KR20220146321A - System and method for operation and management air environment facilities bewteen heterogeneous types using artificial intelligence - Google Patents

System and method for operation and management air environment facilities bewteen heterogeneous types using artificial intelligence Download PDF

Info

Publication number
KR20220146321A
KR20220146321A KR1020220031550A KR20220031550A KR20220146321A KR 20220146321 A KR20220146321 A KR 20220146321A KR 1020220031550 A KR1020220031550 A KR 1020220031550A KR 20220031550 A KR20220031550 A KR 20220031550A KR 20220146321 A KR20220146321 A KR 20220146321A
Authority
KR
South Korea
Prior art keywords
data
indoor
artificial intelligence
facilities
information
Prior art date
Application number
KR1020220031550A
Other languages
Korean (ko)
Inventor
박광진
Original Assignee
주식회사 숨터
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 주식회사 숨터 filed Critical 주식회사 숨터
Publication of KR20220146321A publication Critical patent/KR20220146321A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/80—Homes; Buildings
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

Disclosed are an operation management system of heterogeneous air environment facilities using artificial intelligence and a method thereof. The present invention analyzes big data of environmental factors affecting an indoor air environment collected from IoT-based heterogeneous air environment facilities by using a deep neural network to provide maintenance and optimal operation solutions for the heterogeneous air environment facilities.

Description

인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템 및 방법{SYSTEM AND METHOD FOR OPERATION AND MANAGEMENT AIR ENVIRONMENT FACILITIES BEWTEEN HETEROGENEOUS TYPES USING ARTIFICIAL INTELLIGENCE}SYSTEM AND METHOD FOR OPERATION AND MANAGEMENT AIR ENVIRONMENT FACILITIES BEWTEEN HETEROGENEOUS TYPES USING ARTIFICIAL INTELLIGENCE

본 발명은 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템 및 방법에 관한 발명으로서, 더욱 상세하게는 사물인터넷 기반의 이기종 공기환경설비로부터 수집한 실내 공기환경에 영향을 주는 환경 요인들의 빅데이터를 심층 신경망을 이용한 분석을 통해 이기종 간 공기환경설비의 유지보수 및 최적의 운영 솔루션을 제공하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for operating and managing heterogeneous air environment facilities using artificial intelligence, and more particularly, big data of environmental factors affecting the indoor air environment collected from heterogeneous air environment facilities based on the Internet of Things. It relates to a system and method for operating and managing heterogeneous air environment facilities using artificial intelligence that provides an optimal operation solution and maintenance of heterogeneous air environment facilities through analysis using a deep neural network.

고도의 산업화 과정에서 인구의 도시집중으로 인해 주거 및 공공시설물의 환경 오염도가 높아지고 있으며, 현대인들은 하루 중 거의 80% 이상을 실내에서 생활하는 것으로 조사되고 있어 외부환경의 오염보다 실내의 오염이 인간의 건강에 더 큰 영향을 미친다. In the process of high industrialization, the environmental pollution of residential and public facilities is increasing due to the urban concentration of the population. have a greater impact on health.

또한, 모든 실내 환경에 대해 에너지 절약을 요구하게 되어 일반 빌딩은 절연 물질의 사용과 환기율(ventilation rate)을 감소시키게 되어 실내 오염이 증가하고 있다. In addition, since energy saving is required for all indoor environments, general buildings use insulating materials and reduce ventilation rates, and indoor pollution is increasing.

또한, 글로벌 산업화가 진행됨에 따라 대기오염이 증가하고 있고, 생활양식의 변화로 인한 건축자재의 재료가 다양화되면서 실내 유해물질의 오염농도가 증가하여 인체 위해도(Health Risk)는 더욱 증가하게 되었다.In addition, as global industrialization progresses, air pollution is increasing, and as the materials of building materials are diversified due to changes in lifestyle, the contamination concentration of indoor harmful substances increases, which further increases the health risk. .

따라서, 깨끗한 공기는 삶의 질을 높이는 데 있어서 필수 조건으로, 실내 공기질을 향상시키기 위한 공기 정화기의 수요가 급격히 증가하고 있다. Accordingly, clean air is an essential condition for improving the quality of life, and the demand for air purifiers for improving indoor air quality is rapidly increasing.

공기 정화기는 공기 중에 포함되어 있는 악취, 휘발성 유기 화합물(Volatile Organic Compounds; VOCs), 담배연기, (미세)먼지 등과 같은 유해 물질을 정화하여 신선한 공기로 바꾸는 장치이다.An air purifier is a device that purifies harmful substances such as odors, volatile organic compounds (VOCs), cigarette smoke, and (fine) dust contained in the air and converts them into fresh air.

공기 정화기는 공기 정화 방식에 따라, 필터 방식, 전기 집진 방식, 워터 필터 방식 및 복합 방식으로 분류될 수 있다. The air purifier may be classified into a filter method, an electrostatic precipitation method, a water filter method, and a composite method according to an air purification method.

필터 방식의 공기 정화기는 부직포와 같은 다양한 복수의 필터(HEPA, ULPA, 가스필터, HAF 정전 항균 필터 등)를 활용하여 우수한 집진 및 정화 성능을 갖는 장점을 가지고 있지만, 주기적인 청소와 필터를 교체해야 하므로 추가적인 관리비용이 발생하는 단점을 가지고 있다. The filter-type air purifier has the advantage of having excellent dust collection and purification performance by using a variety of filters (HEPA, ULPA, gas filter, HAF electrostatic antibacterial filter, etc.) Therefore, it has the disadvantage of incurring additional management costs.

또한, 전기 집진 방식의 공기 정화기는 장치 내부에 고전압을 발생시켜 그 정전기로 유해 물질을 포집하는 방식으로 반영구적인 사용이 가능하지만, 주기적인 청소가 필요하며 정화 능력이 상대적으로 낮다는 단점을 가지고 있다. In addition, the electrostatic precipitation type air purifier can be used semi-permanently by generating a high voltage inside the device and collecting harmful substances with static electricity, but it requires periodic cleaning and has a relatively low purification ability. .

또한, 워터 필터 방식의 공기 정화기는 물의 흡착력을 이용해 공기 중의 유해 물질을 침전시켜 공기를 정화하는 방식으로 반영구적 사용이 가능하다는 장점을 가지고 있지만, 세균 번식의 우려로 주기적인 청소 및 관리가 어려운 문제점이 있다.In addition, the water filter type air purifier has the advantage that it can be used semi-permanently by using the adsorption power of water to precipitate harmful substances in the air to purify the air. have.

또한, 공기 정화기가 서로 다른 제조사들의 제품이 설치된 경우, 유지보수를 위한 통합 관리가 어려운 문제점이 있다.In addition, when products of different manufacturers of air purifiers are installed, integrated management for maintenance is difficult.

또한, 종래기술에 따른 공기 정화기, 공기 조화기 등의 공기환경설비는 미세먼지, 이산화탄소, TVOC, 온도, 습도 등의 빅데이터를 수집하여 저장하는 기능을 포함하고 있지만, 제조사별로 서로 다른 데이터 통신을 사용함으로써, 이기종 또는 제조사별로 수집된 빅데이터를 통합하여 관리할 수 없는 문제점이 있다.In addition, air environment facilities such as air purifiers and air conditioners according to the prior art include a function of collecting and storing big data such as fine dust, carbon dioxide, TVOC, temperature, humidity, etc., but each manufacturer uses different data communication. By using it, there is a problem that big data collected by different types or manufacturers cannot be integrated and managed.

한국 공개특허공보 공개번호 제10-2019-0003065호(발명의 명칭: 실내공기질 분석 서비스를 위한 빅데이터 획득 및 분석 방법)Korean Patent Laid-Open Publication No. 10-2019-0003065 (Title of the invention: Big data acquisition and analysis method for indoor air quality analysis service)

이러한 문제점을 해결하기 위하여, 본 발명은 사물인터넷 기반의 이기종 공기환경설비로부터 수집한 실내 공기환경에 영향을 주는 환경 요인들의 빅데이터를 심층 신경망을 이용한 분석을 통해 이기종 간 공기환경설비의 유지보수 및 최적의 운영 솔루션을 제공하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템 및 방법을 제공하는 것을 목적으로 한다.In order to solve this problem, the present invention provides maintenance and maintenance of heterogeneous air environment facilities through analysis using deep neural network on big data of environmental factors affecting the indoor air environment collected from the Internet of Things-based heterogeneous air environment facilities. It aims to provide an operation management system and method for heterogeneous air environment facilities using artificial intelligence that provides an optimal operation solution.

상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템으로서, 사물 인터넷(IoT)을 이용하여 실내 공간의 공기질과 실내 환경을 관리하는 복수의 실내 환경 설비; 상기 실내 환경 설비로부터 동작 정보와, 상기 실내 환경 설비의 동작에 따른 실내 환경정보를 포함한 실내 환경 빅데이터를 수집하여 저장하는 게이트웨이; 상기 수신된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 통합 실내 환경 빅데이터출력하는 데이터변환부; 및 상기 통합 실내 환경 빅데이터를 수신하여 비정형 데이터와 정형 데이터로 구분하고, 상기 통합 실내 환경 빅데이터를 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출하고, 상기 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 개별 실내 환경 설비의 최적 운전 조건을 분석하는 인공지능 분석부와, 상기 분석 결과에 따른 실내 환경 설비의 운전 조건과 상기 운전 조건에 기반한 개별 실내 환경 설비의 유지보수 관리 정보를 산출하고, 상기 산출된 유지보수 관리 정보와 개별 실내 환경 설비의 운전 조건을 매칭시켜 출력하는 유지보수 정보 제어부를 구비한 인공지능 분석서버;를 포함하고, 상기 인공지능 분석부는 입력되는 비정형 데이터를 임베딩을 통해 벡터 값으로 변환하여 변환된 벡터 값을 정규화하며, 이전 출력 값을 현재의 입력 값으로 하는 N개의 인코더 블록이 셀프 어텐션 메커니즘을 사용하여 단어 간의 특징을 파악하고, 레즈넷(ResNet)을 이용하여 인코더 블록 내에서 각각의 입력과 처리 결과가 오버피팅되는 것을 방지하며, 임베딩을 통해 변환된 비정형 데이터의 벡터 값을 정규화하고, 버트 모델을 이용하여 정규화된 벡터 값을 데이터에 대한 벡터 값과 데이터 내의 개별 토큰에 대응하는 벡터값으로 출력하여 비정형 데이터의 분석 및 예측을 통한 비정형 데이터의 특성 값을 출력하는 비정형 데이터 분석부; 상기 입력되는 정형 데이터를 정규화하고, 레즈넷을 통해 다음 단어를 예측하기 위해 정해진 'n'개의 데이터만을 참고하여 버려지는 데이터들이 가진 정보를 참고할 수 없어 입력과 처리 결과가 오버피팅되는 것을 방지하며, 피드 포워드 신경망을 이용하여 입력된 정형 데이터를 입력 레이어에서 은닉 레이어를 거쳐 출력 레이어까지 전달되며, 순환 경로가 존재하지 않는 유사도를 갖는 벡터 값을 출력하여 정형 데이터의 분석 및 예측을 통한 정형 데이터의 특성 값을 출력하는 정형 데이터 분석부; 및 상기 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 상기 실내 먼지의 농도, 상기 실내 환경 설비의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 음성 입력 정보 및 실내 인원의 활동 패턴을 기반으로 분석된 최적의 운전 조건을 출력하는 연산부;를 포함하는 것을 특징으로 한다.In order to achieve the above object, an embodiment of the present invention is an operation management system for heterogeneous air environment facilities using artificial intelligence, and a plurality of indoor spaces for managing air quality and indoor environment using the Internet of Things (IoT). environmental equipment; a gateway for collecting and storing indoor environment big data including operation information from the indoor environment facility and indoor environment information according to the operation of the indoor environment facility; a data conversion unit that analyzes the received indoor environment big data, classifies it into a data format for each manufacturer, converts the classified data format for each manufacturer into a preset integrated management data format, and outputs integrated indoor environment big data; and receiving the integrated indoor environment big data, dividing it into unstructured data and structured data, extracting environmental factor information that affects the indoor environment using the integrated indoor environment big data deep neural network artificial intelligence model, and the deep neural network An artificial intelligence analysis unit that analyzes the optimal operating conditions of individual indoor environmental facilities corresponding to the extracted environmental factor information using an artificial intelligence model, and the operating conditions of indoor environmental facilities according to the analysis results and individual indoor environments based on the driving conditions An artificial intelligence analysis server comprising a; The analysis unit normalizes the transformed vector value by transforming the input unstructured data into a vector value through embedding. , Prevents overfitting of each input and processing result within the encoder block using ResNet, normalizes vector values of unstructured data transformed through embedding, and normalized vector values using vert models an unstructured data analysis unit for outputting a vector value for data and a vector value corresponding to individual tokens in the data to output characteristic values of the unstructured data through analysis and prediction of the unstructured data; Normalizes the inputted structured data and prevents overfitting of input and processing results because it is impossible to refer to the information of discarded data by referring to only 'n' data set to predict the next word through Reznet, The structured data input using the feed-forward neural network is transmitted from the input layer through the hidden layer to the output layer. Characteristics of structured data through analysis and prediction of structured data by outputting a vector value with similarity in which a circular path does not exist a structured data analysis unit that outputs a value; And by adding the characteristic value of the unstructured data and the characteristic value of the structured data, the indoor dust concentration, the operating state of the indoor environmental equipment, the operating time and operating conditions, voice input information, text information, room size, number of people in the room, voice input and a calculation unit that outputs the optimal driving conditions analyzed based on the information and the activity patterns of indoor personnel.

