KR20200055826A

KR20200055826A - Artificial intelligence based computing apparatus providing operation algorithm of air conditioner

Info

Publication number: KR20200055826A
Application number: KR1020180137500A
Authority: KR
Inventors: 송지현; 박윤식
Original assignee: 엘지전자 주식회사
Priority date: 2018-11-09
Filing date: 2018-11-09
Publication date: 2020-05-22

Abstract

The present invention relates to an artificial intelligence based computing device for providing an operation algorithm of an air conditioner. According to an embodiment of the present invention, the artificial intelligence based computing device comprises: a communication part for connection with a terminal; an operation algorithm providing module obtaining an operation algorithm based on installation space information, installation position information, performance information and usage type information of an air conditioner; and a processor controlling the communication part to transmit the obtained operation algorithm to the terminal in order to provide the obtained operation algorithm to the air conditioner.

Description

ARTIFICIAL INTELLIGENCE BASED COMPUTING APPARATUS PROVIDING OPERATION ALGORITHM OF AIR CONDITIONER

본 발명은 인공지능 기반의 컴퓨팅 장치에 관한 것으로서, 특히 공기조화기의 자동 운전을 위한 운전 알고리즘을 제공하는 컴퓨팅 장치에 관한 것이다.The present invention relates to an artificial intelligence-based computing device, and more particularly, to a computing device providing a driving algorithm for automatic operation of an air conditioner.

공기조화기는 쾌적한 실내 환경을 조성하기 위해 실내로 냉온의 공기를 토출하여 실내 온도를 조절하고, 실내 공기를 정화하도록 함으로써 사용자에게 보다 쾌적한 실내 환경을 제공하기 위해 설치된다. 일반적으로 공기조화기는 열교환기로 구성되어 실내에 설치되는 실내기와, 압축기 및 열교환기 등으로 구성되어 실내기로 냉매를 공급하는 실외기를 포함한다.The air conditioner is installed to provide a more comfortable indoor environment to the user by discharging cold and warm air into the room to regulate the indoor temperature and purifying the indoor air to create a comfortable indoor environment. In general, an air conditioner includes an indoor unit installed in a room configured as a heat exchanger, and an outdoor unit configured as a compressor and a heat exchanger to supply refrigerant to the indoor unit.

공기조화기는 사용자에 의해 설정되는 온도나 풍량 등에 따라 압축기, 팬 등을 구동하는 수동 모드 외에도, 전력 소모를 최소화하면서 최적의 실내 환경을 제공하도록 압축기나 팬의 구동 정도를 자동으로 제어하는 자동 운전모드(스마트케어 등)를 제공하여, 사용자의 편의성을 향상시키고자 한다.In addition to the manual mode of driving the compressor, fan, etc. according to the temperature or air volume set by the user, the air conditioner is an automatic operation mode that automatically controls the degree of operation of the compressor or fan to provide the optimal indoor environment while minimizing power consumption. (Smart Care, etc.) to improve user convenience.

그러나, 종래의 공기조화기가 제공하는 자동 운전모드의 운전 알고리즘은, 공기조화기가 설치된 공간의 특성이나 공기조화기의 설치 위치, 또는 사용자의 사용 특성에 대한 고려 없이 일괄적으로 제공된다. 따라서, 종래에 제공되는 자동 운전모드는 모든 사용자에 대해 만족시키기 어려울 수 있다.However, the operation algorithm of the automatic operation mode provided by the conventional air conditioner is provided collectively without considering the characteristics of the space where the air conditioner is installed, the installation position of the air conditioner, or the user's use characteristic. Therefore, the automatic operation mode provided in the related art may be difficult to satisfy for all users.

한편, 최근에는 인공지능(artificial intelligence) 기술에 대한 관심이 증가하고 있다. 상기 인공지능 기술의 여러 분야 중 인간의 학습 능력을 컴퓨터 상에서 실현하기 위한 기술로서 머신 러닝이 존재한다.Meanwhile, in recent years, interest in artificial intelligence technology has increased. Machine learning exists as a technology for realizing a human learning ability on a computer among various fields of the artificial intelligence technology.

종래의 머신 러닝은 통계학 기반의 분류, 회귀, 군집 모델이 중심이었다. 특히, 분류, 회귀 모델의 지도 학습에서는 학습 데이터의 특성과 이러한 특성을 기반으로 새로운 데이터를 구별하는 학습 모델이 사전에 정의되었다. 이와 달리, 최근 빅데이터 개념의 등장과 함께 관심도가 증가하는 딥러닝은, 방대한 양의 데이터를 이용하여 컴퓨터가 스스로 특성을 찾아내고 판별하는 것이다.Conventional machine learning was centered on statistical-based classification, regression, and clustering models. In particular, in supervised learning of classification and regression models, a learning model that distinguishes the characteristics of the training data and new data based on these characteristics has been previously defined. On the other hand, deep learning, in which interest is increasing along with the recent emergence of the concept of big data, is a computer that finds and discriminates characteristics by using a large amount of data.

최근 이러한 딥러닝과 관련되어 오픈소스로 제공되는 딥러닝 프레임워크들이 등장하였고, 이에 따라 효과적인 학습 및 인식을 위해, 딥러닝 알고리즘 외에 학습 과정, 학습 방법, 학습에 사용되는 데이터의 추출 및 선정과 관련된 기술이 더욱 중요해지고 있다. 또한, 머신 러닝을 다양한 제품이나 서비스에 이용하기 위한 연구가 증가하고 있다.Recently, deep learning frameworks that are provided as open source related to such deep learning have appeared. Accordingly, for effective learning and recognition, in addition to deep learning algorithms, the learning process, learning method, and extraction and selection of data used for learning are related. Technology is becoming more important. In addition, research to use machine learning for various products or services is increasing.

이와 관련하여 종래기술 1(공개특허공보 제10-2016-0134454호, 2016.11.23. 공개)에는 공조기기의 일정 시간 가동 후 환경 인자와 변화 정도를 학습하여, 실내 온도 대비 목표 온도 도달 시간을 예측하여 공조기기를 제어하는 내용을 개시하고 있다. 그러나, 종래기술 1은 사용자의 사용 타입을 반영한 공조기기의 제어나, 목표 온도의 도달 이후의 가동 중의 최적 제어 등에 대해서는 개시하고 있지 못하다.In this regard, in the prior art 1 (Public Patent Publication No. 10-2016-0134454, published on Nov. 23, 2016), environmental factors and degree of change are learned after a certain period of operation of the air conditioner to predict the target temperature reaching time compared to the room temperature. Thus, the contents of controlling the air conditioner are disclosed. However, the prior art 1 does not disclose control of the air conditioner reflecting the user's usage type, optimum control during operation after reaching the target temperature, or the like.

1. 공개특허공보 제10-2016-0134454호 (2016.11.23. 자 공개)1. Publication No. 10-2016-0134454 (published on November 23, 2016)

본 발명이 해결하고자 하는 과제는, 공기조화기가 설치될 공간 및 설치 위치와 같은 설치 환경과, 사용자의 사용 타입을 고려하여 최적의 운전 알고리즘을 제공하는 인공지능 기반의 컴퓨팅 장치를 제공하는 것이다.The problem to be solved by the present invention is to provide an artificial intelligence-based computing device that provides an optimal driving algorithm in consideration of an installation environment such as a space and an installation location where an air conditioner is to be installed and a user's usage type.

본 발명의 실시 예에 따른 인공지능 기반의 컴퓨팅 장치는, 공기조화기의 설치 공간 정보, 설치 위치 정보, 성능 정보, 및 사용 타입에 대한 정보에 기초한 운전 알고리즘을 획득하는 운전 알고리즘 제공 모듈을 포함할 수 있다. The artificial intelligence-based computing device according to an embodiment of the present invention includes a driving algorithm providing module that acquires a driving algorithm based on information on installation space information, installation location information, performance information, and usage type of an air conditioner Can be.

상기 운전 알고리즘 제공 모듈은 상기 설치 공간 정보, 설치 위치 정보, 성능 정보, 및 사용 타입에 대한 정보 중 적어도 하나로부터 상기 공기조화기의 최적의 운전 패턴을 인식하는 운전 패턴 인식기를 포함할 수 있다. 이에 따라, 공기조화기의 설치 환경이나 사용자가 선호하는 사용 타입에 적합한 운전 알고리즘의 제공이 가능하다.The driving algorithm providing module may include a driving pattern recognizer that recognizes an optimal driving pattern of the air conditioner from at least one of the installation space information, installation location information, performance information, and information about a usage type. Accordingly, it is possible to provide a driving algorithm suitable for the installation environment of the air conditioner or the type of use preferred by the user.

상기 운전 패턴 인식기는 상기 적어도 하나의 정보와 인식 결과를 이용하여 인식 모델을 학습함으로써, 보다 정확한 운전 알고리즘의 제공이 가능하다.The driving pattern recognizer can learn a recognition model using the at least one information and the recognition result, thereby providing a more accurate driving algorithm.

상기 컴퓨팅 장치는, 공기조화기가 설치되는 공간의 도면 정보로부터 상기 설치 공간 정보를 획득하는 설치 공간 정보 획득 모듈을 포함할 수 있다. 상기 설치 공간 정보는 상기 도면 정보에 포함된 적어도 하나의 텍스트의 인식 결과에 기초한 공간의 면적 정보, 공간 내의 구역들 각각의 식별 정보, 위치 정보, 및 면적 정보를 포함할 수 있다.The computing device may include an installation space information acquisition module that acquires the installation space information from drawing information of a space in which an air conditioner is installed. The installation space information may include area information of a space based on a recognition result of at least one text included in the drawing information, identification information of each of the zones in the space, location information, and area information.

상기 컴퓨팅 장치는, 메모리 또는 데이터베이스 장치로부터, 상기 설치 공간 정보, 설치 위치 정보, 및 성능 정보와 매칭되는 복수의 사용자 데이터를 추출하는 사용자 데이터 분류 모듈을 더 포함할 수 있다. 상기 사용자 데이터 분류 모듈은 추출된 복수의 사용자 데이터에 포함된 운전 정보에 기초하여, 복수의 사용자 데이터를 복수의 사용 타입 그룹들로 그룹화할 수 있다.The computing device may further include a user data classification module that extracts a plurality of user data matching the installation space information, installation location information, and performance information from a memory or database device. The user data classification module may group a plurality of user data into a plurality of use type groups, based on driving information included in the extracted plurality of user data.

상기 컴퓨팅 장치는, 복수의 사용 타입 그룹들 중 사용자에 의해 선택되는 사용 타입 그룹에 기초하여 상기 사용 타입에 대한 정보를 획득할 수 있다.The computing device may obtain information on the usage type based on a usage type group selected by a user among a plurality of usage type groups.

