 데이터를 이용하여 사용자 취침 정보를 획득할 수 있다(⑤). 구체적으로, 데이터 분석 서버(200-3)는 저장된 인공 지능 모델을 이용하여 사용자의 취침 정보를 예측할 수 있다. 여기서, 사용자 취침 정보는 사용자의 취침 시간, 기상 시간, 취침시 선호 온도 및 습도 등에 대한 정보를 포함할 수 있다. 예를 들어, 데이터 분석 서버(200-3)는 데이터의 주기성을 이용하여 데이터를 예측하는 TBATS 모델 등을 이용하여 사용자 취침 정보를 획득할 수 있다.

그리고, 사용자가 공기 조화 장치(100)의 모드를 일반 모드에서 사용자 조작 없이도 동작되는 인공 지능 모드로 변경하면, 공기 조화 장치(100)는 서버(200)에 모드의 변경을 알리고, 사용자 취침 정보를 요청할 수 있다. 서버(200)는 공기 조화 장치(100)로부터 사용자 취침 정보를 요청 받으면, 사용자의 취침 시간에 대한 정보, 취침시 선호 온도 및 습도에 대한 정보를 공기 조화 장치(100)에 전송할 수 있다(⑥). 또한, 서버(200)는 사용자 취침 정보에 대응되는 공기 조화 장치(100)의 시계열적인 제어 명령을 공기 조화 장치(100)에 전송할 수도 있다.

도 9는 본 개시의 일 실시 예에 따라 획득된 사용자 취침 정보를 설명하기 위한 도면이다.

도 9를 참조하면, 서버(200)는 주기적 특성 데이터(910)를 이용하여 사용자 취침 정보(920)를 예측할 수 있다. 여기서, 주기적 특성 데이터(910)는 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터에서 추출된 것일 수 있다.

예를 들어, 도 5에 대한 설명에 기재된 5일분의 사용 이력 데이터가 서버(200)에 전송된 경우, 서버(200)는 공기 조화 장치가 취침 냉방 모드로 동작된 시간은 1로 치환하고, 취침 냉방 모드로 동작되지 않은 시간은 0으로 치환하여 시계열적인 데이터로 치환할 수 있다. 그리고, 주기적 특성을 보다 뚜렷하게 나타내기 위해, 서버(200)는 기설정된 시간 이상 0인 구간은 삭제하여 주기적 특성 데이터(910)를 획득할 수 있다.

서버(200)는 획득된 주기적 특성 데이터(910)를 인공 지능 모델에 입력하여 사용자 취침 정보(920)를 예측할 수 있다. 이때, 인공 지능 모델은 주기적 특성을 이용하여 데이터를 예측하는 TBATS 모델 등을 이용하여 사용자 취침 시간에 대한 정보를 예측할 수 있다.

예측된 사용자 취침 정보(920)를 살펴보면, 5일분의 주기적 특성 데이터에 기초하여 6일째의 사용자 취침 정보(921)가 예측되었음을 확인할 수 있다. 그리고, 예측된 6일째의 사용자 취침 정보(921)가 표시된 진한 회색 영역은 신뢰도 85% 수준의 예측 구간이며, 보다 연한 회식 영역은 신뢰도 90% 수준의 예측 구간일 수 있다.

상술한 바와 같이 본 개시에 따르면, 최소 5일 분의 적은 양의 데이터에 기초하여 보다 정확한 데이터를 예측할 수 있게 된다.

도 10은 본 개시의 일 실시 예에 따른 공기 조화 장치의 제어 방법을 개략적으로 나타낸 흐름도이다.

도 10을 참조하면, 우선 공기 조화 장치는 외부 서버로부터, 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 사용자 취침 정보를 수신할 수 있다(S1010). 구체적으로, 공기 조화 장치가 취침 냉방 모드로 동작된 시간에 대한 데이터는 공기 조화 장치가 사용자의 조작에 의해 동작되는 일반 모드로 설정된 경우 수집된 데이터일 수 있다. 공기 조화 장치가 수집된 데이터를 외부 서버에 전송하면, 외부 서버는 수집된 데이터에 기초하여 사용자의 수면 성향에 기초한 사용자 취침 정보를 획득할 수 있다. 이때, 외부 서버는 데이터의 주기적 특성을 추출하고, 추출된 주기적 특성 및 인공 지능 모델을 이용하여 사용자 취침 정보를 획득할 수 있다. 그리고, 외부 서버가 획득된 사용자 취침 정보를 공기 조화 장치에 전송함에 따라, 공기 조화 장치는 사용자 취침 정보를 수신할 수 있다.

