KR20230088078A

KR20230088078A - 전자 장치 및 그 제어 방법

Info

Publication number: KR20230088078A
Application number: KR1020210176926A
Authority: KR
Inventors: 송호윤; 이승준
Original assignee: 삼성전자주식회사
Priority date: 2021-12-10
Filing date: 2021-12-10
Publication date: 2023-06-19
Also published as: US20230243534A1; EP4354036A1; WO2023106890A1

Abstract

전자 장치가 개시된다. 본 전자 장치는, 통신 인터페이스, 공기 조화 장치의 냉매 누설 여부를 판단하는 제1 인공지능 모델(111) 및 적어도 하나의 명령어를 저장하는 메모리, 메모리와 연결되어 전자 장치를 제어하는 프로세서를 포함하고, 프로세서는, 적어도 하나의 명령어를 실행함으로써, 공기 조화 장치로부터 공기 조화 장치의 제1 운용 이력 정보 및 공기 조화 장치의 기기 정보를 통신 인터페이스를 통해 수신하고, 공기 조화 장치의 기기 정보 및 공기 조화 장치 주변의 온도 정보에 기초하여 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하며, 판단 결과에 기초하여 제1 운용 이력 정보 및 제2 운용 이력 정보 중 하나를 제1 인공지능 모델(111)에 입력하여 공기 조화 장치의 냉매 누설 여부를 예측하며, 예측 결과에 기초하여 냉매 누설에 대한 예측 정보를 제공할 수 있다.

Description

전자 장치 및 그 제어 방법 { ELECTRONIC APPARATUS AND CONTROLLING METHOD THEREOF }

본 발명은 전자 장치 및 그 제어 방법에 관한 것으로 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치 및 그 제어 방법에 관한 것이다.

공기 조화 장치(예로, 에어컨)는 쾌적한 실내 환경을 조성하기 위해 실내로 냉온의 공기를 토출하여, 실내 온도를 조절하고, 실내 공기를 정화하는 역할을 함으로써 인간에게 보다 쾌적한 실내 환경을 제공하기 위해 설치된다. 일반적으로, 공기 조화 장치는 열교환기로 구성되어 실내에 설치되는 실내기와, 압축기 및 열교환기 등으로 구성되어 실내기로 냉매를 공급하는 실외기를 포함할 수 있다.

공기 조화 장치에서 실외기 및 실내기가 냉매 배관으로 연결되어, 실외기의 압축기로부터 압축된 냉매가 냉매 배관을 통해 실내기의 열교환기로 공급되고, 실내기의 열교환기에서 열 교환된 냉매는 다시 냉매 배관을 통해 실외기의 압축기로 유입될 수 있다. 이에 따라, 공기 조화 장치의 실내기는 냉매를 이용한 열교환을 통해 냉온의 공기를 실내로 토출할 수 있다.

한편, 공기 조화 장치의 냉매량은 적정 수준으로 유지될 필요가 있다. 그러나 공기 조화 장치에서는 다양한 원인에 의하여 공기 조화 장치의 냉매가 누설되는 경우가 있다. 공기 조화 장치의 냉매가 누설되는 경우, 공기 조화 장치의 냉난방 효율이 감소하고, 압축기나 모터와 같은 공기 조화 장치의 구성 장치들이 손상될 수 있다.

이러한 문제를 해결하기 위해, 종래의 공기 조화 장치는 냉매가 누설되었을 때, 냉매의 누설 여부를 판단하고 냉매 누설 정보를 사용자에게 제공하고 있다.

이 때, 냉매 누설 여부를 판단하기 위해 공기 조화 장치가 작동하는 동안 공기 조화 장치의 외부 온도를 판단 요소로 사용하게 되는데 특정 온도 이하에서 공기 조화 장치의 냉방 운전만으로는 외부 온도와 냉매 간의 온도차이가 크게 나지 않아 냉매 누설 여부를 판단하기 어려운 문제가 있다.

또한, 냉매가 조금씩 누설되는 경우, 냉매 누설 여부를 판단하기 어려우며, 결국 냉매가 많이 누설되어 공기 조화 장치가 냉난방 기능을 수행하지 못하는 상태가 되어서 공기 조화 장치의 냉매 누설을 판단하게 되는 문제가 있다.

이미 공기 조화 장치의 냉매가 누설된 상태에서는 수리가 완료되기까지 공기 조화 장치를 사용할 수 없거나 사용하더라도 공기 조화 장치의 성능이 크게 저하되는 문제가 있다.

본 발명은 종래의 문제를 해결하기 위해, 공기 조화 장치의 운용 이력 정보를 이용하여 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치 및 그 제어 방법을 제공한다.

그리고, 공기 조화 장치의 냉방 이력 정보를 난방 이력 정보로 전환하여, 특정 온도 이하에서도 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치 및 그 제어 방법을 제공한다.

본 개시의 일 실시 예에 따른 전자 장치는 통신 인터페이스; 공기 조화 장치의 냉매 누설 여부를 판단하는 제1 인공지능 모델 및 적어도 하나의 명령어를 저장하는 메모리; 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서를 포함하고, 상기 프로세서는, 상기 적어도 하나의 명령어를 실행함으로써, 상기 공기 조화 장치로부터 상기 공기 조화 장치의 제1 운용 이력 정보 및 상기 공기 조화 장치의 기기 정보를 상기 통신 인터페이스를 통해 수신하고, 상기 공기 조화 장치의 기기 정보 및 상기 공기 조화 장치 주변의 온도 정보에 기초하여 상기 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하며, 상기 판단 결과에 기초하여 상기 제1 운용 이력 정보 및 상기 제2 운용 이력 정보 중 하나를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하며, 상기 예측 결과에 기초하여 상기 냉매 누설에 대한 예측 정보를 제공할 수 있다.

상기 프로세서는, 상기 제1 운용 이력 정보가 상기 제2 운용 이력 정보로 전환되면, 상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다.

상기 메모리는 냉방 이력 정보를 난방 이력 정보로 전환하는 제2 인공지능 모델을 더 저장하고, 상기 프로세서는, 상기 공기 조화 장치 주변의 온도가 임계값 이하이고 상기 공기 조화 장치가 냉방만 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제2 인공지능 모델에 입력하여 상기 제2 운용 이력 정보를 획득하고,

상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다.

상기 제2 인공지능 모델은 상기 공기 조화 장치 또는 다른 공기 조화 장치의 냉방 이력 정보 및 난방 이력 정보 사이의 상관 관계를 학습한 모델일 수 있다.

상기 제1 운용 이력 정보는 상기 공기 조화 장치의 냉방 이력 정보고, 상기 제2 운용 이력 정보는 상기 공기 조화 장치의 난방 이력 정보일 수 있다.

상기 프로세서는, 상기 공기 조화 장치가 냉방 및 난방이 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 획득할 수 있다.

상기 프로세서는, 상기 공기 조화 장치의 외부 온도가 임계값 이하이고, 상기 제1 운용 이력 정보가 냉방 이력 정보이면, 상기 제1 운용 이력 정보를 상기 제2 운용 이력 정보로 전환할 수 있다.

상기 프로세서는, 상기 공기 조화 장치 주변의 온도가 임계값을 초과하면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다.

상기 제1 운용 이력 정보는 상기 공기 조화 장치의 외부 온도 정보를 포함하고 상기 기기 정보는 상기 공기 조화 장치가 냉방 또는 난방이 가능한지에 대한 정보를 포함할 수 있다.

상기 인공지능 모델은 냉매가 누설된 공기 조화 장치의 냉방 운용 이력 정보 및 난방 운용 이력 정보와 냉매가 누설되지 않은 공기 조화 장치의 냉방 운용 이력 정보 및 난방 운용 이력 정보에 기초하여 학습된 모델일 수 있다.

이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법은 상기 공기 조화 장치로부터 상기 공기 조화 장치의 제1 운용 이력 정보 및 상기 공기 조화 장치의 기기 정보를 수신하는 단계; 상기 공기 조화 장치의 기기 정보 및 상기 공기 조화 장치 주변의 온도 정보에 기초하여 상기 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하는 단계; 상기 판단 결과에 기초하여 상기 제1 운용 이력 정보 및 상기 제2 운용 이력 정보 중 하나를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 단계; 및 상기 예측 결과에 기초하여 상기 냉매 누설에 대한 예측 정보를 제공하는 단계;를 포함할 수 있다.

