KR20220020096A - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR20220020096A
KR20220020096A KR1020200100624A KR20200100624A KR20220020096A KR 20220020096 A KR20220020096 A KR 20220020096A KR 1020200100624 A KR1020200100624 A KR 1020200100624A KR 20200100624 A KR20200100624 A KR 20200100624A KR 20220020096 A KR20220020096 A KR 20220020096A
Authority
KR
South Korea
Prior art keywords
electronic device
temperature
processor
scenario
sensor
Prior art date
Application number
KR1020200100624A
Other languages
English (en)
Inventor
방성용
이상민
정성훈
김종우
김학열
김무영
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200100624A priority Critical patent/KR20220020096A/ko
Priority to PCT/KR2021/008034 priority patent/WO2022035050A1/ko
Publication of KR20220020096A publication Critical patent/KR20220020096A/ko
Priority to US18/108,419 priority patent/US20230189470A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/20—Cooling means
    • G06F1/206—Cooling means comprising thermal management
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50333—Temperature
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions

Abstract

센서, 통신 회로, 제1 온도에서 발열 제어 모드에 진입하도록 하는 발열 제어 데이터가 저장된 메모리, 및 상기 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 센서를 이용하여 지정된 제1 온도 범위에서의 상기 전자 장치의 사용에 따른 시나리오를 학습하고, 상기 메모리에 상기 시나리오를 저장하고, 상기 통신 회로 및/또는 상기 센서를 이용하여 상기 전자 장치의 장소 요소가 변화하는지 여부를 측정하고, 상기 장소 요소가 변화하는 경우 상기 시나리오를 시작하고, 상기 시나리오에 기반하여 상기 전자 장치의 외부 온도를 예측하고, 및 상기 예측된 외부 온도가 상기 전자 장치의 내부 온도와 다른 경우 상기 제1 온도와 다른 제2 온도에 상기 발열 제어 모드에 진입하도록 설정된 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