또한, 상기 실시 예에 따른 심층 신경망 인공지능 모델은 실내 미세 먼지의 농도, 상기 실내 환경 설비의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함한 학습 데이터를 기반으로 학습을 수행하는 것을 특징으로 한다.In addition, the deep neural network artificial intelligence model according to the embodiment includes the concentration of indoor fine dust, the operating state of the indoor environmental equipment, the operating time and operating conditions, and the voice input information, text information, room size, number of people in the room, and the number of people in the room. It is characterized in that learning is performed based on learning data including one or more of the activity patterns.

또한, 상기 실시 예에 따른 실내 환경 설비는 공기 정화부, 공기 조화부, 공기질 측정부, 인체 감지부, 창문 개폐 감지부, 및 사용자 입력부 중 하나 이상을 포함하는 것을 특징으로 한다.In addition, the indoor environmental facility according to the embodiment is characterized in that it includes at least one of an air purification unit, an air conditioner, an air quality measurement unit, a human body sensor, a window opening/closing sensor, and a user input unit.

또한, 본 발명의 일 실시 예는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법으로서, a) 데이터변환부가 게이트웨이를 통해 복수의 실내 환경 설비로부터 감지된 실내 환경 설비의 동작 정보와, 개별 실내 환경 설비의 동작에 따른 실내 환경정보를 포함한 실내 환경 빅데이터를 수집하는 단계; b) 상기 데이터변환부가 수집된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 통합 실내 환경 빅데이터를 출력하는 단계; c) 인공지능 분석서버가 수집된 통합 실내 환경 빅데이터를 비정형 데이터와 정형 데이터로 구분하고, 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출하며, 상기 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 실내 환경 설비의 최적 운전 조건을 분석하되, 상기 비정형 데이터를 임베딩을 통해 벡터 값으로 변환하여 변환된 벡터 값을 정규화하고, 이전 출력 값을 현재의 입력 값으로 하는 N개의 인코더 블록이 셀프 어텐션 메커니즘을 사용하여 단어 간의 특징을 파악하며, 레즈넷(ResNet)을 이용하여 인코더 블록 내에서 각각의 입력과 처리 결과가 오버피팅되는 것을 방지하고, 임베딩을 통해 변환된 비정형 데이터의 벡터 값을 정규화하고, 버트 모델을 이용하여 정규화된 벡터 값을 데이터에 대한 벡터 값과 데이터 내의 개별 토큰에 대응하는 벡터값으로 출력하여 비정형 데이터의 분석 및 예측을 통한 비정형 데이터의 특성 값을 출력하며, 상기 정형 데이터를 정규화하고, 레즈넷을 통해 다음 단어를 예측하기 위해 정해진 'n'개의 데이터만을 참고하여 버려지는 데이터들이 가진 정보를 참고할 수 없어 입력과 처리 결과가 오버피팅되는 것을 방지하며, 피드 포워드 신경망을 이용하여 입력된 정형 데이터를 입력 레이어에서 은닉 레이어를 거쳐 출력 레이어까지 전달되고, 순환 경로가 존재하지 않는 유사도를 갖는 벡터 값을 출력하여 정형 데이터의 분석 및 예측을 통한 정형 데이터의 특성 값을 출력하며, 상기 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 상기 실내 먼지의 농도, 상기 실내 환경 설비 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴을 기반으로 분석된 최적의 운전 조건을 출력하는 단계; 및 d) 상기 인공지능 분석서버가 분석 결과에 따른 실내 환경 설비의 운전 조건과 상기 운전 조건에 기반한 실내 환경 설비의 유지보수 관리 정보를 산출하고, 상기 산출된 유지보수 관리 정보와 실내 환경 설비의 운전 조건을 매칭시켜 상기 실내 환경 설비가 실내 미세먼지 농도를 좋음, 나쁨 또는 보통의 수준으로 유지하기 위해 실내에 설치된 실내 환경 설비의 가동 시간을 포함한 운전 상태와, 실내 먼지 농도에 영향을 미치는 창문 개폐 여부, 실내 크기, 실내 인원수, 실내 인원의 활동 패턴을 포함한 환경 요인에 따라 최적의 운전 상태를 유지하며 동작할 수 있도록 유지보수 관리 정보를 산출하여 개별 실내 환경 설비의 운전 조건과 상기 운전 조건에 기반한 개별 실내 환경 설비의 유지보수 관리 정보를 매칭시켜 출력하는 단계;를 포함한다.In addition, an embodiment of the present invention is a method for operating and managing heterogeneous air environment facilities using artificial intelligence. collecting indoor environment big data including indoor environment information according to the operation of environmental facilities; b) the data conversion unit analyzes the collected indoor environment big data, classifies it into a data format for each manufacturer, and converts the classified data format for each manufacturer into a preset integrated management data format to output integrated indoor environment big data; c) The integrated indoor environment big data collected by the artificial intelligence analysis server is divided into unstructured data and structured data, and environmental factor information that affects the indoor environment is extracted using the deep neural network artificial intelligence model, and the deep neural network artificial intelligence Analyze the optimal operating conditions of indoor environmental equipment corresponding to the environmental factor information extracted using the model, and normalize the converted vector value by converting the unstructured data into a vector value through embedding, and input the previous output value to the current input N encoder blocks with values identify the characteristics between words using the self-attention mechanism, and use ResNet to prevent overfitting of each input and processing result within the encoder block, and through embedding The vector value of the transformed unstructured data is normalized, and the normalized vector value is output as a vector value for the data and a vector value corresponding to each token in the data using the vert model. Outputs the characteristic value, normalizes the structured data, and refers to only 'n' data set to predict the next word through Reznet. In addition, by using a feed-forward neural network, the input structured data is transmitted from the input layer through the hidden layer to the output layer, and a vector value with similarity in which a circular path does not exist is output through analysis and prediction of structured data. Outputs the characteristic values of the structured data, and adds the characteristic values of the unstructured data and the characteristic values of the structured data to determine the indoor dust concentration, the indoor environmental facility operating state, operating time and operating conditions, voice input information, text information, outputting an optimal driving condition analyzed based on the size of the room, the number of people in the room, and the activity pattern of the people in the room; and d) the artificial intelligence analysis server calculates the operation condition of the indoor environment facility according to the analysis result and the maintenance management information of the indoor environment facility based on the operating condition, and the calculated maintenance management information and the operation of the indoor environment facility In order for the indoor environmental equipment to maintain the indoor fine dust concentration at a good, bad, or normal level by matching the conditions, the operating state, including the operating time of the indoor environmental equipment installed indoors, and whether the window is opened or closed affecting the indoor dust concentration , calculate maintenance management information so that it can operate while maintaining the optimal operating state according to environmental factors including indoor size, indoor number of people, and indoor personnel’s activity pattern, and operating conditions of individual indoor environmental facilities and individual and matching and outputting maintenance management information of indoor environment facilities.

또한, 상기 실시 예에 따른 심층 신경망 인공지능 모델은 실내 미세 먼지의 농도, 상기 실내 환경 설비의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함한 학습 데이터를 기반으로 학습을 수행하는 것을 특징으로 한다.In addition, the deep neural network artificial intelligence model according to the embodiment includes the concentration of indoor fine dust, the operating state of the indoor environmental equipment, the operating time and operating conditions, and the voice input information, text information, room size, number of people in the room, and the number of people in the room. It is characterized in that learning is performed based on learning data including one or more of the activity patterns.

또한, 상기 실시 예에 따른 a) 단계는 데이터변환부가 실내 환경 설비의 제조사별 데이터 포맷과, 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷을 매칭시켜 장치별로 데이터 변환 정보를 설정하는 단계;를 더 포함하는 것을 특징으로 한다.In addition, the step a) according to the embodiment comprises the steps of: setting the data conversion information for each device by matching the data format for each manufacturer of the indoor environment equipment and the classified data format for each manufacturer with a preset integrated management data format; It is characterized in that it further comprises.

본 발명은 사물인터넷 기반의 이기종 공기환경설비로부터 수집한 실내 공기환경에 영향을 주는 환경 요인들의 빅데이터를 심층 신경망을 이용한 분석을 통해 이기종 간 공기환경설비의 유지보수 및 최적의 운영 솔루션을 제공할 수 있는 장점이 있다.The present invention provides an optimal operation solution and maintenance of heterogeneous air environment facilities through analysis using deep neural network on big data of environmental factors affecting the indoor air environment collected from heterogeneous air environment facilities based on the Internet of Things. There are advantages that can be

도1은 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템의 구성을 나타낸 예시도.
도2는 도1의 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템의 데이터 변환부 구성을 나타낸 예시도.
도3은 도1의 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템의 인공지능 제어부 구성을 나타낸 예시도.
도4는 도3의 실시 예에 따른 인공지능 분석부의 구성을 나타낸 예시도.
도5는 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법을 설명하기 위해 나타낸 흐름도.1 is an exemplary diagram showing the configuration of an operation management system of a heterogeneous air environment facility using artificial intelligence according to an embodiment of the present invention.
Figure 2 is an exemplary diagram showing the configuration of the data conversion unit of the operation management system of the air environment facility between heterogeneous types using artificial intelligence according to the embodiment of Figure 1;
Figure 3 is an exemplary diagram showing the configuration of the artificial intelligence control unit of the operation management system of heterogeneous air environment facilities using artificial intelligence according to the embodiment of Figure 1;
Figure 4 is an exemplary view showing the configuration of the artificial intelligence analysis unit according to the embodiment of Figure 3;
5 is a flowchart illustrating a method for operating and managing heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention.

이하에서는 본 발명의 바람직한 실시 예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.Hereinafter, the present invention will be described in detail with reference to preferred embodiments of the present invention and the accompanying drawings.

본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다. Prior to describing the specific contents for carrying out the present invention, it should be noted that components not directly related to the technical gist of the present invention are omitted within the scope of not disturbing the technical gist of the present invention.