상기 냉매 누설 여부를 예측하는 단계는, 상기 제1 운용 이력 정보가 상기 제2 운용 이력 정보로 전환되면, 상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다.

상기 전자 장치의 메모리는 냉방 이력 정보를 난방 이력 정보로 전환하는 제2 인공지능 모델을 저장하고, 상기 냉매 누설 여부를 예측하는 단계는, 상기 공기 조화 장치 주변의 온도가 임계값 이하이고 상기 공기 조화 장치가 냉방만 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제2 인공지능 모델에 입력하여 상기 제2 운용 이력 정보를 획득하고, 상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다.

상기 제1 운용 이력 정보는 상기 공기 조화 장치의 냉방 이력 정보이고, 상기 제2 운용 이력 정보는 상기 공기 조화 장치의 난방 이력 정보일 수 있다.

상기 냉매 누설 여부를 예측하는 단계는, 상기 공기 조화 장치가 냉방 및 난방이 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 획득할 수 있다.

상기 냉매 누설 여부를 예측하는 단계는, 상기 공기 조화 장치의 외부 온도가 임계값 이하이고, 상기 제1 운용 이력 정보가 냉방 이력 정보이면, 상기 제1 운용 이력 정보를 상기 제2 운용 이력 정보로 전환할 수 있다.

상기 냉매 누설 여부를 예측하는 단계는, 상기 공기 조화 장치 주변의 온도가 임계값을 초과하면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다.

본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 실행하는 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 기록매체에 있어서, 상기 전자 장치의 제어 방법은, 상기 공기 조화 장치로부터 상기 공기 조화 장치의 제1 운용 이력 정보 및 상기 공기 조화 장치의 기기 정보를 상기 통신 인터페이스를 통해 수신하는 단계; 상기 공기 조화 장치의 기기 정보 및 상기 공기 조화 장치 주변의 온도 정보에 기초하여 상기 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하는 단계; 상기 판단 결과에 기초하여 상기 제1 운용 이력 정보 및 상기 제2 운용 이력 정보 중 하나를 상기 제1 인공지능 모델을 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 단계; 및 상기 예측 결과에 기초하여 상기 냉매 누설에 대한 예측 정보를 제공하는 단계;를 포함할 수 있다.

상술한 실시 예들을 통해, 공기 조화 장치의 운용 이력 정보에 기초하여 냉매 누설 여부를 예측하고 이에 대한 정보를 사용자에게 제공함으로써, 냉매가 누설되어 공기 조화 장치를 사용할 수 없거나 공기 조화 장치의 성능이 크게 저하되는 문제를 방지하고 공기 조화 장치의 성능을 유지할 수 있는 효과가 있다.

또한, 공기 조화 장치의 냉방 이력 정보를 난방 이력 정보로 전환하여 냉매 누설 여부를 예측함으로써, 특정 온도 이하에서 냉매 유출 여부를 효과적으로 식별할 수 있는 효과가 있다.

도 1은 본 개시의 일 실시예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
도 2는 본 개시의 일 실시예에 따른 전자 장치가 인공지능 모델을 학습시키는 방법을 설명하기 위한 도면이다.
도 3 및 도 4는 본 개시의 일 실시예에 따른 공기 조화 장치의 운용 이력 정보가 획득되는 과정을 설명하기 위한 도면이다.
도 5a 및 도 5b는 본 개시의 일 실시예에 따른 전자 장치가 인공지능 모델을 학습하는 과정을 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시예에 따른 전자 장치가 냉매 누설을 예측하는 방법을 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시예에 따른 전자 장치가 냉매 누설에 대한 예측 정보를 제공하는 방법을 설명하기 위한 도면이다.
도 8 및 도 9는 본 개시의 일 실시예에 따른 전자 장치가 복수의 서버로 구현되는 방법을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시예에 따른 전자 장치가 냉방만 가능한 공기 조화 장치인 경우, 전자 장치가 냉매 누설을 예측하는 방법을 설명하기 위한 도면이다.
도 11은 본 개시의 일 실시예에 따른 전자 장치가 냉난방이 가능한 공기 조화 장치인 경우, 전자 장치가 냉매 누설을 예측하는 방법을 설명하기 위한 도면이다.
도 12는 본 개시의 일 실시예에 따른 전자 장치의 제어 방법을 설명하기 위한 도면이다.

본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.

본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.

덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.

본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.

반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)"것만을 반드시 의미하지 않을 수 있다.

대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.

한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 발명의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.

이하에서는 첨부한 도면을 참고하여 본 개시에 따른 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.

도 1은 본 개시의 일 실시예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.

전자 장치(100)는 메모리(110), 통신 인터페이스(120), 사용자 인터페이스(130), 디스플레이(140) 및 프로세서(150)를 포함할 수 있다. 전자 장치(100)는 상기 구성요소 중 일부가 생략될 수 있으며, 다른 구성요소를 더 포함할 수 있다.

전자 장치(100)는 서버로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 공기 조화 장치(예로, 에어컨), 사용자 단말 장치, 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 웨어러블 장치, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되는 것은 아니다.

메모리(110)는 전자 장치(100)에 관한 적어도 하나의 명령어(instruction)를 저장할 수 있다. 메모리(110)는 전자 장치(100)를 구동시키기 위한 O/S(Operating System)를 저장할 수 있다. 또한, 메모리(110)는 본 개시의 다양한 실시 예들에 따라 전자 장치(100)가 동작하기 위한 각종 소프트웨어 프로그램이나 애플리케이션을 저장할 수 있다. 그리고, 메모리(110)는 플래시 메모리(Flash Memory) 등과 같은 반도체 메모리나 하드디스크(Hard Disk) 등과 같은 자기 저장 매체 등을 포함할 수 있다.

구체적으로, 메모리(110)는 본 개시의 다양한 실시 예에 따라 전자 장치(100)가 동작하기 위한 각종 소프트웨어 모듈을 저장할 수 있으며, 프로세서(150)는 메모리(110)에 저장된 각종 소프트웨어 모듈을 실행하여 전자 장치(100)의 동작을 제어할 수 있다.

즉, 메모리(110)는 프로세서(150)에 의해 액세스되며, 프로세서(150)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다.

한편, 본 개시에서 메모리(110)라는 용어는 메모리(110), 프로세서(150) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함하는 의미로 사용될 수 있다.

그리고, 메모리(110)는 제1 인공지능 모델(111)과 제2 인공지능 모델(112)을 저장할 수 있다. 제1 인공지능 모델(111)은 공기 조화 장치(200)의 운용 이력 정보가 입력되면 공기 조화 장치(200)의 냉매 누설 여부를 예측하는 학습된 인공지능 모델일 수 있다. 그리고, 제2 인공지능 모델(112)은 공기 조화 장치(200)의 제1 운용 이력 정보가 입력되면 제2 운용 이력 정보를 출력하는 학습된 인공지능 모델일 수 있다. 이 때, 제1 운용 이력 정보는 공기 조화 장치(200)가 냉방 운용 시 획득된 냉방 운용 이력 정보일 수 있고, 제2 운용 이력 정보는 공기 조화 장치(200)가 난방 운용 시 획득된 난방 운용 이력 정보일 수 있다.

이 때, 제1 인공지능 모델(111) 및 제2 인공지능 모델(112)은 메모리(110)에 기저장된 모델이거나 전자 장치(100)에 의해 학습(또는 생성)된 모델일 수 있다.

제1 인공지능 모델(111)과 제2 인공지능 모델(112)은 인공지능 알고리즘에 기초한 지도 학습(supervised learning) 방식에 따라 학습된 모델 또는 비지도 학습(unsupervised learning) 방식에 따라 학습된 모델일 수 있다. 학습된 모델은 가중치를 가지는 복수의 네트워크 노드들이 포함되도록 구성될 수 있으며, 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Network) 등이 학습 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

또한, 제1 인공지능 모델(111)과 제2 인공지능 모델(112)은 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 제1 인공지능 모델(111)과 제2 인공지능 모델(112)은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있다. 제1 인공지능 모델(111)과 제2 인공지능 모델(112)은 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 제1 인공지능 모델(111)과 제2 인공지능 모델(112)은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 응답 제공 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

그리고, 제1 인공지능 모델(111)과 제2 인공지능 모델(112)이 학습하는 자세한 방법은 도 2를 통해 후술하도록 한다.

