KR20220108554A

KR20220108554A - Method and device for evaluating pillow hardness

Info

Publication number: KR20220108554A
Application number: KR1020210011689A
Authority: KR
Inventors: 박성빈; 김원기; 고도담; 조은자; 고진수
Original assignee: 주식회사 백합상사; 주식회사 에이치비에스라이프
Priority date: 2021-01-27
Filing date: 2021-01-27
Publication date: 2022-08-03
Also published as: KR102462918B1

Abstract

Disclosed is a pillow hardness evaluation method performed by a processor executing commands stored in a memory. The pillow hardness evaluation method comprises the following steps of: generating a regression analysis model in which hardness scores evaluated by experts for sample pillows are used as training dataset, sample reduction ratios representing height reduction ratios of the sample pillows by a single reference weight are used as independent variables, and harnesses of the sample pillows are used as dependent variables; and calculating a hardness of a pillow to be evaluated other than the sample pillows by substituting an evaluation reduction ratio representing a height reduction ratio of the pillow to be evaluated by the single reference weight into the regression analysis model. The pillow hardness evaluation method can accurately evaluate a pillow hardness.

Description

Pillow hardness evaluation method and apparatus {METHOD AND DEVICE FOR EVALUATING PILLOW HARDNESS}

본 발명은 베개 경도 평가 방법 및 장치에 관한 것이다. 보다 상세하게는, 본 발명은 회귀 분석 모형을 활용하여 베개의 경도를 평가하기 위한 방법 및 장치에 관한 것이다.The present invention relates to a pillow hardness evaluation method and apparatus. More particularly, the present invention relates to a method and apparatus for evaluating the hardness of a pillow using a regression analysis model.

비대면 사회가 점차 자리잡게 되면서 실내 가구와 인테리어에 대한 관심이 증가하고 있고, 실내 가구 업계의 성장과 함께 침구류에 대한 수요가 늘고 있다. 베개는 대표적인 침구류 제품으로서 다양한 소재로 제품화되어 있다.As a non-face-to-face society is gradually established, interest in indoor furniture and interiors is increasing, and the demand for bedding is increasing along with the growth of the indoor furniture industry. Pillows are a representative bedding product and are commercialized in various materials.

베개가 얼마나 단단한지를 나타내는 경도는 소비자들이 베개 제품을 선택하는 기준들 중 하나일 수 있다. 소비자마다 선호하는 베개 경도에 차이가 있으므로, 베개 경도를 정량적으로 나타내는 지표가 있다면 베개 제품의 특성이 소비자들에게 보다 효과적으로 전달될 수 있다.Hardness, which indicates how hard a pillow is, may be one of criteria for consumers to select a pillow product. Since there is a difference in the hardness of pillows preferred by consumers, if there is an index indicating the hardness of pillows quantitatively, the characteristics of pillow products can be delivered more effectively to consumers.

종래에는 베개 경도가 베개 제품을 구성하는 소재를 통해 간접적으로 제시되어 왔으나, 동일한 소재로 제작되는 제품이라도 소재의 충전량에 따라 베개 경도가 달라질 수 있어, 소재 특성에 따른 경도 정보가 실제 베개 제품의 경도를 정확하게 나타내지 못한다는 점이 문제될 수 있다.Conventionally, pillow hardness has been indirectly suggested through the material constituting the pillow product, but even if the product is made of the same material, the pillow hardness may vary depending on the amount of filling of the material. It can be problematic in that it does not accurately represent

본 발명에 의해 해결하고자 하는 기술적 과제는, 소재 특성에 의해 추정되는 베개 경도가 낮은 정확도를 갖는다는 문제를 해결하기 위해, 베개 경도를 정확하게 평가할 수 있는 새로운 방식을 제공하는 것이다.Technical problem to be solved by the present invention, in order to solve the problem that the hardness of the pillow estimated by the material properties has low accuracy, to provide a new method for accurately evaluating the hardness of the pillow.

전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 제1 실시예에 따른 메모리에 저장되는 명령어들을 실행하는 프로세서에 의해 수행되는, 베개 경도 평가 방법은, 샘플 베개들에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 복수의 기준 무게추들에 의해 상기 샘플 베개들의 높이가 줄어드는 비율을 나타내는 샘플 줄음율들을 독립 변수로 하고, 상기 샘플 베개들의 경도를 종속 변수로 하는 회귀 분석 모형을 생성하는 단계; 및 상기 샘플 베개들 외의 평가 대상 베개의 높이가 상기 복수의 기준 무게추들에 의해 줄어드는 비율을 나타내는 평가 줄음율들을 상기 회귀 분석 모형에 대입하여 상기 평가 대상 베개의 경도를 산출하는 단계; 를 포함한다.As a means for solving the above technical problem, the pillow hardness evaluation method, performed by the processor executing instructions stored in the memory according to the first embodiment of the present invention, is the expert evaluation hardness score for the sample pillows Generating a regression analysis model using a training dataset as an independent variable, sample reduction rates representing a rate at which the height of the sample pillows are reduced by a plurality of reference weights, as an independent variable, and using the hardness of the sample pillows as a dependent variable ; and calculating the hardness of the evaluation target pillow by substituting evaluation reduction ratios indicating a rate at which the height of the evaluation target pillow other than the sample pillows is reduced by the plurality of reference weights into the regression analysis model; includes

본 발명의 제1 실시예에 따른 베개 경도 평가 장치는, 명령어들을 저장하는 메모리; 및 상기 명령어들을 실행함으로써: 샘플 베개들에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 복수의 기준 무게추들에 의해 상기 샘플 베개들의 높이가 줄어드는 비율을 나타내는 샘플 줄음율들을 독립 변수로 하고, 상기 샘플 베개들의 경도를 종속 변수로 하는 회귀 분석 모형을 생성하고, 상기 샘플 베개들 외의 평가 대상 베개의 높이가 상기 복수의 기준 무게추들에 의해 줄어드는 비율을 나타내는 평가 줄음율들을 상기 회귀 분석 모형에 대입하여 상기 평가 대상 베개의 경도를 산출하도록 구성되는 프로세서; 를 포함한다.Pillow hardness evaluation apparatus according to a first embodiment of the present invention, a memory for storing instructions; and by executing the instructions: taking the expert evaluation hardness score for the sample pillows as a learning dataset, and taking sample reduction rates representing the rate at which the height of the sample pillows are reduced by a plurality of reference weights as an independent variable, A regression analysis model is generated using the hardness of the sample pillows as a dependent variable, and evaluation reduction rates indicating a rate at which the height of the evaluation target pillow other than the sample pillows is reduced by the plurality of reference weights are added to the regression analysis model. A processor configured to calculate the hardness of the evaluation target pillow by substituting; includes

전술한 기술적 과제를 해결하기 위한 또다른 수단으로서, 본 발명의 제2 실시예에 따른 메모리에 저장되는 명령어들을 실행하는 프로세서에 의해 수행되는, 베개 경도 평가 방법은, 샘플 베개들에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 단일의 기준 무게추에 의해 상기 샘플 베개들의 높이가 줄어드는 비율을 나타내는 샘플 줄음율을 독립 변수로 하고, 상기 샘플 베개들의 경도를 종속 변수로 하는 회귀 분석 모형을 생성하는 단계; 및 상기 샘플 베개들 외의 평가 대상 베개의 높이가 상기 단일의 기준 무게추에 의해 줄어드는 비율을 나타내는 평가 줄음율을 상기 회귀 분석 모형에 대입하여 상기 평가 대상 베개의 경도를 산출하는 단계; 를 포함한다.As another means for solving the above technical problem, the pillow hardness evaluation method, performed by the processor executing instructions stored in the memory according to the second embodiment of the present invention, is expert evaluation hardness for sample pillows To generate a regression analysis model with the score as the learning dataset, the sample shrinkage rate indicating the rate at which the height of the sample pillows is reduced by a single reference weight as the independent variable, and the hardness of the sample pillows as the dependent variable step; and calculating the hardness of the evaluation subject pillow by substituting an evaluation shrinkage rate indicating a rate at which the height of the evaluation subject pillow other than the sample pillows is reduced by the single reference weight to the regression analysis model; includes

본 발명의 제2 실시예에 따른 베개 경도 평가 장치는, 명령어들을 저장하는 메모리; 및 상기 명령어들을 실행함으로써: 샘플 베개들에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 단일의 기준 무게추에 의해 상기 샘플 베개들의 높이가 줄어드는 비율을 나타내는 샘플 줄음율을 독립 변수로 하고, 상기 샘플 베개들의 경도를 종속 변수로 하는 회귀 분석 모형을 생성하고, 상기 샘플 베개들 외의 평가 대상 베개의 높이가 상기 단일의 기준 무게추에 의해 줄어드는 비율을 나타내는 평가 줄음율을 상기 회귀 분석 모형에 대입하여 상기 평가 대상 베개의 경도를 산출하도록 구성되는 프로세서; 를 포함한다.Pillow hardness evaluation apparatus according to a second embodiment of the present invention, a memory for storing instructions; and by executing the instructions: taking the expert evaluation hardness score for the sample pillows as a learning dataset, and taking the sample reduction rate representing the rate at which the height of the sample pillows is reduced by a single reference weight as the independent variable, the By creating a regression analysis model using the hardness of the sample pillows as a dependent variable, and substituting the evaluation shrinkage rate indicating the rate at which the height of the evaluation target pillow other than the sample pillows is reduced by the single reference weight to the regression analysis model, a processor configured to calculate the hardness of the evaluation target pillow; includes

본 발명의 제1 실시예 및 제2 실시예에 따른 베개 경도 평가 방법 및 장치에 의하면, 샘플 베개들을 기준으로 하는 회귀 분석 모형이 생성될 수 있고, 회귀 분석 모형에 기초하여 임의의 베개가 갖는 경도가 정량적인 수치로 산출될 수 있으므로, 종래의 베개 소재에 따라 간접적으로 베개 경도를 추정하는 방식 대비 보다 정확한 베개 경도가 제공될 수 있다.According to the pillow hardness evaluation method and apparatus according to the first and second embodiments of the present invention, a regression analysis model based on sample pillows can be generated, and the hardness of any pillow based on the regression analysis model Since can be calculated as a quantitative value, a more accurate pillow hardness can be provided compared to the method of indirectly estimating the pillow hardness according to the conventional pillow material.