또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.In addition, the terms or words used in the present specification and claims have meanings and concepts consistent with the technical idea of the invention based on the principle that the inventor can define the concept of an appropriate term to best describe his invention. should be interpreted as

본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.In this specification, the expression that a part "includes" a certain element does not exclude other elements, but means that other elements may be further included.

또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.Also, terms such as “… unit”, “… group”, and “… module” mean a unit that processes at least one function or operation, which may be divided into hardware, software, or a combination of the two.

또한, "적어도 하나의" 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. In addition, the term "at least one" is defined as a term including the singular and the plural, and even if the term at least one does not exist, each element may exist in the singular or plural, and may mean the singular or plural. will be self-evident.

또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시 예에 따라 변경가능하다 할 것이다.In addition, that each component is provided in singular or plural may be changed according to an embodiment.

이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템 및 방법의 바람직한 실시 예를 상세하게 설명한다.Hereinafter, a preferred embodiment of a system and method for operating and managing heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

도1은 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템의 구성을 나타낸 예시도이고, 도2는 도1의 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템의 데이터 변환부 구성을 나타낸 예시도이며, 도3은 도1의 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템의 인공지능 제어부 구성을 나타낸 예시도이고, 도4는 도3의 실시 예에 따른 인공지능 분석부의 구성을 나타낸 예시도이다.1 is an exemplary diagram showing the configuration of an operation management system of a heterogeneous air environment facility using artificial intelligence according to an embodiment of the present invention, and FIG. 2 is a heterogeneous air environment using artificial intelligence according to the embodiment of FIG. It is an exemplary diagram showing the configuration of the data conversion unit of the operation management system of the facility, and FIG. 3 is an exemplary diagram showing the configuration of the artificial intelligence control unit of the operation management system of the air environment facility between different types using artificial intelligence according to the embodiment of FIG. 1, 4 is an exemplary diagram illustrating the configuration of an artificial intelligence analysis unit according to the embodiment of FIG. 3 .

도1 내지 도4를 참조하면, 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템은 사물인터넷 기반의 이기종 공기환경설비로부터 수집한 실내 공기환경에 영향을 주는 환경 요인들의 빅데이터를 심층 신경망을 이용한 분석을 통해 이기종 간 공기환경설비의 유지보수 및 최적의 운영 솔루션을 제공할 수 있도록 하나 이상의 실내 환경 설비(100, 100a, 100b)와, 게이트웨이(200)와, 데이터변환부(300)와, 인공지능 분석서버(400)를 포함하여 구성될 수 있다.1 to 4, the system for operating and managing heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention is an environment that affects the indoor air environment collected from heterogeneous air environment facilities based on the Internet of Things. One or more indoor environmental facilities (100, 100a, 100b), a gateway (200), It may be configured to include a data conversion unit 300 and an artificial intelligence analysis server 400 .

즉, 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템은 게이트웨이(200)가 사물 인터넷(IoT)을 이용하여 실내 공간의 공기질을 제어하는 실내 환경 설비(100, 100a, 100b)의 동작 정보와, 상기 실내 환경 설비(100, 100a, 100b)의 동작에 따른 실내 환경정보를 포함한 실내 환경 빅데이터를 수신할 수 있다.That is, in the system for operating and managing heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention, the gateway 200 uses the Internet of Things (IoT) to control the air quality of the indoor space (100, It is possible to receive indoor environment big data including operation information of 100a and 100b and indoor environment information according to the operation of the indoor environment facilities 100 , 100a and 100b.

또한, 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템은 수신된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 출력할 수 있다.In addition, the operation management system of heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention analyzes the received indoor environmental big data and classifies it into a data format for each manufacturer, and pre-prescribes the classified data format for each manufacturer. It can be converted to the set integrated management data format and output.

또한, 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템은 통합 실내 환경 빅데이터를 심층 신경망 인공지능 모델을 이용하여 통합 실내 환경 빅데이터에서 실내 환경에 영향을 주는 환경 요인 정보를 추출하며, 상기 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석하고, 상기 분석 결과에 따른 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과 상기 운전 조건에 기반한 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 매칭시켜 출력할 수 있다.In addition, the operation management system of heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention affects the indoor environment in the integrated indoor environment big data using the deep neural network artificial intelligence model for the integrated indoor environment big data. Extracting environmental factor information, analyzing the optimal operating conditions of individual indoor environmental facilities 100, 100a, 100b corresponding to the extracted environmental factor information using the deep neural network artificial intelligence model, and analyzing individual indoor conditions according to the analysis result The operation conditions of the environmental facilities 100, 100a, and 100b may be matched and outputted with maintenance management information of the individual indoor environmental facilities 100, 100a, and 100b based on the operating conditions.

상기 실내 환경 설비(100, 100a, 100b)는 실내 공간의 공기질을 개선하기 위한 구성으로서, 공기환경장치(110)와, 실내환경장치(120)를 포함하여 구성될 수 있다.The indoor environmental equipment 100 , 100a , 100b is a configuration for improving the air quality of an indoor space, and may include an air environment device 110 and an indoor environment device 120 .

또한, 상기 실내 환경 설비(100, 100a, 100b)는 실내 공기질을 개선하기 위한 동작 정보와, 상기 실내 환경 설비(100, 100a, 100b)의 동작에 따른 실내 상태, 실내 조건 등의 실내 환경정보를 포함한 실내 환경 빅데이터를 사물 인터넷(IoT)에 기반하여 출력할 수 있다.In addition, the indoor environmental equipment 100, 100a, 100b receives operation information for improving indoor air quality and indoor environmental information such as indoor conditions and indoor conditions according to the operation of the indoor environmental equipment 100, 100a, 100b. It is possible to output big data of the indoor environment including the Internet of Things (IoT).

상기 실내 환경 빅데이터는 실내 미세 먼지의 농도, 실내 환경 설비의 운전 상태, 예를 들어 공기 청정장치의 동작 상태와 동작시간, 동작 조건, 냉/난방 장치의 동작 상태와 동작시간, 동작 조건, 오염물질 측정장치의 동작 상태와 동작시간, 동작 조건 등의 정보, 창문의 개폐 여부, 사용자로부터 입력되는 동작 설정용 음성 입력 정보, 설정 정보, 텍스트 정보 등과, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함할 수 있다.The indoor environment big data includes the concentration of indoor fine dust, the operating state of indoor environmental equipment, for example, the operating state and operating time of the air cleaner, operating conditions, the operating status and operating time of the cooling/heating device, operating conditions, and pollution. Information such as the operating state, operating time, and operating conditions of the material measuring device, whether the window is opened or closed, voice input information for operation setting input from the user, setting information, text information, etc., room size, number of people in the room, and activity pattern of people in the room may include one or more of

또한, 상기 실내 환경 설비(100, 100a, 100b)는 유무선 광대역 초고속 통신망, 유비쿼터스 센서 네트워크, 스마트 그리드 등이 유기적으로 연결된 모든 네트워크를 의미하는 사물 인터넷(Internet of Things: IoT)을 기반으로 모바일, 클라우드 등으로 서로 결합되어 서로 구성될 수도 있다.In addition, the indoor environmental facilities 100, 100a, and 100b are mobile and cloud based on the Internet of Things (IoT), which means all networks organically connected to wired and wireless broadband high-speed communication networks, ubiquitous sensor networks, and smart grids. They may be coupled to each other and configured with each other.

또한, 상기 실내 환경 설비(100, 100a, 100b)는 실내 공기에 포함된 유해물질 또는 오염물질을 제거하는 공기 정화기, 실내 온도 및 습도를 조절하는 공기 조화기, 유해물질 또는 오염물질 농도를 측정하는 공기질 측정기, 실내에 사람이 재실하는지 여부, 실내 인원수, 실내 인원의 활동 상태 등을 감지하는 인체 감지부, 창문의 개폐 여부를 감지하는 창문 개폐 감지부 및 사용자가 입력하는 음성 입력 정보, 설정 정보, 텍스트 정보 또는 운전 정보를 수신하는 사용자 입력부 중 하나 이상을 포함하여 구성될 수 있다.In addition, the indoor environmental equipment 100, 100a, 100b is an air purifier that removes harmful substances or pollutants contained in indoor air, an air conditioner that controls indoor temperature and humidity, and measures the concentration of harmful substances or pollutants. Air quality meter, a human body sensor that detects whether or not people are in the room, the number of people in the room, and the activity status of indoor people, a window open/close sensor that detects whether a window is opened or closed, and voice input information input by the user, setting information, It may be configured to include one or more of a user input unit for receiving text information or driving information.

즉, 상기 공기 정화부는 공기 속의 먼지나 세균 등을 걸러내어 공기를 깨끗하게 여과하는 공기 청정장치일 수 있고, 상기 공기 청정장치의 동작 상태와 동작시간, 동작 조건 등의 정보를 출력할 수 있다.That is, the air purifier may be an air purifier that filters air cleanly by filtering dust or bacteria in the air, and may output information such as an operating state, operating time, and operating conditions of the air purifying device.

상기 공기 조화부는 실내 공간을 알맞은 온도, 습도, 기류 분포로 조절하여 실내 공기가 쾌적한 상태로 유지될 수 있도록 제어하는 냉/난방 장치일 수 있고, 상기 냉/난방 장치의 동작 상태와 동작시간, 동작 조건 등의 정보를 출력할 수 있다.The air conditioner may be a cooling/heating device that regulates the indoor space to an appropriate temperature, humidity, and airflow distribution so that the indoor air can be maintained in a comfortable state. Information such as conditions can be output.

상기 공기질 측정부는 실내 공간의 미세먼지 농도, 이산화탄소 농도, 유해물질 농도, 라돈 농도 등을 측정하는 유해물질 또는 오염물질 측정장치일 수 있고, 상기 측정장치의 동작 상태와 동작시간, 동작 조건 등의 정보를 출력할 수 있다.The air quality measuring unit may be a hazardous substance or pollutant measuring device that measures fine dust concentration, carbon dioxide concentration, hazardous substance concentration, radon concentration, etc. can be printed out.

상기 인체 감지부는 실내에서 사람의 재실 여부, 인원수 및 활동 여부를 감지하는 구성으로서, 적외선 센서, 초음파 센서, 라이다 센서 및 카메라 중 어느 하나로 구성될 수 있고, 상기 카메라는 촬영된 실내 이미지를 출력할 수 있다.The human body detecting unit is a configuration for detecting whether a person is present, the number of people, and whether there is activity in the room, and may be composed of any one of an infrared sensor, an ultrasonic sensor, a lidar sensor, and a camera, and the camera may output a photographed indoor image. can

상기 창문 개폐 감지부는 창문에 설치되어 창문의 개/폐 여부를 감지하는 개폐 감지 센서일 수 있다.The window opening/closing detection unit may be an opening/closing detection sensor installed on a window to detect whether the window is opened/closed.

또한, 사용자로부터 동작 설정용 음성 입력 정보, 설정 정보, 텍스트 정보, 실내 크기, 실내의 설정 온도, 설정 습도 등을 입력받는 사용자 입력부가 추가 구성될 수도 있다.In addition, a user input unit that receives input from the user for operation setting voice input information, setting information, text information, room size, indoor temperature, set humidity, etc. may be additionally configured.

한편, 상기 실내 환경 설비(100, 100a, 100b)를 상술한 실시 예에 한정되는 것은 아니고, 사물에 센서를 부착해 실시간으로 데이터를 네트워크를 통해 송/수신할 수 있는 사물 인터넷 기반의 실내 환경 설비는 모두 포함할 수 있다.On the other hand, the indoor environmental equipment 100, 100a, 100b is not limited to the above-described embodiment, and an Internet-of-things-based indoor environmental equipment capable of transmitting/receiving data through a network in real time by attaching a sensor to an object. may include all of them.