또한, 메모리(110)는 공기 조화 장치(200) 및 사용자 단말 장치(300)의 등록 정보(또는 식별 정보)를 저장할 수 있다. 전자 장치(100)는 메모리(110)에 등록된 공기 조화 장치(200)로부터 운용 이력 정보를 획득하여 냉매 누설 여부를 예측하고, 냉매 누설 예측 정보를 등록된 사용자 단말 장치(300)로 전송할 수 있다.

통신 인터페이스(120)는 회로(circuitry)를 포함하며, 외부 기기 및 서버와 통신할 수 있는 구성이다. 통신 인터페이스(120)는 유선 또는 무선 통신 방식에 기초하여 외부 기기 또는 서버와 통신을 수행하며 데이터를 송수신할 수 있다. 이 때 외부 기기 및 서버는 공기 조화 장치(200) 또는 사용자 단말 장치(300)일 수 있다. 이 경우, 통신 인터페이스(120)는 와이파이 모듈(미도시), 이더넷(Ethernet) 모듈 등을 포함할 수 있다. 여기서, 각 통신 모듈은 적어도 하나의 하드웨어 칩 형태로 구현될 수 있다. 무선 통신 모듈은 상술한 통신 방식 이외에 지그비(zigbee), USB(Universal Serial Bus), MIPI CSI(Mobile Industry Processor Interface Camera Serial Interface), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격에 따라 통신을 수행하는 적어도 하나의 통신 칩을 포함할 수 있다. 다만 이는 일 실시 예에 불과하며 통신 인터페이스(120)는 다양한 통신 모듈 중 적어도 하나의 통신 모듈을 이용할 수 있다.

그리고, 전자 장치(100)는 통신 인터페이스(120)를 통해 공기 조화 장치(200) 또는 사용자 단말 장치(300)와 직접적으로 통신을 수행하거나, 외부 서버(미도시)를 통해 공기 조화 장치(200) 또는 사용자 단말 장치(300)와 통신을 수행할 수 있다.

여기서, 사용자 단말 장치(300)는 스마트폰, 태블릿, 웨어러블 디바이스, TV, 가전 기기 또는 개인용 컴퓨터 등을 공기 조화 장치(200) 및 전자 장치(100)와 통신 수행이 가능한 다양한 전자 장치로 구현될 수 있다.

사용자 인터페이스(130)는 전자 장치(100)을 제어하기 위한 사용자 명령을 입력받기 위한 구성이다. 버튼, 터치 패드, 마우스 및 키보드와 같은 장치로 구현되거나, 디스플레이 기능 및 조작 입력 기능도 함께 수행 가능한 터치 스크린으로도 구현될 수 있다. 여기서, 버튼은 전자 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다. 전자 장치(100)는 사용자 인터페이스(130)를 통해 다양한 사용자 입력을 획득할 수 있다.

디스플레이(140)는 자발광 소자를 포함하는 디스플레이 또는, 비자발광 소자 및 백라이트를 포함하는 디스플레이로 구현될 수 있다. 예를 들어, LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, LED(Light Emitting Diodes), 마이크로 LED(micro LED), Mini LED, PDP(Plasma Display Panel), QD(Quantum dot) 디스플레이, QLED(Quantum dot light-emitting diodes) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(140) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다.

디스플레이(140)는 냉매 누설에 대한 예측 정보를 표시할 수 있으며, 이 때, 공기 조화 장치(200)의 서비스 점검을 위한 UI를 함께 디스플레이 할 수 있다.

프로세서(150)는 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 구체적으로, 프로세서(150)는 메모리(110)를 포함하는 전자 장치(100)의 구성과 연결되며, 상술한 바와 같은 메모리(110)에 저장된 적어도 하나의 명령어 또는 모듈을 실행함으로써, 전자 장치(100)의 동작을 전반적으로 제어할 수 있다.

프로세서(150)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(150)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다. 한편, 본 개시에서 프로세서(150)라는 용어는 CPU(Central Processing Unit), GPU(Graphic Processing Unit) 및 MPU(Main Processing Unit)등을 포함하는 의미로 사용될 수 있다.

본 개시의 다양한 실시 예를 구현하기 위한 프로세서(150)의 동작은 제1 인공지능 모델(111), 제2 인공지능 모델(112) 및 복수의 모듈을 통해 구현될 수 있다.

구체적으로, 본 개시에 따른 제1 인공지능 모델(1110) 및 제2 인공지능 모델(112) 및 복수의 모듈에 대한 데이터는 메모리(110)에 저장될 수 있고, 프로세서(150)는 메모리(110)에 엑세스하여 제1 인공지능 모델(111), 제2 인공지능 모델(112) 및 복수의 모듈에 대한 데이터를 프로세서(150) 내부의 메모리 또는 버퍼에 로딩한 후, 제1 인공지능 모델(111), 제2 인공지능 모델(112) 및 복수의 모듈을 이용하여 본 개시에 따른 다양한 실시예를 구현할 수 있다. 이 때, 복수의 모듈은 학습 모듈(151), 운용 이력 정보 수신 모듈(152), 운용 이력 정보 분석 모듈(153), 냉매 누설 예측 모듈(154) 및 정보 제공 모듈(155)을 포함할 수 있다.

다만, 본 개시에 따른 제1 인공지능 모델(111), 제2 인공지능 모델(112) 및 복수의 모듈 중 적어도 하나는 하드웨어로 구현되어 시스템 온 칩(system on chip)의 형태로 프로세서(120)내에 포함될 수도 있다.

학습 모듈(151)은 공기 조화 장치의 운용 이력 정보를 학습 데이터로 하여 인공지능 모델을 학습시킬 수 있다.

구체적으로, 학습 모듈(151)은 냉매가 유출된(또는 유출 예정인) 공기 조화 장치의 냉난방 운용 이력 정보 및 냉매가 유출되지 않은 공기 조화 장치의 냉난방 운용 이력 정보를 학습 데이터로 하여 제1 인공지능 모델(111)을 학습시키고 학습된 제1 인공지능 모델(111)을 메모리(110)에 저장할 수 있다.

학습 모듈(151)은 공기 조화 장치(200) 또는 다른 공기 조화 장치의 냉방 이력 정보 및 난방 이력 정보 사이의 상관 관계를 학습 데이터로 하여 제2 인공지능 모델(112)을 학습시키고 메모리(110)에 저장할 수 있다.

학습 모듈(151)이 인공지능 모델을 학습시키는 방법은 도 2를 통해 설명하도록 한다.

도 2를 참조하면, 학습 모듈(151)은 인공지능 모델을 학습시키기 위한 공기 조화 장치의 운용 이력 정보를 획득할 수 있다(S210). 이 때, 학습 모듈(151)은 공기 조화 장치로부터 운용 이력 정보를 획득할 수 있으나, 이에 제한되는 것은 아니며, 사용자 단말 장치(300) 또는 외부 서버로부터 획득할 수 있다. 또는 사용자가 직접 인공지능 모델을 학습시키기 위한 공기 조화 장치의 운용 이력 정보를 전자 장치(100)로 등록(또는 업로드)할 수 있다.

이 때, 공기 조화 장치(200)의 운용 이력 정보는 공기 조화 장치(200)의 기기에 대한 정보, 공기 조화 장치(200)의 동작에 대한 정보, 공기 조화 장치의 상태에 대한 정보, 공기 조화 장치(200)의 주변 환경에 대한 정보, 공기 조화 장치(200)의 센서를 통해 획득된 정보, 공기 조화 장치(200)의 냉매에 대한 정보, 공기 조화 장치(200)의 증발기에 대한 정보, 공기 조화 장치(200)의 냉매 조절 밸브에 대한 정보, 공기 조화 장치(200)의 내부 또는 외부의 온도 정보 중 적어도 하나를 포함할 수 있으며, 이에 제한되는 것은 아니고, 공기 조화 장치(200)의 운용과 관련된 다양한 정보를 포함할 수 있다.

