KR20210067605A - 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템 - Google Patents

인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템 Download PDF

Info

Publication number
KR20210067605A
KR20210067605A KR1020190157412A KR20190157412A KR20210067605A KR 20210067605 A KR20210067605 A KR 20210067605A KR 1020190157412 A KR1020190157412 A KR 1020190157412A KR 20190157412 A KR20190157412 A KR 20190157412A KR 20210067605 A KR20210067605 A KR 20210067605A
Authority
KR
South Korea
Prior art keywords
user
commercial washing
washing machine
commercial
cloud server
Prior art date
Application number
KR1020190157412A
Other languages
English (en)
Inventor
윤유술
황성미
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190157412A priority Critical patent/KR20210067605A/ko
Priority to US17/075,405 priority patent/US20210165377A1/en
Publication of KR20210067605A publication Critical patent/KR20210067605A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D06F33/30—Control of washing machines characterised by the purpose or target of the control 
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/04—Signal transfer or data transmission arrangements
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/04—Signal transfer or data transmission arrangements
    • D06F34/05—Signal transfer or data transmission arrangements for wireless communication between components, e.g. for remote monitoring or control
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/28—Arrangements for program selection, e.g. control panels therefor; Arrangements for indicating program parameters, e.g. the selected program or its progress
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2101/00—User input for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D06F2105/50—Starting machine operation, e.g. delayed start or re-start after power cut
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D06F2105/58—Indications or alarms to the control system or to the user
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F31/00—Washing installations comprising an assembly of several washing machines or washing units, e.g. continuous flow assemblies
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2633—Washing, laundry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Textile Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Signal Processing (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Automation & Control Theory (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Control Of Washing Machine And Dryer (AREA)

Abstract

인공 지능을 이용한 상업용 세탁기 제어 방법 및 그 시스템이 제공된다. 인공 지능을 이용한 상업용 세탁기 제어 방법은 사용자 단말을 통해 사용자로부터 네트워크로 서로 연결된 복수의 상업용 세탁기에 대한 사용 요청을 제공받는 단계, 상기 사용 요청을 클라우드 서버로 전송하는 단계, 상기 클라우드 서버가 상기 사용 요청에 대해 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 선택하여 스탠바이 상태로 설정하는 단계, 및 상기 클라우드 서버가 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력에 기초하여 생성한 추천 세탁 코스를 상기 사용자에게 제공하는 단계를 포함한다.