도 1은 일부 실시예에 따른 베개 경도 평가 장치가 동작하는 방식을 설명하기 위한 도면이다.
도 2는 일부 실시예에 따른 베개 경도 평가 장치를 구성하는 요소들을 나타내는 블록도이다.
도 3은 일부 실시예에 따른 샘플 베개들에 대한 전문가 평가 경도 점수를 산출하는 과정을 설명하기 위한 도면이다.
도 4는 일부 실시예에 따른 샘플 베개들에 대한 전문가 평가 경도 점수의 산출 결과를 설명하기 위한 도면이다.
도 5는 일부 실시예에 따른 무게추에 의한 베개의 줄음율을 측정하는 과정 및 인체 경부의 무게를 모사하는 샘플 무게추들을 설정하는 과정을 설명하기 위한 도면이다.
도 6은 일부 실시예에 따른 샘플 무게추들에 의한 샘플 베개들의 줄음율을 설명하기 위한 도면이다.
도 7은 일부 실시예에 따른 샘플 무게추들에 의한 샘플 베개들의 줄음율의 데이터 신뢰성을 분석하는 방식을 설명하기 위한 도면이다.
도 8은 일부 실시예에 따른 샘플 무게추들의 적어도 일부의 조합들로부터 판정되는 유효 기준을 만족하는 유효 조합들을 설명하기 위한 도면이다.
도 9는 일부 실시예에 따른 모형 정확도 및 모형 결정 계수를 기준으로 유효 조합들 중 어느 하나의 유효 조합을 선정하는 방식을 설명하기 위한 도면이다.
도 10은 일부 실시예에 따른 유효 조합들에 대한 정규성 검정을 수행하는 방식을 설명하기 위한 도면이다.
도 11은 일부 실시예에 따른 회귀 분석 모형에 기초하여 평가 대상 베개의 경도를 산출하는 과정을 설명하기 위한 도면이다.
도 12는 일부 실시예에 따른 단일의 기준 무게추에 의한 단순 회귀 분석 모형을 설명하기 위한 도면이다.
도 13은 일부 실시예에 따른 평가 대상 베개의 경도를 2개 분류, 3개 분류, 5개 분류 및 7개 분류 중 어느 하나의 분류 세밀도에 따라 분류하는 방식을 설명하기 위한 도면이다.
도 14 및 도 15는 일부 실시예에 따른 베개 경도 평가 방법을 구성하는 단계들을 나타내는 흐름도이다.1 is a view for explaining how a pillow hardness evaluation device according to some embodiments operates.
2 is a block diagram illustrating elements constituting a pillow hardness evaluation device according to some embodiments.
3 is a diagram for explaining a process of calculating expert evaluation hardness scores for sample pillows according to some embodiments.
4 is a view for explaining the calculation result of expert evaluation hardness score for sample pillows according to some embodiments.
FIG. 5 is a view for explaining a process of measuring a reduction rate of a pillow by weights and a process of setting sample weights simulating the weight of a human neck according to some embodiments.
6 is a view for explaining a reduction rate of sample pillows by sample weights according to some embodiments.
7 is a view for explaining a method of analyzing data reliability of reduction rates of sample pillows by sample weights according to some embodiments.
8 is a diagram for describing valid combinations satisfying a validity criterion determined from combinations of at least some of sample weights according to some embodiments.
9 is a diagram for describing a method of selecting one valid combination from among valid combinations based on model accuracy and model determination coefficient, according to some embodiments.
10 is a diagram for explaining a method of performing a normality test on valid combinations according to some embodiments.
11 is a view for explaining a process of calculating the hardness of a pillow to be evaluated based on a regression analysis model according to some embodiments.
12 is a view for explaining a simple regression analysis model using a single reference weight according to some embodiments.
13 is a view for explaining a method of classifying the hardness of an evaluation target pillow according to the classification precision of any one of two classifications, three classifications, five classifications, and seven classifications, according to some embodiments.
14 and 15 are flowcharts illustrating steps of configuring a pillow hardness evaluation method according to some embodiments.

이하에서는 도면을 참조하여 본 발명의 실시예들이 상세하게 설명될 것이다. 이하에서의 설명은 실시예들을 구체화하기 위한 것일 뿐, 본 발명에 따른 권리범위를 제한하거나 한정하기 위한 것은 아니다. 본 발명에 관한 기술 분야에서 통상의 지식을 가진 자가 발명의 상세한 설명 및 실시예들로부터 용이하게 유추할 수 있는 것은 본 발명에 따른 권리범위에 속하는 것으로 해석되어야 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. The following description is only for specifying the embodiments, and is not intended to limit or limit the scope of rights according to the present invention. What a person of ordinary skill in the art related to the present invention can easily infer from the detailed description and embodiments of the invention should be construed as belonging to the scope of the present invention.

본 발명에서 사용되는 용어는 본 발명에 관한 기술 분야에서 널리 사용되는 일반적인 용어로 기재되었으나, 본 발명에서 사용되는 용어의 의미는 해당 분야에 종사하는 기술자의 의도, 새로운 기술의 출현, 심사기준 또는 판례 등에 따라 달라질 수 있다. 일부 용어는 출원인에 의해 임의로 선정될 수 있고, 이 경우 임의로 선정되는 용어의 의미가 상세하게 설명될 것이다. 본 발명에서 사용되는 용어는 단지 사전적 의미만이 아닌, 명세서의 전반적인 맥락을 반영하는 의미로 해석되어야 한다.Although the terms used in the present invention have been described as general terms widely used in the technical field related to the present invention, the meaning of the terms used in the present invention is the intention of a technician in the relevant field, the emergence of new technology, examination standards or precedents. It may vary depending on Some terms may be arbitrarily selected by the applicant, and in this case, the meaning of the arbitrarily selected terms will be described in detail. Terms used in the present invention should be interpreted as meanings reflecting the overall context of the specification, not just dictionary meanings.

본 발명에서 사용되는 '구성된다' 또는 '포함한다'와 같은 용어는 명세서에 기재되는 구성 요소들 또는 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 일부 구성 요소들 또는 단계들은 포함되지 않는 경우, 및 추가적인 구성 요소들 또는 단계들이 더 포함되는 경우 또한 해당 용어로부터 의도되는 것으로 해석되어야 한다.Terms such as 'consisting' or 'comprising' used in the present invention should not be construed as necessarily including all of the components or steps described in the specification, and when some components or steps are not included, And when additional components or steps are further included, it should also be construed as intended from the term.

본 발명에서 사용되는 '제 1' 또는 '제 2'와 같은 서수를 포함하는 용어는 다양한 구성 요소들 또는 단계들을 설명하기 위해 사용될 수 있으나, 해당 구성 요소들 또는 단계들은 서수에 의해 한정되지 않아야 한다. 서수를 포함하는 용어는 하나의 구성 요소 또는 단계를 다른 구성 요소들 또는 단계들로부터 구별하기 위한 용도로만 해석되어야 한다.Terms including an ordinal number such as 'first' or 'second' used in the present invention may be used to describe various components or steps, but the components or steps should not be limited by the ordinal number. . Terms containing an ordinal number should only be construed for the purpose of distinguishing one element or step from other elements or steps.

이하에서는 도면을 참조하여 본 발명의 실시예들이 상세하게 설명될 것이다. 본 발명에 관한 기술 분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 대해서는 자세한 설명이 생략된다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Detailed descriptions of matters widely known to those of ordinary skill in the art related to the present invention will be omitted.

도 1은 일부 실시예에 따른 베개 경도 평가 장치가 동작하는 방식을 설명하기 위한 도면이다.1 is a view for explaining how a pillow hardness evaluation device according to some embodiments operates.

도 1을 참조하면, 베개 경도 평가 장치(100)는 기준 무게추(들)(10), 샘플 베개들(20), 회귀 분석 모형(30), 평가 대상 베개(40) 및 평가 대상 베개의 경도(50)와 관련하여 단계 ① 내지 단계 ④를 순차적으로 수행할 수 있다.Referring to FIG. 1 , the pillow hardness evaluation device 100 includes a reference weight(s) 10 , sample pillows 20 , a regression analysis model 30 , an evaluation target pillow 40 , and hardness of an evaluation target pillow In relation to (50), steps ① to ④ may be sequentially performed.

기준 무게추(들)(10)은 회귀 분석 모형(30)의 생성에 활용되는 무게추들을 의미할 수 있다. 기준 무게추(들)(10)이 샘플 베개들(20) 상에 올려지는 경우 샘플 베개들(20)의 높이가 줄어드는 비율을 나타내는 줄음율이 회귀 분석 모형(30)의 생성에 활용될 수 있다. 본 발명의 제1 실시예에서는 기준 무게추(들)(10)이 복수의 기준 무게추들일 수 있고, 본 발명의 제2 실시예에서는 기준 무게추(들)(10)이 단일의 기준 무게추일 수 있다.The reference weight(s) 10 may refer to weights used to generate the regression analysis model 30 . When the reference weight(s) 10 is placed on the sample pillows 20 , a reduction rate indicating a rate at which the height of the sample pillows 20 decreases may be used to generate the regression analysis model 30 . . In the first embodiment of the present invention, the reference weight(s) 10 may be a plurality of reference weights, and in the second embodiment of the present invention, the reference weight(s) 10 is a single reference weight. can

샘플 베개들(20)은 회귀 분석 모형(30)의 생성에 활용되는 베개들을 의미할 수 있다. 예를 들면, 샘플 베개들(20)은 다양한 경도 수치를 갖는 12종의 베개들일 수 있고, 또는 설계 변경에 따라 그 이상 또는 그 이하의 개수의 베개들일 수 있다.The sample pillows 20 may mean pillows used to generate the regression analysis model 30 . For example, the sample pillows 20 may be 12 kinds of pillows having various hardness values, or more or less pillows according to design changes.

회귀 분석 모형(30)은 기준 무게추(들)(10) 및 샘플 베개들(20)에 대한 경도 측정의 결과를 회귀 분석의 방식으로 일반화하는 모형을 의미할 수 있다. 회귀 분석 모형(30)은 특정 수식으로 표현될 수 있고, 회귀 분석 모형(30)에 의해 평가되는 평가 대상 베개의 경도(50)는 정량적인 수치로 산출될 수 있다. 본 발명의 제1 실시예에서는 회귀 분석 모형(30)이 다중 회귀 분석 모형일 수 있고, 본 발명의 제2 실시예에서는 회귀 분석 모형(30)이 단순 회귀 분석 모형일 수 있다.The regression analysis model 30 may refer to a model that generalizes the results of hardness measurement for the reference weight(s) 10 and the sample pillows 20 in the manner of regression analysis. The regression analysis model 30 may be expressed by a specific formula, and the hardness 50 of the pillow to be evaluated evaluated by the regression analysis model 30 may be calculated as a quantitative value. In the first embodiment of the present invention, the regression analysis model 30 may be a multiple regression analysis model, and in the second embodiment of the present invention, the regression analysis model 30 may be a simple regression analysis model.

평가 대상 베개(40)는 본 발명에 따라 경도 평가가 수행되는 베개를 의미할 수 있다. 평가 대상 베개(40)에 대해서는 회귀 분석 모형(30)에 의해 경도 평가가 수행될 수 있다. 평가 대상 베개(40)의 경도 평가 과정에는 회귀 분석 모형(30)의 생성 과정에 활용되었던 기준 무게추(들)(10)이 동일하게 활용될 수 있다. 기준 무게추(들)(10)에 의한 평가 대상 베개(40)의 줄음율이 회귀 분석 모형(30)에 적용되면 평가 대상 베개의 경도(50)가 산출될 수 있다.The evaluation target pillow 40 may mean a pillow on which hardness evaluation is performed according to the present invention. For the evaluation target pillow 40 , hardness evaluation may be performed by the regression analysis model 30 . In the hardness evaluation process of the evaluation target pillow 40, the reference weight(s) 10 used in the generation process of the regression analysis model 30 may be equally utilized. When the reduction rate of the evaluation target pillow 40 by the reference weight(s) 10 is applied to the regression analysis model 30 , the hardness 50 of the evaluation target pillow can be calculated.

회귀 분석 모형(30)을 생성하는 과정 및 평가 대상 베개의 경도(50)를 산출하는 과정은 모두 베개 경도 평가 장치(100)에 의해 수행될 수 있다. 베개 경도 평가 장치(100)는 단계 ① 및 단계 ②를 통해 회귀 분석 모형(30)을 생성할 수 있고, 단계 ③ 및 단계 ④를 통해 평가 대상 베개의 경도(50)를 산출할 수 있다.The process of generating the regression analysis model 30 and the process of calculating the hardness 50 of the evaluation target pillow may all be performed by the pillow hardness evaluation apparatus 100 . The pillow hardness evaluation apparatus 100 may generate the regression analysis model 30 through steps ① and ②, and calculate the hardness 50 of the pillow to be evaluated through steps ③ and ④.

베개 경도 평가 장치(100)에 의하면 기준 무게추(들)(10)에 의해 샘플 베개들(20)의 높이가 실제로 줄어드는 정도(줄음율)을 바탕으로 회귀 분석 모형(30)이 생성될 수 있으므로, 베개 소재에 의해 간접적으로 유추되는 베개 경도 정보와 비교할 때, 회귀 분석 모형(30)에 의해 산출되는 평가 대상 베개의 경도(50)에는 평가 대상 베개(40)의 실제 경도가 보다 잘 반영될 수 있다. 또한, 평가 대상 베개의 경도(50)에 의하면 평가 대상 베개(40)가 얼마나 단단한지를 나타내는 정보가 수치로서 정량적으로 제공될 수 있다.According to the pillow hardness evaluation apparatus 100, the regression analysis model 30 can be generated based on the degree (reduction rate) of the actual reduction in height of the sample pillows 20 by the reference weight(s) 10 . , compared with the pillow hardness information indirectly inferred by the pillow material, the actual hardness of the pillow 40 to be evaluated can be better reflected in the hardness 50 of the pillow to be evaluated calculated by the regression analysis model 30 have. In addition, according to the hardness 50 of the evaluation target pillow, information indicating how hard the evaluation target pillow 40 can be provided quantitatively as a numerical value.