이 때, 운용 이력 정보는 복수의 운용 인자에 대한 이력 값을 포함할 수 있다. 예를 들어, 공기 조화 장치(200)의 운용 이력 정보에 포함된 운용 인자는 디바이스 아이디, 실내룸온도(RAC), FAC 토출온도(FAC), RAC EEV개도, FAC 습도, 전전류 보호제어, Evap Out(RAC), 운전 On 후 경과시간(예로, 0분, 7분, 14분, …), 설정온도(FAC), 동결방지 보호제어, 실외 이상 부하, 설정온도(RAC), 실내룸온도(FAC), 실외룸온도, Discharge, Evap Out(FAC), FAC EEV 개도, Thermo On(RAC), 전력 사용량, 전전류, Evap_In(FAC), RAC 습도, Thermo On(FAC), 압축기Hz(현재), Evap_In(RAC), PM 10(미세먼지), RAC 운전 모드, FAC 풍량, FAC 전원, RAC 풍량, RAC 전원, 고부하 방지(토출보호제어), FAC 운전 모드, 등록 시간, 냉매 량 등을 포함할 수 있으며, 이에 제한되는 것은 아니고, 공기 조화 장치 운용(200)과 관련된 다양한 운용 인자를 포함할 수 있다.

한편, 운용 이력 정보는 공기 조화 장치의 기기 정보를 포함할 수 있으나, 이에 제한되는 것은 아니며, 학습 모듈(151)은 공기 조화 장치의 기기 정보를 별도로 수신할 수 있다. 이 때, 기기 정보는 기기 정보는 공기 조화 장치가 냉방만 가능한지, 난방만 가능한지 또는 냉난방이 모두 가능한지 여부에 대한 정보일 수 있다.

또한, 운용 이력 정보는 공기 조화 장치로부터 획득된 데이터뿐만 아니라, 공기 조화 장치로부터 획득된 데이터를 이용하여 생성된 데이터를 포함할 수 있다. 구체적으로, 학습 모듈(151)은 획득된 운용 인자에 대한 데이터에 기초하여, 새로운 운용 인자에 대한 데이터를 생성할 수 있다. 구체적으로, 학습 모듈(151)은 특정 시간 단위 당 획득된 특정 운용 인자에 대한 데이터(예로, 운용 시작 후 0분, 7분, 14분에 대한 데이터)를 획득할 수 있으며, 이 때, 특정 운용 인자에 대한 평균 값, 최솟값, 최댓값, 분산값, 변화율 등을 획득할 수 있다.

그리고, 운용 이력 정보는 냉매가 누설되었는지 여부, 냉매가 누설된 정도 또는 냉매가 누설 예정인지 여부에 따라 다를 수 있다.

도 3 및 도 4는 공기 조화 장치(200)는 초기에 정상 운전을 하다가 냉매가 조금씩 누설됨에 따라 운용 이력 정보가 변화하는 과정을 설명하기 위한 도면이다. 이 때, 공기 조화 장치(200)는 냉매가 부족하지 않은 정상 운전 시(운전 초기 단계)에는 증발기로부터 밸브값이 적정 값으로 움직이면서 증발기를 통과하는 냉매의 온도도 크게 변화하지 않을 수 있다. 그러나, 이후 냉매가 누설되면, 냉매의 양이 부족하여 증발기를 통과하며 냉매의 열을 흡수하는 양이 냉매의 양 대비 많아지게 되면서 냉매의 온도 변화가 심해지고, 공기 조화 장치(200)는 냉매가 더욱 많이 통과할 수 있도록 밸브를 최대치로 열게 될 수 있다.

이 때, 도 3에 도시된 바와 같이, 냉매가 누설함에 따라 공기 조화 장치(200)의 Eva in 온도는 점차 낮아질 수 있고, Eva out 온도는 점차 높아질 수 있다. 즉, 냉매 누설 정도에 따라 Eva in 온도 값과 Eva Out 온도 값의 차이는 커질 수 있다. 이 때, Eva in 온도 값은 증발기 초입(증발기로 공기가 유입되는 부분)에서의 냉매의 온도 값을 의미할 수 있고, Eva out 온도 값은 증발기 출구(증발기에서 공기가 배출되는 부분)에서의 냉매의 온도 값을 의미할 수 있다.

그리고, 도 4에 도시된 바와 같이, 정상 상태에서는 feev 값이 크게 변화하다가 냉매가 점차 누설되고 밸브가 항상 열려있게 됨에 따라 feev(또는 eev) 값이 점차 높아지고 변화량이 작아질 수 있다. 이 때, feev 값은 밸브의 열림 정도를 나타내는 값일 수 있다.

또한, 운용 이력 정보는 냉방 운용 이력 정보인지 또는 난방 운용 이력 정보인지 여부에 따라 달라질 수 있다. 다시 말해, 공기 조화 장치가 난방 운용 시 획득되는 운용 이력 정보(또는 운용 인자에 대한 이력 값)와 냉방 운용 시 획득되는 운용 이력 정보(또는 운용 인자에 대한 이력 값)은 다를 수 있다.

그리고, 학습 모듈(151)은 공기 조화 장치(200)의 운용 이력 정보를 전처리 할 수 있다(S220). 구체적으로, 학습 모델 생성을 위해 획득된 운용 이력 정보는 냉매 유출 여부(또는 냉매 유출 예정 여부)와 매칭되어야 할 수 있다. 따라서, 학습 모듈(151)은 획득한 운용 이력 정보를 냉매 유출 여부(또는 냉매 유출 예정 여부)와 매칭하는 라벨링 과정을 수행할 수 있으나, 이에 제한되는 것은 아니며 학습 모듈(151)은 라벨링 과정이 완료된 운용 이력 정보를 획득할 수 있다.

이 때, 라벨링 과정이 완료된 운용 이력 정보는 “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 운용 이력 정보” 또는 냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 운용 이력 정보”일 수 있다.

또는, 라벨링 과정이 완료된 운용 이력 정보는 “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 냉방 운용 이력 정보”, “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 난방 운용 이력 정보”, “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 냉방 운용 이력 정보” 또는 “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 난방 운용 이력 정보”일 수 있다. 이 때, 학습 모듈(151)은 라벨링 된 운용 이력 정보를 이용하여 제1 인공지능 모델(111)을 학습시킬 수 있다.

또한, 학습 모델 생성을 위해 획득된 냉방 운용 이력 정보와 난방 운용 이력 정보는 매칭(또는 그룹핑)될 수 있다. 구체적으로, 학습 모듈(151)은 상술한 바와 같이 라벨링 된 운용 이력 정보를 그룹핑 할 수 있다.

구체적으로, 학습 모듈(151)은 “공기 조화 장치의 냉방 운용 이력 정보”과 “공기 조화 장치의 난방 운용 이력 정보”을 매칭할 수 있다. 또는, 학습 모듈(151)은 “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 냉방 운용 이력 정보”, “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 난방 운용 이력 정보”, “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 냉방 운용 이력 정보” 및 “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 난방 운용 이력 정보”를 매칭 할 수 있다. 이 때, 학습 모듈(151)은 그룹핑 된 운용 이력 정보를 이용하여 제2 인공지능 모델(112)을 학습시킬 수 있다.

그리고, 획득된 운용 이력 정보는 중복되는 데이터를 포함할 수 있으며, 중복되는 데이터가 학습 모델에 입력되면 학습 오차가 증가(overfitting)할 수 있다. 따라서, 학습 모듈(151)은 학습 오차 증가를 방지하기 위해 중복 데이터를 삭제할 수 있다.

또한, 획득된 운용 이력 정보는 데이터의 단위가 상이할 수 있다. 따라서, 데이터의 단위에 따른 영향을 최소화하기 위하여, 학습 모듈(151)은 획득된 운용 이력 정보를 정규화할 수 있다. 예를 들어, 학습 모듈(151)은 데이터의 범위가 -1 내지 1 사이가 되도록 정규화할 수 있다.

그리고, 학습 모듈(151)은 획득된 운용 이력 정보에서 기 설정된 제외 대상 데이터가 존재하는지 여부를 판단할 수 있다. 여기서, 기 설정된 제외 대상 데이터는 공기 조화 장치(200)가 설치되는 곳의 주변 환경에 따라 영향을 일정 수준 이상 받는 데이터를 의미할 수 있고, 기 설정된 제외 대상 데이터는 사용자에 의해 설정될 수 있다.