Description

인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템{A METHOD FOR CONTROLLING COMMERCIAL LAUNDRY MACHINE AND SYSTEM FOR THE SAME USING ARTIFICIAL INTELLIGENCE}
본 발명은 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템에 관한 것이며, 더욱 자세하게는 인공 지능을 이용한 스탠바이 또는 추천 세탁 코스를 생성할 수 있는 상업용 세탁기의 제어 방법 및 그 시스템에 관한 것이다.
기술의 발전에 따라, 인공 지능(AI: Artificial Intelligence)을 갖춘 기기들이 널리 소개되고 있다. 특히 네트워크에 연결될 수 있도록 IoT(Internet of Things) 기술이 적용된 상업용 기기(commercial appliance)도 인공 지능을 갖도록 구현된다.
상업용 세탁기는 불특정 다수의 사용자가 사용할 수 있도록 공개된 장소에 설치된다. 사용을 원하는 사용자는 상업용 세탁기가 설치된 셀프세탁소(launderette)에 찾아가 요금을 지불하고 사용을 개시한다.
상술한 것과 같이, 상업용 세탁기는 불특정 다수가 사용할 수 있기 때문에 사용자가 셀프세탁소를 방문했을 때 모든 세탁기가 사용 중이어서 사용이 불가능한 경우가 발생할 수 있다. 이 경우 사용자는 다른 사람의 세탁기 사용이 끝날 때까지 대기하거나 다른 셀프세탁소를 방문해야 한다.
이와 같이 사용자가 예기치 않게 상업용 세탁기를 사용하지 못하거나, 평소에 방문하는 세탁소와 다른 곳을 방문하여 익숙치 않은 세탁기를 조작하느라 고생을 할 수도 있다. 이와 같은 경우에서 발생하는 사용자 불편을 방지하고자 상업용 세탁기를 제어하기 위한 다양한 기술들이 제안되고 있다.
본 발명이 해결하고자 하는 기술적 과제는, 인공 지능을 이용한 상업용 세탁기의 제어 방법을 제안하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 인공 지능을 이용한 상업용 세탁기의 제어 시스템을 제안하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 방법은, 사용자 단말을 통해 사용자로부터 네트워크로 서로 연결된 복수의 상업용 세탁기에 대한 사용 요청을 제공받는 단계, 상기 사용 요청을 클라우드 서버로 전송하는 단계, 상기 클라우드 서버가 상기 사용 요청에 대해 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 선택하여 스탠바이 상태로 설정하는 단계, 및 상기 클라우드 서버가 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력에 기초하여 생성한 추천 세탁 코스를 상기 사용자에게 제공하는 단계를 포함한다.
본 발명의 몇몇 실시예에서, 상기 사용자가 상기 복수의 상업용 세탁기에 대한 사용 요청을 제공하기 위해 상기 클라우드 서버에 등록된 사용자 계정에 로그인하는 단계를 더 포함하고, 상기 사용자 계정은 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력을 저장할 수 있다.
본 발명의 몇몇 실시예에서, 상기 사용자 계정은 상기 사용자가 보유한 가정용 세탁기의 사용 이력을 저장하고, 상기 클라우드 서버는 상기 사용자의 가정용 세탁기 사용 이력과 항기 복수의 상업용 세탁기의 사용 이력을 함께 참조하여 상기 추천 세탁 코스를 생성할 수 있다.
본 발명의 몇몇 실시예에서, 상기 복수의 상업용 세탁기는, 서로 다른 공간에 위치한 복수의 상업용 세탁기를 포함하고, 상기 복수의 상업용 세탁기의 사용 이력은 상기 서로 다른 공간에 위치한 복수의 상업용 세탁기를 사용한 이력을 포함할 수 있다.
본 발명의 몇몇 실시예에서, 상기 클라우드 서버가 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 스탠바이 상태로 설정하는 단계는, 상기 사용자의 위치 정보를 제공받고, 상기 사용자의 위치 정보에 기반하여 상기 서로 다른 공간에 위치한 복수의 상업용 세탁기 중, 사용자와 가장 가까운 곳에 위치한 복수의 상업용 세탁기 중 사용 가능한 것을 선택하여 스탠바이 상태로 설정하는 것을 포함할 수 있다.
본 발명의 몇몇 실시예에서, 상기 클라우드 서버가 상기 추천 세탁 코스를 생성하는 단계는, 상기 사용자의 상업용 세탁기의 사용 이력에 포함된 세탁 행정, 세탁 시간, 세제량 중 적어도 어느 하나의 특징을 추출하고, 상기 추출된 특징으로부터 상기 추천 세탁 코스를 생성하는 것을 포함할 수 있다.
본 발명의 몇몇 실시예에서, 상기 추천 세탁 코스에 기초한 제어 명령을 이용하여 상기 스탠바이된 상업용 세탁기를 제어하는 단계를 더 포함할 수 있다.
본 발명의 몇몇 실시예에서, 상기 스탠바이된 상업용 세탁기를 제어하기 위해 사용자 단말을 이용하여 상기 상업용 세탁기의 잠금을 해제하는 단계를 더 포함할 수 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템은, 네트워크로 서로 연결된 복수의 상업용 세탁기. 및 사용자로부터 상기 복수의 상업용 세탁기에 대한 사용 요청을 제공받고, 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 선택하여 스탠바이 상태로 설정하는 클라우드 서버를 포함하고, 상기 클라우드 서버는, 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력을 저장하는 스토리지, 및 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력에 기초하여 추천 세탁 코스를 생성하는 프로세서를 포함한다.
본 발명의 몇몇 실시예에서, 상기 스토리지는 상기 사용자가 상기 복수의 상업용 세탁기에 대한 사용 요청을 제공하기 위해 로그인하는 사용자 계정을 저장하고, 상기 사용자의 상업용 세탁기 사용 이력은 상기 사용자 계정에 저장될 수 있다.
본 발명의 몇몇 실시예에서, 상기 사용자 계정은 상기 사용자의 가정용 세탁기 사용 이력을 저장하고, 상기 프로세서는 상기 사용자의 가정용 세탁기 사용 이력과 항기 복수의 상업용 세탁기의 사용 이력을 함께 참조하여 상기 추천 세탁 코스를 생성할 수 있다.
본 발명의 몇몇 실시예에서, 상기 프로세서는, 상기 사용자의 세탁기 사용 이력에 포함된 세탁 행정, 세탁 시간, 세제량 중 적어도 어느 하나의 특징을 추출하고, 상기 추출된 특징으로부터 상기 추천 세탁 코스를 생성할 수 있다.
본 발명의 몇몇 실시예에서, 상기 복수의 상업용 세탁기는, 서로 다른 공간에 위치한 복수의 상업용 세탁기를 포함하고, 상기 복수의 상업용 세탁기의 사용 이력은 상기 서로 다른 공간에 위치한 복수의 상업용 세탁기를 사용한 이력을 포함할 수 있다.
본 발명의 몇몇 실시예에서, 상기 사용자의 입력에 기초하여 상기 복수의 상업용 세탁기에 대한 사용 요청을 상기 클라우드 서버로 전송하는 사용자 단말을 더 포함하고, 상기 사용자 단말은 상기 클라우드 서버로부터 상기 추천 세탁 코스를 제공받아 세부 사항을 출력하는 디스플레이부를 포함할 수 있다.
본 발명의 몇몇 실시예에서, 상기 사용자 단말은 사용자의 입력을 제공받아 상기 추천 세탁 코스에 기초한 제어 명령 상기 스탠바이 상태로 설정된 상업용 세탁기에 전송하여 구동을 제어할 수 있다.
본 발명의 몇몇 실시예에서, 상기 스탠바이 상태로 설정된 상업용 세탁기는 잠겨지고, 상기 사용자 단말은 사용자 인증을 수행하여 상기 상업용 세탁기의 잠금을 해제할 수 있다.
본 발명의 몇몇 실시예에서, 상기 사용자 단말은 사용자의 위치 정보를 상기 클라우드 서버에 제공하고, 상기 클라우드 서버는 상기 사용자의 위치 정보에 기반하여 서로 다른 공간에 위치한 복수의 사용 가능한 상업용 세탁기 중 가장 가까운 상업용 세탁기 중 사용 가능한 것을 스탠바이 상태로 설정할 수 있다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 실시예들에 따른 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 시스템은 사용자의 사용 요청에 대응하여 클라이언트 서버를 통해 사용하고자 하는 상업용 세탁기의 사용을 예약한다. 따라서 이를 통해 상업용 세탁기를 사용하고자 하는 사용자의 편의를 증가시키고 사용자 경험을 향상시킬 수 있다.
또한, 클라우드 서버는 상업용 세탁기에 적용할 수 있는 추천 세탁 코스를 생성하여 사용자에게 제공할 수 있다. 이는 사용자의 과거 상업용 세탁기 또는 가정용 세탁기의 사용 이력에 기초하여 생성되기 때문에 사용자의 사용 습관에 맞춘 추천 세탁 코스의 제공이 가능하다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템에 포함된 사용자 단말을 설명하기 위한 도면이다.
도 3은 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템에 포함된 서버를 설명하기 위한 도면이다.
도 4는 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템에 의해 제어되는 상업용 세탁기를 설명하기 위한 도면이다.
도 5는　본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템이 상업용 세탁기를 스탠바이 상태로 설정하는 것을 설명하기 위한 도면이다.
도 7은 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 시스템이 추천 세탁 코스를 생성하는 것을 설명하기 위한 도면이다.
도 8은 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 방법을 설명하기 위한 순서도이다.
도 9는 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 방법을 설명하기 위한 데이터 흐름도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 ‘모듈’ 및 ‘부’는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 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.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 ‘연결되어’ 있다거나 ‘접속되어’ 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 ‘직접 연결되어’ 있다거나 ‘직접 접속되어’ 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
도 1은 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 상업용 세탁기의 제어 시스템은 상업용 세탁기(1000)를 제어하기 위한 사용자 단말(user equipment, 100), 네트워크(500)를 통해 서로 연결된 복수의 상업용 세탁기(1000), 복수의 상업용 세탁기(1000)에 대한 사용자의 사용 요청을 제공받아 처리하는 클라우드 서버(200)를 포함할 수 있다.
사용자 단말(100)은 예를 들어, 휴대폰, 스마트폰(smart phone), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 인공 지능 기기 (smartwatch), 글래스형 인공 지능 기기 (smart glass), HMD(head mounted display)) 등이 포함될 수 있다.
사용자 단말(100)에 관한 더욱 자세한 설명은 도 2를 이용하여 후술한다.
클라우드 서버(200)는 본 발명의 일 실시 예에서 설명되는 인공 지능 모델과 관련하여 사용자 단말(100)에 인공 지능 모델이 적용된 각종 서비스를 제공하는 역할을 할 수 있다.
본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 시스템에 포함된 클라우드 서버(200)는 상업용 세탁기의 스탠바이 및 추천 세탁 코스의 생성과 관련하여 인공 지능(Artificial Intelligence, AI)을 이용할 수 있다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
또한, 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 방법을 수행하는 사용자 단말(100) 또한 위에서 설명한 인공 지능을 활용할 수 있다.
본 명세서에서 클라우드 서버(200)는 네트워크(500)를 통해 복수의 상업용 세탁기(1000)가 설치된 장소와 다른 장소에 설치된 컴퓨터의 집합을 의미하는 것으로 기술한다. 다만 본 발명의 클라우드 서버(200)가 이러한 기술적 개념에 제한되는 것은 아니며, 서버(200)는 복수의 상업용 세탁기(1000)가 설치된 셀프세탁소에 설치된 홈 서버, 홈 허브 또는 홈 게이트웨이 등의 장치를 포함할 수 있다.
복수의 상업용 세탁기(1000)는 셀프세탁소를 방문한 사용자가 요금을 지불하고 세탁물을 세탁할 수 있도록 설치된 세탁기이다. 본 발명의 몇몇 실시예에서, 복수의 상업용 세탁기(1000)는 서로 다른 공간에 위치한 상업용 세탁기들(1100, 1200, 1300)을 포함할 수 있다. 예를 들어, 제1 복수의 상업용 세탁기들(1100)은 제1 셀프세탁소에 설치된 세탁기들이고, 제2 복수의 상업용 세탁기들(1200)은 제2 셀프세탁소에 설치된 세탁기들이고, 제3 복수의 상업용 세탁기들(1300)은 제3 셀프세탁소에 설치된 세탁기들일 수 있다.