도 2는 일부 실시예에 따른 베개 경도 평가 장치를 구성하는 요소들을 나타내는 블록도이다.2 is a block diagram illustrating elements constituting an apparatus for evaluating pillow hardness according to some embodiments.

도 2를 참조하면, 베개 경도 평가 장치(100)는 메모리(110) 및 프로세서(120)를 포함할 수 있다. 다만 이에 제한되는 것은 아니고, 도 2에 도시되는 요소들 외에 다른 범용적인 요소들이 베개 경도 평가 장치(100)에 더 포함될 수 있다.Referring to FIG. 2 , the pillow hardness evaluation apparatus 100 may include a memory 110 and a processor 120 . However, the present invention is not limited thereto, and other general-purpose elements in addition to the elements shown in FIG. 2 may be further included in the pillow hardness evaluation apparatus 100 .

베개 경도 평가 장치(100)는 회귀 분석 모형(30)을 생성하고 평가 대상 베개의 경도(50)를 산출하기 위한 컴퓨팅 디바이스일 수 있다. 베개 경도 평가 장치(100)에서 수행되는 데이터 입출력 및 처리 과정은 모바일/웹 애플리케이션 또는 컴퓨터 프로그램으로 구현될 수 있다. 예를 들면, 베개 경도 평가 장치(100)는 PC, 워크스테이션, 데이터 센터 서버, 클라우드 서버 또는 하이브리드 서버 등과 같은 형태로 구현될 수 있다. 다만 이에 제한되는 것은 아니고, 베개 경도 평가 장치(100)는 프로세싱 성능을 구비하는 다양한 전자 디바이스의 형태로 구현될 수 있다.The pillow hardness evaluation apparatus 100 may be a computing device for generating the regression analysis model 30 and calculating the hardness 50 of the pillow to be evaluated. The data input/output and processing process performed in the pillow hardness evaluation device 100 may be implemented as a mobile/web application or a computer program. For example, the pillow hardness evaluation apparatus 100 may be implemented in the form of a PC, a workstation, a data center server, a cloud server, or a hybrid server. However, the present invention is not limited thereto, and the pillow hardness evaluation apparatus 100 may be implemented in the form of various electronic devices having processing performance.

베개 경도 평가 장치(100)는 각종 데이터, 명령어들, 적어도 하나의 프로그램 또는 소프트웨어를 저장하기 위한 수단으로서 메모리(110)를 포함할 수 있고, 명령어들 또는 적어도 하나의 프로그램을 실행함으로써 각종 데이터에 대한 처리를 수행하기 위한 수단으로서 프로세서(120)를 포함할 수 있다.Pillow hardness evaluation apparatus 100 may include a memory 110 as a means for storing various data, instructions, at least one program or software, by executing the instructions or at least one program for various data A processor 120 may be included as a means for performing processing.

메모리(110)는 회귀 분석 모형(30)을 생성하고 평가 대상 베개의 경도(50)를 산출하기 위한 각종 명령어들을 저장할 수 있다. 예를 들면, 메모리(110)는 컴퓨터 프로그램 또는 모바일/웹 애플리케이션과 같은 소프트웨어를 구성하는 명령어들을 저장할 수 있다. 또한, 메모리(110)는 애플리케이션 또는 프로그램의 실행에 필요한 각종 데이터를 저장할 수 있다.The memory 110 may store various commands for generating the regression analysis model 30 and calculating the hardness 50 of the pillow to be evaluated. For example, the memory 110 may store instructions constituting software such as a computer program or mobile/web application. In addition, the memory 110 may store various data required for execution of an application or program.

메모리(110)는 ROM, PROM, EPROM, EEPROM, 플래시 메모리, PRAM, MRAM, RRAM, FRAM 등과 같은 비휘발성 메모리로 구현될 수 있고, 또는 DRAM, SRAM, SDRAM, PRAM, RRAM, FeRAM 등의 휘발성 메모리로 구현될 수 있다. 또한, 메모리(110)는 HDD, SSD, SD, Micro-SD 등으로 구현될 수도 있다.The memory 110 may be implemented as a non-volatile memory such as ROM, PROM, EPROM, EEPROM, flash memory, PRAM, MRAM, RRAM, FRAM, or the like, or a volatile memory such as DRAM, SRAM, SDRAM, PRAM, RRAM, FeRAM, etc. can be implemented as In addition, the memory 110 may be implemented as HDD, SSD, SD, Micro-SD, or the like.

프로세서(120)는 메모리(110)에 저장되는 명령어들을 실행함으로써 회귀 분석 모형(30)을 생성하고 평가 대상 베개의 경도(50)를 산출하기 위한 일련의 처리 과정들을 수행할 수 있다. 또한, 프로세서(120)는 베개 경도 평가 장치(100)를 제어하기 위한 전반적인 기능을 수행할 수 있고, 베개 경도 평가 장치(100) 내부의 각종 연산들을 처리할 수 있다.The processor 120 may generate the regression analysis model 30 by executing instructions stored in the memory 110 and perform a series of processing processes for calculating the hardness 50 of the pillow to be evaluated. In addition, the processor 120 may perform an overall function for controlling the pillow hardness evaluation apparatus 100 , and may process various calculations inside the pillow hardness evaluation apparatus 100 .

프로세서(120)는 다수의 논리 게이트들의 어레이 또는 범용적인 마이크로 프로세서로 구현될 수 있다. 프로세서(120)는 단일의 프로세서 또는 복수의 프로세서들로 구성될 수 있다. 프로세서(120)는 명령어들을 저장하는 메모리(110)와 별개의 구성이 아닌, 메모리(110)와 함께 일체로 구성될 수도 있다. 예를 들면, 프로세서(120)는 베개 경도 평가 장치(100) 내에 구비되는 CPU, GPU 및 AP 중 적어도 하나의 형태로 구현될 수 있다.The processor 120 may be implemented as an array of multiple logic gates or a general-purpose microprocessor. The processor 120 may be configured as a single processor or a plurality of processors. The processor 120 may be integrally configured with the memory 110 , rather than as a separate configuration from the memory 110 for storing instructions. For example, the processor 120 may be implemented in the form of at least one of a CPU, a GPU, and an AP provided in the pillow hardness evaluation apparatus 100 .

프로세서(120)는, 메모리(110)에 저장되는 명령어들을 실행함으로써, 샘플 베개들(20)에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 기준 무게추(들)(10)에 의해 샘플 베개들(20)의 높이가 줄어드는 비율을 나타내는 샘플 줄음율(들)을 독립 변수로 하고, 샘플 베개들(20)의 경도를 종속 변수로 하는 회귀 분석 모형(30)을 생성하도록 구성될 수 있다.The processor 120, by executing the instructions stored in the memory 110, the expert evaluation hardness score for the sample pillows 20 as a learning dataset, and the sample pillow by the reference weight (s) (10) It may be configured to generate a regression analysis model 30 with the sample reduction rate(s) representing the rate at which the height of the pillows 20 decreases as an independent variable, and the hardness of the sample pillows 20 as a dependent variable.

회귀 분석 모형(30)의 생성 과정에서, 본 발명의 제1 실시예에서는 기준 무게추(들)(10)이 복수의 기준 무게추들일 수 있고, 본 발명의 제2 실시예에서는 기준 무게추(들)(10)이 단일의 기준 무게추일 수 있다.In the process of generating the regression analysis model 30, in the first embodiment of the present invention, the reference weight(s) 10 may be a plurality of reference weights, and in the second embodiment of the present invention, the reference weight ( s) 10 may be a single reference weight.

회귀 분석 모형(30)을 생성하기 위해 샘플 베개들(20)에 대한 전문가 평가 경도 점수가 준비될 수 있다. 샘플 베개들(20)은 부드러운 베개, 보통의 베개 및 단단한 베개 등 다양한 종류로 구비될 수 있고, 샘플 베개들(20)에 대한 업계 관계자들의 평가 점수가 사전에 설문 조사 등을 통해 준비될 수 있다. 전문가 평가 경도 점수는 회귀 분석 모형(30)의 생성을 위한 기준이 되는 학습 데이터셋이 될 수 있다. 전문가 평가 경도 점수에 대해서는 후술할 도 3이 참조될 수 있다.An expert evaluation hardness score for the sample pillows 20 may be prepared to generate the regression analysis model 30 . The sample pillows 20 may be provided in various types, such as a soft pillow, a normal pillow, and a hard pillow, and evaluation scores of industry officials for the sample pillows 20 may be prepared in advance through a survey, etc. . The expert evaluation hardness score may be a learning dataset serving as a reference for generating the regression analysis model 30 . For the expert evaluation hardness score, reference may be made to FIG. 3 to be described later.

회귀 분석 모형(30)의 독립 변수는 샘플 베개들(20)의 높이가 줄어드는 비율을 나타내는 샘플 줄음율들 또는 샘플 줄음율일 수 있다. 구체적으로, 본 발명의 제1 실시예에서는 샘플 줄음율들이 회귀 분석 모형(30)의 독립 변수일 수 있고, 본 발명의 제2 실시예에서는 샘플 줄음율이 회귀 분석 모형(30)의 독립 변수일 수 있다. 샘플 줄음율들 또는 샘플 줄음율은, 복수의 기준 무게추들 또는 단일의 기준 무게추에 의해 샘플 베개들(20)의 높이가 줄어드는 비율을 나타낼 수 있다.The independent variable of the regression analysis model 30 may be sample shrinkage rates or sample shrinkage rates indicating a rate at which the height of the sample pillows 20 decreases. Specifically, in the first embodiment of the present invention, the sample shrinkage rate may be an independent variable of the regression analysis model 30 , and in the second embodiment of the present invention, the sample shrinkage rate is an independent variable of the regression analysis model 30 . can The sample shrinkage rates or sample shrinkage rates may indicate a rate at which the height of the sample pillows 20 is reduced by a plurality of reference weights or a single reference weight.

회귀 분석 모형(30)의 종속 변수는 샘플 베개들(20)의 경도일 수 있다. 회귀 분석 모형(30)에서는 독립 변수인 샘플 줄음율들 또는 샘플 줄음율에 의해 종속 변수인 샘플 베개들(20)의 경도가 결정될 수 있다. 회귀 분석 모형(30)에서는 학습 데이터셋인 샘플 베개들(20)에 대한 전문가 평가 경도 점수를 기준으로 독립 변수 및 종속 변수와의 관계, 예를 들면 바이어스 및 웨이트의 값들이 설정될 수 있다.The dependent variable of the regression analysis model 30 may be the hardness of the sample pillows 20 . In the regression analysis model 30 , the hardness of the sample pillows 20 as a dependent variable may be determined by sample shrinkage rates or sample shrinkage rates as independent variables. In the regression analysis model 30 , a relationship between an independent variable and a dependent variable, for example, values of bias and weight, may be set based on expert evaluation hardness scores for the sample pillows 20 as a learning dataset.

프로세서(120)는, 메모리(110)에 저장되는 명령어들을 실행함으로써, 샘플 베개들(20) 외의 평가 대상 베개(40)의 높이가 기준 무게추(들)(10)에 의해 줄어드는 비율을 나타내는 평가 줄음율(들)을 회귀 분석 모형(30)에 대입하여 평가 대상 베개의 경도(50)를 산출하도록 구성될 수 있다.The processor 120, by executing the instructions stored in the memory 110, the evaluation indicating the rate at which the height of the evaluation target pillow 40 other than the sample pillows 20 is reduced by the reference weight(s) 10 It may be configured to calculate the hardness 50 of the pillow to be evaluated by substituting the reduction rate(s) into the regression analysis model 30 .

평가 대상 베개의 경도(50)의 산출 과정에서, 본 발명의 제1 실시예에서는 기준 무게추(들)(10)이 복수의 기준 무게추들일 수 있고, 본 발명의 제2 실시예에서는 기준 무게추(들)(10)이 단일의 기준 무게추일 수 있다.In the process of calculating the hardness 50 of the pillow to be evaluated, in the first embodiment of the present invention, the reference weight(s) 10 may be a plurality of reference weights, and in the second embodiment of the present invention, the reference weight The weight(s) 10 may be a single reference weight.