본 발명의 실시 예에 따른 인공지능 기반의 컴퓨팅 장치는, 공기조화기가 설치될 공간의 설치 공간 정보나 설치 위치 정보와 같은 설치 환경을 고려한 최적의 운전 알고리즘을 제공함으로써, 다양한 설치 환경들 각각에 최적화된 운전 알고리즘의 제공이 가능하다. 이에 따라, 공기조화기는 설치 공간에 대한 공기조화 동작을 보다 효과적으로 수행할 수 있다.The artificial intelligence-based computing device according to an embodiment of the present invention is optimized for each of various installation environments by providing an optimal operation algorithm in consideration of an installation environment such as installation space information or installation location information of a space in which an air conditioner is to be installed. It is possible to provide an old driving algorithm. Accordingly, the air conditioner can perform the air conditioning operation for the installation space more effectively.

뿐만 아니라, 컴퓨팅 장치는 공기조화기의 사용자가 선호하거나 원하는 사용 타입에 따른 최적의 운전 알고리즘을 제공함으로써, 공기조화기의 자동 운전모드에 대한 사용자의 만족도를 극대화할 수 있다. 이에 따라, 사용자는 공기조화기의 사용 시 풍량이나 풍향 등을 일일이 설정하지 않고 자동 운전모드를 이용할 수 있으므로 사용자의 편의성 또한 향상될 수 있다.In addition, the computing device can maximize the user's satisfaction with the automatic operation mode of the air conditioner by providing the optimal operation algorithm according to the type of use preferred or desired by the user of the air conditioner. Accordingly, when the air conditioner is used, the user can use the automatic operation mode without individually setting the air volume or wind direction, so that the user's convenience can also be improved.

도 1은 본 발명의 일 실시 예에 따른 공기조화기의 운전 알고리즘을 제공하는 인공지능 기반의 컴퓨팅 장치를 포함하는 시스템의 개략적인 구성도이다.
도 2는 본 발명의 일 실시 예에 따른 인공지능 기반의 컴퓨팅 장치의 개략적인 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 동작을 설명하기 위한 플로우차트이다.
도 4는 컴퓨팅 장치가 공기조화기의 설치 공간 정보를 획득하는 동작의 구체적인 일례를 설명하기 위한 플로우차트이다.
도 5는 공기조화기가 설치될 공간의 도면 정보에 기초한 설치 공간 정보의 획득 및 설치 위치 정보의 획득과 관련된 예시도이다.
도 6은 컴퓨팅 장치가 공기조화기의 운전 알고리즘을 획득하는 동작을 보다 상세히 설명하기 위한 플로우차트이다.
도 7은 컴퓨팅 장치가 복수의 사용자 데이터를 이용하여 사용 타입을 그룹화하는 동작을 설명하기 위한 예시도이다.
도 8은 본 발명의 실시 예에 따른 컴퓨팅 장치에 포함된 운전 알고리즘 제공 모듈을 보다 구체적으로 설명하기 위한 블록도이다.
도 9와 도 10은 도 8의 운전 패턴 인식기에 적용되는 인공지능의 일례로서 딥러닝(deep learning)을 설명하기 위한 도면들이다.
도 11은 컴퓨팅 장치가 운전 패턴의 인식 결과에 기초하여 획득된 운전 알고리즘을 공기조화기로 제공하는 동작을 설명하기 위한 예시도이다.
도 12는 본 발명의 다른 실시 예에 따른 컴퓨팅 장치의 동작을 설명하기 위한 플로우차트이다. 1 is a schematic configuration diagram of a system including an artificial intelligence-based computing device providing an operation algorithm of an air conditioner according to an embodiment of the present invention.
2 is a schematic block diagram of an AI-based computing device according to an embodiment of the present invention.
3 is a flowchart illustrating an operation of a computing device according to an embodiment of the present invention.
4 is a flowchart for explaining a specific example of an operation in which the computing device acquires installation space information of an air conditioner.
5 is an exemplary diagram related to acquiring installation space information and acquiring installation location information based on drawing information of a space in which an air conditioner is to be installed.
6 is a flowchart for explaining in more detail the operation of the computing device acquiring the operation algorithm of the air conditioner.
7 is an exemplary diagram for describing an operation in which a computing device groups usage types using a plurality of user data.
8 is a block diagram for more specifically describing a driving algorithm providing module included in a computing device according to an embodiment of the present invention.
9 and 10 are diagrams for explaining deep learning as an example of artificial intelligence applied to the driving pattern recognizer of FIG. 8.
11 is an exemplary view for explaining an operation in which the computing device provides the driving algorithm obtained based on the recognition result of the driving pattern to the air conditioner.
12 is a flowchart illustrating an operation of a computing device according to another embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명한다. 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Hereinafter, exemplary embodiments disclosed herein will be described in detail with reference to the accompanying drawings. The accompanying drawings are only for easy understanding of the embodiments disclosed in the present specification, and the technical spirit disclosed in the specification is not limited by the accompanying drawings, and all changes and equivalents included in the spirit and technical scope of the present invention It should be understood to include water to substitutes.

도 1은 본 발명의 일 실시 예에 따른 공기조화기의 운전 알고리즘을 제공하는 인공지능 기반의 컴퓨팅 장치를 포함하는 시스템의 개략적인 구성도이다.1 is a schematic configuration diagram of a system including an artificial intelligence-based computing device providing an operation algorithm of an air conditioner according to an embodiment of the present invention.

도 1을 참조하면, 상기 시스템은 컴퓨팅 장치(10), 단말기(20), 및 공기조화기(30)를 포함할 수 있다.Referring to FIG. 1, the system may include a computing device 10, a terminal 20, and an air conditioner 30.

컴퓨팅 장치(10)는 공기조화기(30)의 운전 알고리즘을 제공하는 서버로서, 예컨대 공기조화기(30)의 제조사에 의해 관리되는 서버일 수 있으나, 이에 한정되는 것은 아니다.The computing device 10 is a server that provides an operation algorithm of the air conditioner 30, and may be, for example, a server managed by the manufacturer of the air conditioner 30, but is not limited thereto.

컴퓨팅 장치(10)는 단말기(20)를 통해 사용자로부터 상기 운전 알고리즘의 제공을 위한 각종 정보를 수신할 수 있다. 예컨대, 상기 각종 정보는 공기조화기(30)가 설치될 공간과 관련된 주소 정보, 공기조화기(30)의 설치 위치 정보, 공기조화기(30)의 성능 정보(평형, 지원 기능, 출력, 전력소비량 등), 및 사용자의 사용 타입(예컨대, 절전형/쾌속형) 등을 포함할 수 있다. 상기 각종 정보에 대해서는 추후 도면들을 통해 후술한다. The computing device 10 may receive various information for providing the driving algorithm from the user through the terminal 20. For example, the various information includes address information related to a space in which the air conditioner 30 is to be installed, installation location information of the air conditioner 30, and performance information of the air conditioner 30 (balance, support function, output, power Consumption, etc.), and a user's usage type (eg, power saving / fast). The various information will be described later through the drawings.

컴퓨팅 장치(10)는 수신된 정보를 이용하여 공기조화기(30)의 최적의 운전 알고리즘을 획득하고, 획득된 운전 알고리즘을 공기조화기(30)로 제공할 수 있다. The computing device 10 may obtain the optimal driving algorithm of the air conditioner 30 using the received information, and provide the obtained driving algorithm to the air conditioner 30.

특히, 컴퓨팅 장치(10)는 인공지능 기반의 인식기를 이용하여 상기 최적의 운전 알고리즘을 획득할 수 있다. 예컨대, 상기 인식기는 딥러닝(deep learning)으로 학습된 인공신경망을 포함할 수 있다.In particular, the computing device 10 may obtain the optimal driving algorithm using an artificial intelligence-based recognizer. For example, the recognizer may include an artificial neural network learned by deep learning.

컴퓨팅 장치(10)의 구성 및 동작에 대해서는 추후 도 2 내지 도 12를 통해 보다 상세히 설명하기로 한다.The configuration and operation of the computing device 10 will be described in more detail later with reference to FIGS. 2 to 12.

단말기(20)는 컴퓨팅 장치(10)와 연결되어, 공기조화기(30)의 운전 알고리즘의 획득을 위한 각종 정보를 컴퓨팅 장치(10)로 제공할 수 있다. 단말기(20)는 스마트폰, 태블릿 PC 등의 이동 단말기를 의미할 수 있으나, 실시 예에 따라서는 PC와 같은 고정형 단말기를 포함할 수 있다.The terminal 20 may be connected to the computing device 10 to provide various information for obtaining an operation algorithm of the air conditioner 30 to the computing device 10. The terminal 20 may mean a mobile terminal such as a smart phone or a tablet PC, but may include a fixed terminal such as a PC depending on the embodiment.

실시 예에 따라, 단말기(20)는 공기조화기(30)와 연결되고, 컴퓨팅 장치(10)로부터 운전 알고리즘을 수신하고, 수신된 운전 알고리즘을 공기조화기(30)로 제공할 수도 있다.According to an embodiment, the terminal 20 may be connected to the air conditioner 30, receive a driving algorithm from the computing device 10, and provide the received driving algorithm to the air conditioner 30.

공기조화기(30)는 특정 공간 내에 설치되어, 공간 내의 온도를 조절하는 냉방 또는 난방 운전을 수행하거나, 먼지나 이물을 제거하는 공기청정 운전, 기타 제습 운전 등을 수행할 수 있다.The air conditioner 30 may be installed in a specific space to perform cooling or heating operation to control the temperature in the space, or to perform air cleaning operation to remove dust or foreign substances, other dehumidification operation, or the like.

이러한 각종 운전과 관련하여, 공기조화기(30)는 사용자에 의해 설정되는 온도나 풍량 등에 따라 압축기, 팬 등을 구동하는 수동 모드 외에도, 실내 환경과 설정 환경 사이의 비교를 통해 최적의 실내 환경을 제공하도록 압축기나 팬 등의 구동 정도를 자동으로 제어하는 자동 운전모드를 제공할 수 있다.In relation to these various operations, the air conditioner 30 provides an optimal indoor environment through comparison between the indoor environment and the setting environment, in addition to a manual mode in which a compressor or a fan is driven according to a temperature or an air volume set by the user. It is possible to provide an automatic operation mode to automatically control the driving degree of a compressor or a fan to provide.

상기 자동 운전모드의 경우, 공기조화기(30)는 내부의 메모리에 저장된 운전 알고리즘에 기초하여 상기 자동 운전모드를 제공할 수 있다.In the case of the automatic driving mode, the air conditioner 30 may provide the automatic driving mode based on the driving algorithm stored in the internal memory.