그리고, 학습 모듈(151)은 복수의 운용 인자에 대한 이력 값을 포함하는 이력 정보 중, 인공지능 모델 학습 과정에서 사용될 운용 인자를 식별할 수 있다. 이 때, 학습 과정에서 사용될 운용 인자에 대한 정보는 메모리(110)에 저장되어 있거나, 사용자 인터페이스(130)를 통해 입력될 수 있으나, 이에 제한되는 것은 아니며, 반복적인 학습 과정을 통해 냉매 누설 여부와 상관 관계가 크거나, 냉방 이력 정보 및 난방 이력 정보 간의 상관 관계가 큰 운용 인자를 학습 과정에서 사용될 운용 인자로 식별할 수 있다. 한편, 인공지능 모델에서 학습 과정에서 식별되는 운용 인자는 냉매 누설 여부를 예측하기 위해 사용되는 운용 인자와 같을 수 있다. 이 때, 운용 이력 정보 분석 모듈(153)은 상술한 방법과 같은 방법으로 냉매 누설 여부를 예측하기 위한 운용 인자를 식별하거나, 인공지능 모델 학습에 이용된 운용 인자를 냉매 누설 여부를 예측하기 위한 운용 인자로 식별할 수 있다.

한편, 학습 모듈(151)이 획득된 운용 이력 정보의 전처리 과정을 수행하는 것으로 기재하였으나, 이에 제한되는 것은 아니며, 학습 모듈(151)은 전처리 과정의 전부 또는 일부가 완료된 운용 이력 정보를 획득할 수 있다.

그리고, 학습 모듈(151)은 운용 이력 정보를 이용하여 인공지능 모델을 학습시킬 수 있다(S230). 이 때, 인공지능 모델 학습에 이용되는 운용 이력 정보는 전처리 과정이 전부 또는 일부 완료된 운용 이력 정보일 수 있으나, 이에 제한되는 것은 아니며, 학습 모듈(151)은 별도의 전처리 과정이 완료되지 않은 운용 이력 정보를 이용하여 인공지능 모델을 학습시킬 수 있다.

구체적으로, 학습 모듈(151)은 운용 이력 정보를 이용하여 제1 인공지능 모델(111)을 생성 또는 학습시킬 수 있다.

이 때, 학습 모듈(151)은 냉매 유출 여부가 라벨링된 운용 이력 정보를 학습 데이터로 하여 제1 인공지능 모델(111)을 학습시킬 수 있다. 구체적으로, 학습 모듈(151)은 “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 냉방 운용 이력 정보”, “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 난방 운용 이력 정보”, “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 냉방 운용 이력 정보” 및 “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 난방 운용 이력 정보” 중 적어도 하나를 이용하여 제1 인공지능 모델(111)을 학습시킬 수 있다.

제1 인공지능 모델(111)은 운용 이력 정보에 포함된 각 운용 인자와 냉매 유출 여부와의 상관 관계를 학습하고, 각 운용 인자에 대한 가중치(또는 파라미터)를 식별(또는 최적화)하고, 운용 이력 정보와 냉매 유출 여부 사이의 연관 관계에 대한 함수를 식별(또는 생성)할 수 있다.

이 때, 제1 인공지능 모델(111) 학습 과정을 거쳐 식별된 각 운용 인자에 대한 가중치는 도 5a 및 도 5b에 도시된 바와 같을 수 있다. 그리고, 운용 이력 정보에 포함된 각 운용 이력 정보에 대한 가중치는 각 운용 이력 정보가 냉매 유출 여부에 영향을 미치는 정도를 나타낼 수 있다.

또한, 학습 모듈(151)은 운용 이력 정보(또는 매칭된 운용 이력 정보)를 이용하여 제2 인공지능 모델(112)을 생성 또는 학습시킬 수 있다.

이 때, 제2 인공지능 모델(112)은 적어도 하나의 냉방 이력 정보와 적어도 하나의 난방 이력 정보가 매칭된 운용 이력 정보를 학습하여 냉방 이력 정보에 포함된 각 운용 인자의 인자 값과 난방 이력 정보에 포함된 각 운용 인자의 인자 값의 상관 관계를 학습할 수 있다.

구체적으로, 학습 모듈(151)은 “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 냉방 운용 이력 정보”, “냉매가 유출된(또는 냉매 유출이 예정된) 공기 조화 장치의 난방 운용 이력 정보”, “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 냉방 운용 이력 정보” 및 “냉매가 유출되지 않은(또는 냉매 유출이 예정되지 않은) 공기 조화 장치의 난방 운용 이력 정보”가 매칭된 데이터를 학습 데이터로 하여, 냉방 이력 정보에 포함된 각 운용 인자의 인자 값과 난방 이력 정보에 포함된 각 운용 인자의 인자 값의 상관 관계를 학습시킬 수 있다.

이 때, 그룹핑 된 운용 이력 정보는 동일한 공기 조화 장치 또는 동일한 환경 조건에서 획득된 운용 이력 정보정보 일 수 있으나, 이에 제한되는 것은 아니며, 상이한 공기 조화 장치 및 상이한 환경 조건에서 획득된 운용 이력 정보정보일 수 있다.

그리고, 특정 공기 조화 장치의 냉방 이력 정보에 대한 운용 인자 값이 입력되면, 제2 인공지능 모델(112)은 특정 공기 조화 장치가 가상으로 난방 운용 시 획득될 운용 인자에 대한 인자 값을 출력(또는 예측)할 수 있다.

즉, 냉방 운용 이력 정보가 입력되면, 제2 인공지능 모델(112)은 냉방 운용 이력 정보에 대응되는 난방 운용 이력 정보를 출력할 수 있다.

그리고, 학습 과정이 완료되면, 학습 모듈(151)은 인공지능 모델을 검증할 수 있다(S240).

학습 모듈(151)은 수신된 운용 이력 정보 중 일부를 학습 데이터로 이용하고 나머지를 검증 데이터로 이용할 수 있다. 그리고, 학습 모듈(151)은 검증 데이터(또는 평가 데이터)를 이용하여 학습된 인공지능 모델의 정확도를 검증하고 평가할 수 있다.

예를 들어, 학습 모듈(151)은 검증 데이터에 대한　학습된 모델의 출력 결과 중에서, 출력 결과가 정확하지 않은 검증 데이터의 개수 또는 비율이 기 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우,　학습된 데이터 인식 모델이 총 1000개의 검증 데이터 중의 20개를 초과하는 검증 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 학습 모듈(151)은　학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.

한편,　학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 학습 모듈(151)은 각각의　학습된 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 학습 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 학습 모듈(151)은 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.

그리고, 학습된 인공지능 모델을 이용하여, 전자 장치(100)는 공기 조화 장치(200)의 냉매 누설을 예측할 수 있다.

한편, 전자 장치(100)가 인공지능 모델을 학습시키는 것으로 상술하였으나, 이에 제한되는 것은 아니며, 외부 장치가 상술한 방법과 같이 인공지능 모델을 학습시킬 수 있으며, 전자 장치(100)는 외부 장치로부터 학습된 인공지능 모델을 획득하여 메모리(110)에 저장할 수 있다.

그리고, 도 6을 참조하면, 운용 이력 정보 수신 모듈(152)은, 공기 조화 장치(200)로부터 제1 운용 이력 정보 및 공기 조화 장치(200)의 기기 정보를 통신 인터페이스(120)를 통해 수신할 수 있다(S610).이 때, 제1 운용 이력 정보는 공기 조화 장치(200)의 냉방 운용 이력 정보 또는 난방 운용 이력 정보일 수 있다.

공기 조화 장치(200)의 제1 운용 이력 정보는 공기 조화 장치(200)의 외부 온도 정보를 포함할 수 있다. 그리고, 공기 조화 장치(200)의 기기 정보는 공기 조화 장치(200)가 냉방 또는 난방이 가능한지 여부에 대한 정보를 포함할 수 있다. 한편, 공기 조화 장치(200)의 기기 정보는 운용 이력 정보에 포함된 정보일 수 있다.

그리고, 운용 이력 정보 분석 모듈(153)은 수신된 제1 운용 이력 정보를 전처리할 수 있으며, 이 때 제1 운용 이력 정보를 전처리하는 방법은 도 2를 통해 학습 데이터를 전처리 하는 과정과 같을 수 있다.

운용 이력 정보 분석 모듈(153)은 공기 조화 장치(200)의 기기 정보 및 공기 조화 장치(200) 주변의 온도 정보에 기초하여 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단할 수 있다.

구체적으로, 운용 이력 정보 분석 모듈(153)은 공기 조화 장치(200) 주변의 온도가 임계값 이하인지 여부를 식별할 수 있다(S620). 이 때, 임계값은 메모리(110)에 저장된 기설정된 값일 수 있다.