그리고, 공기 조화 장치는 수신된 사용자 취침 정보에 기초하여 취침 냉방 모드로 동작할 수 있다(S1020). 구체적으로, 공기 조화 장치는 사용자 취침 정보에 포함된 사용자의 취침 시간, 기상 시간 등에 기초하여 취침 냉방 모드로 동작할 수 있다. 한편, 사용자 취침 정보에는 사용자가 취침시 선호하는 온도 정보, 습도 정보 등을 더 포함할 수 있고, 공기 조화 장치는 이를 더 반영하여 취침 냉방 모드로 동작할 수 있다.

도 11은 본 개시의 일 실시 예에 따라 공기 조화 장치가 취침 냉방 모드로 동작한 시간에 대한 데이터를 수집하는 과정을 설명하기 위한 흐름도이다.

우선 사용자(10)는 취침에 들기 전, 공기 조화 장치(100)를 취침 냉방 모드로 제어하기 위한 조작 명령을 입력할 수 있다(S1101). 이 경우, 공기 조화 장치(100)는 사용자의 제어에 의해 동작되는 일반 모드로 설정된 경우일 수 있다.

공기 조화 장치(100)는 사용자의 조작 명령 입력에 따라 서버(200)에 취침 냉방 모드로 변경되었음을 알리는 이벤트를 전송할 수 있다(S1102). 구체적으로, 서버(200)는 적어도 하나의 서버로 구성될 수 있고, 도 8에 도시된 바와 같이, 브릿지(bridge) 서버, 날씨(weather) 서버, 데이터 분석 서버를 포함할 수 있다. 도 11에서는 데이터가 저장되는 동작의 설명을 위해 DB(Database) 서버가 별도의 서버인 것으로 도시하였으나, 브릿지 서버, 날씨 서버, 데이터 분석 서버의 일부 구성일 수 있다. 또한, 각 서버는 설명의 편의를 위해 기능 별로 구분한 것으로, 하나 이상의 서버에서 각 기능의 전부 또는 일부를 수행할 수도 있다.

브릿지 서버는 취침 냉방 모드 변경 이벤트를 수신하면, DB 서버에 이벤트에 대한 데이터를 전송할 수 있다(S1103). 그리고, DB 서버는 수신된 이벤트 데이터를 저장할 수 있다(S1104). 이때, 이벤트 데이터는 취침 냉방 모드를 켠 시간 또는 끈 시간에 대한 데이터일 수 있다.

한편, 서버(200)는 사용자가 취침 냉방 모드로 조작할 때마다 상술한 과정을 통해 공기 조화 장치(100)가 취침 냉방 모드로 동작한 시간에 대한 데이터를 수집할 수 있다.

그리고, 서버(200)는 수집된 데이터에 기초하여 사용자의 수면 시간을 분석할 수 있다. 구체적으로, DB 서버는 하루 분(daily batch)의 이벤트 데이터를 데이터 분석 서버로 전송(S1105)하고, 데이터 분석 서버는 수집된 데이터에 기초하여 사용자의 수면 시간을 분석할 수 있다(S1106). 이때, 사용자의 수면 시간은 시계열적으로 분석될 수 있다. 구체적으로, 데이터 분석 서버는 인공 지능 모델을 이용하여 사용자의 수면 시간, 예를 들어, 취침 시간, 기상 시간 등을 분석할 수 있다.

그리고, 데이터 분석 서버는 분석된 수면 시간을 DB 서버에 전송하여 저장할 수 있다(S1107).

서버(200)는 상술한 바와 같은 과정을 매일 반복하여, 취침 냉방 모드로의 동작 시간에 기초한 사용자의 수면 시간을 분석할 수 있다.

도 12는 본 개시의 일 실시 예에 따른 설정 온도에 대한 데이터를 수집하는 과정을 설명하기 위한 흐름도이다.

우선 사용자(10)는 공기 조화 장치(100)를 희망 온도로 제어하기 위한 조작 명령을 입력할 수 있다(S1201). 이 경우, 공기 조화 장치(100)는 사용자의 제어에 의해 동작되는 일반 모드로 설정된 경우일 수 있다.