전자 장치 및 그 제어 방법{An electronic device and a method controlling the same}
본 문서에서 개시되는 다양한 실시 예들은, 전자 장치 및 그 제어 방법에 관한 것이다.
전자 장치는 내부의 구성 요소들을 이용하여 동작할 수 있다. 전자 장치의 구성 요소들은 일반적인 성능으로 동작하는 일반 모드 및 내부의 구성 요소들로부터 발생하는 열이 감소하도록 일반적인 성능보다 낮은 성능으로 동작하는 발열 제어 모드 중 어느 하나의 모드로 동작할 수 있다. 전자 장치는 내부의 온도를 측정하는 온도 센서를 포함할 수 있다. 온도 센서가 측정한 온도가 지정된 발열 제어 진입 온도 이상인 경우 전자 장치는 발열 제어 모드로 진입할 수 있다.
온도 센서를 이용하여 전자 장치의 외부의 온도를 측정하거나 예측하는 것은 용이하지 않을 수 있다. 전자 장치 내부의 온도를 측정하고 전자 장치 내부의 온도가 발열 제어 진입 온도 이상인 경우 일괄적으로 발열 제어 모드로 동작할 수 있다.
전자 장치의 외부의 온도가 상온 범위 이외의 값을 갖는 경우 발열 제어 모드로 진입하는 시점이 변화할 수 있다. 예를 들어, 전자 장치의 외부의 온도가 상온 범위보다 높은 경우, 외부의 영향에 의하여 전자 장치 내부의 온도가 상승할 수 있다. 전자 장치 내부의 구성 요소들로부터 열이 발생하지 않는 경우에도 전자 장치 내부의 온도가 발열 제어 진입 온도 이상이 될 수 있다. 이 경우 전자 장치가 발열 제어 모드로 지나치게 빠르게 진입하여 전자 장치 내부의 구성 요소들이 낮은 성능으로 동작할 수 있다. 다른 예로, 전자 장치의 외부의 온도가 상온 범위보다 낮은 경우, 외부의 영향에 의하여 전자 장치 내부의 온도가 하강할 수 있다. 이 경우 전자 장치가 발열 제어 모드로 지나치게 늦게 진입하여 전자 장치에서 발생하는 열에 의하여 사용에 불편함을 느낄 수 있다.
본 문서에 개시되는 다양한 실시 예들은, 전자 장치의 외부의 온도를 예측하고 예측된 외부의 온도에 기반하여 발열 제어 진입 온도를 제어하는 방법 및 그 방법을 적용한 전자 장치를 제공하고자 한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 센서, 통신 회로, 제1 온도에서 발열 제어 모드에 진입하도록 하는 발열 제어 데이터가 저장된 메모리, 및 상기 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 센서를 이용하여 지정된 제1 온도 범위에서의 상기 전자 장치의 사용에 따른 시나리오를 학습하고, 상기 메모리에 상기 시나리오를 저장하고, 상기 통신 회로 및/또는 상기 센서를 이용하여 상기 전자 장치의 장소 요소가 변화하는지 여부를 측정하고, 상기 장소 요소가 변화하는 경우 상기 시나리오를 시작하고, 상기 시나리오에 기반하여 상기 전자 장치의 외부 온도를 예측하고, 및 상기 예측된 외부 온도가 상기 전자 장치의 내부 온도와 다른 경우 상기 제1 온도와 다른 제2 온도에 상기 발열 제어 모드에 진입하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치의 제어 방법은, 상기 전자 장치의 사용에 따른 상기 전자 장치의 내부 온도, 지정된 제1 시간 동안의 상기 전자 장치의 상기 내부 온도의 변화량, 및 상기 전자 장치의 소모 전류를 측정하여 시나리오를 학습하는 동작, 상기 전자 장치에서 측정되는 장소 요소가 변화하는 경우 상기 시나리오를 시작하는 동작, 상기 내부 온도, 상기 변화량, 및 상기 소모 전류에 기반하여 상기 전자 장치의 외부 온도를 예측하는 동작, 및 상기 예측된 외부 온도에 기반하여 상기 전자 장치가 발열 제어 모드에 진입하는 발열 제어 진입 온도를 조정하는 동작을 포함할 수 있다.
또한, 본 문서에 개시되는 다른 실시 예에 따른 전자 장치는, 상기 전자 장치의 내부 온도를 측정하는 센서, 통신 회로, 일반 모드에서 발열 제어 모드에 진입하도록 하는 발열 제어 데이터가 저장된 메모리, 및 상기 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 전자 장치가 사용되는 온도 범위에서의 시나리오를 반복 학습하고, 상기 시나리오를 시작하고, 상기 시나리오에 포함된 상기 내부 온도, 지정된 시간 동안의 상기 내부 온도의 변화량, 및 상기 전자 장치의 소모 전류에 기반하여 상기 전자 장치의 외부 온도를 예측하고, 및 상기 예측된 외부 온도에 기반하여 상기 일반 모드에서 상기 발열 제어 모드에 진입하는 시점을 제1 시점에서 제2 시점으로 변화시키도록 설정될 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치의 외부의 온도를 예측하고 예측된 외부의 온도에 기반하여 발열 제어 진입 온도를 제어할 수 있다. 이에 따라 전자 장치의 외부의 온도가 상온 범위 이외의 값을 갖는 경우 발열 제어 모드로 진입하는 시점을 능동적으로 조절할 수 있다.
또한, 본 문서에 개시되는 실시 예들에 따르면, 전자 장치의 외부의 온도가 상온 범위보다 높은 경우 발열 제어 진입 온도를 높일 수 있다. 이에 따라 전자 장치의 외부의 온도가 상온 범위보다 높은 경우 전자 장치 내부의 구성 요소들이 일반 모드로 보다 용이하게 동작할 수 있다.
또한, 본 문서에 개시되는 실시 예들에 따르면, 전자 장치의 외부의 온도가 상온 범위보다 낮은 경우 발열 제어 진입 온도를 낮출 수 있다. 이에 따라 전자 장치의 외부의 온도가 상온 범위보다 낮은 경우 전자 장치에서 발생하는 열에 의한 불편함을 감소시킬 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시 예에 따른 전자 장치의 제어 방법을 나타낸 흐름도이다.
도 3은 일 실시 예에 따른 전자 장치의 시나리오 학습 동작 및 외부 온도 예측 동작을 나타낸 도면이다.
도 4는 일 실시 예에 따른 전자 장치가 발열 제어 모드에 진입하는 온도를 변화시키는 방법을 나타낸 흐름도이다.
도 5는 일 실시 예에 따른 전자 장치가 학습하는 시나리오를 나타낸 도면이다.
도 6은 일 실시 예에 따른 전자 장치가 일반 모드에서 발열 제어 모드로 진입시키는 모듈들을 나타낸 블록도이다.
도 7은 일 실시 예에 따른 전자 장치가 발열 제어 모드에 진입하는 온도를 변화시키는 방법을 나타낸 흐름도이다.
도 8은 일 실시 예에 따른 전자 장치가 발열 제어 모드에 진입하는 시점을 변화시키는 방법을 나타낸 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))의 제어 방법을 나타낸 흐름도(200)이다.
일 실시 예에 따른 전자 장치(101)의 프로세서(예: 도 1의 프로세서(120))는 동작 210에서, 장치 학습(Device Learning)을 할 수 있다. 장치 학습은 전자 장치(101)의 내부 정보를 학습하는 동작일 수 있다. 장치 학습은 기계 학습(Machine Learning)일 수 있다.
일 실시 예에서, 프로세서(120)는 전자 장치(101)의 사용에 따른 시나리오를 설정할 수 있다. 시나리오는 복수의 서브 시나리오들을 포함할 수 있다. 프로세서(120)는 전자 장치(101)의 내부의 구성 요소들이 사용되는 시나리오를 설정할 수 있다. 프로세서(120)는 전자 장치(101)의 내부에서 발열 지점 및/또는 핫스팟(Hotspot)이 될 수 있는 복수의 하드웨어 모듈들 중 적어도 하나의 하드웨어 모듈이 사용되는 서브 시나리오를 설정할 수 있다. 프로세서(120)는 복수의 하드웨어 모듈들이 모두 사용될 수 있도록 복수의 서브 시나리오들을 설정할 수 있다. 프로세서(120)는 복수의 하드웨어 모듈들 중 일부 하드웨어 모듈이 사용되는 복수의 상황들을 설정할 수 있다. 프로세서(120)는 복수의 상황들 각각을 서브 시나리오로 설정할 수 있다. 프로세서(120)는 시나리오를 메모리(예: 도 1의 메모리(130))에 저장할 수 있다.
일 실시 예에서, 프로세서(120)는 설정된 시나리오를 실행할 수 있다. 프로세서(120)는 복수의 서브 시나리오들 각각을 개별적으로 실행할 수 있다. 프로세서(120)는 실행한 서브 시나리오에 대응하는 전자 장치(101)의 상태를 학습할 수 있다. 프로세서(120)는 서브 시나리오를 실행한 후 시간의 경과에 따른 전자 장치(101)의 내부 온도 값을 학습할 수 있다. 프로세서(120)는 서브 시나리오를 실행한 후 지정된 시간 동안의 전자 장치(101)의 내부 온도의 변화 량을 학습할 수 있다. 프로세서(120)는 서브 시나리오를 실행한 후 전자 장치(101)의 소모 전류 량을 학습할 수 있다. 프로세서(120)는 서브 시나리오를 실행한 후 전자 장치(101)를 충전하는 경우 충전 전류 량을 학습할 수 있다.