상기 게이트웨이(200)는 복수의 실내 환경 설비(100, 100a, 100b)로부터 감지되는 실내 환경 빅데이터를 수집하여 저장하고, 수집된 실내 환경 빅데이터를 인공지능 분석서버(400)로 송신한다.The gateway 200 collects and stores indoor environment big data sensed from a plurality of indoor environment facilities 100 , 100a and 100b , and transmits the collected indoor environment big data to the artificial intelligence analysis server 400 .

또한, 상기 게이트웨이(200)는 상기 인공지능 분석서버(400)로부터 수신되는 유지보수 관리정보를 개별 실내 환경 설비(100, 100a, 100b)로 송신할 수 있고, LAN을 이용하여 개별 실내 환경 설비(100, 100a, 100b)와 인공지능 분석서버(400) 사이에 데이터가 송수신될 수 있도록 제어하며, 상기 실내 환경 설비(100, 100a, 100b)와 인공지능 분석서버(400) 사이에 통신속도 제어, 트래픽 제어, 어드레스 변환, 프로토콜 변환, 대역폭 변환 등을 수행할 수도 있다.In addition, the gateway 200 can transmit the maintenance management information received from the artificial intelligence analysis server 400 to the individual indoor environment facilities 100, 100a, 100b, and use the LAN to transmit the maintenance management information received from the artificial intelligence analysis server 400 to the individual indoor environment facilities ( Controls so that data can be transmitted and received between 100, 100a, 100b) and the artificial intelligence analysis server 400, and control the communication speed between the indoor environment facilities 100, 100a, 100b and the artificial intelligence analysis server 400, It can also perform traffic control, address translation, protocol translation, bandwidth translation, and the like.

또한, 상기 게이트웨이(200)는 유무선 광대역 초고속 통신망, 유비쿼터스 센서 네트워크, 스마트 그리드 등이 유기적으로 연결된 모든 네트워크를 의미하는 사물 인터넷(Internet of Things: IoT)을 기반으로 모바일, 클라우드 등을 통해 실내 환경 설비(100, 100a, 100b)와 서로 결합되어 구성될 수도 있고, 공기환경 제어부(210)와, 사물인식 감지부(220)와, 데이터 통신부(230)를 포함하여 구성될 수 있다.In addition, the gateway 200 is an indoor environment facility through mobile, cloud, etc. based on the Internet of Things (IoT), which means all networks in which wired and wireless broadband high-speed communication networks, ubiquitous sensor networks, and smart grids are organically connected. (100, 100a, 100b) may be configured in combination with each other, it may be configured to include the air environment control unit 210, the object recognition sensor 220, and the data communication unit 230.

상기 공기환경 제어부(210)는 실내 공간의 공기질을 제어하는 복수의 실내 환경 설비(100, 100a, 100b)의 공기 환경장치(110)로부터 동작 정보를 수집하여 인공지능 분석서버(400)로 송신하고, 상기 인공지능 분석서버(400)로부터 수신된 유지보수 관리정보가 개별 실내 환경 설비(100, 100a, 100b)로 송신될 수 있도록 제어한다.The air environment control unit 210 collects operation information from the air environment device 110 of a plurality of indoor environment facilities 100, 100a, 100b for controlling the air quality of the indoor space and transmits it to the artificial intelligence analysis server 400, and , control so that the maintenance management information received from the artificial intelligence analysis server 400 can be transmitted to the individual indoor environment facilities (100, 100a, 100b).

상기 사물 인식 제어부(220)는 개별 실내 환경 설비(100, 100a, 100b)의 실내 환경장치(120)로부터 상기 실내 환경장치(120)의 동작에 따른 실내 환경 상태정보를 수집하여 인공지능 분석서버(400)로 송신하는 구성으로서, 바람직하게는 실내 환경장치(120)의 동작 정보, 촬영 정보 등을 포함한 실내 환경정보를 수집하여 상기 인공지능 분석서버(400)로 송신한다.The object recognition control unit 220 collects indoor environment state information according to the operation of the indoor environment device 120 from the indoor environment device 120 of the individual indoor environment facilities 100, 100a, 100b to collect an artificial intelligence analysis server ( 400), preferably, indoor environment information including operation information and shooting information of the indoor environment device 120 is collected and transmitted to the artificial intelligence analysis server 400 .

또한, 상기 사물인식 제어부(220)는 인공지능 분석서버(400)로부터 수신된 동작 제어 정보에 기초하여 실내 환경 장치(120)가 동작할 수 있도록 제어할 수 있다.In addition, the object recognition control unit 220 may control the indoor environment device 120 to operate based on the operation control information received from the artificial intelligence analysis server 400 .

상기 데이터 통신부(230)는 수집된 개별 실내 환경 설비(100, 100a, 100b)의 동작 정보와 실내 환경 정보를 포함한 실내 환경 빅데이터를 인공지능 분석서버(400)로 전송하고, 상기 인공지능 분석서버(400)로부터 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 수신한다.The data communication unit 230 transmits the collected indoor environment big data including the operation information and indoor environment information of the individual indoor environment facilities 100, 100a, 100b to the artificial intelligence analysis server 400, and the artificial intelligence analysis server Operation conditions of the individual indoor environmental facilities 100 , 100a , and 100b and maintenance management information of the individual indoor environmental facilities 100 , 100a and 100b are received from 400 .

상기 데이터변환부(300)는 수신된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 통합 실내 환경 빅데이터(410a)를 출력하는 구성으로서, 데이터통신부(310)와, 데이터분석부(320)와, 포맷 변환부(330)를 포함하여 구성될 수 있다.The data conversion unit 300 analyzes the received indoor environment big data and classifies it into a data format for each manufacturer, and converts the classified data format for each manufacturer into a preset integrated management data format to integrate the indoor environment big data 410a. As a configuration for outputting , it may be configured to include a data communication unit 310 , a data analysis unit 320 , and a format conversion unit 330 .

상기 데이터통신부(310)는 게이트웨이(200)를 통해 개별 실내 환경 설비(100, 100a, 100b)로부터 실내 환경 빅데이터를 수신하고, 인공지능 분석서버(400)에서 출력되는 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과 상기 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 상기 게이트웨이(200)를 통해 송신되도록 한다.The data communication unit 310 receives the indoor environment big data from the individual indoor environment facilities 100, 100a, 100b through the gateway 200, and the individual indoor environment facilities 100, output from the artificial intelligence analysis server 400, The operating conditions of 100a and 100b and maintenance management information of the indoor environmental facilities 100 , 100a and 100b are transmitted through the gateway 200 .

상기 데이터분석부(320)는 수신된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류할 수 있다.The data analysis unit 320 may analyze the received indoor environment big data and classify it into a data format for each manufacturer.

즉, 상기 데이터분석부(320)는 데이터에 프로토콜에 포함된 특정 정보를 분석하여 미리 설정된 제조사별 데이터 변환 정보와 비교하고, 비교 결과에 따라 대응하는 제조사별 데이터 포맷으로 분류할 수 있다.That is, the data analysis unit 320 may analyze specific information included in the protocol in the data, compare it with preset data conversion information for each manufacturer, and classify the data into a corresponding manufacturer-specific data format according to the comparison result.

또한, 상기 데이터분석부(320)는 인공지능 분석서버(400)에서 출력되는 통합관리 데이터를 분석하여 대응하는 제조사별 데이터 포맷으로 분류한다.In addition, the data analysis unit 320 analyzes the integrated management data output from the artificial intelligence analysis server 400 and classifies it into a corresponding manufacturer-specific data format.

상기 포맷 변환부(330)는 데이터분석부(320)에서 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하거나 또는, 인공지능 분석서버(400)에서 출력되는 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 데이터를 대응하는 제조사별 데이터 포맷으로 변환하여 출력할 수 있다.The format conversion unit 330 converts the data format for each manufacturer classified by the data analysis unit 320 into a preset integrated management data format, or individual indoor environmental facilities 100, output from the artificial intelligence analysis server 400, The maintenance data of 100a, 100b) can be converted into a corresponding manufacturer-specific data format and output.

상기 인공지능 분석서버(400)는 데이터변환부(300)에서 변환된 통합 실내 환경 빅데이터(410a)를 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출할 수 있다.The artificial intelligence analysis server 400 may extract environmental factor information affecting the indoor environment by using the deep neural network artificial intelligence model from the integrated indoor environment big data 410a converted by the data conversion unit 300 .

또한, 상기 인공지능 분석서버(400)는 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석하며, 상기 분석 결과에 따른 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과, 상기 운전 조건에 기반한 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 매칭시켜 출력하는 구성으로서, 인공지능 분석부(410)와, 유지보수 정보 제어부(420)를 포함하여 구성될 수 있다.In addition, the artificial intelligence analysis server 400 analyzes the optimal operating conditions of the individual indoor environmental facilities 100, 100a, 100b corresponding to the environmental factor information extracted using the deep neural network artificial intelligence model, and the analysis result is As a configuration for matching and outputting operation conditions of individual indoor environmental facilities 100, 100a, 100b according to the operating conditions and maintenance management information of individual indoor environmental facilities 100, 100a, 100b based on the operating conditions, an artificial intelligence analysis unit It may be configured to include a 410 and a maintenance information control unit 420 .

상기 인공지능 분석부(410)는 수신된 통합 실내 환경 빅데이터(410a)를 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출할 수 있다.The artificial intelligence analysis unit 410 may extract environmental factor information affecting the indoor environment by using the received integrated indoor environment big data 410a using a deep neural network artificial intelligence model.

또한, 상기 인공지능 분석부(410)는 통합 실내 환경 빅데이터(410a)를 비정형 데이터(410a')와 정형 데이터(410a")로 구분하고, 상기 실내 환경 설비(100, 100a, 100b)로 운전 조건과 유지보수 관리 정보를 송신할 수 있다.In addition, the artificial intelligence analysis unit 410 divides the integrated indoor environment big data 410a into unstructured data 410a' and structured data 410a", and operates the indoor environment facilities 100, 100a, 100b. Condition and maintenance management information can be sent.

상기 비정형 데이터(410a')는 정형 데이터(410a") 외에 모든 데이터가 포함될 수 있으며, 틀이 잡혀 있지 않고, 음성을 포함한 음원, 이미지, 동영상, 텍스트 문서, 로그 등과 같은 특정한 형태가 없는 데이터일 수 있고, 연산이 되는 구조가 아니며, 각 데이터의 특성에 맞게 저장 및 분류될 수 있다.The unstructured data 410a' may include all data other than the structured data 410a". It is not a structure that can be calculated, and it can be stored and classified according to the characteristics of each data.

또한, 비정형 데이터(410a')는 규격화의 어려움이 있어 저장, 관리의 어려움이 있을 수 있고, 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 분석하여 가치 있는 정보를 추출하여 분석할 수도 있다.In addition, the unstructured data 410a' may have difficulties in storage and management due to difficulties in standardization, and it is also possible to extract and analyze valuable information by systematically and automatically analyzing statistical rules or patterns in large-scale stored data. .

또한, 비정형 데이터(410a')는 일정 집단에 대하여 미리 정의된 특성 정의를 통해 분류(Classification) 및 구분을 추론할 수 있고, 구체적인 특성을 공유하는 군집화(Clustering)과, 동시에 발생한 사건 간의 관계를 정의하는 연관성(Association)과, 대용량 데이터 집합 내의 패턴을 기반으로 미래를 예측하는 연속성(Forecasting) 등을 통해 비정형 데이터의 특성 값을 설정할 수도 있다.In addition, the unstructured data 410a' can infer classification and classification through predefined characteristic definitions for a certain group, and defines a relationship between clustering sharing specific characteristics and events occurring at the same time It is also possible to set characteristic values of unstructured data through association, which predicts the future based on patterns in a large data set, and continuity (Forecasting).

또한, 상기 정형 데이터(410a")는 입력 데이터 중에서 예를 들어, 데이터 개체(Entity), 속성(Attribute), 관계(Relationship) 등의 스키마(Schema) 형태, 연산 가능 여부, 데이터 특성, 숫자 및 범주형 데이터 등을 포함할 수 있다.In addition, the structured data 410a" may include, among the input data, for example, a schema type such as a data entity, an attribute, and a relationship, operability, data characteristics, numbers, and categories. It may include type data and the like.