공기 조화 장치(200) 주변의 온도가 임계값을 초과하면(S620-N), 냉매 누설 예측 모듈(154)은 제1 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 공기 조화 장치(200)의 냉매 누설 여부를 예측할 수 있다(S630).

공기 조화 장치(200) 주변의 온도가 임계값 이하이면(S620-Y), 운용 이력 정보 분석 모듈(153)은 공기 조화 장치(200)가 냉방만 가능한지 여부를 식별할 수 있다(S640). 이 때, 운용 이력 정보 분석 모듈(153)은 공기 조화 장치(200)의 기기 정보를 이용하여 공기 조화 장치(200)가 냉방만 가능한지 또는 냉방 및 난방이 가능한지 여부를 식별할 수 있다.

공기 조화 장치(200)가 냉방 및 난방이 가능한 것으로 식별되면(S640-N), 냉매 누설 예측 모듈(154)은 제1 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 공기 조화 장치(200)의 냉매 누설 여부를 예측할 수 있다(S630). 이 때, 제1 인공지능 모델(111)은 공기 조화 장치(200)의 냉매가 누설되는지 여부 또는 냉매가 누설될 확률에 대한 정보를 출력할 수 있다.

제1 인공지능 모델(111)이 공기 조화 장치(200)의 냉매가 누설될 확률에 대한 정보를 출력하는 경우, 냉매가 누설될 확률이 기설정된 값 이상이면, 냉매 누설 예측 모듈(154)은 냉매가 누설되는 것으로 예측할 수 있다. 그리고, 냉매가 누설될 확률이 기설정된 값 미만이면, 냉매 누설 예측 모듈(154)은 냉매가 누설되지 않는 것으로 예측할 수 있다.

한편, 공기 조화 장치(200)가 냉방만 가능한 것으로 식별되면(S640-Y), 운용 이력 정보 분석 모듈(153)은 제1 운용 이력 정보(예로, 냉방 운용 이력 정보)를 제2 인공지능 모델(112)에 입력하여 제2 운용 이력 정보(예로, 난방 운용 이력 정보)를 획득할 수 있다(S650). 이 때, 제2 인공지능 모델(112)은 냉방 운용 이력 정보가 입력되면 난방 운용 이력 정보를 출력하는 인공지능 모델을 의미할 수 있다. 즉, 운용 이력 정보 분석 모듈(153)은 제1 운용 이력 정보(냉방 운용 이력 정보)를 제2 인공지능 모델(112)에 입력하여 제2 운용 이력 정보(난방 운용 이력 정보)를 획득할 수 있다.

그리고, 냉매 누설 예측 모듈(154)은 획득된 제2 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 공기 조화 장치(200)의 냉매 누설 여부를 예측할 수 있다(S660).

그리고, 냉매 누설 여부에 대한 예측 결과에 기초하여, 정보 제공 모듈(155)은 냉매 누설에 대한 예측 정보를 제공할 수 있다(S670). 이 때, 냉매 누설에 대한 예측 정보는 공기 조화 장치(200)의 서비스 점검을 위한 UI를 디스플레이하기 위한 정보를 포함할 수 있다.

구체적으로, 정보 제공 모듈(155)은 냉매 누설에 대한 예측 정보와 공기 조화 장치(200)의 서비스 점검을 위한 UI를 디스플레이 하도록 디스플레이(140)를 제어할 수 있다.

또는, 정보 제공 모듈(155)은 냉매 누설에 대한 예측 정보를 공기 조화 장치(200) 또는 사용자 단말 장치(300)로 전송할 수 있다. 냉매 누설에 대한 예측 정보를 수신한 공기 조화 장치(200) 또는 사용자 단말 장치(300)는 냉매 누설에 대한 예측 정보 및 공기 조화 장치(200)의 서비스 점검을 위한 UI를 디스플레이 할 수 있다.

예를 들어, 냉매 누설에 대한 예측 정보를 수신한 사용자 단말 장치(300)는 도 7에 도시된 바와 같이 냉매 누설에 대한 예측 정보 및 공기 조화 장치(200)의 서비스 점검을 위한 UI를 디스플레이 할 수 있으며, 이에 제한되는 것은 아니고, 전자 장치(100)는 상술한 정보 및 UI를 디스플레이 하도록 공기 조화 장치(200)에 냉매 누설에 대한 예측 정보를 전송하거나, 전자 장치(100)에 포함된 디스플레이(140)를 통해 냉매 누설에 대한 예측 정보 및 공기 조화 장치(200)의 서비스 점검을 위한 UI를 디스플레이할 수 있다.

한편, 공기 조화 장치(200)가 냉방만 가능한지 여부에 따라 냉매 누설 여부를 예측하는 방법을 달리하였으나, 이에 제한되는 것은 아니며, 수신된 제1 운용 이력 정보가 냉방 이력 정보인지 여부에 따라 냉매 누설 여부를 예측하는 방법을 달리할 수 있다. 구체적으로, 공기 조화 장치(200)의 외부 온도가 임계값 이하이고, 제1 운용 이력 정보가 냉방 이력 정보이면, 운용 이력 정보 분석 모듈(153)은 제1 운용 이력 정보를 제2 인공지능 모델(112)에 입력하여 제2 운용 이력 정보를 획득하고, 제2 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 공기 조화 장치(200)의 냉매 누설 여부를 예측할 수 있다. 또는, 외부 온도가 임계값을 초과하거나, 제1 운용 이력 정보가 난방 이력 정보이면, 운용 이력 정보 분석 모듈(153)은 제1 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 공기 조화 장치(200)의 냉매 누설 여부를 예측할 수 있다.

그리고, 전자 장치(100)가 서버로 구현되는 경우, 하나의 서버로 구현될 수 있으나, 이에 제한되는 것은 아니며, 복수의 서버로 구현될 수 있고, 이에 대해서는 도 8 및 도 9을 통해 자세히 설명하도록 한다.

도 8을 참조하면, 전자 장치(100)는 DB 서버(100-1) 및 AI 냉매 누설 예측 서버(100-2)를 포함할 수 있다. 또는, 전자 장치(100)는 DB 서버(100-1) 또는 AI 냉매 누설 예측 서버(100-2) 중 하나로 구현될 수 있다. 또는 전자 장치(100)는 공기 조화 장치(200) 또는 사용자 단말 장치(300) 또는 별도의 외부 장치로도 구현될 수 있다.

그리고, DB 서버(100-1) 및 AI 냉매 누설 예측 서버(100-2), 공기 조화 장치(200) 및 사용자 단말 장치(300)는 전자 장치(100)의 구성의 전부 또는 일부와 동일하게 작동 가능하며, 중복되는 설명은 생략될 수 있다.

한편, DB 서버(100-1)는 운용 이력 정보 획득부(101), 운용 이력 정보 전송부(102), 냉매 누설 예측 정보 획득부(103), 냉매 누설 예측 정보 전송부(104) 및 데이터베이스(105)를 포함할 수 있다. 이 때, 데이터베이스(105)는 공기 조화 장치(200)의 운용과 관련된 정보, 공기 조화 장치(200) 및 사용자 단말 장치(300)의 등록 정보 등을 저장할 수 있다.

그리고, AI 냉매 누설 예측 서버(100-2)의 메모리는 제1 인공지능 모델(111) 및 제2 인공지능 모델(112)을 저장하고 있을 수 있다.

DB 서버(100-1), AI 냉매 누설 예측 서버(100-2), 공기 조화 장치(200) 및 사용자 단말 장치(300)의 동작은 도 9을 통해 자세히 설명하도록 한다.

도 9를 참조하면, 사용자 단말 장치(300)는 공기 조화 장치(200)와 통신 연결을 수행하며 데이터를 송수신할 수 있다(S910). 이 때, 사용자 단말 장치(300)는 블루투스, 와이파이, 와이파이 다이렉트와 같은 근거리 통신 방법을 공기 조화 장치(200)와 통신 연결을 수행할 수 있다. 이 때, 사용자 단말 장치(300)는 통신 연결이 가능한 공기 조화 장치(200)를 검색하고, 공기 조화 장치(200)가 연결 가능한 것으로 검색되면 검색 정보를 사용자 단말 장치(300)의 디스플레이(미도시)에 디스플레이하고, 사용자 단말 장치(300)의 사용자 인터페이스(미도시)를 통해 공기 조화 장치(200)와 연결을 수행하기 위한 사용자 입력이 수신되면, 공기 조화 장치(200)와 연결을 수행할 수 있다.

그리고, 사용자 단말 장치(300)는 공기 조화 장치(200)를 DB 서버(100-1)에 등록할 수 있다(S920). 구체적으로, 사용자 단말 장치(300)의 사용자 인터페이스를 통해 공기 조화 장치(200)를 DB 서버(100-1)에 등록시키기 위한 사용자 입력이 수신되면, 사용자 단말 장치(300)는 공기 조화 장치(200)를 DB 서버(100-1)에 등록시킬 수 있다. 이 때, 사용자 단말 장치(300)는 DB 서버(100-1)로 공기 조화 장치(200)의 식별 정보를 DB 서버로 전송하여 DB 서버(100-1)에 공기 조화 장치(200)를 등록시킬 수 있으나, 이에 제한되는 것은 아니며, DB 서버(100-1)에 등록되기 위한 등록 정보를 공기 조화 장치(200)로 전송할 수 있다.

DB 서버(100-1)에 등록된 공기 조화 장치(200)는 냉방 또는 난방 동작 시, 공기 조화 장치(200)의 제1 운용 이력 정보를 DB 서버로 전송할 수 있다(S930). 즉, DB 서버(100-1)의 운용 이력 정보 획득부(101)는 DB 서버에 등록된 공기 조화 장치(200)로부터 제1 운용 이력 정보를 획득할 수 있다.

그리고, DB 서버(100-1)의 운용 이력 정보 전송부(102)는 공기 조화 장치(200)로부터 수신된 제1 운용 이력 정보를 AI 냉매 누설 예측 서버(100-2)로 전송할 수 있다(S940).

AI 냉매 누설 예측 서버는 공기 조화 장치(200)의 기기 정보 및 공기 조화 장치(200) 주변의 온도 정보에 기초하여 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단할 수 있고, 이 때 전환 여부를 판단하는 방법은 도 6을 통해 설명한 방법과 같을 수 있다.

그리고, 공기 조화 장치(200) 주변의 온도가 임계값 이하이고, 공기 조화 장치(200)가 냉방만 가능한 기기이면, AI 냉매 누설 예측 서버(100-2)는 제1 운용 이력 정보(예로, 공기 조화 장치(200)의 냉방 운용 이력 정보)을 제2 인공지능 모델(112)에 입력하여 제2 운용 이력 정보(공기 조화 장치(200)의 난방 운용 이력 정보)을 획득할 수 있다(S950).

그리고, AI 냉매 누설 예측 서버(100-2)는 제2 운용 이력 정보를 제1 인고지능 모델에 입력하여, 공기 조화 장치(200)의 냉매 누설 여부를 예측할 수 있다(S960).

AI 냉매 누설 예측 서버(100-2)는 공기 조화 장치(200)의 냉매 누설에 대한 예측 정보를 DB 서버로 전송할 수 있다(S970). 즉, DB 서버(100-1)의 AI 서버 결과 획득부(103)는 AI 냉매 누설 예측 서버(100-2)로부터 냉매 누설 예측 정보를 수신할 수 있다.

그리고, DB 서버(100-1)의 알림 전송부(104)는 냉매 누설에 대한 예측 정보를 사용자 단말 장치(300)로 전송할 수 있다(S980).

이에 따라, 사용자 단말 장치(300)는 냉매 누설에 대한 예측 정보를 사용자 에게 제공할 수 있다(S990).

한편, 전자 장치(100)와 공기 조화 장치(200)가 별도로 구분된 장치인 것으로 상술하였으나, 이에 제한되는 것은 아니며, 전자 장치(100)가 공기 조화 장치로 구현될 수 있다. 이 때, 전자 장치(100)가 공기 조화 장치로 구현되는 경우, 냉방만 가능한 공기 조화 장치인지 또는 냉난방이 가능한 공기 조화 장치인지에 따라 전자 장치(100)의 제어 방법이 달라질 수 있으며, 이에 대해서는 도 10과 도 11을 통해 자세히 설명하도록 한다.

도 10은 본 개시의 일 실시예에 따른 전자 장치(100)가 냉방만 가능한 공기 조화 장치인 경우, 전자 장치(100)의 제어 방법을 설명하기 위한 도면이다.

전자 장치(100)는 제1 운용 이력 정보를 획득할 수 있다(S1010). 이 때, 제1 운용 이력 정보는 전자 장치가 냉방 운용 동작 중 획득된 냉방 운용과 관련된 정보를 의미할 수 있다.

그리고, 전자 장치(100)는 센서(미도시)를 통해 획득된 전자 장치 주변의 온도가 임계값 이하인지 여부를 식별할 수 있다(S1020).

전자 장치(100) 주변의 온도가 임계값을 초과하면(S1020-N), 전자 장치(100)는 제1 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 전자 장치(100)의 냉매 누설 여부를 예측할 수 있다(S1030).

전자 장치(100) 주변의 온도가 임계값 이하이면(S1020-Y), 전자 장치(100)는 제1 운용 이력 정보를 제2 인공지능 모델(112)에 입력하여 제2 운용 이력 정보를 획득할 수 있다(S1040). 이 때, 전자 장치(100)는 냉방만 가능한 공기 조화 장치이므로, 별도로 전자 장치(100)가 난방이 가능한지 여부를 판단하는 단계는 생략될 수 있다.

전자 장치(100)는 제2 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 냉매 누설 여부를 예측할 수 있다(S1050).

예측 결과에 기초하여, 전자 장치(100)는 냉매 누설에 대한 예측 정보를 제공할 수 있다(S1060).

도 11은 본 개시의 일 실시예에 따른 전자 장치(100)가 냉난방이 가능한 공기 조화 장치인 경우, 전자 장치(100)의 제어 방법을 설명하기 위한 도면이다.

전자 장치(100)는 전자 장치(100)의 운용 이력 정보를 획득할 수 있다(S1110). 이 때, 운용 이력 정보는 전자 장치가 냉방 운용 동작 또는 난방 운용 동작 중 획득된 운용 이력 정보일 수 있다.

그리고, 전자 장치(100)는 운용 이력 정보를 전자 장치(100)에 저장된 제1 인공지능 모델(111)에 입력하여, 전자 장치(100)의 냉매 누설 여부를 예측할 수 있다(S1120). 이 때, 전자 장치(100)는 냉난방이 가능한 공기 조화 장치이므로, 냉방 이력 정보를 난방 이력 정보로 전환하는 단계는 생략될 수 있다.

한편, 전자 장치(100)가 냉난방이 가능하더라도, 공기 조화 장치(200)의 외부 온도가 임계값 이하이고, 전자 장치(100)의 운용 이력 정보가 냉방 운용 이력 정보이면, 전자 장치(100)는 냉방 운용 이력 정보를 난방 운용 이력 정보로 전환하고, 난방 운용 이력 정보를 제1 인공지능 모델(111)에 입력하여 전자 장치(100)의 냉매 누설 여부를 예측할 수 있다.

예측 결과에 따라, 전자 장치(100)는 냉매 누설에 대한 예측 정보를 제공할 수 있다(S1130).

도 12는 본 개시의 일 실시예에 따른 전자 장치(100)의 제어 방법을 설명하기 위한 도면이다.

전자 장치(100)는 공기 조화 장치(200)로부터 공기 조화 장치(200)의 제1 운용 이력 정보 및 공기 조화 장치(200)의 기기 정보를 통신 인터페이스(120)를 통해 수신할 수 있다(S1210).

공기 조화 장치(200)의 기기 정보 및 공기 조화 장치(200) 주변의 온도 정보에 기초하여, 전자 장치(100)는 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단할 수 있다(S1220). 공기 조화 장치(200) 주변의 온도가 임계값 이하이고, 공기 조화 장치(200)가 냉방만 가능한 것으로 식별되면, 전자 장치(100)는 제1 운용 이력 정보를 전자 장치(100)에 저장된 제2 인공지능 모델(112)에 입력하여 제2 운용 이력 정보를 획득할 수 있다. 이 때, 제2 인공지능 모델(112)은 공기 조화 장치의 냉방 운용 이력 정보가 입력되면 공기 조화 장치의 난방 운용 이력 정보를 출력하는 학습된 인공지능 모델일 수 있다.

판단 결과에 기초하여, 전자 장치(100)는 제1 운용 이력 정보 및 제2 운용 이력 정보 중 하나를 전자 장치(100)에 저장된 제1 인공지능 모델(111)에 입력하여 공기 조화 장치의 냉매 누설 여부를 예측할 수 있다(S1230). 이 때, 제1 인공지능 모델(111)은 공기 조화 장치(200)의 운용 이력 정보가 입력되면 공기 조화 장치(200)의 냉매 누설 여부를 예측하는 학습된 인공지능 모델일 수 있다.

예측 결과에 기초하여, 전자 장치(100)는 냉매 누설에 대한 예측 정보를 제공할 수 있다(S1240). 이 때, 전자 장치(100)는 냉매 누설에 대한 예측 정보와 함께 공기 조화 장치(200)의 서비스 점검을 위한 UI를 디스플레이하기 위한 정보를 사용자 단말 장치(300)로 전송할 수 있다.

한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.

본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(100)를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

100 : 전자 장치 110 : 메모리
120 : 통신 인터페이스 130 : 사용자 인터페이스
140 : 디스플레이 150 : 프로세서
200 : 공기 조화 장치 300 : 사용자 단말 장치

Claims

전자 장치에 있어서,
통신 인터페이스;
공기 조화 장치의 냉매 누설 여부를 판단하는 제1 인공지능 모델 및 적어도 하나의 명령어를 저장하는 메모리;
상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서를 포함하고,
상기 프로세서는, 상기 적어도 하나의 명령어를 실행함으로써,
상기 공기 조화 장치로부터 상기 공기 조화 장치의 제1 운용 이력 정보 및 상기 공기 조화 장치의 기기 정보를 상기 통신 인터페이스를 통해 수신하고,
상기 공기 조화 장치의 기기 정보 및 상기 공기 조화 장치 주변의 온도 정보에 기초하여 상기 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하며,
상기 판단 결과에 기초하여 상기 제1 운용 이력 정보 및 상기 제2 운용 이력 정보 중 하나를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하며,
상기 예측 결과에 기초하여 상기 냉매 누설에 대한 예측 정보를 제공하는 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 제1 운용 이력 정보가 상기 제2 운용 이력 정보로 전환되면, 상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치.
제1항에 있어서,
상기 메모리는 냉방 이력 정보를 난방 이력 정보로 전환하는 제2 인공지능 모델을 더 저장하고,
상기 프로세서는,
상기 공기 조화 장치 주변의 온도가 임계값 이하이고 상기 공기 조화 장치가 냉방만 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제2 인공지능 모델에 입력하여 상기 제2 운용 이력 정보를 획득하고,
상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치.
제3항에 있어서,
상기 제2 인공지능 모델은 상기 공기 조화 장치 또는 다른 공기 조화 장치의 냉방 이력 정보 및 난방 이력 정보 사이의 상관 관계를 학습한 모델인 전자 장치.
제1항에 있어서,
상기 제1 운용 이력 정보는 상기 공기 조화 장치의 냉방 이력 정보고, 상기 제2 운용 이력 정보는 상기 공기 조화 장치의 난방 이력 정보인 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 공기 조화 장치가 냉방 및 난방이 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 획득하는 전자 장치.
제6항에 있어서,
상기 프로세서는,
상기 공기 조화 장치의 외부 온도가 임계값 이하이고, 상기 제1 운용 이력 정보가 냉방 이력 정보이면, 상기 제1 운용 이력 정보를 상기 제2 운용 이력 정보로 전환하는 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 공기 조화 장치 주변의 온도가 임계값을 초과하면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치.
제1항에 있어서,
상기 제1 운용 이력 정보는 상기 공기 조화 장치의 외부 온도 정보를 포함하고 상기 기기 정보는 상기 공기 조화 장치가 냉방 또는 난방이 가능한지에 대한 정보를 포함하는 전자 장치.
제1항에 있어서,
상기 인공지능 모델은 냉매가 누설된 공기 조화 장치의 냉방 운용 이력 정보 및 난방 운용 이력 정보와 냉매가 누설되지 않은 공기 조화 장치의 냉방 운용 이력 정보 및 난방 운용 이력 정보에 기초하여 학습된 모델인 전자 장치.
전자 장치의 제어 방법에 있어서,
상기 공기 조화 장치로부터 상기 공기 조화 장치의 제1 운용 이력 정보 및 상기 공기 조화 장치의 기기 정보를 수신하는 단계;
상기 공기 조화 장치의 기기 정보 및 상기 공기 조화 장치 주변의 온도 정보에 기초하여 상기 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하는 단계;
상기 판단 결과에 기초하여 상기 제1 운용 이력 정보 및 상기 제2 운용 이력 정보 중 하나를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 단계; 및
상기 예측 결과에 기초하여 상기 냉매 누설에 대한 예측 정보를 제공하는 단계;를 포함하는 전자 장치의 제어 방법.
제11항에 있어서,
상기 냉매 누설 여부를 예측하는 단계는,
상기 제1 운용 이력 정보가 상기 제2 운용 이력 정보로 전환되면, 상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치의 제어 방법.
제11항에 있어서,
상기 전자 장치의 메모리는 냉방 이력 정보를 난방 이력 정보로 전환하는 제2 인공지능 모델을 저장하고,
상기 냉매 누설 여부를 예측하는 단계는,
상기 공기 조화 장치 주변의 온도가 임계값 이하이고 상기 공기 조화 장치가 냉방만 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제2 인공지능 모델에 입력하여 상기 제2 운용 이력 정보를 획득하고,
상기 제2 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치의 제어 방법.
제13항에 있어서,
상기 제2 인공지능 모델은 상기 공기 조화 장치 또는 다른 공기 조화 장치의 냉방 이력 정보 및 난방 이력 정보 사이의 상관 관계를 학습한 모델인 전자 장치의 제어 방법.
제11항에 있어서,
상기 제1 운용 이력 정보는 상기 공기 조화 장치의 냉방 이력 정보고, 상기 제2 운용 이력 정보는 상기 공기 조화 장치의 난방 이력 정보인 전자 장치의 제어 방법.
제11항에 있어서,
상기 냉매 누설 여부를 예측하는 단계는,
상기 공기 조화 장치가 냉방 및 난방이 가능한 것으로 식별되면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 획득하는 전자 장치의 제어 방법.
제16항에 있어서,
상기 냉매 누설 여부를 예측하는 단계는,
상기 공기 조화 장치의 외부 온도가 임계값 이하이고, 상기 제1 운용 이력 정보가 냉방 이력 정보이면, 상기 제1 운용 이력 정보를 상기 제2 운용 이력 정보로 전환하는 전자 장치의 제어 방법.
제11항에 있어서,
상기 냉매 누설 여부를 예측하는 단계는,
상기 공기 조화 장치 주변의 온도가 임계값을 초과하면, 상기 제1 운용 이력 정보를 상기 제1 인공지능 모델에 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 전자 장치의 제어 방법.
제11항에 있어서,
상기 제1 운용 이력 정보는 상기 공기 조화 장치의 외부 온도 정보를 포함하고 상기 기기 정보는 상기 공기 조화 장치가 냉방 또는 난방이 가능한지에 대한 정보를 포함하는 전자 장치의 제어 방법.
제11항에 있어서,
상기 인공지능 모델은 냉매가 누설된 공기 조화 장치의 냉방 운용 이력 정보 및 난방 운용 이력 정보와 냉매가 누설되지 않은 공기 조화 장치의 냉방 운용 이력 정보 및 난방 운용 이력 정보에 기초하여 학습된 모델인 전자 장치의 제어 방법.
전자 장치의 제어 방법을 실행하는 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 기록매체에 있어서,
상기 전자 장치의 제어 방법은,
상기 공기 조화 장치로부터 상기 공기 조화 장치의 제1 운용 이력 정보 및 상기 공기 조화 장치의 기기 정보를 상기 통신 인터페이스를 통해 수신하는 단계;
상기 공기 조화 장치의 기기 정보 및 상기 공기 조화 장치 주변의 온도 정보에 기초하여 상기 제1 운용 이력 정보를 제2 운용 이력 정보로 전환할지 여부를 판단하는 단계;
상기 판단 결과에 기초하여 상기 제1 운용 이력 정보 및 상기 제2 운용 이력 정보 중 하나를 상기 제1 인공지능 모델을 입력하여 상기 공기 조화 장치의 냉매 누설 여부를 예측하는 단계; 및
상기 예측 결과에 기초하여 상기 냉매 누설에 대한 예측 정보를 제공하는 단계;를 포함하는 컴퓨터 판독 가능 기록 매체.