일 실시 예에서, 프로세서(120)는 지정된 제1 온도 범위에서 시나리오를 실행할 수 있다. 지정된 제1 온도 범위는 전자 장치(101)를 사용하는 온도 범위일 수 있다. 지정된 제1 온도 범위는 상온 범위일 수 있다. 예를 들어, 지정된 제1 온도 범위는 섭씨 약 15도 이상 약 45도 이하일 수 있다. 프로세서(120)는 전자 장치(101)의 외부의 온도를 변경시킬 수 있는 챔버(Chamber)를 이용하여 시나리오를 실행하는 동안 온도를 변화시킬 수 있다. 프로세서(120)는 시나리오를 실행하면서 온도를 일정한 간격으로 변화시킬 수 있다. 프로세서(120)는 온도를 변화시키면서 동일한 서브 시나리오들을 반복적으로 학습할 수 있다.
일 실시 예에서, 프로세서(120)는 서브 시나리오들을 반복적으로 학습하여 전자 장치(101)의 발열과 관련된 발열 발생 데이터를 획득할 수 있다. 프로세서(120)는 발열 발생 데이터를 이용하여 기계 학습을 모델링할 수 있다. 프로세서(120)는 기계 학습 파라미터들을 추출할 수 있다. 프로세서(120)는 기계 학습 파라미터들의 값들을 메모리(130)에 저장할 수 있다.
일 실시 예에서, 프로세서(120)는 기계 학습 모델을 업데이트할 수 있다. 프로세서(120)는 서브 시나리오들을 반복적으로 학습하여 기계 학습 모델의 정확도를 높일 수 있다. 프로세서(120)는 기계 학습 파라미터들을 전자 장치(101)마다 다르게 설정할 수 있다. 프로세서(120)는 기계 학습 파라미터들을 기계 학습 모델의 버전(Version)마다 다르게 설정할 수 있다. 프로세서(120)는 통신 회로(예: 도 1의 무선 통신 모듈(192))을 이용하여 업데이트 된 기계 학습 모델을 서버(예: 도 1의 서버(108))에 저장할 수 있다. 프로세서(120)는 통신 회로(192)를 이용하여 서버(108)로부터 기계 학습 파라미터들을 내려 받기(Download)할 수 있다. 프로세서(120)는 내려 받은 기계 학습 파라미터들을 이용하여 기계 학습 모델을 업데이트할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 220에서, 예측 시작(Estimation Trigger)을 할 수 있다. 프로세서(120)는 학습한 시나리오를 시작하는 이벤트를 설정할 수 있다.
일 실시 예에서, 프로세서(120)는 설정된 이벤트가 발생하는 경우 학습한 시나리오를 시작할 수 있다. 프로세서(120)는 설정된 이벤트가 발생하는 경우 학습한 시나리오를 시작하는 트리거를 수행할 수 있다.
일 실시 예에서, 프로세서(120)는 장소 요소가 변화하는 경우를 학습한 시나리오를 시작하는 이벤트로 설정할 수 있다. 장소 요소는 전자 장치(101)가 위치한 장소와 관련된 데이터일 수 있다. 예를 들어, 장소 요소는 전자 장치(101)가 외부에 위치하는지 또는 실내에 위치하는지 여부를 나타내는 데이터일 수 있다. 다른 예로, 장소 요소는 전자 장치(101)가 동일한 장소 내에 있는 상태인지 또는 다른 장소로 이동하는 상태인지 여부를 나타내는 데이터일 수 있다.
일 실시 예에서, 전자 장치(101)가 동일한 장소에 위치하는 경우 전자 장치(101)의 외부 온도는 유지될 수 있다. 전자 장치(101)가 동일한 장소에 위치하는 경우 외부 온도의 값이 결정된 이후 시간이 경과하는 동안 전자 장치(101)의 외부 온도의 값은 지정된 범위 이하로 변화할 수 있다. 프로세서(120)는 학습한 시나리오를 주기적으로 수행할 필요가 없다. 프로세서(120)는 전자 장치(101)의 위치 및/또는 상황을 판단하여 필요한 경우에만 학습한 시나리오를 수행할 수 있다. 프로세서(120)는 학습한 시나리오를 수행함에 따라 소요되는 리소스를 감소시킬 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 230에서, 외부 온도 예측(Ambient temperature Estimation)을 할 수 있다. 프로세서(120)는 기계 학습으로 학습된 정보에 기반하여 전자 장치(101)의 외부 온도를 예측할 수 있다.
일 실시 예에서, 프로세서(120)는 외기 온도 예측 시점이라는 상황을 전달 받는 경우 학습되어 메모리(130)에 저장된 기계 학습 파라미터들에 기반하여 전자 장치(101) 내에서 실시간으로 내부 정보들을 수집할 수 있다. 내부 정보들은 전자 장치(101)의 내부 온도, 지정된 시간 동안의 전자 장치(101)의 내부 온도의 변화량, 및 전자 장치(101)의 소모 전류 값을 포함할 수 있다.
일 실시 예에서, 프로세서(120)는 수집한 내부 정보들을 기계 학습 모델의 입력으로 사용할 수 있다. 프로세서(120)는 기계 학습 모델을 이용하여 전자 장치(101)의 외부 온도 예측 값을 산출할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 240에서, 장치 과열 제어(Device Overheat Control)를 할 수 있다. 프로세서(120)는 예측된 전자 장치(101)의 외부 온도를 발열 제어의 입력으로 사용할 수 있다. 프로세서(120)는 전자 장치(101)의 발열로 인한 과열을 방지하기 위하여 성능을 감소시키는 발열 제어 모드에 진입할 때 전자 장치(101)의 외부 온도를 반영할 수 있다.
일 실시 예에서, 프로세서(120)는 전자 장치(101)의 센서 모듈(예: 도 1의 센서 모듈(176))에 포함된 적어도 하나의 써미스터(Thermistor)를 통해 학습된 전자 장치(101)의 표면 온도 및 예측된 외부 온도를 함께 사용하여 장치 과열 제어를 수행할 수 있다. 프로세서(120)는 전자 장치(101)에서 열이 발생하는 구성 요소들 중 적어도 하나의 구성 요소의 성능을 조절하여 발열 제어 모드에 진입할 수 있다. 예를 들어, 프로세서(120)는 통신 회로(예: 도 1의 무선 통신 회로(192))가 5G 방식에서 LTE(Long Term Evolution) 방식으로 통신 방식을 전환시키는 LTE 폴백(Fallback)을 수행하여 발열 제어 모드에 진입할 수 있다. 다른 예로, 프로세서(120)는 디스플레이(예: 도 1의 디스플레이 모듈(160))의 휘도를 감소시켜 발열 제어 모드에 진입할 수 있다. 프로세서(120)는 발열 제어 모드에 진입하여 전자 장치(101)의 표면 온도를 감소시킬 수 있다.
도 3은 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))의 시나리오 학습 동작 및 외부 온도 예측 동작을 나타낸 도면(300)이다.
일 실시 예에 따른 프로세서(예: 도 1의 프로세서(120))는 오프라인(301) 및 온라인(302)에서 동작할 수 있다. 오프라인(301)에서는 장치 학습(예: 도 2의 장치 학습(210))을 수행할 수 있다. 온라인(302)에서는 외부 온도 예측(예: 도 2의 외부 온도 예측(230))을 수행할 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 310에서, 전자 장치(예: 도 1의 전자 장치(101))의 시스템 상태와 관련된 정보를 획득할 수 있다. 전자 장치(101)의 시스템 상태와 관련된 정보에 기반하여 전자 장치(101)의 사용에 따른 시나리오를 설정할 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 320에서, 시나리오를 설정하기 위한 특징들을 선택할 수 있다. 특징들은 시나리오를 학습하기 위한 기계 학습 파라미터들을 포함할 수 있다. 예를 들어, 프로세서(120)는 프로세서(120), 전력 관리 모듈(예: 도 1의 전력 관리 모듈(188), 통신 회로(예: 도 1의 무선 통신 회로(192)), 및/또는 배터리(예: 도 1의 배터리(189))의 충전 회로를 특징으로 선택할 수 있다. 다른 예로, 프로세서(120)는 내부 온도, 지정된 시간 동안의 내부 온도의 변화량, 및/또는 소모 전류 값을 특징으로 선택할 수 있다.