또한, 정형 데이터(410a")는 정해진 형식과 저장 구조를 바탕으로 쉽게 데이터에 대한 부분 검색 및 선택, 갱신, 삭제 등의 연산을 수행할 수 있다.In addition, the structured data 410a" can easily perform operations such as partial search and selection, update, and deletion of data based on a predetermined format and storage structure.

또한, 상기 인공지능 분석부(410)는 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석할 수 있다.In addition, the artificial intelligence analysis unit 410 may analyze the optimal operating conditions of the individual indoor environmental facilities 100 , 100a , 100b corresponding to the extracted environmental factor information using the deep neural network artificial intelligence model.

또한, 상기 인공지능 분석부(410)는 이미지 분석 프로그램을 이용하여 개별 실내 환경 설비(100, 100a, 100b)에서 감지된 실내 이미지를 기반으로 실내 인원수, 실내 인원의 활동 패턴 등을 분석할 수 있다.In addition, the artificial intelligence analysis unit 410 may analyze the number of people indoors, the activity patterns of indoor personnel, etc. based on the indoor images detected by the individual indoor environmental facilities 100, 100a, 100b using an image analysis program. .

여기서, 심층 신경망 인공지능 모델은 머신 러닝중에서 딥러닝(Deep learning)이라는 방법을 통해 만들어진 분석 모델들의 종류라고 볼 수 있다.Here, the deep neural network artificial intelligence model can be seen as a kind of analysis models made through a method called deep learning among machine learning.

따라서, 심층 신경망 인공지능 모델은 딥러닝 모델 또는 딥러닝 분석 모델의 표현으로 사용될 수도 있다.Therefore, a deep neural network AI model can also be used as a representation of a deep learning model or a deep learning analysis model.

또한, 머신 러닝은 복잡한 시스템이 명시적으로 프로그래밍되지 않고서, 경험으로부터 자동으로 학습하고 개선할 수 있게 하는 인공 지능의 응용이다.Machine learning is also an application of artificial intelligence that enables complex systems to learn and improve automatically from experience without being explicitly programmed.

또한, 머신 러닝 모델들의 정확도 및 유효성은 그들 모델들을 훈련시키는 데 사용되는 데이터에 부분적으로 의존할 수 있다.Also, the accuracy and validity of machine learning models may depend in part on the data used to train those models.

또한, 심층 신경망 인공지능 모델은 CNN(Convolutional Neural Network) 기반의 딥러닝 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보의 추출을 학습할 수 있다.In addition, the deep neural network artificial intelligence model can learn to extract environmental factor information that affects the indoor environment using a CNN (Convolutional Neural Network)-based deep learning model.

또한, 상기 심층 신경망 인공지능 모델은 실내 미세 먼지의 농도, 실내 환경 설비의 운전 상태, 예를 들어 공기 청정장치의 동작 상태와 동작시간, 동작 조건, 냉/난방 장치의 동작 상태와 동작시간, 동작 조건, 오염물질 측정장치의 동작 상태와 동작시간, 동작 조건 등의 정보, 창문의 개폐 여부, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함한 학습 데이터를 기반으로 학습을 수행할 수 있다.In addition, the deep neural network artificial intelligence model includes the concentration of indoor fine dust, the operating status of indoor environmental facilities, for example, the operating status and operating time of the air cleaner, operating conditions, the operating status and operating time of the cooling/heating device, and the operation Learning can be performed based on learning data, including information such as conditions, operation state and operation time of the pollutant measuring device, operation conditions, etc., whether the window is opened or closed, the size of the room, the number of people in the room, and the activity pattern of the people in the room. have.

이를 위해, 상기 인공지능 분석부(420)는 비정형 데이터(410a')를 입력 값으로 사용하여 예측하는 비정형 데이터 분석부(421)와, 정형 데이터(410a")를 입력 값으로 사용하여 예측하는 정형 데이터 분석부(422)와, 예측된 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 출력하는 연산부(423)를 포함하여 구성될 수 있다.To this end, the artificial intelligence analysis unit 420 includes an unstructured data analysis unit 421 that predicts using the unstructured data 410a' as an input value, and a structured data analyzer 421 that predicts using the structured data 410a" as an input value. It may be configured to include a data analysis unit 422 and a calculation unit 423 that adds and outputs the predicted characteristic value of the unstructured data and the characteristic value of the structured data.

상기 비정형 데이터 분석부(421)는 버트(BERT, Bidirectional Encoder Representations from Transformers) 모델 기반으로 구성될 수 있고, 정형 데이터 분석부(322)는 피드 포워드 신경망(Feed-Forward Neural Network)으로 구성될 수 있다.The unstructured data analysis unit 421 may be configured based on a Bidirectional Encoder Representations from Transformers (BERT) model, and the structured data analysis unit 322 may be configured as a Feed-Forward Neural Network. .

상기 비정형 데이터 분석부(421)는 입력된 비정형 데이터(410a')를 버트 모델의 기반에서 분석 및 예측하여 비정형 데이터(410a')의 특성 값을 출력하는 구성으로서, 임베딩 레이어(421a)와, 정규화 레이어(421b)와, 버트 레이어(421c)를 포함하여 구성될 수 있다.The unstructured data analysis unit 421 is a configuration that analyzes and predicts the input unstructured data 410a ′ based on the vert model and outputs characteristic values of the unstructured data 410a ′. An embedding layer 421a and a normalization It may be configured to include a layer 421b and a butt layer 421c.

상기 임베딩 레이어(421a)는 입력된 비정형 데이터(410a')를 임베딩을 통해 벡터 값으로 변환하는 구성으로서, 토큰 임베딩(Token Embedding), 세그먼트 임베딩(Segment Embedding), 포지션 임베딩(Position Embedding)을 취합하여 3개의 임베딩을 합산한 하나의 임베딩 값으로 만들 수 있다.The embedding layer 421a is a configuration that converts the input unstructured data 410a' into a vector value through embedding, and collects token embedding, segment embedding, and position embedding. You can make one embedding value by summing up three embeddings.

상기 정규화 레이어(421b)는 임베딩 레이어(421a)에서 변환된 벡터 값을 정규화하고, 상기 버트 레이어(421c)는 정규화된 벡터 값을 버트 모델을 이용하여 데이터에 대한 벡터 값과 데이터 내의 개별 토큰에 대응하는 벡터 값을 출력하는 구성으로서, 버트 모델은 'N'개의 인코더 블럭을 가질 수 있다.The normalization layer 421b normalizes the vector value transformed in the embedding layer 421a, and the vert layer 421c uses a vert model to convert the normalized vector value into a vector value for data and corresponding to individual tokens in the data. As a configuration for outputting vector values, the vert model may have 'N' encoder blocks.

또한, 상기 버트 레이어(421c)의 인코더 블록은 이전 출력 값을 현재의 입력 값으로 하는 RNN(Recurrent Neural Network)과 유사한 특징을 지닐 수 있다.Also, the encoder block of the butt layer 421c may have a characteristic similar to a recurrent neural network (RNN) in which a previous output value is a current input value.

상기 인코더 블록은 셀프 어텐션 메커니즘(Self-Attention Mechanism)을 사용하여 토큰간의 특징을 파악할 수도 있다.The encoder block may identify characteristics between tokens using a self-attention mechanism.

또한, 버트 레이어(421c)는 인코더 블록 내에서 각각의 입력과 처리 결과가 오버피팅되는 것을 방지하기 위해 레즈넷(Residual neural Network, ResNet)으로 처리할 수 있다.In addition, the butt layer 421c may be processed with a Residual Neural Network (ResNet) in order to prevent overfitting of respective inputs and processing results within the encoder block.

또한, 버트 레이어(421c)는 그래디언트(Gradient)가 비선형 활성화(Non Linear Activation)인 GELU(Gaussian Error Linear Unit)을 거쳐 0 주변의 그래디언트를 계산할 때, ReLU(Rectifier Linear Uint)보다 유연하게 계산이 가능하다.In addition, the butt layer 421c can be calculated more flexibly than the Rectifier Linear Unit (ReLU) when the gradient is calculated through the Gaussian Error Linear Unit (GELU), which is a non-linear activation, and the gradient around 0 is calculated. do.

상기 정형 데이터 분석부(422)는 입력된 정형 데이터(410a")를 피드 포워드 신경망 기반에서 분석 및 예측하여 정형 데이터의 특성 값을 출력하는 구성으로서, 정규화 레이어(422a)와, 피드 포워드 레이어(422b)를 포함하여 구성될 수 있다.The structured data analysis unit 422 is a configuration that analyzes and predicts the input structured data 410a" based on a feed-forward neural network and outputs characteristic values of the structured data, and includes a normalization layer 422a and a feed-forward layer 422b. ) may be included.

상기 정규화 레이어(422a)는 입력된 정형 데이터(410a")를 정규화하여 출력하고, 피드 포워드 레이어(422b)는 정규화 레이어(422a)에서 정규화된 정형 데이터를 피드 포워드 신경망(Feed-Forward Neural Network)을 기반으로 예측하여 정형 데이터의 특성 값을 출력할 수 있다.The normalization layer 422a normalizes and outputs the input structured data 410a", and the feed-forward layer 422b feeds the structured data normalized in the normalization layer 422a into a Feed-Forward Neural Network. Based on prediction, it is possible to output characteristic values of structured data.

상기 피드 포워드 신경망은 입력된 데이터가 입력 레이어에서 은닉 레이어를 거쳐 출력 레이어까지 전달되고, 분류를 위한 벡터 값을 출력할 수 있으며, 분류를 예측하기 위해 정해진 컬럼의 데이터만을 참고하고, 입력값의 분포가 변하는 것을 방지하기 위해 레즈넷(ResNet)을 포함하여 구성될 수 있다.The feed-forward neural network transmits input data from an input layer through a hidden layer to an output layer, can output a vector value for classification, refers only to data in a predetermined column to predict classification, and distributes input values It can be configured to include ResNet to prevent it from being changed.

상기 연산부(423)는 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 상기 실내 먼지의 농도, 상기 실내 환경 설비(100, 100a, 100b)의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 음성 입력 정보 및 실내 인원의 활동 패턴을 기반으로 분석된 최적의 운전 조건을 예측한 결과를 출력한다. The calculation unit 423 adds the characteristic value of the unstructured data and the characteristic value of the structured data to determine the indoor dust concentration, the operation state, operation time and operation condition of the indoor environmental equipment 100, 100a, 100b, and voice input information , text information, room size, number of people in the room, voice input information, and the result of predicting the optimal driving conditions analyzed based on the activity patterns of indoor people are output.

상기 유지보수 정보 제어부(420)는 분석 결과에 따른 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과 상기 운전 조건에 기반한 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 산출할 수 있다.The maintenance information control unit 420 controls the operating conditions of the individual indoor environmental facilities 100, 100a, 100b according to the analysis result and maintenance management information of the individual indoor environmental facilities 100, 100a, 100b based on the operating conditions. can be calculated.

또한, 상기 유지보수 정보 제어부(420)는 산출된 유지보수 관리 정보와 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건을 매칭시켜 출력할 수 있다.Also, the maintenance information control unit 420 may output the calculated maintenance management information by matching the operation conditions of the individual indoor environmental facilities 100 , 100a , and 100b .