공기 조화 장치(100)는 사용자의 조작 명령 입력에 따라 서버(200)에 희망 온도가 변경되었음을 알리는 이벤트를 전송할 수 있다(S1202).

구체적으로, 서버(200)는 적어도 하나의 서버로 구성될 수 있고, 도 8에 도시된 바와 같이, 브릿지(bridge) 서버, 날씨(weather) 서버, 데이터 분석 서버를 포함할 수 있다. 도 12에서는 데이터가 저장되는 동작의 설명을 위해 DB(Database) 서버가 별도의 서버인 것으로 도시하였으나, 브릿지 서버, 날씨 서버, 데이터 분석 서버의 일부 구성일 수 있다. 또한, 각 서버는 설명의 편의를 위해 기능 별로 구분한 것으로, 하나 이상의 서버에서 각 기능의 전부 또는 일부를 수행할 수도 있다.

브릿지 서버는 희망 온도 변경 이벤트를 수신하면, DB 서버에 이벤트에 대한 데이터를 전송할 수 있다(S1203). 구체적으로, 이벤트에 대한 정보는 희망 온도 변경을 위한 조작 명령이 입력된 시점의 실내 온도, 실내 습도, 조작 시간 등일 수 있다. 특히, 공기 조화 장치가 취침 냉방 모드로 동작하는 동안 희망 온도가 변경된 경우, 이에 대한 데이터도 포함될 수 있다.

그리고, DB 서버는 수신된 이벤트 데이터를 저장할 수 있다(S1204).

한편, 서버(200)는 사용자가 희망 온도 변경을 위한 조작을 할 때마다 상술한 과정을 통해 공기 조화 장치(100)가 희망 온도를 변경한 시점의 시간, 온도, 습도 등에 대한 데이터를 수집할 수 있다.

그리고, 서버(200)는 수집된 데이터에 기초하여 사용자의 성향을 분석할 수 있다. 구체적으로, DB 서버는 하루 분(daily batch)의 이벤트 데이터를 데이터 분석 서버로 전송(S1205)할 수 있다. 이때, 데이터 분석 서버는 날씨 서버에 날씨 데이터를 요청할 수 있다(S1206). 이에 따라, 날씨 서버는 데이터 분석 서버에 외부 온도 및 외부 습도에 대한 정보를 전송할 수 있다(S1207).

데이터 분석 서버는 수집된 데이터에 기초하여 사용자의 성향을 분석할 수 있다(S1208). 여기서, 사용자의 성향은 날씨에 따라 사용자가 선호하는 온도 및 습도, 취침시 선호하는 온도 및 습도 등을 포함할 수 있다. 데이터 분석 서버는 기계 학습(machine learning, ML)된 인공 지능 모델을 이용하여 사용자의 성향을 분석할 수 있다.

그리고, 데이터 분석 서버는 분석된 사용자 선호 온도를 DB 서버에 전송하여 저장할 수 있다(S1209). 이때, 사용자 선호 온도는 외부 온도 및 습도에 따른 것으로, 외부 온도 및 외부 습도에 대한 정보도 함께 DB 서버로 전송되어 저장될 수 있다.

서버(200)는 상술한 바와 같은 과정을 매일 반복하여, 사용자 선호 온도를 포함하는 사용자의 성향을 분석할 수 있다.

도 13은 본 개시의 일 실시 예에 따라 인공 지능 모드에서의 동작을 설명하기 위한 흐름도이다.

우선 사용자(10)는 공기 조화 장치(100)의 모드를 인공지능 모드로 변경하기 위한 조작 명령을 입력할 수 있다(S1301). 여기서, 인공지능 모드는 공기 조화 장치(100)가 사용자의 조작 없이도 자동으로 동작되는 모드일 수 있다.

공기 조화 장치(100)는 모드가 인공 지능 모드로 설정됨에 따라, 분석된 수면 시간 및 온도를 서버(200)에 요청할 수 있다(S1302). 이때, 공기 조화 장치(100)는 분석된 사용자 취침 시간 및 온도에 대한 요청을 보내면서, 현재 시간, 현재 온도 미 현재 습도에 대한 정보를 함께 전송할 수 있다.

공기 조화 장치(100)로부터 사용자 취침 정보에 대한 요청을 수신하면, 데이터 분석 서버는 DB 서버에 분석된 수면 시간을 요청하고(S1303), DB 서버로부터 분석된 수면 시간을 전송받을 수 있다(S1304).