일 실시 예에 따른 동작 330에서, 전자 장치(101)를 온도 챔버에 넣을 수 있다. 온도 챔버의 온도를 변화 시키면서 전자 장치(101)의 주변의 온도를 변화시킬 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 340에서, 결합된 데이터를 입력 받을 수 있다. 프로세서(120)는 학습하는 환경인 온도 챔버의 온도 및 전자 장치(101)의 내부 정보들을 입력 받을 수 있다. 프로세서(120)는 입력된 정보들을 반복해서 학습할 수 있다. 프로세서(120)는 각각의 외부 온도에 따른 정보들을 별도로 수집할 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 350에서, 전-처리 과정을 수행할 수 있다. 예를 들어, 프로세서(120)는 입력된 정보들을 메모리(예: 도 1의 메모리(130))에 저장할 수 있다. 다른 예로, 프로세서(120)는 입력된 정보들을 통신 회로(예: 도 1의 무선 통신 회로(192))를 통해 서버(예: 도 1의 서버(108))로 전송할 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 360에서, 기계 학습 훈련을 수행할 수 있다. 프로세서(120)는 각각의 외부 온도 별로 수집된 정보들을 이용하여 기계 학습을 수행할 수 있다. 프로세서(120)는 기계 학습을 수행하여 기계 학습 파라미터들을 생성하거나 업데이트 할 수 있다. 예를 들어, 기계 학습 모델은 선형 회귀(Linear Regression, LR), 서포트 벡터 회귀(Supported Vector Regression, SVR), 및/또는 다층 퍼셉트(Multi-layer Perception, MLP)를 적용할 수 있다. 그러나 이에 한정되지 않으며, 프로세서(120)는 다양한 모델링 방식을 이용하여 기계 학습을 수행할 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 370에서, 기계 학습 모델을 저장할 수 있다. 저장된 모델(375)은 기계 학습 파라미터들을 포함할 수 있다. 생성된 기계 학습 파라미터들은 단말 내 소프트웨어(예: 도 1의 프로그램(140)에 포함될 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 380에서, 전자 장치(101)의 외부 온도를 예측하기 위한 시스템 상태들을 선택할 수 있다. 시스템 상태들은 외부 온도를 예측하기 위한 파라미터들을 포함할 수 있다. 예를 들어, 프로세서(120)는 프로세서(120), 전력 관리 모듈(예188), 통신 회로(192), 및/또는 배터리(189)의 충전 회로를 특징으로 선택할 수 있다. 다른 예로, 프로세서(120)는 내부 온도, 지정된 시간 동안의 내부 온도의 변화량, 및/또는 소모 전류 값을 특징으로 선택할 수 있다.
일 실시 예에 따른 프로세서(120)는 동작 390에서, 전자 장치(101)의 외부 온도를 예측할 수 있다. 프로세서(120)는 선택된 파라미터들을 적용하여 전자 장치(101)의 외부 온도 예측 값을 산출할 수 있다.
일 실시 예에서, 전자 장치(101)의 외부 온도를 예측하기 위해서는 예측을 위한 적어도 하나의 가정을 포함하여 모델링을 수행할 수 있다. 예를 들어, 적어도 하나의 가정은 전자 장치(101)의 내부 온도가 전자 장치(101)의 배터리(189)의 온도와 실질적으로 동일하다는 가정을 포함할 수 있다. 다른 예로, 적어도 하나의 가정은 전자 장치(101)의 배터리(189)의 온도는 외부 온도의 영향 및 전자 장치(101)의 내부 동작에 의한 영향으로 결정된다는 가정을 포함할 수 있다. 구체적으로, 적어도 하나의 가정은 전자 장치(101)의 배터리(189)의 온도 값(Tbat)은 전자 장치(101)의 외부 온도 값(Tamb)에 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)을 더한 값과 실질적으로 동일하다는 가정을 포함할 수 있다.
일 실시 예에서, 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)은 전자 장치(101)에 포함된 구성 요소들의 사용 정도에 의하여 결정될 수 있다. 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)은 열을 발생시키는 핫스팟들인 회로들 및 IC들의 의 사용 정도에 의하여 결정될 수 있다. 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)은 전자 장치(101)의 소모 전류로 예측할 수 있다.
일 실시 예에서, 외부 온도를 예측하기 위한 모델의 입력 값들은 전자 장치(101)의 내부 온도, 지정된 시간 동안의 전자 장치(101)의 내부 온도의 변화량, 및 전자 장치(101)의 소모 전류를 포함할 수 있다.
일 실시 예에서, 전자 장치(101)의 내부 온도는 전자 장치(101)의 내부에 배치된 적어도 하나의 써미스터에서 측정된 온도 값일 수 있다. 예를 들어, 전자 장치(101)의 내부 온도는 전자 장치(101) 의 프로세서(예: 도 1의 프로세서(120)), 연결 단자(예: 도 1의 연결 단자(178))(예: USB), 배터리(예: 도 1의 배터리(189)), 충전 회로, 전력 관리 모듈(188), 무선 통신 회로(192)(예: CP 및/또는 WiFi)의 온도 값일 수 있다.
일 실시 예에서, 지정된 시간 동안의 전자 장치(101)의 내부 온도의 변화량은 특정 주기마다 각각의 서미스터의 온도의 변화량을 측정하여 획득할 수 있다. 전자 장치(101)의 소모 전류는 전력 관리 모듈(188)(예: IFPMIC에서 소모하는 전류 량)을 측정하여 획득할 수 있다.
일 실시 예에서, 외부 온도를 예측하기 위한 모델의 출력 값은 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)일 수 있다.
일 실시 예에서, 외부 온도를 예측하기 위한 기계 학습 모델은 다양한 기계 학습 방법을 적용하여 생성할 수 있다. 외부 온도는 기계 학습 모델을 이용하여 산출할 수 있다. 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)을 산출하기 위한 기계 학습 알고리즘으로 다양한 알고리즘을 적용할 수 있다.
일 실시 예에서, 외부 온도 값(Tamb)은 배터리(189)의 온도 값(Tbat)에서 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)을 뺀 값으로 산출할 수 있다. 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)을 기계 학습 알고리즘을 통해 산출할 수 있는 경우, 외부 온도 값(Tamb)은 배터리(189) 온도 값(Tbat)에서 전자 장치(101)의 동작에 의하여 상승한 온도 값(ΔT)을 빼는 것으로 산출할 수 있다.
일 실시 예에서, 일률적으로 외부 온도 값(Tamb)을 산출하는 경우 예측 오차가 증가할 수 있다. 지정된 조건을 만족하는 경우에는 외부 온도 값(Tamb)을 산출하는 다른 방식을 적용할 수 있다. 예를 들어, IFPMIC에서 소모하는 전류 량이 지정된 제1 임계 값 미만이고 프로세서(120) 및 배터리(189)의 온도 값의 차이가 지정된 제2 임계 값 미만인 경우 전자 장치(101)가 턴-오프 되거나 전자 장치(101)가 대기 상태를 유지하여 전자 장치(101)의 동작에 의한 온도의 변화가 실질적으로 없는 상태일 수 있다. IFPMIC에서 소모하는 전류 량이 지정된 제1 임계 값 미만이고 프로세서(120) 및 배터리(189)의 온도 값의 차이가 지정된 제2 임계 값 미만인 경우 외부 온도 값(Tamb)은 배터리(189)의 온도 값(Tbat)과 실질적으로 동일한 값으로 산출할 수 있다. 프로세서(120)는 전자 장치(101)가 턴-오프 되거나 전자 장치(101)가 대기 상태를 유지하여 전자 장치(101)의 동작에 의한 온도의 변화가 실질적으로 없는 경우 외부 온도 값(Tamb)은 배터리(189)의 온도 값(Tbat)과 실질적으로 동일하다고 판단할 수 있다.
도 4는 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))가 발열 제어 모드에 진입하는 온도를 변화시키는 방법을 나타낸 흐름도(400)이다.
일 실시 예에 따른 전자 장치(101)의 프로세서(예: 도 1의 프로세서(120))는 동작 410에서, 센서(예: 도 1의 센서 모듈(176))를 이용하여 지정된 제1 온도 범위에서의 전자 장치(101)의 사용에 따른 시나리오를 학습할 수 있다. 지정된 제1 온도 범위는 상온 범위일 수 있다. 시나리오는 전자 장치 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함할 수 있다. 학습은 전자 장치(101)의 내부 온도, 지정된 시간 동안의 내부 온도 값의 변화량, 전자 장치(101)의 소모 전류, 및/또는 전자 장치(101)의 충전 시 충전 전류와 관련된 데이터의 획득을 포함할 수 있다. 전자 장치(101)의 통신 회로(예: 도 1의 무선 통신 회로(192))는 서버(예: 도 1의 서버(108))로부터 학습과 관련된 복수의 기계 학습 파라미터들을 내려 받을 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 420에서, 메모리(예: 도 1의 메모리(130))에 시나리오를 저장할 수 있다. 프로세서(120)는 서버(108)로부터 내려 받은 복수의 기계 학습 파라미터들을 이용하여 시나리오를 업데이트 할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 430에서, 통신 회로(192) 및/또는 센서(176)를 이용하여 전자 장치(101)의 장소 요소가 변화하는지 여부를 측정할 수 있다. 