복수의 상업용 세탁기들(1000)은 네트워크(500)를 통해 연결된 클라우드 서버(200)로부터 사용 예약됨으로써 스탠바이될 수 있다. 여기서 스탠바이 상태는 상업용 세탁기의 전원이 온(on) 되어 사용자의 입력에 의해 세탁 동작을 할 수 있는 상태를 의미한다.
복수의 상업용 세탁기들(1000) 중 스탠바이된 상업용 세탁기는 사용자에 의한 버튼부 조작에 의해 세탁 동작을 수행할 수 있다. 또는 사용자가 사용자 단말(100)을 통해 제어 명령을 제공하면, 클라우드 서버(200)로부터 전송된 제어 명령에 의해 스탠바이 상태의 상업용 세탁기(1000)의 세탁 동작이 시작될 수 있다.
네트워크(500)는 유선 및 무선 네트워크, 예를 들어 LAN(local areanetwork), WAN(wide area network), 인터넷(internet), 인트라넷(intranet) 및 엑스트라넷(extranet), 그리고 모바일 네트워크, 예를 들어 셀룰러, 3G, LTE, 5G, WiFi 네트워크, 애드혹 네트워크 및 이들의 조합을 비롯한 임의의 적절한 통신 네트워크 일 수 있다.
네트워크(500)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(500)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(500)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다.
사용자 단말 (100)는 5G 네트워크를 통해 학습 장치인 클라우드 서버(200)와 데이터를 전송하고 수신할 수 있다. 사용자 단말(100)은 5G 네트워크를 통해 모바일 브로드밴드(Enhanced Mobile Broadband, eMBB), URLLC(Ultra-reliable and low latency communications) 및 mMTC(Massive Machine-type communications) 중에서 적어도 하나의 서비스를 이용하여 클라우드 서버(200)와 데이터 통신을 할 수 있다.
eMBB(Enhanced Mobile Broadband)는 모바일 브로드밴드 서비스로, 이를 통해 멀티미디어 콘텐츠, 무선데이터 액세스 등이 제공된다. 또한, 폭발적으로 증가하고 있는 모바일 트래픽을 수용하기 위한 핫스팟 (hot spot)과 광대역 커버리지 등 보다 향상된 모바일 서비스가 eMBB를 통해 제공될 수 있다. 핫스팟을 통해 사용자 이동성이 작고 밀도가 높은 지역으로 대용량 트래픽이 수용될 수 있다. 광대역 커버리지를 통해 넓고 안정적인 무선 환경과 사용자 이동성이 보장될 수 있다.
URLLC(Ultra-reliable and low latency communications) 서비스는 데이터 송수신의 신뢰성과 전송 지연 측면에서 기존 LTE 보다 훨씬 엄격한 요구사항을 정의하고 있으며, 산업 현장의 생산 프로세스 자동화, 원격 진료, 원격 수술, 운송, 안전 등을 위한 5G 서비스가 여기에 해당한다.
mMTC(Massive Machine-type communications)는 비교적 작은 양의 데이터 전송이 요구되는 전송지연에 민감하지 않은 서비스이다. 센서 등과 같이 일반 휴대폰 보다 훨씬 더 많은 수의 단말기들이 동시에 무선액세스 네트워크에 mMTC에 의해 접속할 수 있다. 이 경우, 단말기의 통신모듈 가격은 저렴해야 하고, 배터리 교체나 재충전 없이 수년 동안 동작할 수 있도록 향상된 전력 효율 및 전력 절감 기술이 요구된다.
도 2는 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 방법을 수행할 수 있는 사용자 단말(100)을 설명하기 위한 도면이다.
도 2를 참조하면, 사용자 단말(100)은 무선 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 인터페이스부(160), 메모리(170), 프로세서(180) 및 전원공급부(190)를 포함할 수 있다.
본 발명의 실시예에 따른 사용자 단말(100)은 복수의 상업용 세탁기(1000)를 제어하는 제어 단말의 기능을 수행할 수 있다. 상업용 세탁기(1000)는 사용자 단말(100)을 통해 통합 제어 모드에 따른 제어 명령을 제공받고 제어 명령에 따른 동작을 수행할 수 있다.
무선 통신부(110)는, 방송 수신부(111), 이동통신부(112), 무선 인터넷부(113), 근거리 통신부(114), 위치정보부(115) 중 적어도 하나를 포함할 수 있다.
방송 수신부(111)는 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신할 수 있다.
이동통신부(112)는, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신할 수 있으나 본 발명이 위에서 기재된 통신방식의 예에 의해 제한되는 것은 아니다.
무선 인터넷부(113)는 무선 인터넷 접속을 위한 모듈로, 사용자 단말(100)에 내장되거나 외장될 수 있다. 무선 인터넷부(113)는 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 구성될 수 있다.
무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있으나 본 발명이 위에서 기재된 무선 인터넷 기술 규격들의 예에 의해 제한되는 것은 아니다.
근거리 통신부(114)는 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra-wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있으나 본 발명이 위에서 기재된 근거리 통신 방식들의 예에 의해 제한되는 것은 아니다.
위치정보부(115)는 사용자 단말(100)의 위치(또는 현재 위치)를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다. 예를 들어, 사용자 단말(100)은 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 사용자 단말(100)의 위치를 획득할 수 있다.
위치정보부(115)에서 기록한 사용자 단말(100)의 위치 정보는 메모리(170)에 일시적으로 저장될 수 있다. 이는 뒤에서 설명하는 것과 같이 사용자가 복수의 세탁기(1000)에 대하여 사용을 요청하였을 때 클라우드 서버(200)가 스탠바이할 상업용 세탁기를 선택하기 위하여 사용자 단말(100)의 위치 정보를 이용하기 위함이다. 이후 사용자 단말(100)의 위치 정보는 네트워크(500)를 통해 클라우드 서버(200)로 전송될 수 있다.
입력부(120)는 영상 신호 입력을 위한 카메라(121), 오디오 신호를 수신하기 위한 마이크로폰(122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 프로세서(180)에 의해 분석되어 사용자의 제어명령으로 처리될 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, 사용자 단말(100)은 하나 또는 복수의 카메라(121)들을 포함할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 사용자 단말(100)은 마이크로폰(122)을 통해 사용자의 음성 명령을 제공받을 수 있다.
처리된 음성 데이터는 사용자 단말(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 구현될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 사용자 단말(100)의 동작을 제어할 수 있다. 이러한, 사용자 입력부(123)는 기계식(mechanical) 입력수단(또는, 메커니컬 키, 예를 들어, 이동 단말기(100)의 전후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다.
일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 디스플레이부(151)에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 디스플레이부(151) 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다. 한편, 상기 가상키 또는 비주얼 키는, 다양한 형태를 가지면서 터치스크린 상에 표시되는 것이 가능하며, 예를 들어, 그래픽(graphic), 텍스트(text), 아이콘(icon), 비디오(video) 또는 이들의 조합으로 이루어질 수 있다.
러닝 프로세서(130)는 데이터 마이닝, 데이터 분석, 지능형 의사 결정, 및 기계 학습 알고리즘을 수행하고 기술을 위해 이용될 정보를 수신, 분류, 저장 및 출력하도록 구성될 수 있다.
러닝 프로세서(130)는 인공 지능을 이용한 사용자 단말(100)에 의해 수신, 검출, 감지, 생성, 사전 정의 또는 다른 방식으로 출력되거나 수신, 검출, 감지, 생성, 사전 정의 또는 다른 방식으로 다른 컴포넌트, 디바이스, 사용자 단말(100) 또는 사용자 단말(100)과 통신하는 장치에 의해 출력되는 데이터를 저장하도록 구성된 하나 이상의 메모리 유닛을 포함 할 수 있다.
러닝 프로세서(130)는 사용자 단말(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 일부 실시예에서, 러닝 프로세서(130)는 메모리(170)를 사용하여 구현될 수 있다.
선택적으로 또는 부가적으로, 러닝 프로세서(130)는 사용자 단말(100)에 직접 결합된 외부 메모리 또는 사용자 단말(100)과 통신하는 서버에서 유지되는 메모리와 같이 사용자 단말(100)과 관련된 메모리를 사용하여 구현될 수 있다.
다른 실시예에서, 러닝 프로세서(130)는 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 사용자 단말(100)에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다.
러닝 프로세서(130)는 일반적으로 감독 또는 감독되지 않은 학습, 데이터 마이닝, 예측 분석 또는 다른 머신에서 사용하기 위해 데이터를 식별, 색인화, 카테고리화, 조작, 저장, 검색 및 출력하기 위해 데이터를 하나 이상의 데이터베이스에 저장하도록 구성될 수 있다.
러닝 프로세서(130)에 저장된 정보는 다양한 상이한 유형의 데이터 분석 알고리즘 및 기계 학습 알고리즘 중 임의의 것을 사용하여 프로세서(180) 또는 사용자 단말(100)의 하나 이상의 다른 제어기에 의해 이용될 수 있다.
이러한, 알고리즘의 예로는, k-최근 인접 시스템, 퍼지 논리 (예: 가능성 이론), 신경 회로망, 볼츠만 기계, 벡터 양자화, 펄스 신경망, 지원 벡터 기계, 최대 마진 분류기, 힐 클라이밍, 유도 논리 시스템 베이지안 네트워크, 페리트넷 (예: 유한 상태 머신, 밀리 머신, 무어 유한 상태 머신), 분류기 트리 (예: 퍼셉트론 트리, 지원 벡터 트리, 마코프 트리, 의사 결정 트리 포리스트, 임의의 포리스트), 판돈 모델 및 시스템, 인공 융합, 센서 융합, 이미지 융합, 보강 학습, 증강 현실, 패턴 인식, 자동화 된 계획 등을 포함한다.
프로세서(180)는 입력된 정보에 대응되도록 사용자 단말(100)의 동작을 제어할 수 있다.
프로세서(180)는 데이터 분석 및 기계 학습 알고리즘을 사용하여 결정되거나, 생성된 정보에 기초하여 사용자 단말의 적어도 하나의 실행 가능한 동작을 결정 또는 예측할 수 있다. 이를 위해, 프로세서(180)는 러닝 프로세서(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 상기 사용자 단말을 제어할 수 있다.
프로세서(180)는 지능적 에뮬레이션(즉, 지식 기반 시스템, 추론 시스템 및 지식 획득 시스템)을 구현하는 다양한 기능을 수행할 수 있다. 이는 적응 시스템, 기계 학습 시스템, 인공 신경망 등을 포함하는, 다양한 유형의 시스템(예컨대, 퍼지 논리 시스템)에 적용될 수 있다.
프로세서(180)는, 또한 I/O 처리 모듈, 환경 조건 모듈, 음성 - 텍스트 (STT) 처리 모듈, 자연어 처리 모듈, 작업 흐름 처리 모듈 및 서비스 처리 모듈과 같이, 음성 및 자연 언어 음성 처리를 수반하는 연산을 가능하게 하는 서브 모듈을 포함할 수 있다.
이들 서브 모듈들 각각은, 음성 인식 장치에서의 하나 이상의 시스템 또는 데이터 및 모델, 또는 이들의 서브셋 또는 수퍼 셋에 대한 액세스를 가질 수 있다. 또한, 이들 서브 모듈들 각각은, 어휘 색인, 사용자 데이터, 작업 흐름 모델, 서비스 모델 및 자동 음성 인식 (ASR) 시스템을 비롯한 다양한 기능을 제공할 수 있다.
다른 실시예에서, 프로세서(180) 또는 사용자 단말(100)의 다른 양태는 상기 서브 모듈, 시스템, 또는 데이터 및 모델로 구현될 수 있다.
일부 예에서, 러닝 프로세서(130)의 데이터에 기초하여, 프로세서(180)는 사용자 입력 또는 자연 언어 입력으로 표현된 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 검출하고 감지하도록 구성될 수 있다.
프로세서(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 완전히 결정하는데 필요한 정보를 능동적으로 이끌어 내고, 획득할 수 있다. 예를 들어, 프로세서(180)는 역사적 입력 및 출력, 패턴 매칭, 모호하지 않은 단어, 입력 의도 등을 포함하는 과거 데이터를 분석함으로써 요구 사항을 결정하는데, 필요한 정보를 능동적으로 이끌어낼 수 있다.
프로세서(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항에 응답하는 기능을 실행하기 위한 태스크 흐름을 결정할 수 있다.