회귀 분석 모형(30)의 생성 과정에서 샘플 베개들(20)의 샘플 줄음율(들)을 측정하기 위해 사용되었던 기준 무게추(들)(10)은, 평가 대상 베개의 경도(50)의 산출 과정에서 평가 대상 베개(40)의 평가 줄음율(들)을 측정하기 위해서도 동일하게 사용될 수 있다.The reference weight(s) 10 used to measure the sample shrinkage rate(s) of the sample pillows 20 in the process of generating the regression analysis model 30 is the calculation of the hardness 50 of the pillow to be evaluated In the process, the same may be used to measure the evaluation reduction rate(s) of the evaluation target pillow 40 .

기준 무게추(들)(10)에 의한 평가 대상 베개(40)의 평가 줄음율(들)이 회귀 분석 모형(30)에 대입되는 경우, 회귀 분석 모형(30)의 수식에 의해 평가 대상 베개의 경도(50)가 산출될 수 있다. 회귀 분석 모형(30)은 샘플 베개들(20)을 기준으로 생성된 것이지만, 샘플 베개들(20) 이외의 다른 임의의 베개들에 대해서도 베개 경도를 예측할 수 있다.When the evaluation reduction rate(s) of the evaluation target pillow 40 by the reference weight(s) 10 is substituted for the regression analysis model 30, the A hardness 50 can be calculated. Although the regression analysis model 30 is generated based on the sample pillows 20 , pillow hardness may be predicted for any pillows other than the sample pillows 20 .

예를 들면, 본 발명의 제1 실시예에서는 3종의 기준 무게추들을 독립 변수로 하는 회귀 분석 모형(30)이 생성될 수 있고, 3종의 기준 무게추들에 의한 평가 대상 베개(40)의 평가 줄음율들이 회귀 분석 모형(30)에 대입되어 평가 대상 베개의 경도(50)가 산출될 수 있다. 또한, 본 발명의 제2 실시예에서는 1종의 기준 무게추를 독립 변수로 하는 회귀 분석 모형(30)이 생성될 수 있고, 1종의 기준 무게추에 의한 평가 대상 베개(40)의 평가 줄음율이 회귀 분석 모형(30)에 대입되어 평가 대상 베개의 경도(50)가 산출될 수 있다.For example, in the first embodiment of the present invention, a regression analysis model 30 using three types of reference weights as independent variables may be generated, and a pillow 40 to be evaluated by the three types of reference weights. The evaluation reduction rates of are substituted into the regression analysis model 30 to calculate the hardness 50 of the pillow to be evaluated. In addition, in the second embodiment of the present invention, a regression analysis model 30 using one type of reference weight as an independent variable may be generated, and the evaluation line of the pillow 40 to be evaluated by one type of reference weight The melody is substituted into the regression analysis model 30 to calculate the hardness 50 of the pillow to be evaluated.

도 3은 일부 실시예에 따른 샘플 베개들에 대한 전문가 평가 경도 점수를 산출하는 과정을 설명하기 위한 도면이다.3 is a diagram for explaining a process of calculating expert evaluation hardness scores for sample pillows according to some embodiments.

도 3을 참조하면, 전문가 평가 경도 점수를 산출하기 위한 설문 양식(310), 전문가 평가 경도 점수의 산출에 참가한 업계 관계자들의 정보(320) 및 전문가 평가 경도 점수의 산출을 위해 샘플 베개들(20)에 시범적으로 누워 보는 산출 과정(330)이 도시되어 있다.Referring to FIG. 3 , a questionnaire form 310 for calculating an expert evaluation hardness score, information 320 of industry officials participating in the calculation of an expert evaluation hardness score, and sample pillows 20 for calculating an expert evaluation hardness score The calculation process 330 is shown as a demonstration lying down.

설문 양식(310), 업계 관계자들의 정보(320) 및 산출 과정(330)과 관련하여, 샘플 베개들(20)은 1.0 이상 8.0 이하의 베개 경도 범위에 분포되는 12종의 베개들일 수 있고, 전문가 평가 경도 점수는 12종의 베개들 각각에 대한 업계 관계자들의 주관적 평가 점수의 평균일 수 있다. 설문 양식(310)의 1점은 1.0 이상 2.0 이하의 베개 경도를 의미할 수 있고, 설문 양식(310)의 7점은 7.0 이상 8.0 이하의 베개 경도를 의미할 수 있다.Regarding the questionnaire form 310, the information 320 of industry officials and the calculation process 330, the sample pillows 20 may be 12 pillows distributed in a pillow hardness range of 1.0 or more and 8.0 or less, and experts The evaluation hardness score may be an average of subjective evaluation scores of industry officials for each of the 12 types of pillows. 1 point of the questionnaire form 310 may mean a pillow hardness of 1.0 or more and 2.0 or less, and 7 points of the questionnaire form 310 may mean a pillow hardness of 7.0 or more and 8.0 or less.

설문 양식(310)에서와 같이, 샘플 베개들(20)은 1.0 이상 8.0 이하의 베개 경도 범위에 분포될 수 있다. 도시된 바와 같이 2점으로 표기된 베개는 2.0 이상 3.0 이하의 베개 경도를 갖는 것으로 해석될 수 있다. 1.0 이상 8.0 이하의 베개 경도 범위에서, 높은 베개 경도는 단단한 베개를 의미할 수 있고, 낮은 베개 경도는 부드러운 베개를 의미할 수 있다.As in the questionnaire form 310 , the sample pillows 20 may be distributed in a pillow hardness range of 1.0 or more and 8.0 or less. As shown, a pillow marked with 2 points may be interpreted as having a pillow hardness of 2.0 or more and 3.0 or less. In the pillow hardness range of 1.0 or more and 8.0 or less, a high pillow hardness may mean a hard pillow, and a low pillow hardness may mean a soft pillow.

도 4는 일부 실시예에 따른 샘플 베개들에 대한 전문가 평가 경도 점수의 산출 결과를 설명하기 위한 도면이다.4 is a view for explaining a result of calculating expert evaluation hardness scores for sample pillows according to some embodiments.

도 4를 참조하면, 샘플 베개들(20)에 대한 전문가 평가 경도 점수의 산출 결과를 설명하기 위한 표(400)가 도시되어 있다.Referring to FIG. 4 , a table 400 for explaining the calculation result of the expert evaluation hardness score for the sample pillows 20 is shown.

표(400)에서는 샘플 베개들(20)에 대한 하나의 예시로서 12종의 샘플 베개들(410)이 제시될 수 있고, 12종의 샘플 베개들(410)에 대한 전문가 평가 경도 점수(420) 및 표준편차(430)가 제시될 수 있다. 전문가 평가 경도 점수(420)는 12종의 샘플 베개들(410)에 대한 업계 관계자들의 경도 평가 점수의 평균일 수 있다.In the table 400 , 12 kinds of sample pillows 410 may be presented as an example for the sample pillows 20 , and expert evaluation hardness scores 420 for the 12 kinds of sample pillows 410 . and standard deviation 430 may be presented. The expert evaluation hardness score 420 may be an average of the hardness evaluation scores of industry officials for the 12 kinds of sample pillows 410 .

12종의 샘플 베개들(410)에 대한 전문가 평가 경도 점수(420)는 회귀 분석 모형(30)을 생성하기 위한 학습 데이터셋으로 활용될 수 있다. 회귀 분석 모형(30)의 바이어스 및 웨이트 등의 파라미터들은 전문가 평가 경도 점수(420)를 기준으로 업데이트되며 학습될 수 있다.The expert evaluation hardness score 420 for the 12 kinds of sample pillows 410 may be used as a training dataset for generating the regression analysis model 30 . Parameters such as bias and weight of the regression analysis model 30 may be updated and learned based on the expert evaluation hardness score 420 .

도 5는 일부 실시예에 따른 무게추에 의한 베개의 줄음율을 측정하는 과정 및 인체 경부의 무게를 모사하는 샘플 무게추들을 설정하는 과정을 설명하기 위한 도면이다.FIG. 5 is a view for explaining a process of measuring a reduction rate of a pillow by weights and a process of setting sample weights simulating the weight of a human neck according to some embodiments.

도 5를 참조하면, 0.5 kg 단위의 적층 무게추의 구조(510), 무게추에 의한 베개의 줄음율에 대한 측정 과정(520) 및 인체 경부의 무게를 모사하는 샘플 무게추들의 설정 과정(530)이 도시되어 있다.Referring to FIG. 5 , the structure 510 of the stacked weight in units of 0.5 kg, the measurement process 520 for the reduction rate of the pillow by the weight, and the setting process 530 for sample weights simulating the weight of the human neck ) is shown.

적층 무게추의 구조(510)에는 0.5 kg의 단위 무게추가 도시되어 있다. 0.5 kg의 단위 무게추를 적층시키는 개수에 따라 1.5 kg, 2.0 kg, 2.5 kg 등으로 0.5 kg 간격의 무게추들이 형성될 수 있다. 0.5 kg의 단위 무게추의 지름은 3.5 cm, 높이는 1.8 cm, 부피는 63 cm³일 수 있고, 적층시 이탈 방지를 위해 U자형의 홈이 형성될 수 있다.A unit weight of 0.5 kg is shown in the structure 510 of the stacked weight. Depending on the number of stacking unit weights of 0.5 kg, weights with 0.5 kg intervals may be formed, such as 1.5 kg, 2.0 kg, 2.5 kg, and the like. A unit weight of 0.5 kg may have a diameter of 3.5 cm, a height of 1.8 cm, and a volume of 63 cm ³ , and a U-shaped groove may be formed to prevent separation during stacking.

측정 과정(520)에서와 같이, 무게추에 의한 베개의 줄음율은 베개 상에 무게추가 올려졌을 때 베가의 높이가 줄어드는 비율을 확인하는 방식으로 측정될 수 있다. 이 때 무게추가 올려지는 부하 위치는 베개가 인체의 경추를 지지하는 부위일 수 있다.As in the measurement process 520 , the rate of reduction of the pillow by the weight may be measured in a manner that confirms the rate at which the height of Vega decreases when the weight is placed on the pillow. In this case, the load position on which the weight is raised may be a region where the pillow supports the cervical vertebrae of the human body.

예를 들면, 측정 과정(520)에서는 적층 무게추를 10 mm/s 이하의 속도로 전체 높이의 50% 수준까지 눌렀다가 뗀 후 30초 경과 후의 베개 높이가 측정될 수 있고, 단단한 소재의 베개의 경우 누르는 힘이 과해지는 시점 이전까지 눌렀다가 뗀 후 30초 경과 후의 베개 높이가 측정될 수 있다.For example, in the measurement process 520, the height of the pillow 30 seconds after pressing and releasing the stacked weight at a speed of 10 mm/s or less to the level of 50% of the total height may be measured, and the height of the pillow made of a hard material. In this case, the height of the pillow may be measured 30 seconds after pressing until the point where the pressing force is excessive and then releasing.

설정 과정(530)에서는 인체 경부의 무게를 모사하는 샘플 무게추들이 설정되는 과정이 제시될 수 있다. 설정 과정(530)의 표에는 성인 체중의 분포가 40 kg부터 90kg까지 나열되어 있고, 그와 같은 체중별로 인체의 두경부 및 경부의 무게가 얼마로 추산될 수 있는지가 표시될 수 있다.In the setting process 530 , a process in which sample weights simulating the weight of the human neck are set may be presented. In the table of the setting process 530, the distribution of adult weight ranges from 40 kg to 90 kg, and how much the weight of the head and neck and neck of the human body can be estimated for each such weight may be displayed.

구체적으로, 인체의 머리 부분 및 목 부분의 무게에 관한 연구(Park 등)에 의하면, 인체 두경부의 무게는 체중의 8% 내지 10%로 추정될 수 있다. 또한, 인체 두경부에서 머리 부분과 목 부분의 무게 비율에 관한 연구(WEI-HUA, 2013, ACSM)에 의하면 인체 두경부에서 목 부분의 무게가 52.69%로 추정될 수 있다. 이 때 인체 두경부에서 목 부분의 무게를 50%로 근사한 경우에, 체중별 인체 경부의 무게(531)가 계산될 수 있다.Specifically, according to a study on the weight of the head and neck of the human body ( Park et al.), the weight of the human head and neck can be estimated to be 8% to 10% of the body weight. In addition, according to a study on the weight ratio of the head and neck in the human head and neck ( WEI-HUA , 2013, ACSM), the weight of the neck in the human head and neck can be estimated to be 52.69%. In this case, when the weight of the neck portion in the human head and neck is approximated by 50%, the weight 531 of the human neck for each body weight may be calculated.