장소 요소는 GPS 위치, 통신 회로(192)가 연결된 Wi-fi 신호, 통신 회로(192)가 연결된 셀의 정보, 및/또는 센서(176)가 측정한 외부의 조도를 포함할 수 있다. 예를 들어, 통신 회로(192)가 연결된 Wi-fi 신호의 정보가 변화하거나 통신 회로(192)가 연결된 셀이 다른 셀로 변화하는 경우, 프로세서(120)는 전자 장치(101)의 장소 요소가 변화한 것으로 판단할 수 있다. 다른 예로, 센서(176)가 측정한 외부의 조도의 변화량이 지정된 임계 값 이상으로 상승한 경우, 프로세서(120)는 전자 장치(101)의 위치가 실내에서 실외로 변화한 것으로 판단할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 440에서, 장소 요소가 변화하는 경우 시나리오를 시작할 수 있다. 프로세서(120)는 장소 요소가 변화하는 경우 전자 장치(101)의 외부의 온도가 변화할 수 있다고 판단할 수 있다. 프로세서(120)는 장소 요소가 변화하는 경우 전자 장치(101)의 외부의 온도를 예측하기 위한 준비를 수행할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 450에서, 시나리오에 기반하여 전자 장치(101)의 외부 온도를 예측할 수 있다. 프로세서(120)는 시나리오에 포함된 서브 시나리오들 중 해당하는 서브 시나리오를 실행하여 외부 온도를 예측할 수 있다. 프로세서(120)는 전자 장치의 동작에 의해 상승된 온도를 전자 장치(101)의 소모 전류에 기반하여 산출할 수 있다. 프로세서(120)는 외부 온도를 내부 온도에서 전자 장치(101)의 동작에 의해 상승된 온도를 뺀 값으로 예측할 수 있다. 프로세서(120)는 전자 장치(101)의 소모 전류가 지정된 제1 임계 값 이하이고 프로세서(120)의 온도 값 및 배터리(예: 도 1의 배터리(189))의 온도 값의 차이가 제2 임계 값 이하인 경우 외부 온도를 내부 온도와 실질적으로 동일한 것으로 예측할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 460에서, 예측된 외부 온도가 전자 장치(101)의 내부 온도와 다른 경우 제1 온도와 다른 제2 온도에 발열 제어 모드에 진입하도록 설정될 수 있다. 프로세서(120)는 예측된 외부 온도가 전자 장치(101)의 내부 온도보다 높은 경우 제2 온도를 상기 제1 온도보다 높은 값으로 설정할 수 있다. 프로세서(120)는 예측된 외부 온도가 전자 장치(101)의 내부 온도보다 낮은 경우 제2 온도를 제1 온도보다 낮은 값으로 설정할 수 있다.
발열 제어 모드에 진입하는 온도를 외부 온도와 관계 없이 제1 온도로 유지하는 경우, 중동, 남아시아와 같이 적도에 가깝고 더운 지역 또는 여름에는 최대 성능을 사용하지 못하거나 상대적으로 다른 지역 또는 계절과 비교하여 발열 제어 모드로 진입하는 시점이 빠르고 발열 제어 모드로 동작하는 기간이 길 수 있다. 예를 들어, 열대 지역에서는 발열 제어 모드로 진입하기 위해 통신 회로(192)의 통신 방법을 제한하는 경우, 5G 통신에서 LTE 통신으로의 폴백(Fallback)이 빠르게 동작하여 5G 통신을 거의 사용하지 못할 수 있다. 다른 예로, 야외의 직사광선 아래에서는 고 휘도 모드(High Brightness Mode, HBM)가 동작하여 시인성이 개선되도록 밝기가 상승 되어야 하는데, 발열 제어 모드로 진입하기 위해 디스플레이(예: 도 1의 디스플레이 모듈(160))의 밝기를 제한하는 경우, 여름에는 외부의 온도에 의해 전자 장치(101)의 온도가 빠르게 상승하여 고 휘도 모드로 동작하지 못할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 예측된 외부 온도가 전자 장치(101)의 내부 온도보다 높은 경우 제1 온도보다 높은 제2 온도에 발열 제어 모드에 진입하도록 설정하여 외부 온도가 높은 환경에서 전자 장치(101)의 최소한의 성능을 보장할 수 있다. 프로세서(120)는 기온이 높은 지역이나 환경적인 요인으로 외부 온도가 높은 경우에는 일반 모드로 동작하여 전자 장치(101)를 최대 성능으로 활용하는 온도 범위를 증가시킬 수 있다.
추운 지역 또는 겨울에는 사용자가 전자 장치(101)에서 열이 발생하는 것을 보다 잘 느끼게 되어 상대적으로 체감 발열 온도가 낮아질 수 있다. 발열 제어 모드에 진입하는 온도를 외부 온도와 관계 없이 제1 온도로 유지하는 경우, 추운 지역 또는 겨울에는 사용자가 전자 장치(101)에서 열이 많이 발생한다고 느낀 이후에 발열 제어 모드에 진입할 수 있다. 이 경우 사용자가 느끼는 체감 발열이 증가할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 예측된 외부 온도가 전자 장치(101)의 내부 온도보다 낮은 경우 제1 온도보다 낮은 제2 온도에 발열 제어 모드에 진입하도록 설정하여 사용자가 느끼는 체감 발열을 감소시킬 수 있다. 프로세서(120)는 추운 지역 또는 겨울에는 전자 장치(101)의 사용으로 인한 열을 감소시키도록 발열 제어 모드에서 동작하는 온도 범위를 증가시킬 수 있다.
도 5는 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))가 학습하는 시나리오를 나타낸 도면(500)이다.
일 실시 예에서, 프로세서(120)는 전자 장치(101)의 사용에 따른 시나리오를 학습할 수 있다. 시나리오에 포함된 서브 시나리오들의 종류 및 개수는 다양할 수 있다. 서브 시나리오들은 핫스팟(Hotspot)이 될 수 있는 전자 장치(101)의 내부의 구성 요소들 또는 하드웨어들이 단일하게 또는 복합적으로 모두 동작하도록 설정될 수 있다. 예를 들어, 서브 시나리오들은 전자 장치(101)의 내부의 구성 요소들 중 적어도 하나가 동작하는 경우의 수를 모두 포함할 수 있다.
일 실시 예에서, 복수의 서브 시나리오들을 나타낼 수 있다. 예를 들어, 제1 서브 시나리오는 VT Call, 제2 서브 시나리오는 VT Call + Download, 제3 서브 시나리오는 Game1, 제4 서브 시나리오는 Download, 제5 서브 시나리오는 급속방전, 제6 서브 시나리오는 카메라 레코딩, 제7 서브 시나리오는 Youtube, 제8 서브 시나리오는 Browsing, 제9 서브 시나리오는 Game2, 제10 서브 시나리오는 App Install + Download, 제11 서브 시나리오는 Benchmark Antutu, 제12 서브 시나리오는 Bnechmark geekbench4, 제13 서브 시나리오는 Benchmark GFX일 수 있다.
일 실시 예에서, 복수의 서브 시나리오들 각각을 수행할 때 사용되는 핫스팟이 서로 다를 수 있다. 예를 들어, 핫스팟은 충전, WIFI, 및 Filght를 포함할 수 있다. 충전 핫스팟은 제2 서브 시나리오, 제3 서브 시나리오, 제4 서브 시나리오, 제7 서브 시나리오, 제9 서브 시나리오, 및 제10 서브 시나리오에서 사용될 수 있다. WIFI 핫스팟은 제5 서브 시나리오 및 제10 서브 시나리오에서 사용될 수 있다. Flight 핫스팟은 제11 서브 시나리오, 제12 서브 시나리오, 및 제13 서브 시나리오에서 사용될 수 있다.
일 실시 예에서, 복수의 서브 시나리오들 각각을 수행할 때 사용되는 구성 요소들은 서로 다를 수 있다. 복수의 서브 시나리오들 각각을 수행할 때 사용되는 구성 요소들의 조합은 다를 수 있다. 복수의 서브 시나리오들 각각을 수행할 때 전자 장치(101)에서 발생하는 열이 다를 수 있다. 프로세서(120)는 복수의 서브 시나리오들 각각을 수행할 때 전자 장치(101)에서 발생하는 열을 측정하고 관련된 데이터를 메모리(예: 도 1의 메모리(130))에 저장할 수 있다.
도 6은 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))가 일반 모드에서 발열 제어 모드로 진입시키는 모듈들을 나타낸 블록도(600)이다. 일 실시 예에 따른 전자 장치(101)의 프로세서(예: 도 1의 프로세서(120))는 외기 온도 예측 모듈(640), 표면 온도 예측 모듈(650), 발열 제어 방향 결정 모듈(660), 및 발명 제어 모듈(670)을 포함할 수 있다.
일 실시 예에서, 외기 온도 예측 모듈(640)은 전자 장치(101)의 외부 온도를 예측할 수 있다. 외기 온도 예측 모듈(640)은 학습된 시나리오에 기반하여 외부 온도를 예측할 수 있다. 외기 온도 예측 모듈(640)은 전자 장치(101)의 내부 온도, 지정된 시간 동안의 내부 온도의 변화량, 및 전자 장치(101)의 소모 전류에 기반하여 외부 온도를 예측할 수 있다. 외기 온도 예측 모듈(640)은 예측된 외부 온도를 발열 제어 방향 결정 모듈(660)로 전달할 수 있다.