프로세서(180)는 러닝 프로세서(130)에서 프로세싱 및 저장을 위한 정보를 수집하기 위해, 사용자 단말에서 하나 이상의 감지 컴포넌트를 통해 데이터 분석 및 기계 학습 작업에 사용되는 신호 또는 데이터를 수집, 감지, 추출, 검출 및/또는 수신하도록 구성될 수 있다.
정보 수집은 센서를 통해 정보를 감지하는 것, 메모리(170)에 저장된 정보를 추출하는 것 또는 통신 수단을 통해 다른 인공 지능 기기, 엔티티 또는 외부 저장 장치로부터 정보를 수신하는 것을 포함할 수 있다.
프로세서(180)는 본 발명의 사용자 단말에서 사용 히스토리 정보를 수집하여, 저장할 수 있다. 프로세서(180)는 저장된 사용 히스토리 정보 및 예측 모델링을 사용하여 특정 기능을 실행하기 위한 최상의 매치를 결정할 수 있다.
프로세서(180)는 센싱부(140)를 통해 주변 환경 정보 또는 기타 정보를 수신하거나 감지할 수 있다.
프로세서(180)는 무선 통신부(110)를 통해 방송 신호 및/또는 방송 관련 정보, 무선 신호, 무선 데이터를 수신할 수 있다.
프로세서(180)는 입력부(120)로부터 이미지 정보 (또는 해당 신호), 오디오 정보 (또는 해당 신호), 데이터 또는 사용자 입력 정보를 수신할 수 있다.
프로세서(180)는 정보를 실시간으로 수집하고, 정보 (예를 들어, 지식 그래프, 명령 정책, 개인화 데이터베이스, 대화 엔진 등)를 처리 또는 분류하고, 처리된 정보를 메모리(170) 또는 러닝 프로세서(130)에 저장할 수 있다.
사용자 단말(100)의 동작이 데이터 분석 및 기계 학습 알고리즘 및 기술에 기초하여 결정될 때, 프로세서(180)는 결정된 동작을 실행하기 위해 사용자 단말(100)의 구성 요소를 제어할 수 있다. 그리고 프로세서(180)는 제어 명령에 따라 단말을 제어하여 결정된 동작을 수행할 수 있다.
프로세서(180)는 특정 동작이 수행되는 경우, 데이터 분석 및 기계 학습 알고리즘 및 기법을 통해 특정 동작의 실행을 나타내는 이력 정보를 분석하고, 분석된 정보에 기초하여 이전에 학습한 정보의 업데이트를 수행할 수 있다.
따라서, 프로세서(180)는 러닝 프로세서(130)와 함께, 업데이트된 정보에 기초하여 데이터 분석 및 기계 학습 알고리즘 및 기법의 미래 성능의 정확성을 향상시킬 수 있다.
센싱부(140)는 이동 사용자 단말(100) 내 정보, 이동 사용자 단말(100)을 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱 하기 위한 하나 이상의 센서를 포함할 수 있다.
예를 들어, 센싱부(140)는 근접센서(141, proximity sensor), 조도 센서(142, illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라(121 참조)), 마이크로폰(microphone, 122 참조), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 명세서에 개시된 이동 사용자 단말(100)은, 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(151), 음향 출력부(152), 햅틱 모듈(153), 광 출력부(154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 사용자 단말(100)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부(151)는 사용자 단말(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 사용자 단말(100)과 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 사용자 단말(100)과 사용자 사이의 출력 인터페이스를 제공할 수 있다.
특히, 본 발명의 몇몇 실시예에 따른 디스플레이부(151)는 사용자 단말(100)이 상업용 세탁기(1000)의 제어를 수행하기 위해 사용자의 입력을 받는 인터페이스로서 기능할 수 있다.
상업용 세탁기(1000)의 동작에 관한 세부 사항, 예를 들어 상업용 세탁기(1000)가 수행할 세탁 코스에 포함된 세탁 행정의 종류, 세탁 시간, 세제량이 디스플레이부(151)를 통해 표시될 수 있다. 디스플레이부(151)에 대하여 사용자가 개시 명령을 입력하거나 수정된 세탁 코스를 입력함으로써 상업용 세탁기(1000)를 제어할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 무선 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다. 음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동을 들 수 있다.
광 출력부(154)는 사용자 단말(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. 사용자 단말(100)에서 발생되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
인터페이스부(160)는 사용자 단말(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(160)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port)중 적어도 하나를 포함할 수 있다. 사용자 단말(100)에서는, 상기 인터페이스부(160)에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.
한편, 식별 모듈은 사용자 단말(100)의 사용 권한을 인증하기 위한 각종 정보를 저장한 칩으로서, 사용자 인증 모듈(user identify module; UIM), 가입자 인증 모듈(subscriber identity module; SIM), 범용 사용자 인증 모듈(universal subscriber identity module; USIM) 등을 포함할 수 있다. 식별 모듈이 구비된 장치(이하 '식별 장치')는, 스마트 카드(smart card) 형식으로 제작될 수 있다. 따라서 식별 장치는 상기 인터페이스부(160)를 통하여 사용자 단말(100)과 연결될 수 있다.
메모리(170)는 사용자 단말(100)의 다양한 기능을 지원하는 데이터를 저장한다.
메모리(170)는 사용자 단말(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 사용자 단말(100)의 동작을 위한 데이터들, 명령어들을, 러닝 프로세서(130)의 동작을 위한 데이터들(예를 들어, 머신 러닝을 위한 적어도 하나의 알고리즘 정보 등)을 저장할 수 있다.
메모리(170)는 휘발성 메모리(volatile memory) 또는 불휘발성 메모리(nonvolatile memory)를 포함할 수 있다. 불휘발성 메모리는 ROM (Read Only Memory), PROM (Programmable ROM), EPROM (Electrically Programmable ROM), EEPROM (Electrically Erasable and Programmable ROM), 플래시 메모리, PRAM (Phasechange RAM), MRAM (Magnetic RAM), RRAM (Resistive RAM), FRAM (Ferroelectric RAM) 등을 포함한다. 휘발성 메모리는 DRAM (Dynamic RAM), SRAM (Static RAM), SDRAM (Synchronous DRAM), PRAM (Phase-change RAM), MRAM (Magnetic RAM), RRAM (Resistive RAM), FeRAM (Ferroelectric RAM) 등과 같은 다양한 메모리들 중 적어도 하나를 포함할 수 있다.
프로세서(180)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 사용자 단말(100)의 전반적인 동작을 제어한다. 프로세서(180)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(170)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, 도 1와 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용프로그램의 구동을 위하여, 사용자 단말(100)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
전원공급부(190)는 프로세서(180)의 제어 하에서, 외부의 전원, 내부의 전원을 인가받아 사용자 단말(100)에 포함된 각 구성요소들에 전원을 공급할 수 있다.
전원공급부(190)는 예를 들어 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다. 이와는 달리, 전원공급부(190)는 교류 전원을 입력받아 직류 전원으로 변환하여 사용자 단말(100)에 공급하는 어댑터일 수도 있다.
한편, 앞서 살펴본 것과 같이, 프로세서(180)는 응용 프로그램과 관련된 동작과, 통상적으로 사용자 단말(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(180)는 사용자 단말(100)의 상태가 설정된 조건을 만족하면, 애플리케이션들에 대한 사용자의 제어 명령의 입력을 제한하는 잠금 상태를 실행하거나, 해제할 수 있다.
도 3은 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 시스템에 포함된 클라우드 서버(200)를 설명하기 위한 도면이다.
도 3을 참조하면, 클라우드 서버(200)는 통신부(Communication Unit, 210), 입력부(Input Unit, 220), 메모리(Memory, 230), 러닝 프로세서(Learning Processor, 240), 스토리지(Storage, 250) 및 프로세서(Processor, 260) 등을 포함할 수 있다.
통신부(210)는 도 2의 사용자 단말(100)에 포함된 무선 통신부(110) 및 인터페이스부(160)를 포괄하는 구성과 대응될 수 있다. 즉, 유무선 통신이나 인터페이스를 통하여 다른 장치와 데이터를 송수신할 수 있다.
입력부(220)는 도 2의 입력부(120)에 대응되는 구성이며, 통신부(210)를 통하여 데이터를 수신함으로써 데이터를 획득할 수도 있다.
입력부(220)는 모델 학습을 위한 훈련 데이터 및 학습된 모델(a trained model)을 이용하여 출력을 획득하기 위한 입력 데이터 등을 획득할 수 있다.
입력부(220)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(260)는 획득한 데이터를 전처리하여 모델 학습에 입력이 가능한 훈련 데이터 또는 전처리된 입력 데이터를 생성할 수 있다.
이때, 입력부(220)에서 수행하는 입력 데이터에 대한 전처리는, 입력 데이터로부터 입력 특징점(input feature)을 추출하는 것을 의미할 수 있다.
메모리(230)는 도 2의 메모리(170)에 대응되는 구성이다. 메모리(230)는 모델 저장부(231) 및 데이터베이스(232) 등을 포함할 수 있다. 메모리(230)는 프로세서(260)가 처리하는 데이터를 일시적으로 저장할 수 있다.
모델 저장부(231)는 러닝 프로세서(240)를 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장하며, 학습을 통하여 모델이 업데이트되면 업데이트 된 모델을 저장한다.
이때, 모델 저장부(231)는 필요에 따라 학습된 모델을 학습 시점 또는 학습 진척도 등에 따라 복수의 버전으로 구분하여 저장할 수 있다.
도 3에 도시된 인공 신경망(231a)은 복수의 은닉층을 포함하는 인공 신경망의 하나의 예시일 뿐이며, 본 발명의 인공 신경망이 이에 한정되는 것은 아니다.
인공 신경망(231a)은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 인공 신경망(231a)의 일부 또는 전부가 소프트웨어로 구현되는 경우, 인공 신경망(231a)을 구성하는 하나 이상의 명령어는 메모리(230)에 저장될 수 있다.
데이터베이스(232)는 입력부(220)에서 획득한 입력 데이터, 모델 학습을 위하여 이용되는 학습 데이터(또는 훈련 데이터), 모델의 학습 히스토리 등을 저장할 수 있다.
데이터베이스(232)에 저장된 입력 데이터는 모델 학습에 적합하게 가공된 데이터뿐만 아니라, 가공되지 않은 입력 데이터 그 자체일 수 있다.
본 발명의 몇몇 실시예의 상업용 세탁기의 제어 시스템에 포함된 클라우드 서버(200)는 사용자의 상업용 세탁기 사용 이력을 저장할 수 있다. 서버(200)에 저장된 사용자의 상업용 세탁기 사용 이력 및 이를 이용한 추천 세탁 코스의 생성에 관하여 이후 도 7을 이용하여 더욱 자세하게 설명한다.
러닝 프로세서(240)는 도 2의 러닝 프로세서(130)에 대응되는 구성이다. 러닝 프로세서(240)는 훈련 데이터 또는 트레이닝 셋(training set)을 이용하여 인공 신경망(231a)을 훈련(training, 또는 학습)시킬 수 있다.
러닝 프로세서(240)는 프로세서(260)가 입력부(220)를 통해 획득한 입력 데이터를 전처리한 데이터를 바로 획득하여 인공 신경망(231a)을 학습하거나, 데이터베이스(232)에 저장된 전처리된 입력 데이터를 획득하여 인공 신경망(231a)을 학습할 수 있다.
구체적으로, 러닝 프로세서(240)는 앞서 설명한 다양한 학습 기법을 이용하여 인공 신경망(231a)을 반복적으로 학습시킴으로써, 인공 신경망(231a)의 최적화된 모델 파라미터들을 결정할 수 있다.