체중별 인체 경부의 무게(531)는 1.6 kg 내지 4.5 kg의 범위를 가지므로, 이를 0.5 kg 단위로 전환하여, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0 및 4.5 kg의 7종의 무게추들이 샘플 무게추들로 설정될 수 있다.Since the weight 531 of the human neck by body weight ranges from 1.6 kg to 4.5 kg, it is converted into 0.5 kg units, and 7 types of weights of 1.5, 2.0, 2.5, 3.0, 3.5, 4.0 and 4.5 kg are obtained. It can be set to sample weights.

도 6은 일부 실시예에 따른 샘플 무게추들에 의한 샘플 베개들의 줄음율을 설명하기 위한 도면이다.6 is a view for explaining a reduction rate of sample pillows by sample weights according to some embodiments.

도 6을 참조하면, 샘플 무게추들(614)에 의한 샘플 베개들(611)의 줄음율(621)을 설명하기 위한 표(610) 및 표(620)가 도시되어 있다.Referring to FIG. 6 , a table 610 and a table 620 for explaining the reduction ratio 621 of the sample pillows 611 by the sample weights 614 are shown.

표(610)에는 12종의 샘플 베개들(611)에 대한 전문가 평가 경도 점수(612) 및 12종의 샘플 베개들(611)이 무게추에 의해 줄어들기 이전의 초기 높이(613)가 도시되어 있다. 도시된 바와 같이, 체중별 인체 경부의 무게를 모사하는 샘플 무게추들(614)은 0.5 kg 단위로 1.5 kg 내지 4.5 kg까지의 7종의 무게추들일 수 있다.In the table 610, the expert evaluation hardness score 612 for the 12 kinds of sample pillows 611 and the initial height 613 before the 12 kinds of sample pillows 611 are reduced by the weight are shown. have. As shown, the sample weights 614 simulating the weight of the human neck for each body weight may be seven types of weights ranging from 1.5 kg to 4.5 kg in 0.5 kg units.

표(610)에는 샘플 무게추들(614)에 의해 줄어든 12종의 샘플 베개들(611)의 높이가 정리되어 있다. 이를 초기 높이(613)를 기준으로 계산하면, 표(620)에서와 같이 샘플 무게추들(614)에 의한 샘플 베개들(611)의 줄음율(621)이 정리될 수 있다.In the table 610, the heights of 12 kinds of sample pillows 611 reduced by the sample weights 614 are arranged. If this is calculated based on the initial height 613 , the reduction ratio 621 of the sample pillows 611 by the sample weights 614 can be arranged as shown in the table 620 .

샘플 무게추들(614)에 의한 샘플 베개들(611)의 줄음율(621)에 의하면, 회귀 분석 모형(30)의 생성 및 평가 대상 베개의 경도(50)의 산출에 활용되는 기준 무게추(들)(10)이 결정될 수 있다. 본 발명의 제1 실시예에서는 줄음율(621)에 의해 복수의 기준 무게추들이, 제2 실시예에서는 단일의 기준 무게추가 결정될 수 있다.According to the reduction rate 621 of the sample pillows 611 by the sample weights 614, the reference weight ( s) (10) can be determined. In the first embodiment of the present invention, a plurality of reference weights may be determined by the reduction ratio 621, and in the second embodiment, a single reference weight may be determined.

구체적으로, 줄음율(621)을 활용하여 샘플 무게추들(614)로부터 유효 조합들이 판정될 수 있고, 유효 조합들 중에서 다시 선정되는 어느 하나의 유효 조합이 기준 무게추(들)(10)일 수 있다. 예를 들면, 샘플 무게추들(614)로부터 6개의 유효 조합들 판정될 수 있고, 6개의 유효 조합들 중 어느 하나를 구성하는 무게추들이 기준 무게추(들)(10)일 수 있다.Specifically, valid combinations may be determined from the sample weights 614 using the reduction ratio 621 , and any one valid combination selected again from among the valid combinations is the reference weight(s) 10 . can For example, six effective combinations may be determined from the sample weights 614 , and weights constituting any one of the six effective combinations may be the reference weight(s) 10 .

즉, 본 발명의 제1 실시예에서, 체중별 인체 경부의 무게를 모사하는 샘플 무게추(614)들의 적어도 일부의 조합들 중 유효 기준을 만족하는 유효 조합들이 판정될 수 있고, 복수의 기준 무게추들은 유효 조합들 중 모형 성능을 기준으로 선정되는 어느 하나의 유효 조합을 구성하는 무게추들일 수 있다.That is, in the first embodiment of the present invention, effective combinations satisfying the effective criterion among at least some combinations of the sample weights 614 simulating the weight of the human neck for each body weight may be determined, and a plurality of reference weights may be determined. The weights may be weights constituting any one effective combination selected based on model performance among the effective combinations.

도 7은 일부 실시예에 따른 샘플 무게추들에 의한 샘플 베개들의 줄음율의 데이터 신뢰성을 분석하는 방식을 설명하기 위한 도면이다.7 is a view for explaining a method of analyzing data reliability of reduction rates of sample pillows by sample weights according to some embodiments.

도 7을 참조하면, 샘플 무게추들(710)에 의한 샘플 베개들(20)의 줄음율의 데이터 신뢰성을 분석하는 방식을 설명하기 위한 표(700)가 도시되어 있다.Referring to FIG. 7 , a table 700 is shown for explaining a method of analyzing the data reliability of the reduction ratio of the sample pillows 20 by the sample weights 710 .

표(700)에서는 샘플 무게추들(710)의 부하별로 데이터 신뢰성이 분석될 수 있다. 데이터 신뢰성 분석은 R-J 통계량을 통한 정규성 검정에 의해 수행될 수 있다. 이는 p-값이 0.1보다 클 때 정규 분포를 따른다는 가설을 기반으로 하는 것으로서, 샘플 무게추들(710)의 모든 부하에서 p-값이 0.1보다 큰 것으로 확인되어, 샘플 무게추들(710)의 각 부하에서의 샘플 베개들(20)의 줄음율들이 정규 분포를 따른다는 것이 확인될 수 있다.In the table 700 , data reliability may be analyzed for each load of the sample weights 710 . Data reliability analysis can be performed by normality test via R-J statistic. This is based on the hypothesis that a normal distribution follows when the p-value is greater than 0.1, and it is confirmed that the p-value is greater than 0.1 at all loads of the sample weights 710 , and the sample weights 710 . It can be confirmed that the reduction rates of the sample pillows 20 at each load of n follow a normal distribution.

즉, 본 발명의 제1 실시예에서, 7종의 샘플 무게추들(710) 각각에 대한 p-값에 기초하여 7종의 샘플 무게추들(710) 각각에 의한 샘플 베개들(20)의 줄음율들이 정규 분포를 따르는지 여부가 판정될 수 있다.That is, in the first embodiment of the present invention, the sample pillows 20 by each of the seven sample weights 710 based on the p-value for each of the seven sample weights 710 . It may be determined whether the chords follow a normal distribution.

도 8은 일부 실시예에 따른 샘플 무게추들의 적어도 일부의 조합들로부터 판정되는 유효 기준을 만족하는 유효 조합들을 설명하기 위한 도면이다.8 is a diagram for describing valid combinations satisfying a validity criterion determined from combinations of at least some of sample weights according to some embodiments.

도 8을 참조하면, 샘플 무게추들의 적어도 일부의 조합들로부터 판정되는 유효 기준을 만족하는 유효 조합들(810)을 설명하기 위한 그래프(800)가 도시되어 있다.Referring to FIG. 8 , a graph 800 is shown for illustrating valid combinations 810 satisfying a validity criterion determined from combinations of at least some of the sample weights.

그래프(800)에는 12개의 샘플 베개들에 대한 유효 조합들(810)의 추정 경도가 도시되어 있다. 유효 조합들(810)은 유효 기준에 따라 7종의 샘플 무게추들의 적어도 일부의 조합들로부터 판정될 수 있다. 도시된 바와 같이, i) 2.5, 4.0 kg의 조합, ii) 2.5, 3.5, 4.5 kg의 조합, iii) 1.5, 3.0, 4.0 kg의 조합, iv) 2.0, 3.5, 4.5 kg의 조합, v) 2.0, 3.0, 4.0 kg의 조합 및 vi) 2.5, 4.5 kg의 조합이 유효 조합들(810)로 판정될 수 있다.Graph 800 shows the estimated hardness of valid combinations 810 for 12 sample pillows. Valid combinations 810 may be determined from combinations of at least some of the seven sample weights according to a validity criterion. As shown, i) a combination of 2.5, 4.0 kg, ii) a combination of 2.5, 3.5, 4.5 kg, iii) a combination of 1.5, 3.0, 4.0 kg, iv) a combination of 2.0, 3.5, 4.5 kg, v) 2.0 , 3.0, 4.0 kg, and vi) 2.5, 4.5 kg may be determined as valid combinations 810 .

6종의 유효 조합들(810) 중에서도 가장 높은 모형 성능을 갖는 하나의 유효 조합이 선정될 수 있고, 해당 유효 조합이 회귀 분석 모형(30)의 생성 및 평가 대상 베개의 경도(50)의 산출에 관여하는 기준 무게추(들)(10)로 구성될 수 있다.Among the six effective combinations 810, one effective combination having the highest model performance may be selected, and the effective combination is used in the generation of the regression analysis model 30 and the calculation of the hardness 50 of the pillow to be evaluated. It may consist of an engaging reference weight(s) (10).

가장 높은 모형 성능을 갖는 하나의 유효 조합을 선정할 때, 모형 정확도 및 모형 결정 계수가 선정의 기준이 될 수 있다. 모형 정확도 및 모형 결정 계수를 기준으로 선정하면, 6종의 유효 조합들(810) 중 2번째 유효 조합, 즉 ii) 2.5, 3.5, 4.5 kg의 조합이 기준 무게추(들)(10)이 될 수 있다.When selecting one valid combination with the highest model performance, model accuracy and model determination coefficient may be the criteria for selection. When selected based on model accuracy and model determination coefficient, the second effective combination of six effective combinations 810, that is, ii) a combination of 2.5, 3.5, and 4.5 kg, will be the reference weight(s) (10). can

즉, 본 발명의 제1 실시예에서, 샘플 무게추들은 1.5, 2.0, 2.5, 3.0, 3.5, 4.0 및 4.5 kg의 7종의 샘플 무게추들일 수 있고, 유효 조합들은 7종의 샘플 무게추들로부터 판정되는 6종의 유효 조합들(810)일 수 있고, 복수의 기준 무게추들은 6종의 유효 조합들(810)의 모형 정확도 및 모형 결정 계수를 기준으로 선정되는 2.5, 3.5 및 4.5 kg의 3종의 기준 무게추들일 수 있다.That is, in the first embodiment of the present invention, the sample weights may be 7 sample weights of 1.5, 2.0, 2.5, 3.0, 3.5, 4.0 and 4.5 kg, and effective combinations are 7 sample weights. There may be six effective combinations 810 determined from , and a plurality of reference weights of 2.5, 3.5 and 4.5 kg are selected based on the model accuracy and model determination coefficient of the six effective combinations 810 . There may be three types of reference weights.

도 9는 일부 실시예에 따른 모형 정확도 및 모형 결정 계수를 기준으로 유효 조합들 중 어느 하나의 유효 조합을 선정하는 방식을 설명하기 위한 도면이다.9 is a diagram for describing a method of selecting one valid combination from among valid combinations based on model accuracy and model determination coefficient, according to some embodiments.

도 9를 참조하면, 모형 정확도 및 모형 결정 계수를 기준으로 유효 조합들 중 어느 하나의 유효 조합을 선정하는 방식을 설명하기 위한 표(900)가 도시되어 있다.Referring to FIG. 9 , a table 900 is shown for explaining a method of selecting any one valid combination among valid combinations based on model accuracy and model determination coefficient.