일 실시 예에서, 표면 온도 예측 모듈(650)은 전자 장치(101)의 표면 온도를 예측할 수 있다. 전자 장치(101)의 센서 모듈(예: 도 1의 센서 모듈(176))에 포함된 써미스터를 이용하여 전자 장치(101)의 내부 온도를 측정할 수 있다. 표면 온도 예측 모듈(650)은 측정된 내부 온도에 기반하여 표면 온도를 예측할 수 있다. 표면 온도 예측 모듈(650)은 예측된 표면 온도를 발열 제어 방향 결정 모듈(660)로 전달할 수 있다.
일 실시 예에서, 발열 제어 방향 결정 모듈(660)은 발열 제어 모드로 진입하는 조건을 설정할 수 있다.
일 실시 예에서, 발열 제어 방향 결정 모듈(660)은 일반 모드에서 발열 제어 모드로 진입하는 온도를 설정할 수 있다. 외부 온도가 높은 경우에는 발열을 체감하는 온도도 높아지기 때문에 외부 온도에 따라 발열 제어를 유예할 수 있다.
일 실시 예에서, 발열 제어 모드로 진입하는 온도를 사용자 또는 전자 장치(101)에 영향을 주는 임계 온도 이상으로 증가시키는 경우 저온 화상이 발생할 수 있다. 발열 제어 방향 결정 모듈(660)은 발열 제어 모드로 진입하는 온도를 임계 온도 이하로 설정할 수 있다.
일 실시 예에서, 발열 제어 방향 결정 모듈(660)은 외부 온도에 따라 발열 제어 방향을 결정할 수 있다. 예를 들어, 외부 온도를 반영하기 이전의 발열 제어 모드로 진입하는 온도가 TC, 저온 화성을 방지하기 위하여 발열 제어 모드를 유예할 수 있는 최대 온도가 B인 경우, 외부 온도에 기반하여 설정한 발열 제어 모드로 진입하는 온도인 TCA는 다음 수학식 1과 같이 정의할 수 있다.
[수학식 1]
TCA = A + (B * α), α= (TambMax - TambCurrent) / (TambMax - TambMin), if TambMax < TambCurrent, then TambCurrent = TambMax
일 실시 예에서, 발열 제어 방향 결정 모듈(660)은 일반 모드에서 발열 제어 모드로 진입하는 시점을 조정할 수 있다. 발열 제어 방향 결정 모듈(660)은 발열 제어 모드로 동작하는 비율을 동적으로 증가시키거나 감소시킬 수 있다. 발열 제어 방향 결정 모듈(660)은 설정한 조건을 발열 제어 모듈(670)로 전달할 수 있다.
일 실시 예에서, 반대로 추운 지역이나 극 저온, 또는 겨울에는 체감하는 전자 장치(101)의 표면 온도 기준이 낮을 수 있다. 발열 제어 방향 결정 모듈(660)은 외부 온도가 특정 온도 이하일 경우에는 상술한 알고리즘을 반대로 적용하여 전자 장치(101)가 발열 제어 모드로 진입하는 온도를 낮게 설정할 수 있다. 발열 제어 방향 결정 모듈(660)은 전자 장치(101)를 발열 제어 모드로 보다 빠르게 진입시켜 사용자가 체감하는 발열을 감소시킬 수 있다.
일 실시 예에서, 전자 장치(101)의 표면 온도는 외부 온도의 영향을 받을 수 있다. 이에 따라 외기 온도 예측 모듈(640)은 표면 온도 예측 모듈(650)로 외부 온도를 전달할 수 있다. 표면 온도 예측 모듈(650)은 외부 온도를 입력 받아 보다 정확한 표면 온도를 예측할 수 있다.
일 실시 예에서, 발열 제어 방향 결정 모듈(660)은 외부 온도의 변화를 모니터링할 수 있다. 발열 제어 방향 결정 모듈(660)은 외부 온도의 변화 속도에 따라서 전자 장치(101)가 위치한 공간이 개방된 공간인지 또는 폐쇄된 공간인지 여부를 판단할 수 있다. 발열 제어 방향 결정 모듈(660)은 전자 장치(101)가 위치한 공간에 따라 발열 제어의 방향을 결정할 수 있다.
일 실시 예에서, 발열 제어 모듈(670)은 발열 제어 방향 결정 모듈(660)이 결정한 방향에 따라 발열 제어를 수행할 수 있다. 발열 제어 모듈(670)은 제1 구성 요소(610), 제2 구성 요소(620), 및/또는 제3 구성 요소(630)를 발열 제어 모드로 진입시킬 수 있다.
도 7은 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))가 발열 제어 모드에 진입하는 온도를 변화시키는 방법을 나타낸 흐름도(700)이다.
일 실시 예에 따른 전자 장치(101)의 프로세서(예: 도 1의 프로세서(120))는 동작 710에서, 상기 전자 장치(101)의 사용에 따른 전자 장치(101)의 내부 온도, 지정된 제1 시간 동안의 전자 장치(101)의 내부 온도의 변화량, 및 전자 장치의 소모 전류를 측정하여 시나리오를 학습할 수 있다. 시나리오는 전자 장치(101) 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함할 수 있다. 프로세서(120)는 시나리오를 지정된 제1 온도 범위에서 전자 장치의 사용에 따라 반복적으로 획득할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 720에서, 전자 장치(101)에서 측정되는 장소 요소가 변화하는 경우 시나리오를 시작할 수 있다. 장소 요소는 GPS 위치, 통신 회로(예: 도 1의 무선 통신 회로(192))가 연결된 Wi-fi 신호, 통신 회로(192)가 연결된 셀의 정보, 및/또는 센서(예: 도 1의 센서 모듈(176))가 측정한 외부의 조도를 포함할 수 있다.
일 실시 예에서, 외부 온도는 동일한 공간에서는 빠르게 변경되지 않을 수 있다. 동일한 공간에서 외부 온도는 점진적으로 변경되거나 단 시간 동안에는 일정하게 유지가 되기 때문에 동일한 공간에서는 외부 온도의 예측을 주기적으로 수행하지 않을 수 있다.
일 실시 예에서, 프로세서(120)는 센서(176)에서 측정한 정보, 통신 회로(192)가 연결된 WiFi, AP, 또는 RF 네트워크 정보, GPS 정보와 같은 장소 요소를 활용하여 예측 시점을 설정할 수 있다. 예를 들어, 센서(176)에서 측정한 조도가 지정된 임계 값 이상 변화하는 경우 직사광선이 있는 외부 환경으로 장소가 변경되었을 수 있다. 프로세서(120)는 측정한 조도가 지정된 임계 값 이상 변화한 시점에 외부 온도를 예측하여 업데이트 할 수 있다. 다른 예로, 통신 회로(192)의 WiFi 연결 상태가 변화하거나 연결된 AP가 바뀌는 경우 장소가 변경되어 외부 온도가 달라질 수 있다. 프로세서(120)는 통신 회로(192)의 WiFi 연결 상태가 변화하거나 연결된 AP가 바뀌는 시점에 외부 온도를 예측하여 업데이트 할 수 있다. 다른 예로, 프로세서(120)는 GPS나 네트워크 셀 정보를 모니터링하여 외부 온도 예측 시점을 결정할 수 있다. 프로세서(120)는 장소 요소를 활용하여 예측 시점을 설정하여 외부 온도의 예측을 위한 전자 장치(101)의 내부 부하를 감소시킬 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 730에서, 내부 온도, 변화량, 및 소모 전류에 기반하여 전자 장치(101)의 외부 온도를 예측할 수 있다. 프로세서(120)는 전자 장치(101)의 동작에 의해 상승된 온도를 전자 장치(101)의 소모 전류에 기반하여 산출할 수 있다. 프로세서(120)는 외부 온도를 내부 온도에서 전자 장치(101)의 동작에 의해 상승된 온도를 뺀 값으로 예측할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 740에서, 예측된 외부 온도에 기반하여 전자 장치(101)가 발열 제어 모드에 진입하는 발열 제어 진입 온도를 조정할 수 있다. 프로세서(120)는 예측된 외부 온도가 전자 장치(101)의 내부 온도보다 높은 경우 발열 제어 진입 온도를 상승시킬 수 있다. 프로세서(120)는 예측된 외부 온도가 전자 장치(101)의 내부 온도보다 낮은 경우 발열 제어 진입 온도를 하강시킬 수 있다.
도 8은 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101))가 발열 제어 모드에 진입하는 시점을 변화시키는 방법을 나타낸 흐름도(900)이다.
일 실시 예에 따른 전자 장치(101)의 프로세서(예: 도 1의 프로세서(120))는 동작 810에서, 전자 장치(101)가 사용되는 온도 범위에서의 시나리오를 반복 학습할 수 있다. 시나리오는 전자 장치(101) 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 820에서, 시나리오를 시작할 수 있다. 프로세서(120)는 GPS 위치, 통신 회로(예: 도 1의 무선 통신 회로(192))가 연결된 Wi-fi 신호, 통신 회로(192)가 연결된 셀의 정보, 및/또는 센서(예: 도 1의 센서 모듈(176))가 측정한 외부의 조도가 변화하는 경우 시나리오를 시작하도록 설정될 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 830에서, 시나리오에 포함된 내부 온도, 지정된 시간 동안의 내부 온도의 변화량, 및 전자 장치(101)의 소모 전류에 기반하여 전자 장치(101)의 외부 온도를 예측할 수 있다.