본 명세서에서는 훈련 데이터를 이용하여 학습됨으로써 파라미터가 결정된 인공 신경망을 학습 모델 또는 학습된 모델(a trained model)이라 칭할 수 있다.
이때, 학습 모델은 인공 신경망의 클라우드 서버(200)에 탑재된 상태에서 결과 값을 추론할 수도 있으며, 통신부(210)를 통해 사용자 단말(100)과 같은 다른 장치에 전송되어 탑재될 수도 있다.
또한, 학습 모델이 업데이트되는 경우, 업데이트된 학습 모델은 통신부(210)를 통해 사용자 단말(100)과 같은 다른 장치에 전송되어 탑재될 수 있다.
스토리지(250)는 클라우드 서버(200)의 동작에 필요한 프로그램 및 데이터를 저장할 수 있다. 스토리지(250)는 예를 들어, 상업용 세탁기의 세탁 코스에 대응하는 제어 명령과 관련된 프로그램 데이터를 저장하고, 프로세서(260)에 의해 해당 프로그램이 실행될 때 이를 메모리(230)에 제공할 수 있다.
또한, 스토리지(250)는 사용자 계정과 각 사용자별로 등록된 상업용 세탁기의 사용 이력에 관한 데이터를 저장할 수 있다. 뒤에 설명하는 것과 같이, 클라우드 서버(200)는 사용자 계정에 저장된 상업용 세탁기의 사용 이력을 이용하여 추천 세탁 코스를 생성할 수 있다. 프로세서(260)는 사용자 계정에 저장된 상업용 세탁기의 사용 이력에 관한 정보를 스토리지(250)로부터 로딩하여 메모리(230)에 제공할 수 있다.
그 밖에 클라우드 서버(200)는 인공 지능 모델을 평가할 수 있으며, 평가 후에도 더 나은 성능을 위해 인공 지능 모델을 업데이트 하고 업데이트된 인공 지능 모델을 사용자 단말(100)에 제공할 수 있다. 여기서, 사용자 단말(100)은 클라우드 서버(200)가 수행하는 일련의 단계들을 로컬 영역에서 단독으로 또는 클라우드 서버(200)와의 통신을 통해 함께 수행할 수 있다.
예를 들어 사용자 단말(100)은, 사용자 개인의 데이터에 의한 학습을 통해 인공 지능 모델이 사용자의 개인적 패턴을 학습시킴으로써, 클라우드 서버(200)로부터 다운로드 받은 인공 지능 모델을 업데이트할 수 있다.
도 4는 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 시스템에 포함되는 상업용 세탁기(300)를 설명하기 위한 도면이다.
상업용 세탁기(300)는 도 1을 참조하여 설명된 복수의 상업용 세탁기(1000)에 포함된다. 또한 이하에서 설명되는 내용은 복수의 상업용 세탁기(1000) 모두에 적용될 수 있다.
도 4를 참조하면, 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 시스템에 포함된 상업용 세탁기(300)는 프로세서(310), 디스플레이(320), 입출력부(330), 통신 인터페이스(340), 메모리(350), 센서(360) 및 구동부(370)를 포함할 수 있다.
프로세서(310)는 상업용 세탁기(300)의 동작을 제어할 수 있다. 구체적으로, 사용자 단말(100) 또는 클라우드 서버(2000와 연결된 통신 인터페이스(340)를 통해 상업용 세탁기(300)의 제어 명령이 제공되면, 프로세서(310)는 해당 제어 명령을 기반으로 상업용 세탁기(300)의 동작을 제어할 수 있다.
디스플레이(320)는 상업용 세탁기(300)의 내부 상태 또는 데이터를 표시할 수 있다. 몇몇 실시예에서 사용자는 디스플레이(320)에 표시된 사용자 인터페이스를 통하여 가전 기기(300)를 제어할 수도 있다.
입출력부(330)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰 등의 입력부 및/또는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 출력부인 음향 출력부, 햅틱 모듈, 광 출력부 중 적어도 하나를 포함할 수 있다.
통신 인터페이스(340)는 송신부(transceiver) 및 수신부(receiver)를 포함할 수 있다. 상업용 세탁기(300)는 통신 인터페이스(340)를 통하여 네트워크(500)에 접속함으로써 사용자 단말(100) 또는 클라우드 서버(200)와 연결될 수 있다.
사용자 단말(100) 또는 클라우드 서버(200)와 연결된 상업용 세탁기(300)는 상업용 세탁기(300)의 구동에 필요한 제어 명령을 통신 인터페이스(340)를 통해 수신할 수 있다.
통신 인터페이스(340)는 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등의 무선 인터넷 규격을 이용할 수 있으나 본 발명이 위에서 기재된 무선 인터넷 기술 규격들의 예에 의해 제한되는 것은 아니다.
메모리(350)는 휘발성 메모리(volatile memory) 또는 불휘발성 메모리(nonvolatile memory)를 포함할 수 있다. 불휘발성 메모리는 ROM (Read Only Memory), PROM (Programmable ROM), EPROM (Electrically Programmable ROM), EEPROM (Electrically Erasable and Programmable ROM), 플래시 메모리, PRAM (Phasechange RAM), MRAM (Magnetic RAM), RRAM (Resistive RAM), FRAM (Ferroelectric RAM) 등을 포함한다. 휘발성 메모리는 DRAM (Dynamic RAM), SRAM (Static RAM), SDRAM (Synchronous DRAM), PRAM (Phase-change RAM), MRAM (Magnetic RAM), RRAM (Resistive RAM), FeRAM (Ferroelectric RAM) 등과 같은 다양한 메모리들 중 적어도 하나를 포함할 수 있다.
센서(360)는 예를 들어 근접센서(proximity sensor), 조도 센서(142, illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor) 등을 포함할 수 있으나 이에 제한되는 것은 아니다.
특히, 센서(360)는 상업용 세탁기(300)에 포함된 세탁조 내의 온도를 측정하기 위한 온도 센서, 세제량을 측정하기 위한 무게 센서 등을 포함할 수도 있다.
구동부(370)는 상업용 세탁기의 구동에 필요한 기계적 또는 전기적 동작을 할 수 있다. 구동부(370)는 세탁물을 수납하는 한편, 프로세서(310)에 의해 제어되는 세탁 행정에 필요한 동작을 수행할 수 있다. 구동부(370)는 예를 들어 세탁물을 수납하는 세탁조, 세탁 행정 중에 세탁조를 회전시키는 모터, 세탁조에 투입되는 물을 공급하는 펌프 등을 포함할 수 있으나 이에 제한되는 것은 아니다.
도 5는　본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 방법을 설명하기 위한 순서도이디. 아래에서 더욱 자세하게 설명하겠지만, 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 방법은 사용자 단말(100), 클라우드 서버(200) 및 상업용 세탁기(300)에 의하여 수행될 수 있다. 예를 들어 사용자 단말(100)의 프로세서(180)와 서버(200)의 프로세서(260) 등에 의하여 상업용 세탁기의 제어 방법의 각 단계가 수행될 수 있다.
도 5을 참조하면, 사용자 단말을 통해 상업용 세탁기에 대한 사용 요청이 제공된다(S110).
복수의 상업용 세탁기(1000)는 세탁기를 사용하고자 하는 사람들로부터 사용 요청을 받고, 예약이 완료된 사용자의 세탁물을 세탁할 수 있다. 사용 예약은 복수의 상업용 세탁기(1000) 중 어느 하나를 지금 또는 미래의 특정 시점에 사용하기 위해 사용자를 제외한 다른 사람의 사용을 배제하는 동작을 의미한다.
사용자로부터 복수의 상업용 세탁기(1000) 중 어느 하나에 대한 사용 요청이 있는 경우 클라우드 서버(200)는 복수의 상업용 세탁기(1000)의 상태 정보를 수집한다. 이후 클라우드 서버(200)는 사용 가능한 상업용 세탁기에 대해 사용 예약을 수행할 수 있다.
사용자는 상업용 세탁기(1000)에 대한 사용 요청을 위해 사용자 단말(100)을 이용할 수 있다. 사용 요청은 사용자 단말(100)이 클라우드 서버(200)에 접속하여 진행될 수 있다. 상업용 세탁기(1000)의 사용 예약을 위해 사용자에 대한 인증 과정이 수행될 수 있다. 상기 사용자 인증은 사용자 단말(100)을 통해 클라우드 서버(200) 상에 존재하는 사용자 계정에 로그인하는 과정에 의해 수행될 수 있다.
몇몇 실시예에서, 사용자 단말(100) 상에서 실행되는 애플리케이션(application)을 통해 상업용 세탁기의 사용 요청 및 사용 예약이 수행될 수 있다.
사용자 단말(100)은 애플리케이션 상에서 상업용 세탁기의 사용 요청에 관한 세부 사항, 예를 들어 사용 예약 시각, 세탁물의 양 등의 조건을 사용자로부터 입력받을 수 있다.
사용자 단말(100)이 스마트폰인 경우, 사용자 단말(100)은 터치 인터페이스를 포함하는 사용자 입력부(123)를 통해 입력을 제공받을 수 있으나 이에 제한되지 않는다. 또는, 사용자로부터 상업용 세탁기(1000)의 사용을 요청하는 음성 입력이 제공되면, 사용자 단말(100)은 마이크로폰(122)을 통해 음성 신호의 형태로 사용 요청을 제공받을 수 있다.
이어서, 사용자 단말(100)은 제공받은 상업용 세탁기(1000)에 대한 사용 요청을 클라우드 서버(200)로 전송할 수 있다(S120).
사용자 단말(100)은 상업용 세탁기(1000)를 사용하는 시각 및 세탁하고자 하는 세탁물의 양 등에 관한 정보를 상업용 세탁기(1000)의 사용 요청과 함께 클라우드 서버(200)로 전송할 수 있다.
또한, 사용자 단말(100)은 사용 요청과 함께 사용자의 상태 정보를 클라우드 서버(200)로 제공할 수 있다. 사용자의 상태 정보는 예를 들어, 사용자의 위치 정보일 수 있다.
사용자 단말(100)의 위치정보부(115)가 사용자 단말(100)의 위치 정보를 획득하면, 사용자 단말(100)은 이를 사용 요청과 함께 클라우드 서버(200)로 전송할 수 있다.
본 발명의 몇몇 다른 실시예에서, 사용자의 위치 정보는 사용자의 입력에 의해 획득될 수도 있다. 사용자가 사용자 단말(100)에 자신의 현재 위치를 직접 입력하거나, 사용을 원하는 상업용 세탁기의 위치를 직접 입력함으로써 클라우드 서버(200)로 제공될 위치 정보가 얻어질 수도 있다.
이어서, 클라우드 서버(200)는 사용 요청에 기초하여 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 선택하여 스탠바이 상태로 설정한다(S130). 이와 관련하여 도 6을 이용하여 더욱 자세하게 설명한다.
도 6은 본 발명의 몇몇 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 시스템이 상업용 세탁기를 스탠바이 상태로 설정하는 것을 설명하기 위한 도면이다.
도 6을 참조하면, 제1 내지 제3 복수의 상업용 세탁기(1100~1300)가 도시된다. 앞서 설명한 것과 같이 제1 내지 제3 복수의 상업용 세탁기(1100~1300)는 각각 서로 다른 공간에 배치된 상업용 세탁기이다. 즉, 제1 내지 제3 복수의 상업용 세탁기(1100~1300)는 사용자와 서로 다른 거리에 위치에 있는 셀프세탁소에 각각 배치될 수 있다.
사용자의 상업용 세탁기에 대한 사용 요청에 대해 클라우드 서버(200)는 복수의 상업용 세탁기들(1100, 1200 1300)의 가용 정보(410)를 참조할 수 있다. 상기 가용 정보(410)는 클라우드 서버(200)와 네트워크(500)를 통해 연결된 복수의 상업용 세탁기(1000) 가운데 사용 가능한 상업용 세탁기들에 관한 정보를 의미한다.
도 6에서 음영으로 표시된 상업용 세탁기들(1102, 1104, 1203, 1301, 1302)은 다른 사용자에 의하여 사용 중인 세탁기들의 예시이다. 이 상업용 세탁기들은 진행 중인 세탁 코스가 완전히 종료한 후에 사용 가능하므로 사용 요청이 제공된 시점에는 사용할 수 없는 상업용 세탁기로 분류된다.
또한, 복수의 상업용 세탁기(1100, 1200, 1300) 가운데 현재 사용 중은 아니지만 다른 사용자가 제공한 사용 요청에 의해 사용 예약이 설정된 상업용 세탁기를 포함할 수도 있다. 이는 예시적으로 도 6에서 또 다른 음영으로 표시된 상업용 세탁기(1101, 1304)로 도시된다. 해당 상업용 세탁기 또한 사용자의 사용 요청 시점에서 사용할 수 없는 상업용 세탁기로 분류된다.
상업용 세탁기(1000)들은 사용자에 의해 설정된 세탁 코스의 수행을 시작하거나 또는 종료되었을 때 이를 클라우드 서버(200)에 알릴 수 있다. 클라우드 서버(200)는 상업용 세탁기들(1000)로부터 통지된 세탁 코스의 시작 또는 종료의 통지를 기초로 상업용 세탁기(1000)의 사용 상태에 관한 정보를 갱신할 수 있다.
도 7에서 예시적으로 사용 가능한 상태로 도시된 세탁기들(1103, 1201, 1202, 1204, 1303)은 현재 사용 가능한 상태, 즉 사용 예약이 설정될 수 있는 상태의 상업용 세탁기로 분류된다. 따라서 클라우드 서버(200)는 이들 세탁기들(1103, 1201, 1202, 1204, 1303) 중 하나를 선택할 수 있다.
사용자에 의한 상업용 세탁기(1000)의 사용 요청이 제공되었을 때, 클라우드 서버(200)는 사용 요청을 제공한 사용자의 상태 정보, 예를 들어 사용자의 위치 정보(420)를 참고하여 사용 가능한 상업용 세탁기(1000)에 대한 사용 예약을 수행할 수 있다. 예를 들어 사용 요청을 제공한 사용자의 현재 위치와 가장 가까운 셀프세탁소를 순서대로 제2 셀프세탁소, 제1 셀프세탁소, 제3 셀프세탁소라고 가정한다.