표(900)에는 6종의 유효 조합들(910)의 R² 값, 수정 R² 값, 예측 R² 값(920) 및 정확도(930)가 도시되어 있다. R² 값, 수정 R² 값, 예측 R² 값(920) 및 정확도(930)는 6종의 유효 조합들(910)의 모형 성능을 평가하기 위한 지표일 수 있다. 표(900)에서는 R² 값, 수정 R² 값 및 예측 R² 값(920)이 6종의 유효 조합들(910) 대부분에서 80%를 상회하므로, 이공학 학술지에서 유효 기준으로 주로 사용되는 70%의 수치가 충분히 만족되고 있음이 확인될 수 있다.Table 900 shows the R ² value, the corrected R ² value, the predicted R ² value 920 and the accuracy 930 of the six valid combinations 910 . The R ² value, the adjusted R ² value, the predicted R ² value 920 and the accuracy 930 may be indices for evaluating the model performance of the six valid combinations 910 . In the table 900, since the R ² value, the corrected R ² value, and the predicted R ² value 920 exceed 80% in most of the six valid combinations 910, 70 It can be confirmed that the numerical value of % is sufficiently satisfied.

R² 값, 수정 R² 값, 예측 R² 값(920) 및 정확도(930) 중에서, 예측 R² 값(920)은 모형 결정 계수를 의미할 수 있고, 정확도(930)는 6종의 유효 조합들(910)에 의해 생성되는 각 회귀 분석 모형이 예측하는 샘플 베개들(20)의 경도 및 샘플 베개들(20)에 대한 전문가 평가 경도 점수의 차이를 비율로 나타낸 것을 의미할 수 있다.Among the R ² value, the adjusted R ² value, the predicted R ² value 920 and the accuracy 930 , the predicted R ² value 920 may mean a model determination coefficient, and the accuracy 930 is a valid combination of six types. It may mean that the difference between the hardness of the sample pillows 20 predicted by each regression analysis model generated by the 910 and the expert evaluation hardness score for the sample pillows 20 is expressed as a ratio.

표(900)에서는 6종의 유효 조합들(910) 중에서 가장 높은 모형 정확도(930)를 갖는 것은 2.5, 3.5, 4.5 kg의 2번 유효 조합(940)이고, 6종의 유효 조합들(910) 중에서 가장 높은 모형 결정 계수, 즉 예측 R² 값(920)을 갖는 것은 2.5, 4.5 kg의 6번 유효 조합(950)임이 확인될 수 있다.In the table 900, the second effective combination 940 of 2.5, 3.5, and 4.5 kg has the highest model accuracy 930 among the six effective combinations 910, and the six effective combinations 910 It can be confirmed that the one with the highest model determination coefficient, that is, the predicted R ² value 920 among them, is the 6th valid combination 950 of 2.5 and 4.5 kg.

2번 유효 조합(940) 및 6번 유효 조합(950)은 모두 2.5 kg 및 4.5 kg을 종속 변수로 포함하고 있으므로, 둘 중에서 더 높은 모형 정확도(930)를 갖는 2번 유효 조합(940)의 2.5, 3.5, 4.5 kg이, 회귀 분석 모형(30)의 생성 및 평가 대상 베개의 경도(50)의 산출에 활용되는 3종의 기준 무게추들로 최종 선정될 수 있다.Since the 2nd valid combination 940 and 6th valid combination 950 both include 2.5 kg and 4.5 kg as dependent variables, 2.5 of the 2nd valid combination 940 with the higher model accuracy (930) of the two , 3.5, 4.5 kg can be finally selected as three types of reference weights used for the generation of the regression analysis model 30 and the calculation of the hardness 50 of the pillow to be evaluated.

도 10은 일부 실시예에 따른 유효 조합들에 대한 정규성 검정을 수행하는 방식을 설명하기 위한 도면이다.10 is a diagram for describing a method of performing a normality test on valid combinations according to some embodiments.

도 10을 참조하면, 따른 유효 조합들에 대한 정규성 검정을 수행하는 방식을 설명하기 위한 그래프(1000)가 도시되어 있다.Referring to FIG. 10 , a graph 1000 is shown for explaining a method of performing a normality test for valid combinations according to the present invention.

그래프(1000)에서와 같이, 유효 조합들에 대한 정규성 검정은, 모형에 의해 추정되는 경도와 실제 경도 간의 잔차, 즉 전문가 평가 경도 점수 및 모형 예측 경도의 잔차에 대해 수행될 수 있다. 앞서 살핀 6종의 유효 조합들은 정규성 검정을 통해 검증될 수 있다. 즉, 본 발명의 제1 실시예에서, 6종의 유효 조합들은 전문가 평가 경도 점수 및 모형 예측 경도의 잔차에 대한 정규성 검정을 통해 검증될 수 있다.As in graph 1000 , a normality test for valid combinations may be performed on the residual between the model-estimated hardness and the actual hardness, ie, the residuals of the expert-rated hardness score and the model predicted hardness. The six effective combinations of the above salpins can be verified through a normality test. That is, in the first embodiment of the present invention, the six valid combinations may be verified through a normality test for the residuals of expert evaluation hardness scores and model prediction hardness scores.

정규성 검정에 의하면 7종의 샘플 무게추들로부터 도출되는 다양한 무게추 조합들이 정규 분포를 따르는지, 즉 p-값이 0.1 이상인지 여부가 검증되어 부적합한 조합들이 필터링될 수 있다. 한편, 정규성 검정 외에도 무게추 조합들에 따른 모형들 중 비정상 관측치를 인지하는 모형은 제외될 수 있고, 수정 R² 값과 예측 R² 값이 70% 미만인 모형은 제외될 수 있다. 즉, 앞서 살핀 6종의 유효 조합들은 정규성 검정, 비정상 관측치 및 수정/예측 R² 값의 필터링을 모두 통과한 무게추 조합들을 의미할 수 있다.According to the normality test, it is verified whether various weight combinations derived from 7 types of sample weights follow a normal distribution, that is, whether the p-value is 0.1 or more, so that inappropriate combinations can be filtered out. On the other hand, in addition to the normality test, models that recognize abnormal observations among models according to weight combinations may be excluded, and models with an adjusted R ² value and a predicted R ² value of less than 70% may be excluded. That is, the six effective combinations of the above salpins may refer to weight combinations that have passed the normality test, the abnormal observation, and the filtering of the corrected/predicted R ² value.

도 11은 일부 실시예에 따른 회귀 분석 모형에 기초하여 평가 대상 베개의 경도를 산출하는 과정을 설명하기 위한 도면이다.11 is a view for explaining a process of calculating the hardness of a pillow to be evaluated based on a regression analysis model according to some embodiments.

도 11을 참조하면, 회귀 분석 모형(1110)에 기초하여 평가 대상 베개(1121)의 경도(1123)를 산출하는 과정을 설명하기 위한 표(1120) 및 7단계 분류표(1130)가 도시되어 있다.Referring to FIG. 11 , a table 1120 and a seven-step classification table 1130 are shown for explaining the process of calculating the hardness 1123 of the pillow 1121 to be evaluated based on the regression analysis model 1110 . .

회귀 분석 모형(1110)은 2.5 kg 무게추에 의한 줄음율, 3.5 kg 무게추에 의한 줄음율 및 4.5 kg 무게추에 의한 줄음율에 관한 수식으로 표현될 수 있다. 회귀 분석 모형(1110)은 2.5, 3.5 및 4.5 kg 무게추에 의한 줄음율의 3개의 독립 변수에 의해 표현되므로 다중 회귀 분석 모형일 수 있고, 또한 2.5, 3.5 및 4.5 kg 무게추에 의한 줄음율은 모두 1차식으로 표현되므로 회귀 분석 모형(1110)은 선형 회귀 분석 모형일 수 있다.The regression analysis model 1110 may be expressed by equations related to the reduction rate by the 2.5 kg weight, the reduction rate by the 3.5 kg weight, and the reduction rate by the 4.5 kg weight. The regression analysis model 1110 can be a multiple regression analysis model because it is expressed by three independent variables of the rate of reduction by 2.5, 3.5, and 4.5 kg, and also the rate of reduction by 2.5, 3.5 and 4.5 kg is Since all are expressed in a linear equation, the regression analysis model 1110 may be a linear regression analysis model.

즉, 본 발명의 제1 실시예에서, 회귀 분석 모형(1110)은 3종의 기준 무게추들에 의한 줄음율들을 독립 변수로 하는 다중 선형 회귀 분석 모형일 수 있다.That is, in the first embodiment of the present invention, the regression analysis model 1110 may be a multiple linear regression analysis model in which reduction rates by three types of reference weights are used as independent variables.

표(1120)에서는, 평가 대상 베개(1121)의 초기 높이 및 3종의 기준 무게추들에 의해 줄어든 높이가 도시되어 있고, 그 비율에 관하여 3종의 기준 무게추들에 의한 평가 줄음율들(1122)이 도시되어 있다. 평가 줄음율들(1122)이 회귀 분석 모형(1110)에 대입되는 경우, 평가 대상 베개(1121)의 경도(1123)가 산출될 수 있다.In the table 1120, the initial height of the evaluation target pillow 1121 and the height reduced by three types of reference weights are shown, and the rate of reduction by the three types of reference weights with respect to the ratio ( 1122) is shown. When the evaluation reduction rates 1122 are substituted for the regression analysis model 1110 , the hardness 1123 of the evaluation target pillow 1121 may be calculated.

한편, 7단계 분류표(1130)에서는 경도(1123)의 수치에 따라 평가 대상 베개(1121)가 부드럽거나 단단한 정도가 7단계 중 어느 하나로 판정될 수 있다. 평가 대상 베개(1121) 중 VH 베개의 경우 경도(1123)의 수치가 8.34로서 8.0을 초과하지만, 이와 같은 경우 VH 베개의 경도(1123) 수치는 상한값 8.0으로 취급될 수 있다.On the other hand, in the seven-level classification table 1130, the degree of softness or hardness of the evaluation target pillow 1121 according to the value of the hardness 1123 may be determined as any one of seven levels. Among the pillows 1121 to be evaluated, in the case of the VH pillow, the hardness 1123 is 8.34 and exceeds 8.0, but in this case, the hardness 1123 of the VH pillow may be treated as an upper limit value of 8.0.

도 12는 일부 실시예에 따른 단일의 기준 무게추에 의한 단순 회귀 분석 모형을 설명하기 위한 도면이다.12 is a view for explaining a simple regression analysis model using a single reference weight according to some embodiments.

도 12를 참조하면, 단일의 기준 무게추에 의한 단순 회귀 분석 모형(1210) 및 단순 회귀 분석 모형(1210)에 대한 정규성 검정의 결과 그래프(1220)가 도시되어 있다.Referring to FIG. 12 , a simple regression analysis model 1210 using a single reference weight and a result graph 1220 of the normality test for the simple regression analysis model 1210 are shown.

단일의 기준 무게추에 의한 단순 회귀 분석 모형(1210)은 본 발명의 제2 실시예에 따른 것일 수 있다. 이상에서는 기준 무게추(들)(10)이 복수의 기준 무게추들에 해당하는 본 발명의 제1 실시예가 중점적으로 설명되었으나, 이하에서는 기준 무게추(들)(10)이 단일의 기준 무게추에 해당하는 본 발명의 제2 실시예가 설명될 수 있다.The simple regression analysis model 1210 using a single reference weight may be one according to the second embodiment of the present invention. In the above, the first embodiment of the present invention in which the reference weight(s) 10 corresponds to a plurality of reference weights has been mainly described, but below, the reference weight(s) 10 is a single reference weight. A second embodiment of the present invention corresponding to can be described.

본 발명의 제2 실시예에서는, 기준 무게추(들)(10)이 복수의 기준 무게추들이 아닌 단일의 기준 무게추라는 점을 제외하면, 본 발명의 제1 실시예와 실질적으로 동일한 방식으로 회귀 분석 모형(30)이 생성될 수 있고, 평가 대상 베개의 경도(50)가 산출될 수 있다.In a second embodiment of the present invention, in substantially the same manner as in the first embodiment of the present invention, except that the reference weight(s) 10 is a single reference weight and not a plurality of reference weights. The regression analysis model 30 may be generated, and the hardness 50 of the evaluation target pillow may be calculated.