즉, 실내 미세먼지 농도를 좋음, 나쁨 또는 보통의 수준으로 유지하기 위해 실내에 설치된 공기 청정기, 공기 순환기, 적정 실내 온도를 유지하기 위한 냉/난방기 등의 운전 상태(예를 들어 가동 시간 등), 실내 먼지 농도에 영향을 미치는 환경 요인들(예를 들어, 창문 개폐 여부, 실내 크기, 실내 인원수, 실내 인원의 활동 패턴 등)의 빅데이터를 수집 분석하여 최적의 실내 환경 설비의 유지보수 관리 정보를 산출할 수 있다.That is, the operating conditions of air purifiers and air circulators installed indoors to maintain the indoor fine dust concentration at good, bad, or normal levels, and air conditioners/heaters to maintain an appropriate indoor temperature (for example, operating hours, etc.); We collect and analyze big data of environmental factors that affect indoor dust concentration (for example, whether windows are opened or closed, indoor size, number of indoor people, activity patterns of indoor personnel, etc.) can be calculated.

또한, 상기 유지보수 정보 제어부(420)는 심층 신경망 인공지능 모델의 빅데이터 분석 결과에 기반하여 실내 환경 조건에 따른 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건에 따라 예를 들어, 운전 시간, 정확한 공기정화 필터의 교체 주기 확인 및 알람 등의 서비스 정보를 제공할 수도 있다.In addition, the maintenance information control unit 420 is based on the big data analysis result of the deep neural network artificial intelligence model, according to the optimal operating conditions of the individual indoor environmental facilities 100, 100a, 100b according to the indoor environmental conditions, for example, It can also provide service information such as operation time, accurate air purifying filter replacement cycle check, and alarm.

다음은 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법을 설명한다.The following describes a method for operating and managing heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention.

도1 내지 도5를 참조하면, 본 발명의 일 실시 예에 따른 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법은 우선, 인공지능 분석서버(400)는 데이터변환부(300)에 실내 환경 설비(100, 100a, 100b)의 제조사별 데이터 포맷과, 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷을 매칭시켜 개별 장치별로 데이터 변환 정보를 설정(S100)한다.1 to 5, the method for operating and managing heterogeneous air environment facilities using artificial intelligence according to an embodiment of the present invention is first, the artificial intelligence analysis server 400 is the data conversion unit 300 to the indoor environment The data format for each manufacturer of the facilities 100, 100a, and 100b and the classified data format for each manufacturer are matched with a preset integrated management data format to set data conversion information for each individual device (S100).

상기 S100 단계의 개별 장치별로 데이터 변환 정보의 설정이 완료되면, 데이터변환부(300)가 게이트웨이(200)를 통해 개별 실내 환경 설비(100, 100a, 100b)와 데이터 통신을 수행(S200)하여, 상기 실내 환경 설비(100, 100a, 100b)로부터 감지된 실내 공간의 공기질을 제어하는 개별 실내 환경 설비(100, 100a, 100b)의 동작 정보와, 상기 실내 환경 설비(100, 100a, 100b)의 동작에 따른 실내 환경정보를 포함한 실내 환경 빅데이터를 수신한다.When the setting of data conversion information for each individual device in step S100 is completed, the data conversion unit 300 performs data communication with the individual indoor environmental facilities 100, 100a, 100b through the gateway 200 (S200), Operation information of individual indoor environmental facilities 100, 100a, 100b for controlling the air quality of the indoor space sensed by the indoor environmental facilities 100, 100a, 100b, and the operation of the indoor environmental facilities 100, 100a, 100b Receive indoor environment big data including indoor environment information according to

상기 데이터변환부(300)는 상기 S200 단계에서 수신된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷에 따라 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 인공지능 분석서버(400)에 통합 실내 환경 빅데이터(410a)로 출력(S300)한다.The data conversion unit 300 analyzes the indoor environment big data received in step S200, classifies it according to the data format for each manufacturer, and converts the classified data format for each manufacturer into a preset integrated management data format for artificial intelligence analysis The server 400 outputs (S300) the integrated indoor environment big data 410a.

상기 인공지능 분석서버(400)는 변환된 통합 실내 환경 빅데이터(410a)를 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출하고, 추출된 환경 요인 정보에 대응한 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석(S400)한다.The artificial intelligence analysis server 400 extracts environmental factor information that affects the indoor environment using the converted integrated indoor environment big data 410a using a deep neural network artificial intelligence model, and individual corresponding to the extracted environmental factor information. The optimal operating conditions of the indoor environmental facilities 100, 100a, and 100b are analyzed (S400).

상기 S400 단계를 더욱 상세하게 설명하면, 상기 인공지능 분석서버(400)는 상기 S300 단계에서 수집된 실내 환경 빅데이터(410a)를 비정형 데이터(410a')와 정형 데이터(410a")로 구분할 수 있다.If the step S400 is described in more detail, the artificial intelligence analysis server 400 may divide the indoor environment big data 410a collected in the step S300 into unstructured data 410a' and structured data 410a". .

또한, 상기 인공지능 분석서버(400)는 심층 신경망 인공지능 모델을 이용하여 비정형 데이터(410a')와 정형 데이터(410a")로 구분된 실내 환경 빅데이터(410a)로부터 실내 환경에 영향을 주는 환경 요인 정보를 추출하고, 상기 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석할 수 있다.In addition, the artificial intelligence analysis server 400 uses a deep neural network artificial intelligence model to influence the indoor environment from the indoor environment big data 410a divided into unstructured data 410a' and structured data 410a". It is possible to extract factor information and analyze the optimal operating conditions of the indoor environmental facilities 100 , 100a , 100b corresponding to the extracted environmental factor information using the deep neural network artificial intelligence model.

즉, 상기 인공지능 분석서버(400)는 비정형 데이터(410a')를 임베딩을 통해 벡터 값으로 변환하여 변환된 벡터 값을 정규화하고, 이전 출력 값을 현재의 입력 값으로 하는 N개의 인코더 블록이 셀프 어텐션 메커니즘을 사용하여 토큰 간의 특징을 파악할 수 있다.That is, the artificial intelligence analysis server 400 normalizes the transformed vector value by converting the unstructured data 410a' into a vector value through embedding, and N encoder blocks using the previous output value as the current input value are self The attention mechanism can be used to identify characteristics between tokens.

또한, 상기 인공지능 분석서버(400)는 레즈넷(ResNet)을 이용하여 인코더 블록 내에서 각각의 입력과 처리 결과가 오버피팅되는 것을 방지하고, 임베딩을 통해 변환된 비정형 데이터의 벡터 값을 정규화할 수 있다.In addition, the artificial intelligence analysis server 400 prevents overfitting of each input and processing result within the encoder block using ResNet, and normalizes the vector value of the unstructured data transformed through embedding. can

또한, 상기 인공지능 분석서버(400)는 버트 알고리즘(또는 버트 모델)을 이용하여 정규화된 벡터 값을 입력된 데이터에 대한 벡터 값과 데이터 내의 개별 토큰에 대응하는 벡터값으로 출력하여 비정형 데이터의 분석과 예측을 통한 비정형 데이터의 특성 값을 출력할 수 있다.In addition, the artificial intelligence analysis server 400 outputs a vector value normalized using a Bert algorithm (or Bert model) as a vector value for input data and a vector value corresponding to individual tokens in the data to analyze unstructured data And it is possible to output the characteristic values of unstructured data through prediction.

또한, 상기 인공지능 분석서버(400)는 정형 데이터(410a")를 정규화하고, 레즈넷을 통해 다음 데이터를 예측하기 위해 정해진 'n'개의 데이터만을 참고하여 버려지는 데이터들이 가진 정보를 참고할 수 없어 입력과 처리 결과가 오버피팅되는 것을 방지하며, 피드 포워드 신경망을 이용하여 입력된 정형 데이터를 입력 레이어에서 은닉 레이어를 거쳐 출력 레이어까지 전달되고, 순환 경로가 존재하지 않는 유사도를 갖는 벡터 값을 출력하여 정형 데이터의 분석 및 예측을 통한 정형 데이터의 특성 값을 출력할 수 있다.In addition, the artificial intelligence analysis server 400 normalizes the structured data 410a" and refers to only 'n' data determined to predict the next data through Reznet. Prevents overfitting of input and processing results, and transmits the input structured data from the input layer through the hidden layer to the output layer using a feed-forward neural network It is possible to output characteristic values of structured data through analysis and prediction of structured data.

또한, 상기 인공지능 분석서버(400)는 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 상기 실내 먼지의 농도, 상기 실내 환경 설비(100, 100a, 100b)의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 음성 입력 정보, 텍스트 데이터, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴을 기반으로 분석된 최적의 운전 조건을 출력할 수 있다.In addition, the artificial intelligence analysis server 400 adds the characteristic value of the unstructured data and the characteristic value of the structured data to determine the concentration of indoor dust, the operating state of the indoor environmental equipment 100, 100a, 100b, operating time and operating conditions. And, it is possible to output the optimal driving conditions analyzed based on the voice input information, text information, voice input information, text data, the size of the room, the number of people in the room, and the activity pattern of the people in the room.

또한, 상기 S400 단계에서 인공지능 분석서버(400)는 이미지 분석 프로그램을 이용하여 사물인식 감지부(100)에서 감지된 실내 이미지를 기반으로 실내 인원수, 실내 인원의 활동 패턴 등을 분석할 수도 있다.In addition, in the step S400 , the artificial intelligence analysis server 400 may analyze the number of indoor people, the activity pattern of indoor people, etc. based on the indoor image detected by the object recognition sensing unit 100 using an image analysis program.

또한, 상기 S400 단계의 심층 신경망 인공지능 모델은 CNN(Convolutional Neural Network) 기반의 딥러닝 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보의 추출을 학습한 인공지능 모델일 수 있다.In addition, the deep neural network artificial intelligence model of step S400 may be an artificial intelligence model that has learned to extract environmental factor information that affects the indoor environment using a CNN (Convolutional Neural Network)-based deep learning model.

또한, 상기 인공지능 분석서버(400)는 심층 신경망 인공지능 모델을 이용하여 실내 미세 먼지의 농도, 개별 실내 환경 설비(100, 100a, 100b)의 운전 상태, 예를 들어 공기 청정장치의 동작 상태와 동작시간, 동작 조건, 냉/난방 장치의 동작 상태와 동작시간, 동작 조건, 오염물질 측정장치의 동작 상태와 동작시간, 동작 조건 등의 정보, 창문의 개폐 여부, 사용자로부터 입력되는 음성 입력 정보, 설정 정보, 텍스트 정보와, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함한 학습 데이터를 기반으로 반복 학습을 수행할 수 있다.In addition, the artificial intelligence analysis server 400 uses the deep neural network artificial intelligence model to determine the concentration of indoor fine dust, the operating state of individual indoor environmental facilities 100, 100a, and 100b, for example, the operation state of the air purifier and the Information such as operating time, operating conditions, operating status and operating time of cooling/heating device, operating conditions, operating status and operating time of pollutant measuring device, operating conditions, whether the window is opened or closed, voice input information input from the user, Iterative learning may be performed based on setting information, text information, and learning data including at least one of the size of the room, the number of people in the room, and the activity pattern of the people in the room.

계속해서, 상기 인공지능 분석서버(400)는 분석 결과에 따른 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과, 운전 조건에 기반한 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 매칭시켜 출력(S500)할 수 있다.Subsequently, the artificial intelligence analysis server 400 maintains the operating conditions of the individual indoor environmental facilities 100, 100a, 100b according to the analysis result, and the individual indoor environmental facilities 100, 100a, 100b based on the operating conditions. The management information may be matched and output (S500).