클라우드 서버(200)는 사용자와 가장 가까운 위치에 있는 상업용 세탁기 가운데 사용 가능한 어느 하나를 선택할 수 있다. 클라우드 서버(200)는 사용 요청에 대해 사용 가능한 제2 상업용 세탁기들(1201, 1202, 1204) 중 하나를 선택하여 스탠바이 상태로 설정할 수 있다.
또는 도 7에서 도시된 것과 달리 제2 셀프세탁소의 상업용 세탁기들이 모두 사용 가능하지 않은 경우, 사용자와 그 다음 가까운 거리에 위치한 제1 셀프세탁소의 상업용 세탁기(1103)를 선택하여 스탠바이 상태로 설정(410)할 수 있다.
클라우드 서버(200)는 스탠바이될 상업용 세탁기를 선택하면서 상업용 세탁기의 가용 정보(410)를 갱신할 수 있다. 스탠바이된 상업용 세탁기의 상태 정보는 상업용 세탁기의 가용 정보(410) 상에서 사용자에 의해 예약된 상태로 변경될 수 있다.
클라우드 서버(200)는 선택된 상업용 세탁기를 스탠바이 상태로 설정하면서 전원을 온(on) 시킬 수 있다. 스탠바이 상태로 설정된 상업용 세탁기는 사용 요청한 사용자 이외의 사용자가 사용할 수 없도록 잠금 상태로 설정될 수 있다. 상기 잠금 상태에서 상업용 세탁기의 입출력부(330)가 잠겨져 조작이 불가능하거나, 상업용 세탁기(300)의 세탁조의 도어가 잠겨질 수 있다. 이를 해제하기 위해서는 사용자 단말(100)과 클라우드 서버(200) 또는 상업용 세탁기(300) 간의 인증 과정이 필요할 수 있다.
이어서, 사용자의 상업용 세탁기에 대한 사용 이력에 기초하여 추천 세탁 코스를 생성하고 이를 사용자에게 제공한다(S140). 이와 관련하여 도 7을 이용하여 더욱 자세하게 설명한다.
도 7은 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 시스템이 추천 세탁 코스를 생성하는 것을 설명하기 위한 도면이다.
도 7을 참조하면, 클라우드 서버(200)는 사용자에게 제공할 추천 세탁 코스를 생성하기 위하여 상업용 세탁기의 사용 이력(610)을 이용할 수 있다.
사용자의 상업용 세탁기의 사용 이력(610)은 네트워크(500)로 연결된 복수의 상업용 세탁기(1000)들에 대한 사용 이력을 포함할 수 있다. 즉, 상업용 세탁기의 사용 이력(610)은 네트워크(500)를 통해 연결되고 서로 다른 공간에 위치한 복수의 상업용 세탁기들(1000)에 대한 사용 이력을 모두 포함할 수 있다.
사용자의 상업용 세탁기에 대한 사용 이력(610)은 클라우드 서버(200) 상의 사용자 계정에 각각 저장될 수 있다. 상업용 세탁기의 사용 이력(610)은 예를 들어, 과거에 사용자가 상업용 세탁기를 사용하면서 선택한 세탁 행정, 세탁 시간, 세제량 등을 포함할 수 있다.
클라우드 서버(200)는 추천 세탁 코스를 생성하기 위해 사용자의 상업용 세탁기의 사용 이력(610)으로부터 특징(feature)을 추출할 수 있다. 예를 들어, 클라우드 서버(200)는 인공 신경망(231a)을 이용하여 사용자의 상업용 세탁기의 사용 이력(610)으로부터 특징을 추출할 수 있다. 사용자의 사용 이력의 특징 정보들에 기반한 학습 결과로 사용자에게 적합한 추천 세탁 코스를 생성할 수 있다.
본 발명의 몇몇 실시예에서, 클라우드 서버(200)는 사용자의 가정 내 세탁기의 사용 이력(620)을 이용하여 추천 세탁 코스를 생성할 수 있다. 사용자의 가정 내 세탁기의 사용 이력(620)은 예를 들어 과거에 사용자가 가정 내 세탁기를 사용하면서 선택한 세탁 행정, 세탁 시간, 세제량 등을 포함할 수 있다.
사용자가 보유한 가정용 세탁기는 네트워크(500)로 연결된 상업용 세탁기들과 다른 모델일 수도 있다. 따라서 사용자의 상업용 세탁기에 사용될 추천 세탁 코스를 생성함에 있어 가정용 세탁기의 사용 이력의 중요도는 상업용 세탁기의 사용 이력의 중요도에 비해 낮을 수 있다. 이를 반영하기 위해 상업용 세탁기의 추천 세탁 코스를 생성할 때 사용자의 가정용 세탁기의 사용 이력(620)은 상업용 세탁기의 사용 이력(610)에 비해 낮은 가중치를 가질 수 있다.
클라우드 서버(200)는 추천 세탁 코스를 생성하기 위해 사용자의 가정용 세탁기의 사용 이력(620)으로부터 특징(feature)을 추출하고, 추출된 특징 정보들에 기반한 학습 결과로 사용자에게 적합한 추천 세탁 코스를 생성할 수 있다.
한편, 클라우드 서버(200)는 사용자의 주변 환경 정보(630)에 기초하여 추천 세탁 코스를 생성할 수도 있다. 사용자의 주변 환경 정보(630)는 예를 들어, 미세먼지 정보, 및 날씨 정보를 포함할 수 있다. 클라우드 서버(200)는 사용자 단말(100)로부터 제공된 사용자의 위치 정보에 기초하여 사용자의 주변 환경 정보(630)를 획득할 수 있다.
예를 들어 사용자 주변에 미세먼지가 평소에 비해 증가된 수준인 경우를 가정한다. 이 때 클라우드 서버(200)는 추천 세탁 코스를 생성함에 있어, 세탁 및 헹굼 코스의 시간을 증가시킴으로써 세탁물에 미세먼지가 많이 붙어있는 경우에 대응할 수 있는 추천 세탁 코스를 생성할 수 있다.
또는, 사용자 주변의 날씨 정보에 의해 연속적으로 비가 오는 경우를 가정한다. 이 때 클라우드 서버(200)는 추천 세탁 코스를 생성함에 있어, 세탁물이 눅눅해지지 않도록 건조 코스의 시간을 증가시킨 것을 포함하는 추천 세탁 코스를 생성할 수 있다.
클라우드 서버(200)가 사용자의 주변 환경 정보를 이용하는 것은 위의 사례에 제한되지 않는다. 사용자의 주변 환경 정보는 상업용 세탁기 사용 이력(610) 또는 가정용 세탁기 사용 이력(620)과 함께 인공 신경망(231a)에 입력으로 제공하여 추천 세탁 코스를 생성하는 것에 이용될 수도 있다.
상술한 과정을 거쳐 상업용 세탁기에 대하여 생성된 추천 세탁 코스(640)는 사용자에게 제공될 수 있다. 이후 추천 세탁 코스에 기초하여 상업용 세탁기가 구동될 수 있다(S150).
추천 세탁 코스를 이용한 상업용 세탁기의 제어와 관련하여 도 8을 이용하여 더욱 자세하게 설명한다.
도 8은 본 발명의 몇몇 실시예에 따른 상업용 세탁기의 제어 방법을 설명하기 위한 순서도이다.
도 8을 참조하면, 사용자 단말에 추천 세탁 코스가 제공된다(S210).
클라우드 서버(200)가 추천 세탁 코스를 생성하면, 이를 사용자 단말(100)에 제공한다. 이어서 사용자 단말(100)의 디스플레이부(151)는 추천 세탁 코스의 세부 사항을 표시한다(S220).
예를 들어 디스플레이부(151)에는 추천 세탁 코스의 세탁 행정, 세탁 시간 및 투입될 세제량이 표시될 수 있다.
사용자는 사용자 단말(100)의 인터페이스부(160)를 통해 추천 세탁 코스에 대한 사용자 입력을 제공할 수 있다(S230). 예를 들어 사용자는 사용자 단말(100)의 디스플레이부(151)의 터치스크린을 통해 사용자 입력을 제공할 수 있다.
사용자 단말(100)은 제공된 사용자 입력의 종류에 관하여 판단한다(S240). 사용자 입력이 제공된 상업용 세탁기의 추천 세탁 코스의 수행을 시작하기 위한 입력인 경우 추천 세탁 코스를 기초로 생성된 상업용 세탁기를 기동하기 위한 제어 명령이 상업용 세탁기로 제공될 수 있다(S250).
사용자 단말(100)로 제공된 사용자 입력이 세탁 코스를 변경하기 위한 사용자 입력인 경우 사용자 단말(100)은 사용자 입력에 기초하여 변경된 세탁 코스를 생성할 수 있다. 사용자 단말(100)은 변경된 세탁 코스에 기초하여 상업용 세탁기를 기동하는 한편, 이를 클라우드 서버(200)에 전송할 수 있다(S260).
클라우드 서버(200)는 제공된 세탁 코스를 이용하여 추천 세탁 코스를 생성하기 위한 학습 모델을 업데이트할 수 있다(S270). 이후 사용자로부터 또 다른 상업용 세탁기의 사용 요청이 있는 경우 클라우드 서버(200)는 업데이트된 학습 모델을 이용하여 추천 세탁 코스를 생성할 수 있다.
도 10은 본 발명의 몇몇 실시에에 따른 상업용 세탁기를 이용한 제어 방법을 설명하기 위한 데이터 흐름도이다.
도 10을 참조하면, 사용자 단말(100)과 클라우드 서버(200) 사이에 사용자 인증이 수행된다(S105). 사용자 인증 과정은 사용자 단말(100)에서 수행되는 애플리케이션 상에서 진행될 수 있다. 사용자는 사용자 인증을 위해 예를 들어 패스워드 입력, 얼굴 인식 또는 지문 인식 등의 다양한 방법을 이용할 수 있다.
이어서 사용자로부터 상업용 세탁기에 대한 사용 요청이 사용자 단말(100)로 제공된다(S110). 사용자 단말(100)은 상업용 세탁기에 대한 사용 요청과 함께 사용 예약 시각, 세탁물의 양 등의 조건을 사용자로부터 입력받을 수 있다.
사용자 단말(100)은 사용 요청과 함께 사용자 정보를 클라우드 서버(200)로 제공한다(S120). 사용자 정보는 예를 들어 사용자 단말(100)의 위치정보부(115)를 통해 얻어진 위치 정보를 포함할 수 있다.
클라우드 서버(200)는 사용자 정보에 기반하여 사용 가능한 상업용 세탁기를 선택한다(S131). 사용 가능한 세탁기의 선택을 위해 클라우드 서버(200)는 네트워크(500)에 연결된 복수의 상업용 세탁기(300)의 사용 상태를 이용할 수 있다. 또한 클라우드 서버(200)는 앞서 사용자 단말(100)로부터 제공된 위치 정보에 기초하여 사용자와 가장 가까운 곳에 위치하고 사용 가능한 상업용 세탁기를 선택할 수 있다.
클라우드 서버(200)는 선택된 상업용 세탁기를 스탠바이 상태로 설정할 수 있다(S135). 스탠바이 상태로 설정된 상업용 세탁기는 전원이 온(on) 상태로 설정될 수 있으며, 사용 요청한 사용자 이외의 사용자가 사용할 수 없도록 잠금 상태로 설정될 수 있다.
클라우드 서버(200)는 사용자의 상업용 세타기 및/또는 가정용 세탁기 사용 이력에 기초하여 추천 세탁 코스를 생성한다(S141). 클라우드 서버(200)가 추천 세탁 코스를 생성하는 것은 사용자의 사용 이력으로부터 특징이 추출된 학습 모델을 생성하고, 생성된 학습 모델의 출력으로 추천 세탁 코스를 생성하는 것일 수 있다.
클라우드 서버(200)는 스탠바이 된 상업용 세탁기의 정보 및 생성된 추천 세탁 코스의 정보를 사용자 단말(100)로 제공한다(S145). 스탠바이 된 상업용 세탁기가 위치한 셀프세탁소의 정보 및 셀프세탁소 내 스탠바이 된 상업용 세탁기의 번호 등의 정보가 사용자 단말(100)을 통해 사용자에게 제공될 수 있다.
사용자가 사용자 단말(100)을 통해 세탁 코스 또는 입력을 통해 수정된 세탁 코스를 이용한 동작 명령을 내리면, 사용자 단말(100)은 추천 세탁 코스 또는 수정된 세탁 코스로 상업용 세탁기(300)를 제어한다(S151).
상업용 세탁기(300)가 스탠바이 될 때 잠금 설정이 이루어진 경우에, 다시 한 번 사용자 단말(100)을 이용한 사용자 인증이 수행될 수 있다. 상기 사용자 인증은 사용자 단말(100)과 클라우드 서버(200) 사이에 수행될 수 있다.
또는, 사용자 인증은 사용자 단말(100)의 근거리 통신부(114)와 상업용 세탁기(300) 사이의 통신에 의하여 수행될 수도 있다. 예를 들어 근거리 통신부(114)의 통신 기능, 예를 들어 블루투스 또는 NFC 통신을 이용하여 사용자 단말(100)과 상업용 세탁기(300) 사이의 통신이 직접 수행될 수 있다.
사용자 인증이 완료된 이후 상업용 세탁기(300)의 잠금 상태는 해제되고, 상업용 세탁기(300)의 입출력부(330)의 사용이 가능해지거나 세탁조의 도어가 열릴 수 있다.
사용자 단말(100)은 클라우드 서버(200) 또는 상업용 세탁기(300)를 대상으로 제어 명령을 전송한다(S152, S153). 제어 명령을 제공받은 상업용 세탁기(300)는 제어에 따라 세탁 행정을 개시한다(S155).
클라우드 서버(200)는 세탁 행정이 개시되면 상업용 세탁기의 가용 정보(410)를 갱신할 수 있다. 세탁 행정이 개시된 상업용 세탁기의 상태 정보는 상업용 세탁기의 가용 정보(410) 상에서 사용자에 의해 사용 중인 상태로 변경될 수 있다.
상업용 세탁기(300)가 세탁을 완료하고(S161), 세탁 완료 정보를 클라우드 서버(200)로 전송한다(S162). 클라우드 서버(200)는 상업용 세탁기(300)의 세탁 완료 정보를 전송받고, 완료된 상업용 세탁기가 사용 가능한 것을 나타내도록 상업용 세탁기의 가용 정보(410)를 업데이트할 수 있다.
클라우드 서버(200)는 세탁 완료 여부를 사용자에게 알리기 위하여 세탁 완료 정보를 사용자 단말(100)에 전송한다(S163). 사용자 단말(100)은 디스플레이부(151) 등을 통해 세탁 완료 정보를 표시한다(S164).
본 발명의 실시예에 따른 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 시스템은 사용자의 사용 요청에 대응하여 클라이언트 서버(200)를 통해 사용하고자 하는 상업용 세탁기의 사용을 예약한다. 따라서 이를 통해 상업용 세탁기를 사용하고자 하는 사용자의 편의를 증가시키고 사용자 경험을 향상시킬 수 있다.
또한, 클라우드 서버(200)는 상업용 세탁기에 적용할 수 있는 추천 세탁 코스를 생성하여 사용자에게 제공할 수 있다. 이는 사용자의 과거 상업용 세탁기 또는 가정용 세탁기의 사용 이력에 기초하여 생성되기 때문에 사용자의 사용 습관에 맞춘 추천 세탁 코스의 제공이 가능하다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 프로세서(180)를 포함할 수도 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 사용자 단말 110: 무선 통신부
120: 입력부 130: 러닝 프로세서
140: 센싱부 150: 출력부
160: 인터페이스부 170: 메모리
180, 260: 프로세서 190: 전원 공급부
200: 클라우드 서버 210: 통신부
230: 메모리 240: 러닝 프로세서
250: 스토리지 300, 1000: 상업용 세탁기