단순 회귀 분석 모형(1210)에서와 같이, 본 발명의 제2 실시예에서는 회귀 분석 모형(30)이 1종의 기준 무게추에 의한 줄음율을 독립 변수로 가질 수 있다. 1종의 기준 무게추는 대한민국 남녀 체중 범위를 반영하는 통계 수치에 의해 결정될 수 있다. 예를 들면, 체중 분포의 중앙값이 대표값으로 활용되어, 중앙값에 대응되는 인체 경부의 무게가 1종의 기준 무게추로 설정될 수 있다. 즉, 본 발명의 제2 실시예에서, 단일의 기준 무게추는, 체중 분포의 중앙값에 대응되는 인체 경부의 무게를 모사하는 3.5 kg의 무게추일 수 있다.As in the simple regression analysis model 1210, in the second embodiment of the present invention, the regression analysis model 30 may have a reduction rate by one type of reference weight as an independent variable. One type of reference weight may be determined by statistical values reflecting the range of male and female weights in Korea. For example, the median value of the weight distribution may be used as a representative value, and the weight of the human neck corresponding to the median value may be set as one type of reference weight. That is, in the second embodiment of the present invention, the single reference weight may be a weight of 3.5 kg that simulates the weight of the human neck corresponding to the median value of the weight distribution.

본 발명의 제2 실시예에서의 독립 변수에 해당하는 3.5 kg의 무게추에 의한 줄음율은 1차식의 형태로 회귀 분석 모형(30)에 반영될 수 있다. 도시된 바와 같이, 단순 회귀 분석 모형(1210)은 3.5 kg의 무게추에 의한 줄음율에 대한 1차식으로 표현되는 선형 회귀 분석 모형일 수 있고(베개 경도 = 7.959 - 7.450 x {3.5kg 줄음율}), 3.5 kg의 무게추에 의한 줄음율만을 독립 변수로 갖는 단순 회귀 분석 모형일 수 있다. 즉, 본 발명의 제2 실시예에서, 회귀 분석 모형(30)은, 3.5 kg의 무게추에 의한 줄음율을 독립 변수로 하는 단순 선형 회귀 분석 모형일 수 있다. The reduction rate by the weight of 3.5 kg corresponding to the independent variable in the second embodiment of the present invention may be reflected in the regression analysis model 30 in the form of a linear equation. As shown, the simple regression analysis model 1210 may be a linear regression analysis model expressed as a linear equation for the reduction rate by a weight of 3.5 kg (pillow hardness = 7.959 - 7.450 x {3.5 kg reduction rate} ), may be a simple regression analysis model with only the rate of reduction by a weight of 3.5 kg as an independent variable. That is, in the second embodiment of the present invention, the regression analysis model 30 may be a simple linear regression analysis model in which the rate of reduction by a weight of 3.5 kg is used as an independent variable.

단순 회귀 분석 모형(1210)에 대해서는 결과 그래프(1220)에서와 같이 정규성 검정이 이루어질 수 있다. 결과 그래프(1220)에서는 단순 회귀 분석 모형(1210)의 예측값 및 샘플 베개들(20)에 대한 전문가 평가 경도 점수의 잔차가 정규 분포를 따르는지를 검증하기 위해 p-값이 0.1을 초과하는지 여부가 확인될 수 있다.For the simple regression analysis model 1210 , a normality test may be performed as in the result graph 1220 . In the result graph 1220, it is checked whether the p-value exceeds 0.1 in order to verify whether the residuals of the predicted values of the simple regression analysis model 1210 and the expert evaluation hardness scores for the sample pillows 20 follow a normal distribution. can be

한편, 본 발명의 제2 실시예에서도, 본 발명의 제1 실시예에서와 마찬가지로, 샘플 베개들(20)은 1.0 이상 8.0 이하의 베개 경도 범위에 분포되는 12종의 베개들일 수 있고, 전문가 평가 경도 점수는 12종의 베개들 각각에 대한 업계 관계자들의 주관적 평가 점수의 평균일 수 있다.On the other hand, in the second embodiment of the present invention, as in the first embodiment of the present invention, the sample pillows 20 may be 12 kinds of pillows distributed in a pillow hardness range of 1.0 or more and 8.0 or less, and expert evaluation The hardness score may be an average of subjective evaluation scores of industry officials for each of the 12 pillows.

도 13은 일부 실시예에 따른 평가 대상 베개의 경도를 2개 분류, 3개 분류, 5개 분류 및 7개 분류 중 어느 하나의 분류 세밀도에 따라 분류하는 방식을 설명하기 위한 도면이다.13 is a view for explaining a method of classifying the hardness of an evaluation target pillow according to the classification precision of any one of two classifications, three classifications, five classifications, and seven classifications, according to some embodiments.

도 13을 참조하면, 본 발명의 제2 실시예에 따른 단순 회귀 분석 모형에 의해 평가 대상 베개의 경도(50)를 분류하기 위한 2개 분류(1310), 3개 분류(1320), 5개 분류(1330) 및 7개 분류(1340)가 도시되어 있다.Referring to FIG. 13 , two classifications 1310 , three classifications 1320 , and five classifications for classifying the hardness 50 of the pillow to be evaluated by the simple regression analysis model according to the second embodiment of the present invention (1330) and seven classifications (1340) are shown.

본 발명의 제2 실시예에서, 평가 대상 베개(40)가 단일의 기준 무게추, 즉 3.5 kg의 무게추에 의해 줄어드는 평가 줄음율이 측정되는 경우, 평가 줄음율의 수치에 기반하여 다시 평가 대상 베개(40)가 부드러운지 단단한지, 또는 부드럽거나 단단한 정도가 분류될 수 있다. 도시된 바와 같이, 평가 대상 베개(40)는 단일의 기준 무게추에 의한 평가 줄음율의 수치를 기준으로, 2개 분류(1310), 3개 분류(1320), 5개 분류(1330) 및 7개 분류(1340) 중 어느 하나의 분류 세밀도에 의해 분류될 수 있다.In the second embodiment of the present invention, when the evaluation target pillow 40 is reduced by a single reference weight, that is, a weight of 3.5 kg, when the evaluation reduction rate is measured, the evaluation target again based on the value of the evaluation reduction rate Whether the pillow 40 is soft or hard, or soft or hard, may be classified. As shown, the evaluation target pillow 40 is based on the numerical value of the evaluation reduction rate by a single reference weight, 2 classifications 1310, 3 classifications 1320, 5 classifications 1330 and 7 Dogs may be classified according to the classification granularity of any one of the classifications 1340 .

즉, 본 발명의 제2 실시예에서, 평가 대상 베개(40)는 1.0 이상 8.0 이하의 베개 경도 범위를 기준으로 2개 분류(1310), 3개 분류(1320), 5개 분류(1330) 및 7개 분류(1340) 중 어느 하나의 분류 세밀도에 따라 분류될 수 있다.That is, in the second embodiment of the present invention, the evaluation target pillow 40 is based on the pillow hardness range of 1.0 or more and 8.0 or less, two classifications 1310, three classifications 1320, five classifications 1330 and Classification may be performed according to the classification granularity of any one of the seven classifications 1340 .

2개 분류(1310)에서는, 단일의 기준 무게추에 의해 평가 대상 베개(40)의 높이가 줄어드는 평가 줄음율의 수치가 59.5% 이하인 경우 단단한 것으로, 반대의 경우 부드러운 것으로 분류될 수 있다. 즉, 분류 세밀도가 2개 분류(1310)인 경우 부드러움 및 단단함 중 어느 하나로 분류하기 위한 기준이 되는 분류 경계 줄음율은 59.5%로 설정될 수 있다.In the two classifications 1310, when the value of the reduction rate for which the height of the pillow 40 to be evaluated is reduced by a single reference weight is 59.5% or less, it can be classified as hard, and vice versa, it can be classified as soft. That is, when the classification granularity is two classifications 1310 , the reduction rate of the classification boundary, which is a criterion for classification into any one of softness and hardness, may be set to 59.5%.

분류 경계 줄음율이 59.5%로 설정되는 2개 분류(1310)와 유사하게, 3개 분류(1320)에서는 분류 경계 줄음율이 75.5% 및 44.3%일 수 있고, 5개 분류(1330) 및 7개 분류(1340)에서도 도시된 바와 같은 분류 경계 줄음율이 설정될 수 있다. 이와 같은 분류 경계 줄음율의 수치들은 본 발명의 제2 실시예의 단순 회귀 분석 모형으로부터 역으로 산출될 수 있다.Similarly to the two classifications 1310 where the classification boundary reduction rate is set to 59.5%, the classification boundary reduction rate may be 75.5% and 44.3% in the three classifications 1320, and the five classifications 1330 and 7 A classification boundary reduction rate as shown in the classification 1340 may also be set. Such numerical values of the classification boundary reduction rate may be inversely calculated from the simple regression analysis model of the second embodiment of the present invention.

즉, 본 발명의 제2 실시예에서, 평가 대상 베개(40)를 분류 세밀도에 따라 분류하기 위한 분류 경계 줄음율은 회귀 분석 모형(30)에 의해 도출되는 경도 범위로부터 역으로 산출될 수 있다.That is, in the second embodiment of the present invention, the classification boundary reduction rate for classifying the evaluation target pillow 40 according to the classification precision may be inversely calculated from the hardness range derived by the regression analysis model 30 . .

예를 들면, 회귀 분석 모형(30)에 의해 도출되는 경도 범위는 1.0 이상 8.0 이하의 베개 경도 범위일 수 있고, 1.0 이상 8.0 이하의 경도 범위는 4.5를 기준으로 2개로 나뉠 수 있으므로, 회귀 분석 모형(30)이 4.5를 도출하게 하는 종속 변수의 값, 즉 4.5의 평가 대상 베개의 경도(50)에 대응되는 줄음율 수치인 59.5%가 2개 분류(1310)의 분류 경계 줄음율로 설정될 수 있다. 3개 분류(1320), 5개 분류(1330) 및 7개 분류(1340)의 경우에도 마찬가지의 방식으로 분류 경계 줄음율이 역산출될 수 있다.For example, the hardness range derived by the regression analysis model 30 may be a pillow hardness range of 1.0 or more and 8.0 or less, and the hardness range of 1.0 or more and 8.0 or less may be divided into two based on 4.5, so the regression analysis model The value of the dependent variable that allows (30) to derive 4.5, that is, 59.5%, which is the value of the reduction rate corresponding to the hardness (50) of the evaluation target pillow of 4.5, can be set as the reduction rate of the classification boundary of the two classifications (1310). have. In the case of three classifications 1320 , five classifications 1330 , and seven classifications 1340 , the classification boundary reduction rate may be inversely calculated in the same manner.

도 14 및 도 15는 일부 실시예에 따른 베개 경도 평가 방법을 구성하는 단계들을 나타내는 흐름도이다.14 and 15 are flowcharts illustrating steps of configuring a pillow hardness evaluation method according to some embodiments.

도 14 및 도 15를 참조하면, 본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)은 단계 1410 및 단계 1420을 포함할 수 있고, 본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)은 단계 1510 및 단계 1520을 포함할 수 있다. 다만 이에 제한되는 것은 아니고, 도 14 및 도 15에 도시되는 단계들 외에 다른 범용적인 단계들이 베개 경도 평가 방법(1400) 및 베개 경도 평가 방법(1500)에 더 포함될 수 있다.14 and 15 , the pillow hardness evaluation method 1400 according to the first embodiment of the present invention may include steps 1410 and 1420, and the pillow hardness evaluation method according to the second embodiment of the present invention. 1500 may include steps 1510 and 1520 . However, the present invention is not limited thereto, and general steps other than the steps shown in FIGS. 14 and 15 may be further included in the pillow hardness evaluation method 1400 and the pillow hardness evaluation method 1500 .

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400) 및 본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)은 도 1 내지 도 13을 통해 전술한 베개 경도 평가 장치(100)에서 시계열적으로 처리되는 단계들로 구성될 수 있다. 따라서, 이하에서 생략되는 내용이라 할지라도 베개 경도 평가 장치(100)에 대해 이상에서 설명되는 내용은 베개 경도 평가 방법(1400) 및 베개 경도 평가 방법(1500)에 대해서도 동일한 취지로 적용될 수 있다.The pillow hardness evaluation method 1400 according to the first embodiment of the present invention and the pillow hardness evaluation method 1500 according to the second embodiment of the present invention are the pillow hardness evaluation apparatus 100 described above with reference to FIGS. 1 to 13 . It may consist of steps processed in time series in Therefore, even if omitted below, the contents described above for the pillow hardness evaluation apparatus 100 may be applied to the same effect for the pillow hardness evaluation method 1400 and the pillow hardness evaluation method 1500 .