그리고, 데이터 분석 서버는 날씨 서버에 현재 날씨에 대한 정보를 요청하고(S1305), 외부 온도 및 외부 습도를 포함하는 현재 날씨에 대한 정보를 수신할 수 있다(S1306).

그리고, 데이터 분석 서버는 DB 서버로부터 수신된 사용자 수면 시간에 대한 정보와, 날씨 서버로부터 수신된 현재 날씨에 대한 정보에 기초하여, 사용자의 수면 시간 및 선호 온도를 분석할 수 있다(S1307).

그리고, 데이터 분석 서버는 분석된 수면 시간 및 온도에 대한 정보를 공기 조화 장치(100)에 전송할 수 있다. 여기서, 분석된 수면 시간에는 사용자의 취침 시간, 기상 시간 등이 포함될 수 있고, 온도에 대한 정보에는 사용자가 취침시 선호하는 온도, 습도에 대한 정보가 포함될 수 있다.

공기 조화 장치(100)는 서버(200)로부터 수신된 수면 시간 및 설정 온도에 기초하여 자동으로 취침 냉방 모드를 동작시키고, 희망 온도를 설정할 수 있다(S1309).

이상에 기재한 다양한 실시 예에 따라, 공기 조화 장치는 사용자가 취침 전 매번 취침 냉방 모드로 설정하지 않아도, 분석된 사용자의 취침 정보에 기초하여 자동으로 취침 냉방 모드로 동작할 수 있고, 외부 온도 및 습도에 따라 사용자가 선호하는 온도 및 습도를 설정하여 수면시 보다 쾌적한 환경을 제공할 수 있게 된다.

한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서(120) 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.

한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법은 비일시적 판독 가능 매체(non-transitory readable medium) 에 저장될 수 있다. 이러한 비일시적 판독 가능 매체는 다양한 장치에 탑재되어 사용될 수 있다.

비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 방법을 수행하기 위한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.