Claims (18)

  1. 사용자 단말을 통해 사용자로부터 네트워크로 서로 연결된 복수의 상업용 세탁기에 대한 사용 요청을 제공받는 단계;
    상기 사용 요청을 클라우드 서버로 전송하는 단계;
    상기 클라우드 서버가 상기 사용 요청에 대해 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 선택하여 스탠바이 상태로 설정하는 단계; 및
    상기 클라우드 서버가 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력에 기초하여 생성한 추천 세탁 코스를 상기 사용자에게 제공하는 단계;를 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  2. 제 1항에 있어서,
    상기 사용자가 상기 복수의 상업용 세탁기에 대한 사용 요청을 제공하기 위해 상기 클라우드 서버에 등록된 사용자 계정에 로그인하는 단계를 더 포함하고,
    상기 사용자 계정은 상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력을 저장하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  3. 제 2항에 있어서,
    상기 사용자 계정은 상기 사용자가 보유한 가정용 세탁기의 사용 이력을 저장하고,
    상기 클라우드 서버는 상기 사용자의 가정용 세탁기 사용 이력과 항기 복수의 상업용 세탁기의 사용 이력을 함께 참조하여 상기 추천 세탁 코스를 생성하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  4. 제 2항에 있어서,
    상기 복수의 상업용 세탁기는, 서로 다른 공간에 위치한 복수의 상업용 세탁기를 포함하고,
    상기 복수의 상업용 세탁기의 사용 이력은 상기 서로 다른 공간에 위치한 복수의 상업용 세탁기를 사용한 이력을 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  5. 제 4항에 있어서,
    상기 클라우드 서버가 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 스탠바이 상태로 설정하는 단계는,
    상기 사용자의 위치 정보를 제공받고,
    상기 사용자의 위치 정보에 기반하여 상기 서로 다른 공간에 위치한 복수의 상업용 세탁기 중, 사용자와 가장 가까운 곳에 위치한 복수의 상업용 세탁기 중 사용 가능한 것을 선택하여 스탠바이 상태로 설정하는 것을 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  6. 제 1항에 있어서,
    상기 클라우드 서버가 상기 추천 세탁 코스를 생성하는 단계는,
    상기 사용자의 상업용 세탁기의 사용 이력에 포함된 세탁 행정, 세탁 시간, 세제량 중 적어도 어느 하나의 특징을 추출하고,
    상기 추출된 특징으로부터 상기 추천 세탁 코스를 생성하는 것을 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  7. 제 1항에 있어서,
    상기 추천 세탁 코스에 기초한 제어 명령을 이용하여 상기 스탠바이된 상업용 세탁기를 제어하는 단계를 더 포함하는 상업용 세탁기의 제어 방법.
  8. 제 7항에 있어서,
    상기 스탠바이된 상업용 세탁기를 제어하기 위해 사용자 단말을 이용하여 상기 상업용 세탁기의 잠금을 해제하는 단계를 더 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 방법.
  9. 컴퓨터를 이용하여 제 1 항 내지 제 9 항의 방법 중 어느 한 항의 방법을 실행시키기 위하여 상기 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  10. 네트워크로 서로 연결된 복수의 상업용 세탁기; 및
    사용자로부터 상기 복수의 상업용 세탁기에 대한 사용 요청을 제공받고, 상기 복수의 상업용 세탁기 중 사용 가능한 어느 하나를 선택하여 스탠바이 상태로 설정하는 클라우드 서버;를 포함하고,
    상기 클라우드 서버는,
    상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력을 저장하는 스토리지, 및
    상기 사용자의 상기 복수의 상업용 세탁기의 사용 이력에 기초하여 추천 세탁 코스를 생성하는 프로세서를 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  11. 제 10항에 있어서,
    상기 스토리지는 상기 사용자가 상기 복수의 상업용 세탁기에 대한 사용 요청을 제공하기 위해 로그인하는 사용자 계정을 저장하고,
    상기 사용자의 상업용 세탁기 사용 이력은 상기 사용자 계정에 저장되는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  12. 제 11항에 있어서,
    상기 사용자 계정은 상기 사용자의 가정용 세탁기 사용 이력을 저장하고,
    상기 프로세서는 상기 사용자의 가정용 세탁기 사용 이력과 항기 복수의 상업용 세탁기의 사용 이력을 함께 참조하여 상기 추천 세탁 코스를 생성하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  13. 제 10항에 있어서,
    상기 프로세서는, 상기 사용자의 세탁기 사용 이력에 포함된 세탁 행정, 세탁 시간, 세제량 중 적어도 어느 하나의 특징을 추출하고,
    상기 추출된 특징으로부터 상기 추천 세탁 코스를 생성하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  14. 제 10항에 있어서,
    상기 복수의 상업용 세탁기는, 서로 다른 공간에 위치한 복수의 상업용 세탁기를 포함하고,
    상기 복수의 상업용 세탁기의 사용 이력은 상기 서로 다른 공간에 위치한 복수의 상업용 세탁기를 사용한 이력을 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  15. 제 10항에 있어서,
    상기 사용자의 입력에 기초하여 상기 복수의 상업용 세탁기에 대한 사용 요청을 상기 클라우드 서버로 전송하는 사용자 단말을 더 포함하고,
    상기 사용자 단말은 상기 클라우드 서버로부터 상기 추천 세탁 코스를 제공받아 세부 사항을 출력하는 디스플레이부를 포함하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  16. 제 15항에 있어서,
    상기 사용자 단말은 사용자의 입력을 제공받아 상기 추천 세탁 코스에 기초한 제어 명령 상기 스탠바이 상태로 설정된 상업용 세탁기에 전송하여 구동을 제어하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  17. 제 16항에 있어서,
    상기 스탠바이 상태로 설정된 상업용 세탁기는 잠겨지고,
    상기 사용자 단말은 사용자 인증을 수행하여 상기 상업용 세탁기의 잠금을 해제하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
  18. 제 15항에 있어서,
    상기 사용자 단말은 사용자의 위치 정보를 상기 클라우드 서버에 제공하고,
    상기 클라우드 서버는 상기 사용자의 위치 정보에 기반하여 서로 다른 공간에 위치한 복수의 사용 가능한 상업용 세탁기 중 가장 가까운 상업용 세탁기 중 사용 가능한 것을 스탠바이 상태로 설정하는,
    인공 지능을 이용한 상업용 세탁기의 제어 시스템.
KR1020190157412A 2019-11-29 2019-11-29 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템 KR20210067605A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190157412A KR20210067605A (ko) 2019-11-29 2019-11-29 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템
US17/075,405 US20210165377A1 (en) 2019-11-29 2020-10-20 Method for controlling commercial washing machine by using artificial intelligence and system for the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190157412A KR20210067605A (ko) 2019-11-29 2019-11-29 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템