즉, 상기 S500 단계에서 인공지능 분석서버(400)는 실내 미세먼지 농도를 좋음, 나쁨 또는 보통의 수준으로 유지하기 위해 실내에 설치된 공기 청정기, 공기 순환기, 적정 실내 온도를 유지하기 위한 냉/난방기 등의 운전 상태(예를 들어 가동 시간 등), 실내 먼지 농도에 영향을 미치는 환경 요인들(예를 들어, 창문 개폐 여부, 실내 크기, 실내 인원수, 실내 인원의 활동 패턴 등)의 빅데이터를 사물인터넷 기반의 이기종 공기환경설비로부터 수신하여 데이터 변환을 수행한 후 분석을 통해 개별 실내 환경 설비(100, 100a, 100b) 별로 최적의 유지보수 관리 정보를 산출할 수 있다.That is, in the step S500, the artificial intelligence analysis server 400 is installed indoors to maintain the indoor fine dust concentration at a good, bad or normal level, such as an air purifier, an air circulator, a cooling/heating device to maintain an appropriate indoor temperature, etc. Internet of Things (IoT) with big data of driving conditions (e.g., operating time, etc.) and environmental factors affecting indoor dust concentration (e.g., whether windows are opened or closed, room size, number of people in the room, activity patterns of indoor people, etc.) It is possible to calculate optimal maintenance management information for each individual indoor environmental facility 100, 100a, 100b through analysis after data conversion is performed by receiving from the base heterogeneous air environment facility.

또한, 상기 S500 단계에서의 인공지능 분석서버(400)는 심층 신경망 인공지능 모델의 빅데이터 분석 결과에 기반하여 실내 환경 조건에 따른 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건에 따라 운전 시간, 정확한 공기정화 필터의 교체 주기 확인 및 알람 등의 서비스 정보를 사물인터넷 기반의 이기종 공기환경설비로 제공할 수도 있다.In addition, the artificial intelligence analysis server 400 in the step S500 is based on the big data analysis result of the deep neural network artificial intelligence model, according to the optimal operating conditions of the individual indoor environmental facilities 100, 100a, 100b according to the indoor environmental conditions. It is also possible to provide service information such as operation time, accurate replacement cycle of air purification filters, and alarms through IoT-based heterogeneous air environment facilities.

따라서, 사물인터넷 기반의 이기종 공기환경설비로부터 수집한 실내 공기환경에 영향을 주는 환경 요인들의 빅데이터를 심층 신경망을 이용한 분석을 통해 이기종 사이에 실내 환경 설비의 유지보수 및 최적의 운영 솔루션을 제공할 수 있게 된다.Therefore, through the analysis using deep neural network on big data of environmental factors affecting the indoor air environment collected from heterogeneous air environment facilities based on the Internet of Things, it is possible to provide an optimal operation solution and maintenance of indoor environment facilities between different types. be able to

상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.As described above, although described with reference to the preferred embodiment of the present invention, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention described in the claims below. You will understand that it can be done.

또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.In addition, the reference numbers described in the claims of the present invention are only described for clarity and convenience of description, and are not limited thereto, and in the process of describing the embodiment, the thickness of the lines shown in the drawings or the size of components, etc. may be exaggerated for clarity and convenience of explanation.

또한, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In addition, the above-mentioned terms are terms defined in consideration of functions in the present invention, which may vary depending on the intention or custom of the user or operator, so the interpretation of these terms should be made based on the content throughout this specification. .

또한, 명시적으로 도시되거나 설명되지 아니하였다 하여도 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기재사항으로부터 본 발명에 의한 기술적 사상을 포함하는 다양한 형태의 변형을 할 수 있음은 자명하며, 이는 여전히 본 발명의 권리범위에 속한다. In addition, even if it is not explicitly shown or described, a person of ordinary skill in the art to which the present invention pertains can make various modifications including the technical idea according to the present invention from the description of the present invention. Obviously, this still falls within the scope of the present invention.

또한, 첨부하는 도면을 참조하여 설명된 상기의 실시예들은 본 발명을 설명하기 위한 목적으로 기술된 것이며 본 발명의 권리범위는 이러한 실시예에 국한되지 아니한다.In addition, the above embodiments described with reference to the accompanying drawings have been described for the purpose of explaining the present invention, and the scope of the present invention is not limited to these embodiments.

100 : 실내 환경 설비 100a : 실내 환경 설비 1
100b : 실내 환경 설비 n 200 : 게이트웨이
210 : 공기 환경 제어부 220 : 사물인식 감지부
230 : 데이터 통신부 300 : 데이터 변환부
310 : 데이터 통신부 320 : 데이터 분석부
330 : 포맷 변환부 400 : 인공지능 분석서버
410 : 인공지능 분석부 410a : 통합 실내 환경 빅데이터
410a' : 비정형 데이터 410a" : 정형데이터
420 : 인공지능 분석부 421 : 비정형 데이터 분석부
421a : 임베딩 레이어 421b : 정규화 레이어
421c : 버트 레이어 422 : 정형 데이터 분석부
422a : 정규화 레이어 422b : 피드 포워드 레이어
423 : 연산부 420 : 유지보수 정보 출력부100: indoor environmental equipment 100a: indoor environmental equipment 1
100b: indoor environmental equipment n 200: gateway
210: air environment control unit 220: object recognition sensing unit
230: data communication unit 300: data conversion unit
310: data communication unit 320: data analysis unit
330: format conversion unit 400: artificial intelligence analysis server
410: artificial intelligence analysis unit 410a: integrated indoor environment big data
410a': unstructured data 410a": structured data
420: artificial intelligence analysis unit 421: unstructured data analysis unit
421a: embedding layer 421b: normalization layer
421c: butt layer 422: structured data analysis unit
422a: normalization layer 422b: feed forward layer
423: calculation unit 420: maintenance information output unit

Claims (6)