일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

또한, 이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

1000 : 공기 조화 시스템 100 : 공기 조화 장치
110 : 통신부 120 : 프로세서
200 : 서버

Claims

공기 조화 장치의 제어 방법에 있어서,
외부 서버로부터, 상기 공기 조화 장치가 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 사용자 취침 정보를 수신하는 단계; 및
상기 사용자 취침 정보에 기초하여 상기 취침 냉방 모드로 동작하는 단계;를 포함하는 방법.
제1항에 있어서,
상기 공기 조화 장치는, 사용자 조작에 의해 동작되는 일반 모드 및 사용자 조작 없이 사용자의 사용 이력에 기초하여 동작되는 인공지능 모드 중 하나로 설정되며,
상기 공기 조화 장치가 일반 모드로 설정된 동안, 사용자 조작에 의해 상기 공기 조화 장치가 상기 취침 냉방 모드로 동작된 시간에 대한 데이터를 상기 외부 서버로 전송하는 단계;를 더 포함하는 방법.
제2항에 있어서,
상기 수신하는 단계는,
상기 공기 조화 장치가 인공지능 모드로 설정된 동안 상기 사용자 취침 정보를 수신하고,
상기 동작하는 단계는,
상기 공기 조화 장치가 인공지능 모드로 설정된 동안 상기 취침 냉방 모드로 동작하는 방법.
제1항에 있어서,
상기 사용자 취침 정보는,
상기 데이터 및 상기 외부 서버에 포함된 인공 지능 모델을 이용하여 획득되고,
상기 인공 지능 모델은,
상기 데이터의 기간에 따른 주기적 특성을 이용하여 상기 사용자 취침 정보를 획득하는 방법.
제4항에 있어서,
상기 인공 지능 모델은, TBATS 모델을 포함하고,
상기 사용자 취침 정보는, 상기 TBATS 모델을 이용하여 추출된 주기적 특성에 기초하여 획득된 것인 방법.
제4항에 있어서,
상기 기간에 따른 주기적 특성은,
상기 데이터에서 시간(hour)은 필수 요소로, 일(day) 및 월(month)은 선택 요소로, 적어도 하나의 기준으로 추출된 것인 방법.
제4항에 있어서,
상기 사용자 취침 정보는,
상기 취침 냉방 모드로 동작하지 않은 시간이 기설정된 값 이상인 구간이 존재하면, 상기 구간에 대한 데이터가 삭제된 데이터 및 상기 인공 지능 모델을 이용하여 획득되는 방법.
제1항에 있어서,
상기 사용자 취침 정보는,
상기 취침 냉방 모드의 개시 시점, 동작 시간 및 종료 시점 중 적어도 하나를 포함하는 방법.
제1항에 있어서,
상기 사용자 취침 정보는,
상기 취침 냉방 모드의 설정 온도를 더 포함하고,
상기 동작하는 단계는,
상기 설정 온도에 기초하여 상기 취침 냉방 모드로 동작하는 방법.
공기 조화 장치에 있어서,
외부 서버와 통신하는 통신부;
상기 공기 조화 장치가, 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터에 기초하여 획득된 사용자 취침 정보를 상기 통신부를 통해 수신하고, 상기 사용자 취침 정보에 기초하여 상기 취침 냉방 모드로 동작시키는 프로세서;를 포함하는 공기 조화 장치.
제10항에 있어서,
상기 공기 조화 장치는, 사용자 조작에 의해 동작되는 일반 모드 및 사용자 조작 없이 사용자의 사용 이력에 기초하여 동작되는 인공지능 모드 중 하나로 설정되며,
상기 프로세서는,
상기 공기 조화 장치가 일반 모드로 설정된 동안, 사용자 조작에 의해 상기 공기 조화 장치가 상기 취침 냉방 모드로 동작된 시간에 대한 데이터를 상기 외부 서버로 전송하는 공기 조화 장치.
제11항에 있어서,
상기 프로세서는,
상기 공기 조화 장치가 인공지능 모드로 설정된 동안 상기 사용자 취침 정보를 수신하고, 상기 취침 냉방 모드로 동작하는 공기 조화 장치.
제10항에 있어서,
상기 사용자 취침 정보는,
상기 데이터 및 상기 외부 서버에 포함된 인공 지능 모델을 이용하여 획득되고,
상기 인공 지능 모델은,
상기 데이터의 기간에 따른 주기적 특성을 이용하여 상기 사용자 취침 정보를 획득하는 공기 조화 장치.
제13항에 있어서,
상기 인공 지능 모델은, TBATS 모델을 포함하고,
상기 사용자 취침 정보는, 상기 TBATS 모델을 이용하여 추출된 주기적 특성에 기초하여 획득된 것인 공기 조화 장치.
제13항에 있어서,
상기 기간에 따른 주기적 특성은,
상기 데이터에서 시간(hour)은 필수 요소로, 일(day) 및 월(month)은 선택 요소로, 적어도 하나의 기준으로 추출된 것인 공기 조화 장치.
제13항에 있어서,
상기 사용자 취침 정보는,
상기 취침 냉방 모드로 동작하지 않은 시간이 기설정된 값 이상인 구간이 존재하면, 상기 구간에 대한 데이터가 삭제된 데이터 및 상기 인공 지능 모델을 이용하여 획득되는 공기 조화 장치.
제10항에 있어서,
상기 사용자 취침 정보는,
상기 취침 냉방 모드의 개시 시점, 동작 시간 및 종료 시점 중 적어도 하나를 포함하는 공기 조화 장치.
제10항에 있어서,
상기 사용자 취침 정보는,
상기 취침 냉방 모드의 설정 온도를 더 포함하고,
상기 프로세서는,
상기 설정 온도에 기초하여 상기 취침 냉방 모드로 동작시키는 공기 조화 장치.
서버에 있어서,
공기 조화 장치와 통신하는 통신부;
인공 지능 모델이 저장된 메모리; 및
상기 공기 조화 장치가, 사용자 취침시 사용되는 취침 냉방 모드로 동작된 시간에 대한 데이터를 상기 인공 지능 모델에 입력하여 사용자 취침 정보를 획득하고, 상기 통신부를 통해 상기 획득된 사용자 취침 정보를 상기 공기 조화 장치에 전송하는 프로세서;를 포함하는 서버.
제19항에 있어서,
상기 프로세서는,
TBATS 모델을 이용하여 상기 데이터의 기간에 따른 주기적 특성을 추출하고, 상기 추출된 주기적 특성을 상기 인공 지능 모델에 입력하여 상기 사용자 취침 정보를 획득하는 서버.