다만, 자동 운전모드는 설치 공간의 특성(공간의 구조 등), 공기조화기(30)의 설치 위치, 또는 사용자의 사용 타입(절전형/쾌속형 등)의 반영 없이 일괄적으로 제공되는 바, 자동 운전모드에 대한 사용자의 만족도가 서로 다를 수 있다. 한편, 사용자가 자동 운전모드를 이용하지 않고 수동으로 온도나 풍량 등을 설정하는 것은 번거로우며, 자동 운전모드에 비해 전력 소모 측면에서 비효율적일 수 있다.However, the automatic operation mode is provided collectively without reflecting the characteristics of the installation space (such as the structure of the space), the installation location of the air conditioner 30, or the user's usage type (power saving type / rapid type, etc.). The user's satisfaction with the driving mode may be different. On the other hand, it is cumbersome for a user to manually set temperature or air volume without using the automatic operation mode, and may be inefficient in terms of power consumption compared to the automatic operation mode.

본 발명의 실시 예에 따른 컴퓨팅 장치(10)는, 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 사용자의 사용 타입에 기초하여 획득된 운전 알고리즘을 공기조화기(30)로 제공할 수 있다. 공기조화기(30)는 상기 컴퓨팅 장치(10)로부터 제공되는 운전 알고리즘에 기초하여, 사용자에게 최적화된 자동 운전모드를 제공할 수 있다. Computing device 10 according to an embodiment of the present invention, the installation space information, installation location information, the performance information of the air conditioner 30, and the operating algorithm obtained on the basis of the user's usage type air conditioner (30) ). The air conditioner 30 may provide an optimized automatic driving mode to the user based on a driving algorithm provided from the computing device 10.

도 2는 본 발명의 일 실시 예에 따른 인공지능 기반의 컴퓨팅 장치의 개략적인 블록도이다.2 is a schematic block diagram of an AI-based computing device according to an embodiment of the present invention.

도 2를 참조하면, 컴퓨팅 장치(10)는 컴퓨팅 장치(10)의 전반적인 동작을 제어하는 프로세서(110)를 포함할 수 있다.Referring to FIG. 2, the computing device 10 may include a processor 110 that controls the overall operation of the computing device 10.

프로세서(110)는 적어도 하나의 CPU, AP(application processor), 컨트롤러, 마이크로컴퓨터, 집적회로 등을 포함할 수 있다.The processor 110 may include at least one CPU, application processor (AP), controller, microcomputer, integrated circuit, and the like.

프로세서(110)는 통신부(120)를 통해 단말기(20)로부터 공기조화기(30)가 설치되는 공간과 관련된 정보, 사용자의 공기조화기 사용 타입에 대한 정보 등을 수신할 수 있다. 상기 통신부(120)는 인터넷 모듈, 이동 통신 모듈 등 적어도 하나의 통신 모듈을 구비할 수 있다.The processor 110 may receive information related to a space in which the air conditioner 30 is installed, information about a user's air conditioner usage type, and the like from the terminal 20 through the communication unit 120. The communication unit 120 may include at least one communication module such as an Internet module and a mobile communication module.

또한, 프로세서(110)는 후술할 각 모듈(140, 150, 160)의 동작을 제어할 수 있다.In addition, the processor 110 may control the operation of each module 140, 150, 160 to be described later.

메모리(130)는 컴퓨팅 장치(10)에 포함된 구성들의 동작을 위한 제어 데이터나 알고리즘 등을 저장할 수 있다.The memory 130 may store control data or algorithms for operations of components included in the computing device 10.

또한, 메모리(130)는 설치 공간 정보 획득 모듈(140), 사용자 데이터 분류 모듈(150), 운전 알고리즘 제공 모듈(160)의 동작에 필요한 정보나 데이터를 저장할 수 있다.In addition, the memory 130 may store information or data necessary for the operation of the installation space information acquisition module 140, the user data classification module 150, and the driving algorithm providing module 160.

실시 예에 따라, 메모리(130)는 공기조화기(30)에 대한 복수의 사용자들의 사용자 데이터를 저장할 수도 있다. 상기 사용자 데이터는 공기조화기의 성능 정보, 설치 공간 정보, 설치 위치 정보, 동일 온도 변화를 기준으로 할 때의 동작 시간과 전력 소모량 정보, 설정 풍속, 설정 풍향 등 사용자의 사용 패턴과 관련된 정보를 포함할 수 있다. 한편, 상기 사용자 데이터는 컴퓨팅 장치(10)와 연결되는 별도의 데이터베이스 장치(미도시)에 저장될 수도 있다.According to an embodiment, the memory 130 may store user data of a plurality of users for the air conditioner 30. The user data includes information related to a user's usage pattern, such as performance information of an air conditioner, installation space information, installation location information, operation time and power consumption based on the same temperature change, set wind speed, and set wind direction. can do. Meanwhile, the user data may be stored in a separate database device (not shown) connected to the computing device 10.

설치 공간 정보 획득 모듈(140)은 통신부(120)를 통해 수신되는 상기 공간에 대한 정보로부터 설치 공간 정보를 획득할 수 있다. The installation space information acquisition module 140 may acquire installation space information from information about the space received through the communication unit 120.

일례로, 프로세서(110)는 통신부(120)를 통해 상기 공간의 주소 정보를 수신할 수 있다. 프로세서(110)는, 수신된 주소 정보로부터 상기 공간의 도면 정보를 획득할 수 있다. 상기 도면 정보는 상기 공간의 평면도에 해당할 수 있으나, 이에 한정되는 것은 아니다. 구체적으로, 프로세서(110)는 통신부(120)를 통해 도면 정보를 제공하는 서버(예컨대, 인테리어 업체의 서버, 부동산 관련 서비스의 서버, 또는 포털 웹사이트 서버 등)로 접속하여, 상기 주소 정보로부터 상기 도면 정보를 획득할 수 있다. 또는, 프로세서(110)는 단말기(20)로부터 상기 도면 정보를 획득할 수도 있다. 한편, 상기 도면 정보를 획득하는 동작은 설치 공간 정보 획득 모듈(140)에 의해 수행될 수 있고, 프로세서(110)는 설치 공간 정보 획득 모듈(140)을 제어하여 상기 도면 정보를 획득할 수 있다.For example, the processor 110 may receive address information of the space through the communication unit 120. The processor 110 may obtain drawing information of the space from the received address information. The drawing information may correspond to a plan view of the space, but is not limited thereto. Specifically, the processor 110 is connected to a server that provides drawing information through the communication unit 120 (for example, a server of an interior company, a server of a real estate-related service, or a portal website server, etc.), from the address information Drawing information can be obtained. Alternatively, the processor 110 may obtain the drawing information from the terminal 20. Meanwhile, the operation of acquiring the drawing information may be performed by the installation space information acquisition module 140, and the processor 110 may acquire the drawing information by controlling the installation space information acquisition module 140.

설치 공간 정보 획득 모듈(140)은 획득된 도면 정보로부터 광학 문자 인식 (Optical Character Recognition(OCR))을 통해 텍스트를 추출하고, 추출된 텍스트에 기초하여 설치 공간 정보를 획득할 수 있다. 이와 관련된 예는 추후 도 5에서 설명하기로 한다.The installation space information acquisition module 140 may extract text from the obtained drawing information through optical character recognition (OCR), and obtain installation space information based on the extracted text. An example related to this will be described later in FIG. 5.

설치 공간 정보 획득 모듈(140)에 의해 획득되는 설치 공간 정보는, 상기 도면 정보, 면적 정보(예컨대, 전용면적, 평형 등), 공간 내의 구역들 각각의 식별 정보(예컨대, 거실, 침실, 주방 등의 구역 명칭), 각 구역의 면적 정보 등을 포함할 수 있다.The installation space information acquired by the installation space information acquisition module 140 includes the drawing information, area information (eg, dedicated area, balance, etc.), and identification information of each of the areas in the space (eg, living room, bedroom, kitchen, etc.) Zone name), area information of each zone, and the like.

사용자 데이터 분류 모듈(150)은, 메모리(130) 또는 데이터베이스 장치에 저장된 복수의 사용자 데이터 중 상기 설치 공간 정보(또는 상기 설치 공간 정보와 설치 위치 정보)와 대응하는 복수의 사용자 데이터를 추출하고, 추출된 복수의 사용자 데이터를 사용 패턴에 따라 분류하여 복수의 그룹들로 그룹화할 수 있다. 예컨대, 사용자 데이터 분류 모듈(150)은 추출된 복수의 사용자 데이터에 포함된 운전 정보로부터, 동일 온도 변화를 기준으로 구동 시간과 전력 소모량에 대한 데이터를 획득할 수 있다. 또는, 사용자 데이터 분류 모듈(150)은 상기 운전 정보로부터 초기 설정 온도, 구동 지속 시간, 초기 설정 온도와 구동 지속 시간에 따른 온도 변화율, 풍량(풍속) 등을 포함하는 데이터를 획득할 수도 있다.The user data classification module 150 extracts and extracts a plurality of user data corresponding to the installation space information (or the installation space information and installation location information) from a plurality of user data stored in the memory 130 or the database device. The plurality of user data can be classified according to usage patterns and grouped into a plurality of groups. For example, the user data classification module 150 may obtain data on driving time and power consumption based on the same temperature change from driving information included in the extracted plurality of user data. Alternatively, the user data classification module 150 may obtain data including an initial setting temperature, a driving duration, a temperature change rate according to the initial setting temperature and the driving duration, and an air volume (wind speed) from the driving information.

사용자 데이터 분류 모듈(150)은 획득된 데이터에 기초하여 상기 복수의 사용자 데이터를 분류하고, 분류된 복수의 사용자 데이터를 그룹화할 수 있다. 후술할 도 7에서는, 사용자 데이터 분류 모듈(150)이 추출된 복수의 사용자 데이터를 2개의 사용 타입 그룹(쾌속형, 절전형)으로 그룹화한 실시 예가 기재되어 있으나, 이는 설명의 편의를 위한 일 실시 예에 지나지 아니하는 바, 상기 그룹의 수는 보다 많을 수 있다.The user data classification module 150 may classify the plurality of user data based on the obtained data, and group the plurality of classified user data. In FIG. 7 to be described later, an embodiment in which a plurality of user data extracted by the user data classification module 150 is grouped into two use type groups (rapid type, power saving type) is described, but this is an embodiment for convenience of description The number of the above groups may be higher.

운전 알고리즘 제공 모듈(160)은, 상기 설치 공간 정보 및 설치 위치 정보와, 상기 사용자 데이터 분류 모듈(150)에 의해 그룹화된 사용 타입 그룹들 중 사용자에 의해 선택된 사용 타입에 기초하여, 공기조화기(30)의 운전 알고리즘을 획득할 수 있다.The driving algorithm providing module 160 is based on the installation space information and the installation location information, and the use type selected by the user among the use type groups grouped by the user data classification module 150, the air conditioner ( 30) can be obtained.

상기 운전 알고리즘은, 공기조화기(30)가 자동으로 온도 조절 동작을 수행하는 자동 운전모드에서, 실내 온도와 설정 온도 간의 차이 또는 구동 시간의 경과에 기초하여 풍량이나 풍향 등을 설정/변경 제어하는 알고리즘에 해당할 수 있다. 또한, 상기 운전 알고리즘은 상기 실내 온도가 상기 설정 온도로 도달한 후 상기 실내 온도를 조절하기 위해 상기 풍량이나 풍향 등을 제어하는 알고리즘을 더 포함할 수 있다.In the automatic operation mode in which the air conditioner 30 automatically performs a temperature control operation, the operation algorithm sets / changes control of air volume or wind direction based on the difference between the indoor temperature and the set temperature or the elapse of the driving time. It may correspond to an algorithm. In addition, the driving algorithm may further include an algorithm for controlling the air volume or the wind direction to adjust the room temperature after the room temperature reaches the set temperature.

예컨대, 운전 알고리즘 제공 모듈(160)은 머신 러닝(machine learning)으로 기학습된 인공신경망(artificial neural network; ANN)을 갖는 운전 패턴 인식기(162; 도 8 참조)를 포함하여, 입력된 정보로부터 설치 환경이나 사용자의 선호에 맞는 최적의 운전 패턴을 인식할 수 있다. 또한, 운전 알고리즘 제공 모듈(160)은 인식된 운전 패턴에 기초한 운전 알고리즘을 획득하는 운전 알고리즘 획득부(164; 도 8 참조)를 포함할 수 있다. 운전 알고리즘 제공 모듈(160)에 대해서는 도 8 등을 통해 보다 구체적으로 설명하기로 한다.For example, the driving algorithm providing module 160 includes a driving pattern recognizer 162 (see FIG. 8) having an artificial neural network (ANN) trained by machine learning, and is installed from input information. It is possible to recognize the optimal driving pattern to suit the environment or user preferences. In addition, the driving algorithm providing module 160 may include a driving algorithm acquiring unit 164 (see FIG. 8) that acquires a driving algorithm based on the recognized driving pattern. The driving algorithm providing module 160 will be described in more detail with reference to FIG. 8 and the like.

도 3은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 동작을 설명하기 위한 플로우차트이다.3 is a flowchart illustrating an operation of a computing device according to an embodiment of the present invention.

도 3을 참조하면, 컴퓨팅 장치(10)는 공기조화기(30)가 설치될 공간에 대한 설치 공간 정보를 획득할 수 있다(S100).Referring to FIG. 3, the computing device 10 may obtain installation space information for a space in which the air conditioner 30 is to be installed (S100).

컴퓨팅 장치(10)의 프로세서(110)는 이동 단말기(20) 등으로부터 공기조화기(30)가 설치될 공간에 대한 정보(예컨대, 주소 정보 또는 도면 정보)를 획득하고, 획득된 정보에 기초하여 설치 공간 정보를 획득하도록 설치 공간 정보 획득 모듈(140)을 제어할 수 있다.The processor 110 of the computing device 10 obtains information (eg, address information or drawing information) about a space in which the air conditioner 30 is to be installed from the mobile terminal 20 or the like, and based on the obtained information The installation space information acquisition module 140 may be controlled to acquire installation space information.

이하, 도 4와 도 5를 참조하여 S100 단계와 관련된 구체적인 일례를 설명한다.Hereinafter, a specific example related to step S100 will be described with reference to FIGS. 4 and 5.

도 4는 컴퓨팅 장치가 공기조화기의 설치 공간 정보를 획득하는 동작의 구체적인 일례를 설명하기 위한 플로우차트이고, 도 5는 공기조화기가 설치될 공간의 도면 정보에 기초한 설치 공간 정보의 획득 및 설치 위치 정보의 획득과 관련된 예시도이다.4 is a flowchart for explaining a specific example of an operation in which the computing device acquires installation space information of an air conditioner, and FIG. 5 is an acquisition and installation location of installation space information based on drawing information of a space in which the air conditioner is to be installed This is an exemplary diagram related to the acquisition of information.

도 4를 참조하면, 컴퓨팅 장치(10)는 공기조화기(30)의 설치 공간에 대한 주소 정보를 획득하고(S110), 획득된 주소 정보에 기초하여 상기 설치 공간의 도면 정보를 획득할 수 있다(S120).Referring to FIG. 4, the computing device 10 may obtain address information for an installation space of the air conditioner 30 (S110), and obtain drawing information of the installation space based on the obtained address information. (S120).

프로세서(110)는 통신부(120)를 통해 단말기(20)로부터 상기 공간의 주소 정보를 수신할 수 있다. 프로세서(110)는 수신된 주소 정보에 기초하여, 도면 정보를 제공하는 서버 또는 도면 정보가 저장된 데이터베이스 서버로부터 상기 주소 정보에 대응하는 도면 정보를 획득할 수 있다. 상기 도면 정보는 상기 공간의 평면도를 포함할 수 있으나, 실시 예에 따라 3D 형태의 도면을 포함할 수도 있다.The processor 110 may receive address information of the space from the terminal 20 through the communication unit 120. The processor 110 may obtain drawing information corresponding to the address information from a server providing drawing information or a database server storing drawing information, based on the received address information. The drawing information may include a top view of the space, but may also include a 3D drawing according to an embodiment.

또한, 도면 정보에는 상기 공간의 구역들 각각의 식별 정보(예컨대, 명칭)나, 상기 공간 및 구역들 각각의 사이즈 정보 등이 더 포함될 수 있다.Further, the drawing information may further include identification information (eg, a name) of each of the areas of the space, size information of each of the areas and the space, and the like.

컴퓨팅 장치(10)는 획득된 도면 정보에 기초하여 설치 공간 정보를 획득할 수 있다(S130).The computing device 10 may obtain installation space information based on the obtained drawing information (S130).

프로세서(110)는 설치 공간 정보 획득 모듈(140)을 제어하여, 상기 획득된 도면 정보로부터 상기 설치 공간 정보를 획득할 수 있다. 설치 공간 정보는, 상기 도면 정보, 상기 공간의 면적 정보, 상기 공간에 포함된 구역들 각각의 식별 정보, 위치 정보, 및 구역들 각각의 면적 정보 등을 포함할 수 있다. 특히, 공기조화기(30)는 거실에 설치되는 것이 일반적인 바, 설치 공간 정보는 상기 공간 중 거실의 구조나 형태에 대한 정보를 더 포함할 수 있다.The processor 110 may control the installation space information acquisition module 140 to obtain the installation space information from the obtained drawing information. The installation space information may include the drawing information, the area information of the space, identification information of each of the areas included in the space, location information, and area information of each of the areas. In particular, the air conditioner 30 is generally installed in the living room, and the installation space information may further include information about the structure or shape of the living room among the spaces.

또한, 도시되지 않았으나 컴퓨팅 장치(10)는 상기 설치 공간 정보에 기초한 설치 위치 정보를 획득할 수 있다. Also, although not shown, the computing device 10 may acquire installation location information based on the installation space information.

예컨대, 도 2에서 상술한 바와 같이, 설치 공간 정보 획득 모듈(140)은 획득된 도면 정보로부터 OCR 기술을 통해 텍스트를 추출하고, 추출된 텍스트에 기초하여 설치 공간 정보를 획득할 수 있다.For example, as described above with reference to FIG. 2, the installation space information acquisition module 140 may extract text from the obtained drawing information through OCR technology and obtain installation space information based on the extracted text.

이와 관련하여 도 5에는 획득된 도면 정보를 나타내는 도면(500)의 예가 도시되어 있다. 도면(500)은 상기 설치 공간에 대한 구조나 형태를 나타낼 수 있고, 설치 공간에 포함된 구역들 각각의 식별 정보(예컨대, 거실, 침실, 발코니, 주방 등의 명칭)을 포함할 수 있다. 또한, 도면(500)은 상기 설치 공간의 전체적인 면적(예컨대, 전용면적 등)이나, 상기 구역들(예컨대, 거실, 침실, 발코니, 주방 등) 각각의 면적을 산출할 수 있는 가로 방향/세로 방향 각각의 수치 정보를 포함할 수 있다.In this regard, FIG. 5 shows an example of the drawing 500 showing the obtained drawing information. The drawing 500 may indicate the structure or shape of the installation space, and may include identification information (eg, names of a living room, a bedroom, a balcony, a kitchen, etc.) of each of the areas included in the installation space. In addition, the drawing 500 is a horizontal / vertical direction in which the entire area of the installation space (eg, a dedicated area, etc.) or each of the areas (eg, living room, bedroom, balcony, kitchen, etc.) can be calculated. Each numerical information can be included.

설치 공간 정보 획득 모듈(140)은, OCR 기술을 통해 도면(500)에 포함된 식별 정보나 수치 정보를 추출하고, 추출된 식별 정보와 수치 정보에 기초하여 상기 설치 공간의 면적(예컨대, 전용면적), 상기 구역들의 위치 및 면적에 대한 정보를 획득할 수 있다. 이에 따라 공기조화기(30)가 설치될 공간에 대한 설치 공간 정보가 획득될 수 있다.The installation space information acquisition module 140 extracts identification information or numerical information included in the drawing 500 through OCR technology, and based on the extracted identification information and numerical information, the area of the installation space (for example, a dedicated area) ), It is possible to obtain information about the location and area of the zones. Accordingly, installation space information for a space in which the air conditioner 30 is to be installed can be obtained.

실시 예에 따라, 컴퓨팅 장치(100)는 획득된 설치 공간 정보를 단말기(20)로 전송할 수 있다. 단말기(20)는 수신된 설치 공간 정보를 디스플레이 등을 통해 출력할 수 있다. 사용자는 출력된 설치 공간 정보를 확인하고, 실제 설치 공간과 일치하지 않는 부분을 수정할 수 있다. 단말기(20)는 상기 수정된 설치 공간 정보를 컴퓨팅 장치(10)로 전송할 수 있다.According to an embodiment, the computing device 100 may transmit the obtained installation space information to the terminal 20. The terminal 20 may output the received installation space information through a display or the like. The user can check the output space information and correct a portion that does not match the actual space. The terminal 20 may transmit the modified installation space information to the computing device 10.

다시 도 3을 설명한다.3 will be described again.

컴퓨팅 장치(10)는 획득된 설치 공간 정보에 기초한 설치 위치 정보를 획득할 수 있다(S200).The computing device 10 may obtain installation location information based on the obtained installation space information (S200).

프로세서(110)는 획득된 설치 공간 정보를 단말기(20)로 전송할 수 있다. 단말기(20)는 수신된 설치 공간 정보를 디스플레이 등을 통해 출력할 수 있다. 단말기(20)는 상기 설치 공간 정보에 포함된 도면 정보를 출력하고, 사용자로부터 공기조화기(30)의 설치 예정 위치에 대한 입력을 수신할 수 있다. The processor 110 may transmit the obtained installation space information to the terminal 20. The terminal 20 may output the received installation space information through a display or the like. The terminal 20 may output drawing information included in the installation space information, and receive an input for a location to be installed of the air conditioner 30 from a user.

예컨대, 도 5의 예시도를 참조하면, 사용자는 단말기(20)의 디스플레이를 통해 출력된 도면(500) 상에서, 공기조화기(30)의 설치 예정 위치에 대응하는 위치(501)를 터치함으로써 상기 설치 예정 위치를 입력할 수 있다. 또는, 단말기(20)는 도면 상의 복수의 위치를 추천 설치 위치로서 표시하고, 사용자는 상기 복수의 위치들 중 어느 하나를 선택하는 입력을 통해 상기 설치 예정 위치를 입력할 수도 있다.For example, referring to the example diagram of FIG. 5, the user touches a location 501 corresponding to a predetermined installation location of the air conditioner 30 on the drawing 500 output through the display of the terminal 20. You can enter the installation location. Alternatively, the terminal 20 may display a plurality of locations on the drawing as a recommended installation location, and the user may input the installation scheduled location through an input for selecting any one of the plurality of locations.

단말기(20)는 상기 설치 예정 위치의 입력에 기초하여 설치 위치 정보를 획득하고, 설치 위치 정보를 컴퓨팅 장치(10)로 전송할 수 있다.The terminal 20 may acquire installation location information based on the input of the installation location, and transmit the installation location information to the computing device 10.

컴퓨팅 장치(10)는 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 사용자의 사용 타입에 기초한 운전 알고리즘을 획득하고(S300), 획득된 운전 알고리즘을 공기조화기(30)로 제공할 수 있다(S400).The computing device 10 obtains a driving algorithm based on the installation space information, the installation location information, the performance information of the air conditioner 30, and the user's usage type (S300), and the obtained air conditioning algorithm 30 ) Can be provided (S400).

프로세서(110)는 공기조화기(30)의 성능 정보를 단말기(20)로부터 수신할 수 있다. 상기 성능 정보는, 공기조화기(30)의 사용 평형에 대한 정보, 지원 가능한 기능에 대한 정보, 구동 시 출력(power) 정보 등을 포함할 수 있다.The processor 110 may receive performance information of the air conditioner 30 from the terminal 20. The performance information may include information on the balance of use of the air conditioner 30, information on functions that can be supported, power information on driving, and the like.

또는, 프로세서(110)는 단말기(20) 또는 공기조화기(30)로부터 공기조화기(30)의 모델 정보를 수신하고, 메모리(130) 또는 데이터베이스 장치로부터 상기 모델 정보에 대응하는 성능 정보를 획득할 수도 있다.Alternatively, the processor 110 receives model information of the air conditioner 30 from the terminal 20 or the air conditioner 30, and obtains performance information corresponding to the model information from the memory 130 or the database device. You may.

또한, 프로세서(110)는, 공기조화기(30)에 대한 사용자의 사용 타입에 대한 정보를 더 획득할 수 있다. 상기 사용 타입은, 공기조화기(30)의 사용 패턴과 관련된 것으로서, 예컨대 전력 사용량과 관계없이 빠른 온도 조절을 선호하는 타입으로부터 전력 사용량 최소화를 선호하는 타입까지 복수의 타입들로 구분될 수 있다.In addition, the processor 110 may further obtain information on a user's usage type for the air conditioner 30. The usage type is related to the usage pattern of the air conditioner 30, and can be divided into a plurality of types, for example, from a type that prefers fast temperature control to a type that prefers to minimize power consumption, regardless of power consumption.

프로세서(110)는 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 상기 사용 타입에 대한 정보에 기초하여, 공기조화기(30)의 최적의 운전 알고리즘을 획득하고, 획득된 운전 알고리즘을 공기조화기(30)로 제공할 수 있다.The processor 110 acquires and obtains an optimal operation algorithm of the air conditioner 30 based on the installation space information, the installation location information, the performance information of the air conditioner 30, and the information about the usage type. The operation algorithm can be provided to the air conditioner (30).

이하 도 6 및 도 7을 참조하여, S300 단계에 대해 보다 구체적으로 설명한다.Hereinafter, steps S300 will be described in more detail with reference to FIGS. 6 and 7.

도 6은 컴퓨팅 장치가 공기조화기의 운전 알고리즘을 획득하는 동작을 보다 상세히 설명하기 위한 플로우차트이고, 도 7은 컴퓨팅 장치가 복수의 사용자 데이터를 이용하여 사용 타입을 그룹화하는 동작을 설명하기 위한 예시도이다.6 is a flowchart for explaining in more detail the operation of the computing device acquiring the operation algorithm of the air conditioner, and FIG. 7 is an example for explaining the operation of the computing device grouping usage types using a plurality of user data It is.

도 6을 참조하면, 컴퓨팅 장치(10)는 설치 공간 정보, 설치 위치 정보, 및 공기조화기(30)의 성능 정보와 매칭되는 정보를 갖는 복수의 사용자 데이터를 획득할 수 있다(S310).Referring to FIG. 6, the computing device 10 may obtain a plurality of user data having installation space information, installation location information, and information matching performance information of the air conditioner 30 (S310).

메모리(130) 또는 컴퓨팅 장치(10)와 연결된 데이터베이스 장치(미도시)에는, 공기조화기의 사용자들에 대한 다수의 사용자 데이터가 저장될 수 있다. 상기 사용자 데이터는 각 사용자의 공기조화기에 대한 설치 공간 정보, 설치 위치 정보, 성능 정보, 및 운전 정보를 포함할 수 있다. 사용자 데이터 분류 모듈(150)은 상기 운전 정보에 기초하여, 공기조화기의 구동에 따른 특정량의 온도 변화 시, 구동 시간과 전력소모량에 대한 정보를 획득할 수 있다. 즉, 상기 특정량의 온도 변화 시 구동 시간과 전력소모량에 따라 각 사용자의 사용 타입이 분류될 수 있다.A plurality of user data for users of the air conditioner may be stored in the memory 130 or the database device (not shown) connected to the computing device 10. The user data may include installation space information, installation location information, performance information, and operation information for each user's air conditioner. The user data classification module 150 may obtain information on a driving time and a power consumption amount when a specific amount of temperature changes according to the operation of the air conditioner, based on the operation information. That is, the usage type of each user may be classified according to the driving time and the amount of power consumption when the temperature of the specific amount changes.

프로세서(110)는 상기 다수의 사용자 데이터 중, S100 단계에 따라 획득된 설치 공간 정보, S200 단계에 따라 획득된 설치 위치 정보, 및 공기조화기(30)의 성능 정보와 매칭되는 복수의 사용자 데이터를 메모리(130) 또는 데이터베이스 장치로부터 획득할 수 있다.The processor 110 may include a plurality of user data matching installation space information obtained according to step S100, installation location information obtained according to step S200, and performance information of the air conditioner 30 among the plurality of user data. It can be obtained from the memory 130 or the database device.

프로세서(110)는 사용자 데이터 분류 모듈(150)을 제어하여, 상기 획득된 설치 공간 정보, 설치 위치 정보, 및 성능 정보 각각과 동일하거나 유사도가 기준값보다 높은 설치 공간 정보, 설치 위치 정보, 및 성능 정보를 갖는 상기 복수의 사용자 데이터를 상기 메모리(130) 또는 데이터베이스 장치로부터 추출함으로써 상기 복수의 사용자 데이터를 획득할 수 있다.The processor 110 controls the user data classification module 150 so that the obtained installation space information, installation location information, and performance information are equal to or higher than a reference value, respectively, and installation space information, installation location information, and performance information The plurality of user data may be obtained by extracting the plurality of user data having the from the memory 130 or a database device.

컴퓨팅 장치(10)는, 획득된 복수의 사용자 데이터를, 사용 타입에 따라 복수의 그룹들로 그룹화할 수 있다(S320).The computing device 10 may group the obtained plurality of user data into a plurality of groups according to the usage type (S320).

상술한 바와 같이, 획득된 복수의 사용자 데이터 각각에는 운전 정보가 포함될 수 있다. 프로세서(110)는 사용자 데이터 분류 모듈(150)을 제어하여, 상기 복수의 사용자 데이터를 사용 타입(또는 패턴)에 따라 복수의 그룹들로 그룹화할 수 있다.As described above, each of the obtained plurality of user data may include driving information. The processor 110 controls the user data classification module 150 to group the plurality of user data into a plurality of groups according to a usage type (or pattern).

이와 관련하여 도 7의 예시를 참조하면, 사용자 데이터 분류 모듈(150)은, 복수의 사용자 데이터 각각의 운전 정보로부터 획득되는 특정량의 온도 변화 시 구동 시간과 전력 소모량에 기초하여 복수의 사용자 데이터를 분류할 수 있다.In this regard, referring to the example of FIG. 7, the user data classification module 150 uses the plurality of user data based on the driving time and the power consumption when a specific amount of temperature changes obtained from the driving information of each of the plurality of user data. Can be classified.

사용자 데이터 분류 모듈(150)은 분류된 복수의 사용자 데이터를, 기설정된 수의 사용 타입 그룹들로 그룹화할 수 있다. 예컨대, 사용자 데이터 분류 모듈(150)은 복수의 사용자 데이터를 '쾌속형'에 해당하는 제1 사용 타입 그룹과, '절전형'에 해당하는 제2 사용 타입 그룹으로 그룹화할 수 있다. 각 그룹은 서로 다른 사용 타입에 대응할 수 있다.The user data classification module 150 may group a plurality of classified user data into a preset number of usage type groups. For example, the user data classification module 150 may group a plurality of user data into a first usage type group corresponding to 'rapid type' and a second usage type group corresponding to 'power saving type'. Each group can correspond to different usage types.

상기 '쾌속형'은 '절전형'에 비해 상대적으로 구동 시간이 짧고 전력 소모량이 많은 사용 타입일 수 있다. 즉, 상기 '쾌속형'에 해당하는 사용 타입을 갖는 공기조화기는 '절전형'에 해당하는 사용 타입을 갖는 공기조화기에 비해 구동 시 풍량(풍속)이 높으며, 전력 소모량이 많을 수 있다. 반면, '절전형'에 해당하는 사용 타입을 갖는 공기조화기는 구동 시 풍량(풍속)이 상대적으로 낮으며, 전력 소모량이 상대적으로 적을 수 있다.The 'rapid type' may be a usage type having a relatively short driving time and a large amount of power consumption compared to the 'power saving type'. That is, the air conditioner having a usage type corresponding to the 'rapid type' has a higher air volume (wind velocity) when driving, and may consume more power than an air conditioner having a usage type corresponding to the 'sleep type'. On the other hand, an air conditioner having a use type corresponding to 'power-saving type' has a relatively low air volume (wind velocity) when driven, and a relatively low power consumption.

컴퓨팅 장치(10)는 사용자에 의해 어느 하나의 사용 타입이 선택되면(S330), 인공지능 기반의 운전 알고리즘 제공 모듈(160)을 이용하여, 상기 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 선택된 사용 타입으로부터 운전 알고리즘을 획득할 수 있다(S340).When any one usage type is selected by the user (S330), the computing device 10 uses the artificial intelligence-based driving algorithm providing module 160 to set the installation space information, the installation location information, and the air conditioner 30 ), And a driving algorithm may be obtained from the selected usage type (S340).

컴퓨팅 장치(10)는 상기 복수의 사용자 데이터의 그룹화 정보를 단말기(20)로 전송할 수 있다.The computing device 10 may transmit the grouping information of the plurality of user data to the terminal 20.

단말기(20)는 수신된 그룹화 정보를 출력할 수 있다. 사용자는 출력된 그룹화 정보로부터, 사용자가 선호하거나 원하는 사용 타입에 해당하는 그룹을 선택할 수 있다. 단말기(20)는 상기 그룹의 선택 입력에 응답하여, 선택 결과를 포함하는 정보를 컴퓨팅 장치(10)로 전송할 수 있다.The terminal 20 may output the received grouping information. The user can select a group corresponding to a usage type preferred or desired by the user from the output grouping information. The terminal 20 may transmit information including the selection result to the computing device 10 in response to the group's selection input.

프로세서(110)는 단말기(20)로부터 상기 선택 결과를 포함하는 정보를 수신함으로써, 사용자의 사용 타입에 대한 정보를 획득할 수 있다.The processor 110 may obtain information on a user's usage type by receiving information including the selection result from the terminal 20.

프로세서(110)는, 상술한 바와 같이 획득된 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 사용 타입에 대한 정보를 운전 알고리즘 제공 모듈(160)로 입력할 수 있다.The processor 110 may input the obtained installation space information, installation location information, performance information of the air conditioner 30, and information about the usage type to the driving algorithm providing module 160.

운전 알고리즘 제공 모듈(160)은 입력된 정보로부터 최적의 운전 알고리즘을 획득할 수 있다. The driving algorithm providing module 160 may obtain an optimal driving algorithm from the input information.

특히, 운전 알고리즘 제공 모듈(160)은 인공지능 기반의 운전 패턴 인식기(162)를 통해, 상기 입력된 정보로부터 최적의 운전 패턴을 인식하고, 인식된 운전 패턴에 기초한 운전 알고리즘을 획득할 수 있다.In particular, the driving algorithm providing module 160 may recognize an optimal driving pattern from the input information and obtain a driving algorithm based on the recognized driving pattern through the artificial intelligence-based driving pattern recognizer 162.

운전 알고리즘 제공 모듈(160)에 대해서는 이하 도 8 내지 도 11을 참조하여 보다 구체적으로 설명한다.The driving algorithm providing module 160 will be described in more detail with reference to FIGS. 8 to 11 below.

도 8은 본 발명의 실시 예에 따른 컴퓨팅 장치에 포함된 운전 알고리즘 제공 모듈을 보다 구체적으로 설명하기 위한 블록도이다.8 is a block diagram for more specifically describing a driving algorithm providing module included in a computing device according to an embodiment of the present invention.

도 8을 참조하면, 운전 알고리즘 제공 모듈(160)은 운전 패턴 인식기(162)와 운전 알고리즘 획득부(164)를 포함할 수 있다. Referring to FIG. 8, the driving algorithm providing module 160 may include a driving pattern recognizer 162 and a driving algorithm obtaining unit 164.

운전 패턴 인식기(162)는 인공지능(artificial intelligence)의 일 분야인 머신 러닝 기반의 인식 모델을 포함할 수 있다. 이러한 운전 패턴 인식기(162)는 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 사용 타입에 대한 정보를 상기 인식 모델로 입력하여, 공기조화기(30)의 설치 환경 및 사용자의 선호 사용 타입에 적합한 최적의 운전 패턴을 인식할 수 있다. 즉, 본 발명의 실시 예에 따른 운전 패턴 인식기(162)는 설치 공간 및 설치 위치에 대한 정보를 반영함으로써, 다양한 설치 환경에 대해 최적의 운전 패턴을 인식할 수 있다. 또한, 운전 패턴 인식기(162)는 사용 타입에 대한 정보를 반영함으로써, 사용자들의 다양한 사용 타입에 맞는 운전 패턴을 인식할 수 있다.The driving pattern recognizer 162 may include a machine learning-based recognition model, which is a field of artificial intelligence. The driving pattern recognizer 162 inputs installation space information, installation location information, performance information of the air conditioner 30, and information on a use type into the recognition model, thereby setting the installation environment of the air conditioner 30 and It is possible to recognize the optimal driving pattern suitable for the user's preferred usage type. That is, the driving pattern recognizer 162 according to the embodiment of the present invention can recognize the optimal driving pattern for various installation environments by reflecting information on the installation space and the installation location. In addition, the driving pattern recognizer 162 may recognize driving patterns suited to various usage types of users by reflecting information on usage types.

예컨대, 상기 인식 모델은 소프트웨어 또는 하드웨어 형태의 인공신경망(ANN)을 포함할 수 있다. 예를 들어, 상기 인공신경망은 딥러닝(deep learning)으로 학습된 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(deep neural network; DNN)을 포함할 수 있다.For example, the recognition model may include an artificial neural network (ANN) in the form of software or hardware. For example, the artificial neural network may include a deep neural network (DNN) such as a convolutional neural network (CNN), a recurrent neural network (RNN), or a deep belief network (DBN) trained by deep learning. Can be.

운전 패턴 인식기(162)는 상기 설치 공간 정보, 설치 위치 정보, 성능 정보, 및 사용 타입에 대한 정보가 입력되면, 입력된 정보 사이의 연관성, 패턴 등을 발견하여 특징 맵을 형성할 수 있다. 예컨대, 운전 패턴 인식기(162)는 입력된 정보로부터 하위레벨 특징, 중간레벨 특징, 및 상위레벨 특징을 추출하여 최적의 설정 환경을 인식할 수 있다. 상기 연관성, 패턴 및 특징들은 이전 입력된 다수의 정보 및 데이터로부터 학습된 것일 수 있다.When the information on the installation space information, the installation location information, the performance information, and the usage type is input, the driving pattern recognizer 162 may discover associations, patterns, and the like between the input information to form a feature map. For example, the driving pattern recognizer 162 may extract a low-level feature, a middle-level feature, and a high-level feature from the input information to recognize an optimal setting environment. The associations, patterns and features may be learned from a plurality of previously input information and data.

실시 예에 따라, 운전 패턴 인식기(162)는 상기 설치 공간 정보, 설치 위치 정보, 성능 정보, 및 사용 타입에 대한 정보 중 일부에 기초하여 운전 패턴을 인식할 수도 있다.According to an embodiment, the driving pattern recognizer 162 may recognize a driving pattern based on some of the installation space information, installation location information, performance information, and information about the usage type.

운전 알고리즘 획득부(164)는, 운전 패턴 인식기(162)에 의해 인식된 운전 패턴에 대응하여 공기조화기(30)가 자동 운전을 수행하기 위한 운전 알고리즘을 획득할 수 있다. 예컨대, 상기 운전 알고리즘은 실내 온도와 설정 온도 간의 차이에 따라 공기조화기(30)에 포함된 구성의 동작을 제어하여 풍량, 풍향 등을 조절하는 알고리즘일 수 있다. 운전 알고리즘 획득부(164)는 메모리(130) 또는 운전 알고리즘 제공 모듈(160)의 임베디드 메모리 등에 저장된 복수의 운전 알고리즘들 중, 상기 인식된 운전 패턴에 대응하는 운전 알고리즘을 추출함으로써 상기 운전 알고리즘을 획득할 수 있다.The driving algorithm acquiring unit 164 may acquire a driving algorithm for the air conditioner 30 to perform automatic driving in response to the driving pattern recognized by the driving pattern recognizer 162. For example, the driving algorithm may be an algorithm that controls the operation of the configuration included in the air conditioner 30 according to the difference between the indoor temperature and the set temperature to adjust the air volume, wind direction, and the like. The driving algorithm acquiring unit 164 acquires the driving algorithm by extracting a driving algorithm corresponding to the recognized driving pattern among a plurality of driving algorithms stored in the memory 130 or the embedded memory of the driving algorithm providing module 160 and the like. can do.

이하 도 9와 도 10을 참조하여, 운전 알고리즘 제공 모듈(160)의 운전 패턴 인식기(162)에 적용되는 인공지능 기술의 일례로서 딥 러닝에 대해 보다 상세히 설명한다. Hereinafter, deep learning will be described in more detail as an example of artificial intelligence technology applied to the driving pattern recognizer 162 of the driving algorithm providing module 160 with reference to FIGS. 9 and 10.

도 9와 도 10은 도 8의 운전 패턴 인식기에 적용되는 인공지능의 일례로서 딥러닝(deep learning)을 설명하기 위한 도면들이다.9 and 10 are diagrams for explaining deep learning as an example of artificial intelligence applied to the driving pattern recognizer of FIG. 8.

인공지능이란 인간의 지능으로 할 수 있는 사고, 학습, 자기 개발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 일 분야에 해당한다. 이러한 인공지능의 연구 분야 중 하나인 머신 러닝은 경험적 데이터를 기반으로 예측을 수행하고, 학습을 통해 스스로의 성능을 향상시키는 시스템을 의미할 수 있다. 머신 러닝의 일종인 딥러닝 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습하는 것이다.Artificial intelligence is a field of computer science and information technology that studies how computers can do thinking, learning, and self-development that human intelligence can do. Machine learning, one of the fields of artificial intelligence research, may refer to a system that performs prediction based on empirical data and improves one's own performance through learning. Deep learning technology, which is a kind of machine learning, is to learn down to a deep level in multiple levels based on data.

딥러닝은 단계를 높여갈수록 복수의 데이터로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.Deep learning may represent a set of machine learning algorithms that extract core data from a plurality of data as the level increases.

딥러닝 구조는 인공신경망(artificial neural network(ANN))을 포함할 수 있고, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(deep neural network)으로 구성될 수 있다.The deep learning structure may include an artificial neural network (ANN), for example, the deep learning structure may include a deep neural network such as a convolutional neural network (CNN), a recurrent neural network (RNN), or a deep belief network (DBN). (deep neural network).

도 9를 참조하면, 인공신경망은 입력 레이어(Input Layer), 히든 레이어(Hidden Layer), 및 출력 레이어(Output Layer)를 포함할 수 있다. 각 레이어는 복수의 노드들을 포함하고, 각 레이어는 다음 레이어와 연결된다. 인접한 레이어 사이의 노드들은 웨이트(weight)를 가지고 서로 연결될 수 있다.Referring to FIG. 9, the artificial neural network may include an input layer, a hidden layer, and an output layer. Each layer includes a plurality of nodes, and each layer is connected to the next layer. Nodes between adjacent layers may be connected to each other with a weight.

도 10을 참조하면, 컴퓨팅 장치(머신)는 투입된 입력 데이터(1010)로부터 일정한 패턴을 발견해 특징맵(feature map)을 형성할 수 있다. 예컨대, 컴퓨팅 장치(머신)는 하위레벨 특징(1020)부터, 중간레벨 특징(1030), 및 상위레벨 특징(1040)을 추출하여, 대상을 인식하고 그 결과를 출력(1050)할 수 있다.Referring to FIG. 10, the computing device (machine) may form a feature map by discovering a certain pattern from the input data 1010 input. For example, the computing device (machine) may extract the lower level feature 1020, the intermediate level feature 1030, and the upper level feature 1040, recognize the object, and output the result 1050.

인공신경망은 다음 순서의 레이어로 갈수록 더욱 상위레벨의 특징으로 추상화할 수 있다.The artificial neural network can be abstracted to higher level features as it goes to the next layer.

도 9와 도 10을 참조하면, 각 노드들은 활성화 모델에 기초하여 동작할 수 있고, 활성화 모델에 따라 입력값에 대응하는 출력값이 결정될 수 있다.9 and 10, each node may operate based on an activation model, and an output value corresponding to an input value may be determined according to the activation model.

임의의 노드, 예를 들어, 하위레벨 특징(1020)의 출력값은 해당 노드와 연결된 다음 레이어, 예를 들어, 중간레벨 특징(1030)의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 중간레벨 특징(1030)의 노드는 하위레벨 특징(1020)의 복수의 노드들로부터 출력되는 값들을 입력받을 수 있다.Any node, for example, the output value of the lower level feature 1020 may be input to the next layer connected to the node, for example, the node of the middle level feature 1030. The node of the next layer, for example, the node of the middle level feature 1030 may receive values output from a plurality of nodes of the low level feature 1020.

이 때, 각 노드의 입력값은 이전 레이어의 노드의 출력값에 웨이트(weight)가 적용된 값일 수 있다. 웨이트는 노드 간의 연결 강도를 의미할 수 있다.At this time, the input value of each node may be a value in which weight is applied to the output value of the node of the previous layer. The weight may mean a connection strength between nodes.

또한, 딥러닝 과정은 적절한 웨이트를 찾아내는 과정으로도 볼 수 있다.Also, the deep learning process can be regarded as a process of finding an appropriate weight.

한편, 임의의 노드, 예를 들어, 중간레벨 특징(1030)의 출력값은 해당 노드와 연결된 다음 레이어, 예를 들어, 상위레벨 특징(1040)의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 상위레벨 특징(1040)의 노드는 중간레벨 특징(1030)의 복수의 노드로부터 출력되는 값들을 입력받을 수 있다.Meanwhile, an arbitrary node, for example, the output value of the intermediate level feature 1030 may be input to the next layer connected to the corresponding node, for example, a node of the higher level feature 1040. The node of the next layer, for example, the node of the higher level feature 1040 may receive values output from a plurality of nodes of the intermediate level feature 1030.

인공신경망은 각 레벨에 대응하는 학습된 레이어(layer)를 이용하여, 각 레벨에 대응하는 특징 정보를 추출할 수 있다. 인공신경망은 순차적으로 추상화하여, 가장 상위 레벨의 특징 정보를 활용하여 소정 대상을 인식할 수 있다.The artificial neural network may extract feature information corresponding to each level by using a learned layer corresponding to each level. The artificial neural network can be abstracted sequentially, and a predetermined object can be recognized using the highest level of feature information.

예를 들어, 딥러닝에 의한 얼굴인식 과정을 살펴보면, 컴퓨터는 입력 영상으로부터, 픽셀의 밝기에 따라 밝은 픽셀과 어두운 픽셀을 구분하고, 테두리, 에지 등 단순한 형태를 구분한 후, 조금 더 복잡한 형태와 사물을 구분할 수 있다. 최종적으로 컴퓨터는 인간의 얼굴을 규정하는 형태를 파악할 수 있다.For example, looking at the face recognition process by deep learning, the computer distinguishes light and dark pixels from the input image according to the brightness of the pixels, distinguishes simple shapes such as borders and edges, and then uses a more complex shape. You can distinguish things. Finally, the computer can figure out the form that defines the human face.

본 발명에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), DBN(Deep Belief Network) 등일 수 있다.The deep learning structure according to the present invention can use various well-known structures. For example, the deep learning structure according to the present invention may be a Convolutional Neural Network (CNN), a Recurrent Neural Network (RNN), or a Deep Belief Network (DBN).

RNN(Recurrent Neural Network)은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(Time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다.RNN (Recurrent Neural Network), which is widely used for natural language processing, is an effective structure for processing time-series data that changes with the passage of time, and can build an artificial neural network structure by stacking layers at every moment. .

DBN(Deep Belief Network)은 딥러닝 기법인 RBM(Restricted Boltzman Machine)을 다층으로 쌓아 구성되는 딥러닝 구조이다. RBM(Restricted Boltzman Machine) 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN(Deep Belief Network)를 구성할 수 있다.DBN (Deep Belief Network) is a deep learning structure consisting of a stacked layer of deep learning technique RBM (Restricted Boltzman Machine). By repeating RBM (Restricted Boltzman Machine) learning, if a certain number of layers can be formed, a DBN (Deep Belief Network) having a corresponding number of layers can be constructed.

CNN(Convolutional Neural Network)은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델이다.CNN (Convolutional Neural Network) is a model that simulates a person's brain function based on the assumption that when a person recognizes an object, it extracts the basic characteristics of the object and then performs a complex calculation in the brain to recognize the object based on the result. to be.

한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(Back Propagation) 등의 방법이 사용될 수 있다.On the other hand, the learning of the artificial neural network may be achieved by adjusting the weight of the connection line between nodes (and adjusting the bias value, if necessary) so that a desired output comes out for a given input. In addition, the artificial neural network may continuously update the weight value by learning. In addition, a method such as back propagation may be used for learning the artificial neural network.

한편, 메모리(130) 또는 컴퓨팅 장치(10)와 연결되는 데이터베이스 장치(미도시)에는 상기 인공신경망을 학습하기 위한 데이터가 저장될 수 있다. 또한, 실시 예에 따라서는, 메모리(130)에는 인공신경망 구조를 이루는 웨이트, 바이어스들이 저장될 수 있다. 또는, 실시 예에 따라서는, 상기 인공신경망 구조를 이루는 웨이트, 바이어스들은 운전 알고리즘 제공 모듈(160)의 임베디드 메모리에 저장될 수도 있다.Meanwhile, data for learning the artificial neural network may be stored in a database device (not shown) connected to the memory 130 or the computing device 10. Further, according to an embodiment, the memory 130 may store weights and biases constituting an artificial neural network structure. Alternatively, according to an embodiment, weights and biases constituting the artificial neural network structure may be stored in the embedded memory of the driving algorithm providing module 160.

한편, 운전 알고리즘 제공 모듈(160)은 설치 공간 정보, 설치 위치 정보, 공기조화기(30)의 성능 정보, 및 사용자의 사용 타입에 대한 정보가 획득되어 최적의 운전 패턴이 인식될 때마다, 획득된 정보와 데이터 및 인식 결과를 이용하여 운전 패턴 인식기(162)의 학습 과정을 수행할 수 있다. 상기 학습 과정이 수행됨에 따라, 웨이트 등 인공신경망 구조가 업데이트될 수 있다. 이를 위해, 컴퓨팅 장치(10)는 학습 모듈을 포함할 수 있다. 상기 학습 모듈은 운전 알고리즘 제공 모듈(160) 내에 구현되거나, 별도로 구현될 수 있다.On the other hand, the driving algorithm providing module 160 is obtained whenever the optimum driving pattern is recognized by obtaining the installation space information, the installation location information, the performance information of the air conditioner 30, and the user's usage type. The learning process of the driving pattern recognizer 162 may be performed using the obtained information, data, and recognition results. As the learning process is performed, the artificial neural network structure such as weight may be updated. To this end, the computing device 10 may include a learning module. The learning module may be implemented in the driving algorithm providing module 160 or separately.

도 11은 컴퓨팅 장치가 운전 패턴의 인식 결과에 기초하여 획득된 운전 알고리즘을 공기조화기로 제공하는 동작을 설명하기 위한 예시도이다.FIG. 11 is an exemplary view for explaining an operation in which the computing device provides the driving algorithm obtained based on the recognition result of the driving pattern to the air conditioner.

도 9와 도 11을 참조하면, 운전 알고리즘 제공 모듈(160)은 설치 공간 정보, 설치 위치 정보, 성능 정보, 및 사용 타입에 대한 정보를 운전 패턴 인식기(162)의 입력 데이터로서 입력할 수 있다.9 and 11, the driving algorithm providing module 160 may input installation space information, installation location information, performance information, and usage type information as input data of the driving pattern recognizer 162.

운전 패턴 인식기(162)는 인공신경망 구조를 통해, 상기 입력된 정보에 대한 복수의 운전 패턴들 각각의 웨이트(W1~W7)를 출력할 수 있다. 도 9에 도시된 제1 웨이트(W1) 내지 제7 웨이트(W7)는 제1 운전 패턴 내지 제7 운전 패턴에 각각 대응할 수 있다.The driving pattern recognizer 162 may output weights W1 to W7 of the plurality of driving patterns for the input information through the artificial neural network structure. The first weight W1 to the seventh weight W7 illustrated in FIG. 9 may respectively correspond to the first driving pattern to the seventh driving pattern.

운전 패턴 인식기(162)는 제1 웨이트(W1) 내지 제7 웨이트(W7) 중 가장 높은 값을 갖는 제1 웨이트(W1)에 대응하는 제1 운전 패턴을 인식 결과로서 출력할 수 있다.The driving pattern recognizer 162 may output the first driving pattern corresponding to the first weight W1 having the highest value among the first weight W1 to the seventh weight W7 as a recognition result.

운전 알고리즘 획득부(164)는 복수의 운전 알고리즘들 중, 운전 패턴 인식기(162)로부터 출력된 제1 운전 패턴에 대응하는 제1 운전 알고리즘(OA1)을 획득할 수 있다.The driving algorithm acquiring unit 164 may acquire a first driving algorithm OA1 corresponding to the first driving pattern output from the driving pattern recognizer 162 among a plurality of driving algorithms.

프로세서(110)는 획득된 제1 운전 알고리즘(OA1)을 공기조화기(30)로 전송할 수 있다. 예컨대, 제1 운전 알고리즘(OA1)은 단말기(20)를 통해 공기조화기(30)로 전송될 수 있다. 실시 예에 따라 컴퓨팅 장치(10)와 공기조화기(30)가 네트워크를 통해 연결된 경우, 프로세서(110)는 상기 네트워크를 통해 공기조화기(30)로 상기 제1 운전 알고리즘(OA1)을 전송할 수도 있다.The processor 110 may transmit the obtained first driving algorithm OA1 to the air conditioner 30. For example, the first driving algorithm OA1 may be transmitted to the air conditioner 30 through the terminal 20. According to an embodiment, when the computing device 10 and the air conditioner 30 are connected through a network, the processor 110 may transmit the first operation algorithm OA1 to the air conditioner 30 through the network. have.

공기조화기(30)는 기 저장된 운전 알고리즘을 상기 수신된 제1 운전 알고리즘(OA1)으로 변경함으로써, 자동 운전모드로 구동 시 제1 운전 알고리즘(OA1)에 따라 구동할 수 있다.The air conditioner 30 may operate according to the first driving algorithm OA1 when driving in the automatic driving mode by changing the previously stored driving algorithm to the received first driving algorithm OA1.

즉, 본 발명의 실시 예에 따르면, 컴퓨팅 장치(10)는 공기조화기(30)가 설치될 공간의 설치 공간 정보나 설치 위치 정보와 같은 설치 환경을 고려한 최적의 운전 알고리즘을 제공함으로써, 다양한 설치 환경들마다 최적화된 운전 알고리즘의 제공이 가능하다. 이에 따라, 공기조화기(30)는 설치 공간에 대한 공기조화 동작을 보다 효과적으로 수행할 수 있다.That is, according to an embodiment of the present invention, the computing device 10 provides various installations by providing an optimal operating algorithm in consideration of an installation environment such as installation space information or installation location information of a space where the air conditioner 30 is to be installed It is possible to provide an optimized driving algorithm for each environment. Accordingly, the air conditioner 30 can perform the air conditioning operation for the installation space more effectively.

뿐만 아니라, 컴퓨팅 장치(10)는 공기조화기(30)의 사용자가 선호하거나 원하는 사용 타입에 따라 최적의 운전 알고리즘을 제공함으로써, 자동 운전모드에 대한 사용자의 만족도를 극대화할 수 있다. 이에 따라, 사용자는 공기조화기(30)의 사용 시 풍량이나 풍향 등을 일일이 설정하지 않고 자동 운전모드를 이용할 수 있으므로 사용자의 편의성 또한 향상될 수 있다.In addition, the computing device 10 may maximize the user's satisfaction with the automatic driving mode by providing an optimal driving algorithm according to a user's preferred or desired use type of the air conditioner 30. Accordingly, the user can use the automatic operation mode without individually setting the air volume or the wind direction when the air conditioner 30 is used, so that the user's convenience can also be improved.

한편, 컴퓨팅 장치(10)는 다양한 사용자들의 사용자 데이터를 지속적으로 수집하여 운전 패턴 인식기(162)를 업데이트할 수 있다. 컴퓨팅 장치(10)는 주기적으로 공기조화기(30)의 운전 정보를 획득하고, 업데이트된 운전 패턴 인식기(162)를 통해 변경된 운전 알고리즘을 획득할 수 있다. 컴퓨팅 장치(10)는 상기 변경된 운전 알고리즘을 공기조화기(30)로 제공함으로써, 운전 알고리즘을 업데이트시킬 수 있다.Meanwhile, the computing device 10 may continuously collect user data of various users to update the driving pattern recognizer 162. The computing device 10 may periodically acquire driving information of the air conditioner 30 and obtain a changed driving algorithm through the updated driving pattern recognizer 162. The computing device 10 may update the driving algorithm by providing the changed driving algorithm to the air conditioner 30.

한편, 공기조화기(30)의 제조사는 다양한 사용자들의 설치 환경이나 사용 타입에 대한 정보를 획득함으로써 운전 알고리즘을 개선하거나 신규 제품의 개발에 활용할 수 있다.On the other hand, the manufacturer of the air conditioner 30 can improve the driving algorithm or obtain new product development by acquiring information about the installation environment or usage type of various users.

도 12는 본 발명의 다른 실시 예에 따른 컴퓨팅 장치의 동작을 설명하기 위한 플로우차트이다.12 is a flowchart illustrating an operation of a computing device according to another embodiment of the present invention.

도 12를 참조하면, 컴퓨팅 장치(10)는 공기조화기(30)가 설치될 공간의 설치 공간 정보와, 공기조화기(30)의 성능 정보를 획득할 수 있다(S1200).Referring to FIG. 12, the computing device 10 may obtain installation space information of a space in which the air conditioner 30 is to be installed and performance information of the air conditioner 30 (S1200).

상기 설치 공간 정보와 성능 정보를 획득하는 동작과 관련된 내용은 도 3에서 상술한 내용과 유사한 바, 이에 대한 설명은 생략하기로 한다.The contents related to the operation of acquiring the installation space information and the performance information are similar to those described in FIG. 3, and a description thereof will be omitted.

컴퓨팅 장치(10)는 메모리(130) 또는 데이터베이스 장치에 저장된 사용자 데이터 중, 상기 설치 공간 정보 및 성능 정보와 매칭되는 복수의 사용자 데이터를 획득할 수 있다(S1210). 컴퓨팅 장치(10)는, 획득된 복수의 사용자 데이터에 기초한 설치 위치 가이드를 제공할 수 있다(S1220).The computing device 10 may obtain a plurality of user data matching the installation space information and performance information among user data stored in the memory 130 or the database device (S1210). The computing device 10 may provide an installation location guide based on the obtained plurality of user data (S1220).

컴퓨팅 장치(10)는 공기조화기(30)와 유사한 성능의 공기조화기를 갖고, 설치 공간 또한 유사한 복수의 사용자들의 사용자 데이터를 획득하여, 상기 복수의 사용자들의 설치 위치 정보와, 운전 정보를 획득할 수 있다.The computing device 10 has an air conditioner having a performance similar to that of the air conditioner 30, and obtains user data of a plurality of users having a similar installation space, thereby obtaining installation location information and operation information of the plurality of users. Can be.

프로세서(110)는 복수의 사용자들의 공기조화기 설치 위치 정보 및 운전 정보로부터, 설치 위치별 전력 효율 또는 온도조절 성능을 판단할 수 있다.The processor 110 may determine power efficiency or temperature control performance for each installation location from air conditioner installation location information and operation information of a plurality of users.

프로세서(110)는 판단 결과에 기초하여 전력 효율이 높거나 온도조절 성능이 높은 설치 위치를 인식하고, 인식된 설치 위치를 포함하는 설치 위치 가이드를 생성할 수 있다.The processor 110 may recognize an installation location having high power efficiency or high temperature control performance based on the determination result, and generate an installation location guide including the recognized installation location.

프로세서(110)는 생성된 설치 위치 가이드를 이동 단말기(20)로 전송할 수 있다. 이동 단말기(20)는 수신된 설치 위치 가이드를 디스플레이 등의 출력 수단을 통해 출력함으로써, 사용자 또는 공기조화기(30)의 설치 기사에게 최적의 설치 위치에 대한 정보를 제공할 수 있다.The processor 110 may transmit the generated installation location guide to the mobile terminal 20. The mobile terminal 20 may output the received installation location guide through an output means such as a display, thereby providing information about an optimal installation location to a user or an installation engineer of the air conditioner 30.

비록 도시되지는 않았으나, 컴퓨팅 장치(10)는 상술한 실시 예들과 유사한 방식으로, 설치 공간 정보, 설치 위치 정보, 및 사용 타입에 대한 정보 중 적어도 하나에 기초하여 상기 설치 환경이나 사용 타입에 적합한 공기조화기의 모델을 사용자에게 추천할 수도 있다.Although not shown, the computing device 10 is suitable for the installation environment or usage type based on at least one of installation space information, installation location information, and usage type information in a manner similar to the above-described embodiments. The model of the harmonizer can also be recommended to the user.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. The above description is merely illustrative of the technical idea of the present invention, and those skilled in the art to which the present invention pertains may make various modifications and variations without departing from the essential characteristics of the present invention.

따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments.

본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다. The scope of protection of the present invention should be interpreted by the claims below, and all technical spirits within the equivalent range should be interpreted as being included in the scope of the present invention.

Claims

A communication unit for connecting with a terminal;
A driving algorithm providing module that acquires a driving algorithm based on the installation space information of the air conditioner, installation location information, performance information, and information on the type of use; And
And a processor that controls the communication unit to transmit the obtained driving algorithm to the terminal to provide the air conditioner.

According to claim 1,
The driving algorithm providing module,
A driving pattern recognizer including a recognition model for recognizing a driving pattern of the air conditioner from at least one of the installation space information, installation location information, performance information, and usage type; And
And a driving algorithm acquiring unit that acquires the driving algorithm based on the recognition result.

According to claim 2,
The driving pattern recognizer,
A computing device that updates the recognition model by using the installation space information, installation location information, performance information, and information about the usage type and the recognition result of the driving pattern.

According to claim 1,
Further comprising an installation space information acquisition module for obtaining the installation space information based on the drawing information of the space in which the air conditioner is installed,
The installation space information,
A computing device including the drawing information, area information of the space, identification information of each of the zones in the space, location information, and area information.

The method of claim 4,
The installation space information acquisition module,
A computing device that recognizes at least one text included in the drawing information and acquires the installation space information based on the recognized text.

The method of claim 4,
The processor,
The address information of the space is received from the terminal through the communication unit,
Computing device for obtaining the drawing information corresponding to the received address information.

According to claim 1,
Extracting a plurality of user data matching the installation space information, installation location information, and performance information from a memory of the computing device or a database device connected through the communication unit,
And a user data classification module that groups the extracted plurality of user data into a plurality of usage type groups.

The method of claim 7,
The user data classification module,
From the operation information included in the extracted plurality of user data, obtain information about the driving time and power consumption of the air conditioner when a specific amount of temperature changes,
A computing device for grouping the plurality of user data into the plurality of usage type groups based on the obtained driving time and information on power consumption.

The method of claim 7,
The processor,
Control the communication unit to transmit information on the plurality of use type groups to the terminal,
Receiving information on any one use type group selected from the plurality of use type groups from the terminal,
A computing device that obtains information about the usage type based on the selected usage type group.

According to claim 1,
When connected to the air conditioner through the communication unit,
The processor is a computing device that controls the communication unit to transmit the obtained driving algorithm to the air conditioner.