사물 인터넷(IoT)을 이용하여 실내 공간의 공기질과 실내 환경을 관리하는 복수의 실내 환경 설비(100, 100a, 100b);
상기 실내 환경 설비(100, 100a, 100b)로부터 동작 정보와, 상기 실내 환경 설비(100, 100a, 100b)의 동작에 따른 실내 환경정보를 포함한 실내 환경 빅데이터를 수집하여 저장하는 게이트웨이(200);
상기 수신된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 통합 실내 환경 빅데이터출력하는 데이터변환부(300); 및
상기 통합 실내 환경 빅데이터(410a)를 수신하여 비정형 데이터(410a')와 정형 데이터(410a")로 구분하고, 상기 통합 실내 환경 빅데이터(410a)를 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출하고, 상기 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 개별 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석하는 인공지능 분석부(410)와, 상기 분석 결과에 따른 실내 환경 설비(100, 100a, 100b)의 운전 조건과 상기 운전 조건에 기반한 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 산출하고, 상기 산출된 유지보수 관리 정보와 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건을 매칭시켜 출력하는 유지보수 정보 제어부(420)를 구비한 인공지능 분석서버(400);를 포함하고,
상기 인공지능 분석부(410)는 입력되는 비정형 데이터(410a')를 임베딩을 통해 벡터 값으로 변환하여 변환된 벡터 값을 정규화하며, 이전 출력 값을 현재의 입력 값으로 하는 N개의 인코더 블록이 셀프 어텐션 메커니즘을 사용하여 단어 간의 특징을 파악하고, 레즈넷(ResNet)을 이용하여 인코더 블록 내에서 각각의 입력과 처리 결과가 오버피팅되는 것을 방지하며, 임베딩을 통해 변환된 비정형 데이터의 벡터 값을 정규화하고, 버트 모델을 이용하여 정규화된 벡터 값을 데이터에 대한 벡터 값과 데이터 내의 개별 토큰에 대응하는 벡터값으로 출력하여 비정형 데이터의 분석 및 예측을 통한 비정형 데이터의 특성 값을 출력하는 비정형 데이터 분석부(421);
상기 입력되는 정형 데이터(410a")를 정규화하고, 레즈넷을 통해 다음 단어를 예측하기 위해 정해진 'n'개의 데이터만을 참고하여 버려지는 데이터들이 가진 정보를 참고할 수 없어 입력과 처리 결과가 오버피팅되는 것을 방지하며, 피드 포워드 신경망을 이용하여 입력된 정형 데이터를 입력 레이어에서 은닉 레이어를 거쳐 출력 레이어까지 전달되며, 순환 경로가 존재하지 않는 유사도를 갖는 벡터 값을 출력하여 정형 데이터의 분석 및 예측을 통한 정형 데이터의 특성 값을 출력하는 정형 데이터 분석부(422); 및
상기 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 상기 실내 먼지의 농도, 상기 실내 환경 설비(100, 100a, 100b)의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 음성 입력 정보 및 실내 인원의 활동 패턴을 기반으로 분석된 최적의 운전 조건을 출력하는 연산부(423);를 포함하는 것을 특징으로 하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템.A plurality of indoor environment facilities (100, 100a, 100b) for managing the air quality and indoor environment of the indoor space using the Internet of Things (IoT) (100, 100a, 100b);
a gateway 200 that collects and stores indoor environmental big data including operation information from the indoor environmental equipment 100, 100a, 100b and indoor environmental information according to the operation of the indoor environmental equipment 100, 100a, 100b;
a data conversion unit 300 that analyzes the received indoor environment big data, classifies it into a data format for each manufacturer, converts the classified data format for each manufacturer into a preset integrated management data format, and outputs integrated indoor environment big data; and
Receives the integrated indoor environment big data 410a, divides it into unstructured data 410a' and structured data 410a", and uses the integrated indoor environment big data 410a into an indoor environment using a deep neural network artificial intelligence model. An artificial intelligence analysis unit ( 410) and the operating conditions of the indoor environmental facilities 100, 100a, 100b according to the analysis result and maintenance management information of the individual indoor environmental facilities 100, 100a, 100b based on the operating conditions, and the calculation and an artificial intelligence analysis server 400 having a maintenance information control unit 420 that matches and outputs the maintenance management information and the operating conditions of individual indoor environmental facilities 100, 100a, 100b;
The artificial intelligence analysis unit 410 normalizes the transformed vector value by transforming the input unstructured data 410a' into a vector value through embedding, and N encoder blocks using the previous output value as the current input value are self-contained. Identify features between words using the attention mechanism, prevent overfitting of each input and processing result within the encoder block using ResNet, and normalize vector values of unstructured data transformed through embedding An unstructured data analysis unit that outputs normalized vector values using a vert model as vector values for data and vector values corresponding to individual tokens in the data to output characteristic values of unstructured data through analysis and prediction of unstructured data (421);
Normalizing the inputted structured data 410a" and referring to only 'n' data set to predict the next word through Reznet, the information of discarded data cannot be referred to, so that the input and processing results are overfitting In addition, by using a feed-forward neural network, the input structured data is transmitted from the input layer through the hidden layer to the output layer, and by outputting a vector value with similarity in which a circular path does not exist, analysis and prediction of structured data is performed. A structured data analysis unit 422 that outputs a characteristic value of the structured data; And
By adding the characteristic value of the unstructured data and the characteristic value of the structured data, the concentration of indoor dust, the operating state, operating time and operating condition of the indoor environmental equipment 100, 100a, 100b, and voice input information, text information, indoor Operation and management system of heterogeneous air environment facilities using artificial intelligence, characterized in that it includes; a calculation unit 423 that outputs the optimal driving conditions analyzed based on the size, the number of indoor persons, voice input information, and the activity patterns of indoor personnel . 제 1 항에 있어서,
상기 심층 신경망 인공지능 모델은 실내 미세 먼지의 농도, 상기 실내 환경 설비(100, 100a, 100b)의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함한 학습 데이터를 기반으로 학습을 수행하는 것을 특징으로 하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템.The method of claim 1,
The deep neural network artificial intelligence model includes the indoor fine dust concentration, the operating state of the indoor environmental facilities 100, 100a, 100b, the operating time and operating conditions, and voice input information, text information, room size, number of people in the room, and number of people in the room. Operation and management system of heterogeneous air environment facilities using artificial intelligence, characterized in that learning is performed based on learning data including one or more of the activity patterns of 제 2 항에 있어서,
상기 실내 환경 설비(100, 100a, 100b)는 공기 정화부, 공기 조화부, 공기질 측정부, 인체 감지부, 창문 개폐 감지부, 및 사용자 입력부 중 하나 이상을 포함하는 것을 특징으로 하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 시스템.3. The method of claim 2,
The indoor environmental equipment (100, 100a, 100b) using artificial intelligence, characterized in that it includes at least one of an air purification unit, an air conditioning unit, an air quality measurement unit, a human body sensing unit, a window opening/closing sensing unit, and a user input unit. Operation and management system for heterogeneous air environment facilities. a) 데이터변환부(300)가 게이트웨이(200)를 통해 복수의 실내 환경 설비(100, 100a, 100b)로부터 감지된 실내 환경 설비의 동작 정보와, 개별 실내 환경 설비(100, 100a, 100b)의 동작에 따른 실내 환경정보를 포함한 실내 환경 빅데이터를 수집하는 단계;
b) 상기 데이터변환부(300)가 수집된 실내 환경 빅데이터를 분석하여 제조사별 데이터 포맷으로 분류하고, 상기 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷으로 변환하여 통합 실내 환경 빅데이터(410a)를 출력하는 단계;
c) 인공지능 분석서버(400)가 수집된 통합 실내 환경 빅데이터(410a)를 비정형 데이터(410a')와 정형 데이터(410a")로 구분하고, 심층 신경망 인공지능 모델을 이용하여 실내 환경에 영향을 주는 환경 요인 정보를 추출하며, 상기 심층 신경망 인공지능 모델을 이용하여 추출된 환경 요인 정보에 대응한 실내 환경 설비(100, 100a, 100b)의 최적 운전 조건을 분석하되,
상기 비정형 데이터(410a')를 임베딩을 통해 벡터 값으로 변환하여 변환된 벡터 값을 정규화하고, 이전 출력 값을 현재의 입력 값으로 하는 N개의 인코더 블록이 셀프 어텐션 메커니즘을 사용하여 단어 간의 특징을 파악하며, 레즈넷(ResNet)을 이용하여 인코더 블록 내에서 각각의 입력과 처리 결과가 오버피팅되는 것을 방지하고, 임베딩을 통해 변환된 비정형 데이터의 벡터 값을 정규화하고, 버트 모델을 이용하여 정규화된 벡터 값을 데이터에 대한 벡터 값과 데이터 내의 개별 토큰에 대응하는 벡터값으로 출력하여 비정형 데이터의 분석 및 예측을 통한 비정형 데이터의 특성 값을 출력하며, 상기 정형 데이터(410a")를 정규화하고, 레즈넷을 통해 다음 단어를 예측하기 위해 정해진 'n'개의 데이터만을 참고하여 버려지는 데이터들이 가진 정보를 참고할 수 없어 입력과 처리 결과가 오버피팅되는 것을 방지하며, 피드 포워드 신경망을 이용하여 입력된 정형 데이터를 입력 레이어에서 은닉 레이어를 거쳐 출력 레이어까지 전달되고, 순환 경로가 존재하지 않는 유사도를 갖는 벡터 값을 출력하여 정형 데이터의 분석 및 예측을 통한 정형 데이터의 특성 값을 출력하며, 상기 비정형 데이터의 특성 값과 정형 데이터의 특성 값을 더하여 상기 실내 먼지의 농도, 상기 실내 환경 설비(100, 100a, 100b)의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴을 기반으로 분석된 최적의 운전 조건을 출력하는 단계; 및
d) 상기 인공지능 분석서버(400)가 분석 결과에 따른 실내 환경 설비(100, 100a, 100b)의 운전 조건과 상기 운전 조건에 기반한 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 산출하고, 상기 산출된 유지보수 관리 정보와 실내 환경 설비(100, 100a, 100b)의 운전 조건을 매칭시켜 상기 실내 환경 설비(100, 100a, 100b)가 실내 미세먼지 농도를 좋음, 나쁨 또는 보통의 수준으로 유지하기 위해 실내에 설치된 실내 환경 설비(100, 100a, 100b)의 가동 시간을 포함한 운전 상태와, 실내 먼지 농도에 영향을 미치는 창문 개폐 여부, 실내 크기, 실내 인원수, 실내 인원의 활동 패턴을 포함한 환경 요인에 따라 최적의 운전 상태를 유지하며 동작할 수 있도록 유지보수 관리 정보를 산출하여 개별 실내 환경 설비(100, 100a, 100b)의 운전 조건과 상기 운전 조건에 기반한 개별 실내 환경 설비(100, 100a, 100b)의 유지보수 관리 정보를 매칭시켜 출력하는 단계;를 포함하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법.a) the operation information of the indoor environmental equipment detected by the data conversion unit 300 from the plurality of indoor environmental equipment 100, 100a, 100b through the gateway 200, and the individual indoor environmental equipment 100, 100a, 100b collecting indoor environment big data including indoor environment information according to the operation;
b) The data conversion unit 300 analyzes the collected indoor environment big data, classifies it into a data format for each manufacturer, and converts the classified data format for each manufacturer into a preset integrated management data format to integrate indoor environment big data ( outputting 410a);
c) The artificial intelligence analysis server 400 divides the collected integrated indoor environment big data 410a into unstructured data 410a' and structured data 410a", and uses a deep neural network artificial intelligence model to influence the indoor environment extracting environmental factor information that gives
The unstructured data 410a' is transformed into a vector value through embedding to normalize the transformed vector value, and the N encoder blocks that use the previous output value as the current input value identify the characteristics between words using the self-attention mechanism. In addition, using ResNet to prevent overfitting of each input and processing result within the encoder block, normalize vector values of unstructured data transformed through embedding, and normalized vector using vert model Outputs the values as vector values for data and vector values corresponding to individual tokens in the data to output characteristic values of unstructured data through analysis and prediction of unstructured data, normalizes the structured data 410a", Reznet It prevents overfitting of input and processing results because the information of discarded data cannot be referred to by referring only to 'n' data set to predict the next word through It is transmitted from the input layer through the hidden layer to the output layer, and outputs a vector value having a similarity in which a circular path does not exist to output a characteristic value of the structured data through analysis and prediction of the structured data, and the characteristic value of the unstructured data By adding the characteristic values of the process data, the indoor dust concentration, the operating state of the indoor environmental facilities 100, 100a, and 100b, the operating time and operating conditions, voice input information, text information, room size, number of people in the room, and room Outputting the analyzed optimal driving conditions based on the activity pattern of the personnel; And
d) The artificial intelligence analysis server 400 analyzes the operating conditions of the indoor environmental facilities 100, 100a, 100b according to the analysis result and maintenance management information of the indoor environmental facilities 100, 100a, 100b based on the operating conditions. calculation, and matching the calculated maintenance management information with the operating conditions of the indoor environmental equipment 100, 100a, 100b, so that the indoor environmental equipment 100, 100a, 100b sets the indoor fine dust concentration to good, bad or normal In order to maintain the level, the operating conditions including the operating time of indoor environmental facilities 100, 100a, 100b installed indoors, whether the windows are opened or closed, the size of the room, the number of people in the room, and the activity patterns of the indoor people that affect the indoor dust concentration are checked. The operating conditions of the individual indoor environmental facilities 100, 100a, 100b and the individual indoor environmental facilities 100, A method of operating and managing heterogeneous air environment facilities using artificial intelligence, including; matching and outputting the maintenance management information of 100a, 100b). 제 4 항에 있어서,
상기 심층 신경망 인공지능 모델은 실내 미세 먼지의 농도, 상기 실내 환경 설비(100, 100a, 100b)의 동작 상태, 동작시간 및 동작 조건과, 음성 입력 정보, 텍스트 정보, 실내 크기, 실내 인원수 및 실내 인원의 활동 패턴 중 하나 이상을 포함한 학습 데이터를 기반으로 학습을 수행하는 것을 특징으로 하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법.5. The method of claim 4,
The deep neural network artificial intelligence model includes the indoor fine dust concentration, the operating state of the indoor environmental facilities 100, 100a, 100b, the operating time and operating conditions, and voice input information, text information, room size, number of people in the room, and number of people in the room. A method for operating and managing heterogeneous air environment facilities using artificial intelligence, characterized in that learning is performed based on learning data including one or more of the activity patterns of 제 4 항에 있어서,
상기 a) 단계는 데이터변환부(300)가 실내 환경 설비(100, 100a, 100b)의 제조사별 데이터 포맷과, 분류된 제조사별 데이터 포맷을 미리 설정된 통합관리 데이터 포맷을 매칭시켜 장치별로 데이터 변환 정보를 설정하는 단계;를 더 포함하는 것을 특징으로 하는 인공지능을 이용한 이기종 간 공기환경설비의 운영관리 방법.5. The method of claim 4,
In step a), the data conversion unit 300 matches the data format for each manufacturer of the indoor environmental equipment 100, 100a, 100b, and the classified data format for each manufacturer with a preset integrated management data format to convert data for each device. The operation and management method of heterogeneous air environment facilities using artificial intelligence, characterized in that it further comprises;
KR1020220031550A 2021-04-23 2022-03-14 System and method for operation and management air environment facilities bewteen heterogeneous types using artificial intelligence KR20220146321A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210052772 2021-04-23
KR1020210052772 2021-04-23

Publications (1)

Publication Number Publication Date
KR20220146321A true KR20220146321A (en) 2022-11-01

Family

ID=84042515

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220031550A KR20220146321A (en) 2021-04-23 2022-03-14 System and method for operation and management air environment facilities bewteen heterogeneous types using artificial intelligence

Country Status (1)

Country Link
KR (1) KR20220146321A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190003065A (en) 2017-06-30 2019-01-09 케이웨더(주) Big data acquisition and analysis method for indoor air quality analysis service

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190003065A (en) 2017-06-30 2019-01-09 케이웨더(주) Big data acquisition and analysis method for indoor air quality analysis service

Similar Documents

Publication Publication Date Title
Kallio et al. Forecasting office indoor CO2 concentration using machine learning with a one-year dataset
KR102336614B1 (en) Apparatus and method for controlling air environmental using artificial intelligence
CN107942960B (en) A kind of intelligentized information processing system
Sung et al. Building an indoor air quality monitoring system based on the architecture of the Internet of Things
Chen et al. Environmental sensors-based occupancy estimation in buildings via IHMM-MLR
KR102116160B1 (en) Apparatus for intergration indoor environment management
JP7560767B2 (en) Indoor air quality prediction method and indoor air quality detection system
Dai et al. Achieving better indoor air quality with IoT systems for future buildings: Opportunities and challenges
KR20220036737A (en) Indoor air quality monitoring system and air quality prediction method using the same
KR20200056141A (en) Air quality management divice and system
Rastogi et al. Context-aware monitoring and control of ventilation rate in indoor environments using internet of things
Taştan A low-cost air quality monitoring system based on Internet of Things for smart homes
Saini et al. Internet of things based environment monitoring and PM 10 prediction for smart home
KR102313465B1 (en) Multi-sensor based air quality status mobile notification system and method
Nurcahyanto et al. Multilevel RNN‐Based PM10 Air Quality Prediction for Industrial Internet of Things Applications in Cleanroom Environment
CN117251870A (en) Big data analysis early warning method and system based on block chain and cloud platform thereof
KR102404374B1 (en) Method And Apparatus for Managing Air Quality by Using Indoor and Outdoor Sensor Module
KR20220146321A (en) System and method for operation and management air environment facilities bewteen heterogeneous types using artificial intelligence
KR20220146320A (en) System and method for operation and management air environment facilities using artificial intelligence
Lavanya et al. Development of Machine Learning Based Microclimatic HVAC System Controller for Nano Painted Rooms Using Human Skin Temperature
Brumancia et al. Air pollution detection and prediction using multi sensor data fusion
Kareem Abed Alzabali et al. A novel IoT-integrated ensemble learning approach for indoor air quality enhancement
CN109520095A (en) A kind of interior decoration air purification control system based on smart home
EP4451203A1 (en) Interactive system
Sunori et al. Air Quality Index Prediction using Linear Regression and ANFIS