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)의 단계 1410에서, 베개 경도 평가 장치(100)는, 샘플 베개들(20)에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 복수의 기준 무게추들에 의해 샘플 베개들(20)의 높이가 줄어드는 비율을 나타내는 샘플 줄음율들을 독립 변수로 하고, 샘플 베개들(20)의 경도를 종속 변수로 하는 회귀 분석 모형(30)을 생성할 수 있다.In step 1410 of the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, the pillow hardness evaluation apparatus 100 uses the expert evaluation hardness score for the sample pillows 20 as a learning dataset, and a plurality of A regression analysis model 30 is generated using the sample shrinkage rates representing the rate at which the height of the sample pillows 20 are reduced by the reference weights of the independent variable, and the hardness of the sample pillows 20 as the dependent variable. can do.

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)의 단계 1420에서, 베개 경도 평가 장치(100)는, 샘플 베개들(20) 외의 평가 대상 베개(40)의 높이가 복수의 기준 무게추들에 의해 줄어드는 비율을 나타내는 평가 줄음율들을 회귀 분석 모형(30)에 대입하여 평가 대상 베개의 경도(50)를 산출할 수 있다.In step 1420 of the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, in the pillow hardness evaluation apparatus 100 , the height of the evaluation target pillow 40 other than the sample pillows 20 is a plurality of reference weights It is possible to calculate the hardness (50) of the pillow to be evaluated by substituting the evaluation shrinkage rate representing the rate reduced by the weights into the regression analysis model (30).

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)에서, 체중별 인체 경부의 무게를 모사하는 샘플 무게추들의 적어도 일부의 조합들 중 유효 기준을 만족하는 유효 조합들이 판정될 수 있고, 복수의 기준 무게추들은 유효 조합들 중 모형 성능을 기준으로 선정되는 어느 하나의 유효 조합을 구성하는 무게추들일 수 있다.In the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, effective combinations satisfying the validity criteria among at least some combinations of sample weights simulating the weight of the human neck by body weight may be determined, The plurality of reference weights may be weights constituting any one effective combination selected based on model performance among the effective combinations.

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)에서, 샘플 무게추들은 1.5, 2.0, 2.5, 3.0, 3.5, 4.0 및 4.5 kg의 7종의 샘플 무게추들일 수 있고, 유효 조합들은 7종의 샘플 무게추들로부터 판정되는 6종의 유효 조합들일 수 있고, 복수의 기준 무게추들은 6종의 유효 조합들의 모형 정확도 및 모형 결정 계수를 기준으로 선정되는 2.5, 3.5 및 4.5 kg의 3종의 기준 무게추들일 수 있다.In the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, the sample weights may be seven kinds of sample weights of 1.5, 2.0, 2.5, 3.0, 3.5, 4.0 and 4.5 kg, and effective combinations are There may be 6 effective combinations determined from 7 sample weights, and the plurality of reference weights are 3 weights of 2.5, 3.5 and 4.5 kg selected based on model accuracy and model determination coefficient of the 6 effective combinations. It may be the reference weights of the species.

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)에서, 회귀 분석 모형(30)은 3종의 기준 무게추들에 의한 줄음율들을 독립 변수로 하는 다중 선형 회귀 분석 모형일 수 있다.In the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, the regression analysis model 30 may be a multiple linear regression analysis model in which reduction rates by three types of reference weights are used as independent variables.

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)에서, 6종의 유효 조합들은 전문가 평가 경도 점수 및 모형 예측 경도의 잔차에 대한 정규성 검정을 통해 검증될 수 있다.In the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, six effective combinations may be verified through a normality test for the residuals of expert evaluation hardness scores and model prediction hardness.

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)에서, 7종의 샘플 무게추들 각각에 대한 p-값에 기초하여 7종의 샘플 무게추들 각각에 의한 샘플 베개들(20)의 줄음율들이 정규 분포를 따르는지 여부가 판정될 수 있다.In the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, sample pillows 20 by each of the seven sample weights based on the p-value for each of the seven sample weights It may be determined whether or not the reduction rates of .

본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400)에서, 샘플 베개들(20)은 1.0 이상 8.0 이하의 베개 경도 범위에 분포되는 12종의 베개들일 수 있고, 전문가 평가 경도 점수는 12종의 베개들 각각에 대한 업계 관계자들의 주관적 평가 점수의 평균일 수 있다.In the pillow hardness evaluation method 1400 according to the first embodiment of the present invention, the sample pillows 20 may be 12 kinds of pillows distributed in a pillow hardness range of 1.0 or more and 8.0 or less, and the expert evaluation hardness score is 12 It may be an average of the subjective evaluation scores of industry officials for each of the pillows of the species.

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)의 단계 1510에서, 베개 경도 평가 장치(100)는, 샘플 베개들(20)에 대한 전문가 평가 경도 점수를 학습 데이터셋으로 하고, 단일의 기준 무게추에 의해 샘플 베개들(20)의 높이가 줄어드는 비율을 나타내는 샘플 줄음율을 독립 변수로 하고, 샘플 베개들(20)의 경도를 종속 변수로 하는 회귀 분석 모형(30)을 생성할 수 있다.In step 1510 of the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, the pillow hardness evaluation apparatus 100 uses the expert evaluation hardness score for the sample pillows 20 as a learning dataset, and a single To generate a regression analysis model 30 with the sample shrinkage rate indicating the rate at which the height of the sample pillows 20 is reduced by the reference weight of the independent variable and the hardness of the sample pillows 20 as the dependent variable can

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)의 단계 1520에서, 베개 경도 평가 장치(100)는, 샘플 베개들(20) 외의 평가 대상 베개(40)의 높이가 단일의 기준 무게추에 의해 줄어드는 비율을 나타내는 평가 줄음율을 회귀 분석 모형(30)에 대입하여 평가 대상 베개의 경도(50)를 산출할 수 있다.In step 1520 of the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, in the pillow hardness evaluation apparatus 100, the height of the evaluation target pillow 40 other than the sample pillows 20 is a single reference weight It is possible to calculate the hardness (50) of the pillow to be evaluated by substituting the evaluation reduction rate representing the rate reduced by the weight into the regression analysis model (30).

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)에서, 샘플 베개들(20)은 1.0 이상 8.0 이하의 베개 경도 범위에 분포되는 12종의 베개들일 수 있고, 전문가 평가 경도 점수는 상기 12종의 베개들 각각에 대한 업계 관계자들의 주관적 평가 점수의 평균일 수 있다.In the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, the sample pillows 20 may be 12 kinds of pillows distributed in a pillow hardness range of 1.0 or more and 8.0 or less, and the expert evaluation hardness score is It may be an average of subjective evaluation scores of industry officials for each of the 12 types of pillows.

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)에서, 평가 대상 베개(40)는 1.0 이상 8.0 이하의 베개 경도 범위를 기준으로 2개 분류, 3개 분류, 5개 분류 및 7개 분류 중 어느 하나의 분류 세밀도에 따라 분류될 수 있다.In the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, the evaluation target pillow 40 is based on the pillow hardness range of 1.0 or more and 8.0 or less, 2 classification, 3 classification, 5 classification, and 7 It may be classified according to the classification granularity of any one of the classifications.

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)에서, 평가 대상 베개(40)를 분류 세밀도에 따라 분류하기 위한 분류 경계 줄음율은 회귀 분석 모형(30)에 의해 도출되는 경도 범위로부터 역으로 산출될 수 있다.In the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, the classification boundary reduction rate for classifying the evaluation target pillow 40 according to the classification precision is the hardness range derived by the regression analysis model 30 . can be calculated inversely from

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)에서, 단일의 기준 무게추는 체중 분포의 중앙값에 대응되는 인체 경부의 무게를 모사하는 3.5 kg의 무게추일 수 있다.In the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, the single reference weight may be a weight of 3.5 kg that simulates the weight of the neck of the human body corresponding to the median value of the weight distribution.

본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)에서, 회귀 분석 모형(30)은 3.5 kg의 무게추에 의한 줄음율을 독립 변수로 하는 단순 선형 회귀 분석 모형일 수 있다.In the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, the regression analysis model 30 may be a simple linear regression analysis model using the rate of reduction by a weight of 3.5 kg as an independent variable.

한편, 본 발명의 제1 실시예에 따른 베개 경도 평가 방법(1400) 및 본 발명의 제2 실시예에 따른 베개 경도 평가 방법(1500)은, 그 방법을 실행하는 명령어들을 포함하는 적어도 하나의 프로그램 또는 소프트웨어가 기록되는 컴퓨터로 판독 가능한 기록 매체에 기록될 수 있다.On the other hand, the pillow hardness evaluation method 1400 according to the first embodiment of the present invention and the pillow hardness evaluation method 1500 according to the second embodiment of the present invention, at least one program including instructions for executing the method Alternatively, it may be recorded on a computer-readable recording medium in which software is recorded.

컴퓨터로 판독 가능한 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령어의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드가 포함될 수 있다.Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and floppy disks. Magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like may be included. Examples of program instructions may include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.

이상에서 본 발명의 실시예들이 상세하게 설명되었으나 본 발명에 따른 권리범위가 이에 한정되는 것은 아니고, 다음의 청구범위에 기재되어 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명에 따른 권리범위에 포함되는 것으로 해석되어야 한다.Although the embodiments of the present invention have been described in detail above, the scope of the rights according to the present invention is not limited thereto, and various modifications and improvements by those skilled in the art using the basic concept of the present invention described in the following claims are also present. It should be construed as being included in the scope of rights according to the

Claims

A method for evaluating pillow hardness, which is performed by a processor executing instructions stored in a memory, the method comprising:
The expert evaluation hardness score for the sample pillows is the learning dataset, the sample shrinkage rate indicating the rate at which the height of the sample pillows is reduced by a single reference weight is the independent variable, and the hardness of the sample pillows is the dependent variable generating a regression analysis model to and
Calculating the hardness of the evaluation target pillow by substituting an evaluation shrinkage rate representing a rate at which the height of the evaluation target pillow other than the sample pillows is reduced by the single reference weight into the regression analysis model; Including, pillow hardness evaluation method.

The method of claim 1,
The sample pillows are 12 types of pillows distributed in a pillow hardness range of 1.0 or more and 8.0 or less, and the expert evaluation hardness score is an average of subjective evaluation scores of industry officials for each of the 12 types of pillows, pillow hardness evaluation method .

3. The method of claim 2,
The evaluation target pillow is classified according to any one of two classifications, three classifications, five classifications, and seven classifications, based on the pillow hardness range of 1.0 or more and 8.0 or less, pillow hardness evaluation method.

4. The method of claim 3,
The classification boundary reduction rate for classifying the evaluation target pillow according to the classification granularity is calculated inversely from the hardness range derived by the regression analysis model, pillow hardness evaluation method.

The method of claim 1,
The single reference weight is a weight of 3.5 kg that simulates the weight of the human neck corresponding to the median value of the weight distribution, the pillow hardness evaluation method.

6. The method of claim 5,
The regression analysis model is a simple linear regression analysis model with the rate of reduction by the weight of 3.5 kg as an independent variable, pillow hardness evaluation method.

7. The method of claim 6,
The simple linear regression analysis model has the following formula:
Pillow hardness = 7.959 - 7.450 x {3.5 kg reduction rate}, the pillow hardness evaluation method.

In the pillow hardness evaluation device,
a memory storing instructions; and
By executing the above commands:
The expert evaluation hardness score for the sample pillows is the learning dataset, the sample shrinkage rate indicating the rate at which the height of the sample pillows is reduced by a single reference weight is the independent variable, and the hardness of the sample pillows is the dependent variable Create a regression analysis model with
a processor configured to calculate the hardness of the evaluation subject pillow by substituting an evaluation shrinkage rate indicating a rate at which the height of the evaluation subject pillow other than the sample pillows is reduced by the single reference weight to the regression analysis model; Including, pillow hardness evaluation device.