일 실시 예에 따른 전자 장치(101)의 프로세서(120)는 동작 840에서, 예측된 외부 온도에 기반하여 일반 모드에서 발열 제어 모드에 진입하는 시점을 제1 시점에서 제2 시점으로 변화시킬 수 있다. 프로세서(120)는 예측된 외부 온도가 내부 온도보다 높은 경우 제2 시점을 제1 시점보다 뒤로 늦추도록 설정될 수 있다. 프로세서(120)는 예측된 외부 온도가 내부 온도보다 낮은 경우 제2 시점을 제1 시점보다 앞으로 당기도록 설정될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치에 있어서,
    센서;
    통신 회로;
    제1 온도에서 발열 제어 모드에 진입하도록 하는 발열 제어 데이터가 저장된 메모리; 및
    상기 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는,
    상기 센서를 이용하여 지정된 제1 온도 범위에서의 상기 전자 장치의 사용에 따른 시나리오를 학습하고;
    상기 메모리에 상기 시나리오를 저장하고;
    상기 통신 회로 및/또는 상기 센서를 이용하여 상기 전자 장치의 장소 요소가 변화하는지 여부를 측정하고;
    상기 장소 요소가 변화하는 경우 상기 시나리오를 시작하고;
    상기 시나리오에 기반하여 상기 전자 장치의 외부 온도를 예측하고; 및
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도와 다른 경우 상기 제1 온도와 다른 제2 온도에 상기 발열 제어 모드에 진입하도록 설정된 전자 장치.
  2. 청구항 1에 있어서,
    상기 시나리오는 상기 전자 장치 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함하는 전자 장치.
  3. 청구항 1에 있어서,
    상기 학습은 상기 전자 장치의 상기 내부 온도, 지정된 시간 동안의 상기 내부 온도 값의 변화량, 상기 전자 장치의 소모 전류, 및/또는 상기 전자 장치의 충전 시 충전 전류와 관련된 데이터의 획득을 포함하는 전자 장치.
  4. 청구항 1에 있어서,
    상기 통신 회로는 서버로부터 상기 학습과 관련된 복수의 기계 학습 파라미터들을 내려 받고,
    상기 프로세서는 상기 복수의 기계 학습 파라미터들을 이용하여 상기 시나리오를 업데이트 하도록 설정된 전자 장치.
  5. 청구항 1에 있어서,
    상기 장소 요소는 GPS 위치, 상기 통신 회로가 연결된 Wi-fi 신호, 상기 통신 회로가 연결된 셀의 정보, 및/또는 상기 센서가 측정한 외부의 조도를 포함하는 전자 장치.
  6. 청구항 1에 있어서, 상기 프로세서는,
    상기 전자 장치의 동작에 의해 상승된 온도를 상기 전자 장치의 소모 전류에 기반하여 산출하고,
    상기 외부 온도를 상기 내부 온도에서 상기 전자 장치의 동작에 의해 상승된 온도를 뺀 값으로 예측하도록 설정된 전자 장치.
  7. 청구항 1에 있어서, 상기 프로세서는,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 높은 경우 상기 제2 온도를 상기 제1 온도보다 높은 값으로 설정하는 전자 장치.
  8. 청구항 1에 있어서,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 낮은 경우 상기 제2 온도를 상기 제1 온도보다 낮은 값으로 설정하는 전자 장치.
  9. 전자 장치의 제어 방법에 있어서,
    상기 전자 장치의 사용에 따른 상기 전자 장치의 내부 온도, 지정된 제1 시간 동안의 상기 전자 장치의 상기 내부 온도의 변화량, 및 상기 전자 장치의 소모 전류를 측정하여 시나리오를 학습하는 동작;
    상기 전자 장치에서 측정되는 장소 요소가 변화하는 경우 상기 시나리오를 시작하는 동작;
    상기 내부 온도, 상기 변화량, 및 상기 소모 전류에 기반하여 상기 전자 장치의 외부 온도를 예측하는 동작; 및
    상기 예측된 외부 온도에 기반하여 상기 전자 장치가 발열 제어 모드에 진입하는 발열 제어 진입 온도를 조정하는 동작을 포함하는 방법.
  10. 청구항 9에 있어서,
    상기 시나리오는 상기 전자 장치 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함하는 방법.
  11. 청구항 9에 있어서,
    상기 시나리오를 지정된 제1 온도 범위에서 상기 전자 장치의 사용에 따라 반복적으로 획득하는 방법.
  12. 청구항 9에 있어서,
    상기 장소 요소는 GPS 위치, 상기 전자 장치의 통신 회로가 연결된 Wi-fi 신호, 상기 통신 회로가 연결된 셀의 정보, 및/또는 상기 전자 장치의 센서가 측정한 외부의 조도를 포함하는 방법.
  13. 청구항 9에 있어서, 상기 외부 온도를 예측하는 동작은,
    상기 전자 장치의 동작에 의해 상승된 온도를 상기 전자 장치의 소모 전류에 기반하여 산출하고,
    상기 외부 온도를 상기 내부 온도에서 상기 전자 장치의 동작에 의해 상승된 온도를 뺀 값으로 예측하는 방법.
  14. 청구항 9에 있어서, 상기 발열 제어 진입 온도를 조정하는 동작은,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 높은 경우 상기 발열 제어 진입 온도를 상승시키는 방법.
  15. 청구항 14에 있어서, 상기 발열 제어 진입 온도를 조정하는 동작은,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 낮은 경우 상기 발열 제어 진입 온도를 하강시키는 방법.
  16. 전자 장치에 있어서,
    상기 전자 장치의 내부 온도를 측정하는 센서;
    통신 회로;
    일반 모드에서 발열 제어 모드에 진입하도록 하는 발열 제어 데이터가 저장된 메모리; 및
    상기 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는,
    상기 전자 장치가 사용되는 온도 범위에서의 시나리오를 반복 학습하고,
    상기 시나리오를 시작하고,
    상기 시나리오에 포함된 상기 내부 온도, 지정된 시간 동안의 상기 내부 온도의 변화량, 및 상기 전자 장치의 소모 전류에 기반하여 상기 전자 장치의 외부 온도를 예측하고, 및
    상기 예측된 외부 온도에 기반하여 상기 일반 모드에서 상기 발열 제어 모드에 진입하는 시점을 제1 시점에서 제2 시점으로 변화시키도록 설정된 전자 장치.
  17. 청구항 16에 있어서, 상기 프로세서는,
    상기 예측된 외부 온도가 상기 내부 온도보다 높은 경우 상기 제2 시점을 상기 제1 시점보다 뒤로 늦추도록 설정된 전자 장치.
  18. 청구항 16에 있어서, 상기 프로세서는,
    상기 예측된 외부 온도가 상기 내부 온도보다 낮은 경우 상기 제2 시점을 상기 제1 시점보다 앞으로 당기도록 설정된 전자 장치.
  19. 청구항 16에 있어서,
    상기 시나리오는 상기 전자 장치 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함하는 전자 장치.
  20. 청구항 16에 있어서, 상기 프로세서는,
    GPS 위치, 상기 통신 회로가 연결된 Wi-fi 신호, 상기 통신 회로가 연결된 셀의 정보, 및/또는 상기 센서가 측정한 외부의 조도가 변화하는 경우 상기 시나리오를 시작하도록 설정된 전자 장치.
KR1020200100624A 2020-08-11 2020-08-11 전자 장치 및 그 제어 방법 KR20220020096A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200100624A KR20220020096A (ko) 2020-08-11 2020-08-11 전자 장치 및 그 제어 방법
PCT/KR2021/008034 WO2022035050A1 (ko) 2020-08-11 2021-06-25 전자 장치 및 그 제어 방법
US18/108,419 US20230189470A1 (en) 2020-08-11 2023-02-10 Electronic device and controlling method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200100624A KR20220020096A (ko) 2020-08-11 2020-08-11 전자 장치 및 그 제어 방법

Publications (1)

Publication Number Publication Date
KR20220020096A true KR20220020096A (ko) 2022-02-18

Family

ID=80246771

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200100624A KR20220020096A (ko) 2020-08-11 2020-08-11 전자 장치 및 그 제어 방법

Country Status (3)

Country Link
US (1) US20230189470A1 (ko)
KR (1) KR20220020096A (ko)
WO (1) WO2022035050A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113776172B (zh) * 2021-08-12 2023-04-14 启北公司 场景温度规划方法和装置、计算机设备以及介质
CN116709417A (zh) * 2022-10-14 2023-09-05 荣耀终端有限公司 一种温度控制方法及相关设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045447A (zh) * 2010-12-29 2011-05-04 中山大学 手机模式智能控制方法及智能控制系统
KR20160145999A (ko) * 2015-06-11 2016-12-21 고려대학교 산학협력단 전자 기기의 발열 관리 방법 및 전자 기기
CN106774733A (zh) * 2016-12-01 2017-05-31 惠州Tcl移动通信有限公司 一种降低移动终端温度的方法和系统
CN107229521A (zh) * 2017-06-01 2017-10-03 深圳天珑无线科技有限公司 移动终端的控制方法和系统、及存储介质
KR101996359B1 (ko) * 2018-07-30 2019-07-04 삼성전자 주식회사 휴대단말기의 온도 제어장치 및 방법

Also Published As

Publication number Publication date
US20230189470A1 (en) 2023-06-15
WO2022035050A1 (ko) 2022-02-17

Similar Documents

Publication Publication Date Title
US11510153B2 (en) Method for controlling heat generation in electronic device, electronic device and storage medium for the same
US20230189470A1 (en) Electronic device and controlling method therefor
US11977931B2 (en) Electronic device and method for controlling data throughput based on heat generation in electronic device
US11699372B2 (en) Electronic device including a flexible display with variable region and method of heating the variable region of the flexible display
KR20220120824A (ko) 업사이클링 기능을 제공하기 위한 방법 및 이를 지원하는 전자 장치
KR20220059276A (ko) 전자 장치 표면의 온도를 예측하는 방법 및 그 전자 장치
CN116710876A (zh) 电子装置和在电子装置中基于用户活动的发热控制方法
US20230325293A1 (en) Electronic device and control method therefor
KR20230173554A (ko) 전자 장치의 외기 온도 예측 방법 및 장치
US20230187961A1 (en) Electronic device including battery, operation method thereof, and storage medium therefor
KR102317172B1 (ko) 플렉서블디스플레이를 포함하는 전자 장치 및 그의 동작 방법
US20230103900A1 (en) Electronic device and method for improving thermal performance thereof
US11282167B1 (en) Electronic device including flexible display and method of operation thereof
US20230238820A1 (en) Electronic device and method for measuring voltage of battery in electronic device
US20230387711A1 (en) Electronic device and control method therefor
KR20240047262A (ko) 온도에 기반하여 전자 장치를 제어하는 방법 및 그 전자 장치
KR20220151381A (ko) 전자 장치, 웨어러블 장치, 및 전자 장치와 웨어러블 장치를 포함하는 시스템
KR20220102286A (ko) 전자 장치 및 전자 장치에서 사용자 활동 기반 발열 제어 방법
KR20220133510A (ko) 전자 장치 및 커스터마이즈된 온도 보상 방법
KR20220159237A (ko) 다중 주파수 무선통신 네트워크에서 부하 제어와 관련된 시스템 변수를 설정하기 위한 전자 장치 및 그의 동작 방법
KR20240011586A (ko) 복수의 안테나를 구비하는 전자 장치 및 그 제어 방법
KR20220152846A (ko) 입력 전류를 제어하는 방법 및 전자 장치
KR20240057292A (ko) 다수의 배터리들에 대한 충전 전류를 제어하기 위한 전자 장치 및 방법
KR20230057825A (ko) 냉각 팬을 포함하는 전자 장치 및 그 제어 방법
KR20240021084A (ko) 복수의 디스플레이들을 포함하는 전자 장치 및 복수의 디스플레이들의 화질 편차를 줄이는 방법

Legal Events

Date Code Title Description
A201 Request for examination