Publications (1)

Publication Number Publication Date
KR20210067605A true KR20210067605A (ko) 2021-06-08

Family

ID=76091405

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190157412A KR20210067605A (ko) 2019-11-29 2019-11-29 인공 지능을 이용한 상업용 세탁기의 제어 방법 및 그 시스템

Country Status (2)

Country Link
US (1) US20210165377A1 (ko)
KR (1) KR20210067605A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114855416A (zh) * 2022-04-25 2022-08-05 青岛海尔科技有限公司 洗涤程序的推荐方法及装置、存储介质及电子装置
WO2023054860A1 (ko) * 2021-09-28 2023-04-06 삼성전자 주식회사 서버, 가전기기, 및 서버가 가전기기에 인공지능 추천 서비스를 제공하는 방법
KR20240005306A (ko) * 2022-07-05 2024-01-12 주식회사 무지개 이용자의 정보를 분석하여 세탁 조건을 자동으로 큐레이팅하는 맞춤형 무인 빨래방 시스템

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112981851A (zh) * 2021-02-03 2021-06-18 北京小米移动软件有限公司 一种洗衣设备的控制方法、装置及存储介质
CN113774639A (zh) * 2021-09-29 2021-12-10 广东好太太智能家居有限公司 一种智能晾衣机控制方法、装置、系统及存储介质
CN114875632B (zh) * 2022-05-31 2023-08-22 四川虹美智能科技有限公司 智能烘洗控制方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106297057B (zh) * 2015-06-23 2020-12-25 青岛海尔洗衣机有限公司 自助洗衣机的控制方法、终端及系统
US10168678B2 (en) * 2015-09-17 2019-01-01 Laundry 2.0, LLC Interfacing with laundry services and facilities
CN107808205A (zh) * 2016-09-08 2018-03-16 博西华电器（江苏）有限公司 洗衣房的管理方法及管理系统
WO2018199543A1 (ko) * 2017-04-25 2018-11-01 엘지전자 주식회사 의류처리장치와 의류처리장치의 제어방법 및 상기 의류처리장치를 포함하는 온라인 시스템
KR20190101865A (ko) * 2018-02-23 2019-09-02 삼성전자주식회사 세탁 기기 및 그의 제어 방법
KR102088322B1 (ko) * 2018-11-16 2020-03-12 엘지전자 주식회사 인공지능 기반의 어플라이언스 제어 장치 및 그를 포함하는 어플라이언스 제어 시스템
CA3038549A1 (en) * 2019-04-01 2020-10-01 Brian B. W. Wen Method and system enables pay-per-use of laundry machines
US11920274B2 (en) * 2019-10-09 2024-03-05 Clarified Inc. Distributed networked laundry machine control and operation

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023054860A1 (ko) * 2021-09-28 2023-04-06 삼성전자 주식회사 서버, 가전기기, 및 서버가 가전기기에 인공지능 추천 서비스를 제공하는 방법
CN114855416A (zh) * 2022-04-25 2022-08-05 青岛海尔科技有限公司 洗涤程序的推荐方法及装置、存储介质及电子装置
CN114855416B (zh) * 2022-04-25 2024-03-22 青岛海尔科技有限公司 洗涤程序的推荐方法及装置、存储介质及电子装置
KR20240005306A (ko) * 2022-07-05 2024-01-12 주식회사 무지개 이용자의 정보를 분석하여 세탁 조건을 자동으로 큐레이팅하는 맞춤형 무인 빨래방 시스템

Also Published As

Publication number Publication date
US20210165377A1 (en) 2021-06-03

Similar Documents

Publication Publication Date Title
US11513583B2 (en) Methods and systems for managing machine learning involving mobile devices
US20210165377A1 (en) Method for controlling commercial washing machine by using artificial intelligence and system for the same
US11553075B2 (en) Apparatus and control method for recommending applications based on context-awareness
US20200020014A1 (en) Method and apparatus for assessing price for subscription products
US11868582B2 (en) Apparatus for controlling device based on augmented reality and method thereof
US11353218B2 (en) Integrated management method and system for kitchen environment using artificial intelligence
KR20190094133A (ko) 객체를 인식하는 인공 지능 장치 및 그 방법
US10403276B2 (en) Voice enabled features based on proximity
KR102281590B1 (ko) 음성인식 성능 향상을 위한 비 지도 가중치 적용 학습 시스템 및 방법, 그리고 기록 매체
US11483172B2 (en) Integrated control method and system for home appliance using artificial intelligence
KR102321855B1 (ko) 음성으로 상호작용하는 인공 지능 장치 및 그 방법
US20200380968A1 (en) Voice response interfacing with multiple smart devices of different types
US10574764B2 (en) Automated learning universal gateway
CN112913252A (zh) 电子设备及控制电子设备的方法
KR20190092333A (ko) 음성 인식 디바이스와 통신하는 장치, 음성 인식 능력을 가진 장치 및 음성 인식 능력을 가진 장치를 제어하는 방법
US20210092219A1 (en) Apparatus and control method for recommending do-not-disturb mode based on context-awareness
EP4029417A1 (en) Method for controlling cooker by using artificial intelligence and system therefor
KR20200080418A (ko) 단말기 및 그의 동작 방법
KR20220067926A (ko) 연합학습 모델에서 이상 클라이언트를 제거하는 방법
US20190163436A1 (en) Electronic device and method for controlling the same
US20210103811A1 (en) Apparatus and method for suggesting action item based on speech
KR20190117856A (ko) 사용자와의 대화를 위한 정보를 생성하는 시스템 및 방법
KR102669026B1 (ko) 전자 장치 및 이의 제어 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal