WO2022035050A1 - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2022035050A1
WO2022035050A1 PCT/KR2021/008034 KR2021008034W WO2022035050A1 WO 2022035050 A1 WO2022035050 A1 WO 2022035050A1 KR 2021008034 W KR2021008034 W KR 2021008034W WO 2022035050 A1 WO2022035050 A1 WO 2022035050A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
temperature
processor
scenario
external
Prior art date
Application number
PCT/KR2021/008034
Other languages
English (en)
French (fr)
Inventor
방성용
이상민
정성훈
김종우
김학열
김무영
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2022035050A1 publication Critical patent/WO2022035050A1/ko
Priority to US18/108,419 priority Critical patent/US20230189470A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/20—Cooling means
    • G06F1/206—Cooling means comprising thermal management
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50333—Temperature
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions

Definitions

  • the electronic device may operate using internal components. Components of the electronic device may operate in one of a normal mode operating with normal performance and a heat control mode operating with performance lower than normal performance to reduce heat generated from internal components.
  • the electronic device may include a temperature sensor that measures an internal temperature. When the temperature measured by the temperature sensor is equal to or greater than the specified heating control entry temperature, the electronic device may enter the heating control mode.
  • the temperature inside the electronic device is measured, and when the temperature inside the electronic device is equal to or higher than the heat control entry temperature, the electronic device may collectively operate in the heat control mode.
  • the timing of entering the heat generation control mode may change. For example, when the external temperature of the electronic device is higher than the room temperature range, the internal temperature of the electronic device may increase due to external influences. Even when heat is not generated from components inside the electronic device, the temperature inside the electronic device may be equal to or higher than the heating control entry temperature. In this case, the electronic device enters the heat control mode too quickly, and components inside the electronic device may operate with low performance. As another example, when the external temperature of the electronic device is lower than the room temperature range, the internal temperature of the electronic device may decrease due to an external influence. In this case, since the electronic device enters the heat control mode too late, it may feel uncomfortable to use due to heat generated from the electronic device.
  • Various embodiments disclosed in this document are to provide a method of predicting an external temperature of an electronic device and controlling a heat generation control entry temperature based on the predicted external temperature, and an electronic device to which the method is applied.
  • An electronic device includes a sensor, a communication circuit, a memory storing heat control data for entering a heat control mode at a first temperature, and a processor operatively connected to the sensor and the memory wherein the processor learns a scenario according to use of the electronic device in a specified first temperature range using the sensor, stores the scenario in the memory, and uses the communication circuit and/or the sensor to measure whether the place element of the electronic device changes, start the scenario when the place element changes, predict the external temperature of the electronic device based on the scenario, and When it is different from the internal temperature of the electronic device, it may be set to enter the heat generation control mode at a second temperature different from the first temperature.
  • the method for controlling an electronic device includes an internal temperature of the electronic device according to use of the electronic device, a change amount of the internal temperature of the electronic device for a specified first time, and learning a scenario by measuring the consumption current of the electronic device, starting the scenario when a location element measured by the electronic device changes, and the electronic device based on the internal temperature, the change amount, and the consumption current It may include an operation of predicting an external temperature of the device, and an operation of adjusting a heating control entry temperature at which the electronic device enters a heating control mode based on the predicted external temperature.
  • the electronic device includes a sensor for measuring an internal temperature of the electronic device, a communication circuit, a memory storing heat control data for entering a heat control mode in a normal mode, and the sensor and a processor operatively connected to the memory, wherein the processor repeatedly learns a scenario in a temperature range in which the electronic device is used, starts the scenario, the internal temperature included in the scenario, a specified time Predict the external temperature of the electronic device based on the amount of change in the internal temperature during the period, and the current consumption of the electronic device, and determine the timing of entering the heat generation control mode in the normal mode based on the predicted external temperature It may be set to change from the first time point to the second time point.
  • the embodiments disclosed in this document it is possible to predict the external temperature of the electronic device and control the heating control entry temperature based on the predicted external temperature. Accordingly, when the external temperature of the electronic device has a value outside the room temperature range, the time of entering the heating control mode may be actively controlled.
  • the heating control entry temperature when the external temperature of the electronic device is higher than the room temperature range, the heating control entry temperature may be increased. Accordingly, when the external temperature of the electronic device is higher than the room temperature range, the components inside the electronic device may more easily operate in the normal mode.
  • the heating control entry temperature may be lowered. Accordingly, when the external temperature of the electronic device is lower than the room temperature range, discomfort due to heat generated in the electronic device may be reduced.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure
  • FIG. 2 is a flowchart illustrating a method of controlling an electronic device according to an exemplary embodiment.
  • FIG. 3 is a diagram illustrating a scenario learning operation and an external temperature prediction operation of an electronic device according to an exemplary embodiment.
  • FIG. 4 is a flowchart illustrating a method of changing a temperature at which an electronic device enters a heat generation control mode according to an exemplary embodiment.
  • FIG. 5 is a diagram illustrating a scenario in which an electronic device learns according to an embodiment.
  • FIG. 6 is a block diagram illustrating modules through which an electronic device enters a heat control mode from a normal mode according to an exemplary embodiment.
  • FIG. 7 is a flowchart illustrating a method of changing a temperature at which an electronic device enters a heat generation control mode according to an exemplary embodiment.
  • FIG. 8 is a flowchart illustrating a method of changing a time point at which an electronic device enters a heating control mode according to an exemplary embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100 according to various embodiments.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199
  • the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120 , a memory 130 , an input module 150 , a sound output module 155 , a display module 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 may be included.
  • at least one of these components eg, the connection terminal 178
  • may be omitted or one or more other components may be added to the electronic device 101 .
  • some of these components are integrated into one component (eg, display module 160 ). can be
  • the processor 120 for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • software eg, a program 140
  • the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 .
  • the volatile memory 132 may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • the processor 120 is the main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit
  • NPU neural processing unit
  • an image signal processor e.g., a sensor hub processor, or a communication processor.
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit
  • NPU neural processing unit
  • an image signal processor e.g., a sensor hub processor, or a communication processor.
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123
  • the auxiliary processor 123 is, for example, on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, executing an application). ), together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the co-processor 123 eg, an image signal processor or a communication processor
  • may be implemented as part of another functionally related component eg, the camera module 180 or the communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • Artificial intelligence models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself on which artificial intelligence is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example.
  • the artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.
  • the memory 130 may store various data used by at least one component of the electronic device 101 (eg, the processor 120 or the sensor module 176 ).
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 , and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
  • the input module 150 may receive a command or data to be used in a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 .
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output a sound signal to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from or as part of the speaker.
  • the display module 160 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display module 160 may include, for example, a control circuit for controlling a display, a hologram device, or a projector and a corresponding device.
  • the display module 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input module 150 , or an external electronic device (eg, a sound output module 155 ) connected directly or wirelessly with the electronic device 101 . A sound may be output through the electronic device 102 (eg, a speaker or headphones).
  • an external electronic device eg, a sound output module 155
  • a sound may be output through the electronic device 102 (eg, a speaker or headphones).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 177 may support one or more designated protocols that may be used by the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card
  • the connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication performance through the established communication channel.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a LAN (local area network) communication module, or a power line communication module).
  • GNSS global navigation satellite system
  • a corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN).
  • a first network 198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 199 eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN).
  • a telecommunication network
  • the wireless communication module 192 uses the subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 .
  • the electronic device 101 may be identified or authenticated.
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR).
  • NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • a high frequency band eg, mmWave band
  • the wireless communication module 192 includes various technologies for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ).
  • the wireless communication module 192 may include a peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less).
  • a peak data rate eg, 20 Gbps or more
  • loss coverage eg, 164 dB or less
  • U-plane latency for realizing URLLC
  • the antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, bottom side) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or a part of operations executed in the electronic device 101 may be executed in one or more external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 .
  • the electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or the server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • FIG. 2 is a flowchart 200 illustrating a method of controlling an electronic device (eg, the electronic device 101 of FIG. 1 ) according to an exemplary embodiment.
  • the processor eg, the processor 120 of FIG. 1
  • the processor may perform device learning.
  • Device learning may be an operation of learning internal information of the electronic device 101 .
  • the device learning may be machine learning.
  • the processor 120 may set a scenario according to the use of the electronic device 101 .
  • a scenario may include a plurality of sub-scenarios.
  • the processor 120 may set a scenario in which internal components of the electronic device 101 are used.
  • the processor 120 may set a sub-scenario in which at least one hardware module from among a plurality of hardware modules that may become a heating point and/or a hotspot inside the electronic device 101 is used.
  • the processor 120 may set a plurality of sub-scenarios so that all of the plurality of hardware modules may be used.
  • the processor 120 may set a plurality of situations in which some of the plurality of hardware modules are used.
  • the processor 120 may set each of a plurality of situations as a sub-scenario.
  • the processor 120 may store the scenario in a memory (eg, the memory 130 of FIG. 1 ).
  • the processor 120 may execute a set scenario.
  • the processor 120 may individually execute each of the plurality of sub-scenarios.
  • the processor 120 may learn the state of the electronic device 101 corresponding to the executed sub-scenario.
  • the processor 120 may learn the internal temperature value of the electronic device 101 over time after executing the sub-scenario.
  • the processor 120 may learn the amount of change in the internal temperature of the electronic device 101 for a specified time after executing the sub-scenario.
  • the processor 120 may learn the amount of current consumed by the electronic device 101 after executing the sub-scenario.
  • the processor 120 may learn the amount of charging current when charging the electronic device 101 after executing the sub-scenario.
  • the processor 120 may execute a scenario in a specified first temperature range.
  • the designated first temperature range may be a temperature range in which the electronic device 101 is used.
  • the designated first temperature range may be a room temperature range.
  • the designated first temperature range may be greater than or equal to about 15 degrees Celsius and less than or equal to about 45 degrees Celsius.
  • the processor 120 may change the temperature while executing the scenario by using a chamber capable of changing the external temperature of the electronic device 101 .
  • the processor 120 may change the temperature at regular intervals while executing the scenario.
  • the processor 120 may repeatedly learn the same sub-scenarios while changing the temperature.
  • the processor 120 may acquire heat generation data related to heat of the electronic device 101 by repeatedly learning sub-scenarios.
  • the processor 120 may model machine learning using the heat generation data.
  • the processor 120 may extract machine learning parameters.
  • the processor 120 may store values of the machine learning parameters in the memory 130 .
  • the processor 120 may update the machine learning model.
  • the processor 120 may iteratively learn the sub-scenarios to increase the accuracy of the machine learning model.
  • the processor 120 may set the machine learning parameters differently for each electronic device 101 .
  • the processor 120 may set the machine learning parameters differently for each version of the machine learning model.
  • the processor 120 may store the updated machine learning model in a server (eg, the server 108 of FIG. 1 ) using a communication circuit (eg, the wireless communication module 192 of FIG. 1 ).
  • the processor 120 may download the machine learning parameters from the server 108 using the communication circuit 192 .
  • the processor 120 may update the machine learning model using the downloaded machine learning parameters.
  • the processor 120 of the electronic device 101 may perform an estimation trigger.
  • the processor 120 may set an event for starting the learned scenario.
  • the processor 120 may start a learned scenario when a set event occurs. When a set event occurs, the processor 120 may perform a trigger for starting the learned scenario.
  • the processor 120 may set a case in which a place element changes as an event for starting a learned scenario.
  • the place element may be data related to a place where the electronic device 101 is located.
  • the place element may be data indicating whether the electronic device 101 is located outside or indoors.
  • the location element may be data indicating whether the electronic device 101 is in the same location or moves to another location.
  • the external temperature of the electronic device 101 when the electronic device 101 is located in the same place, the external temperature of the electronic device 101 may be maintained. When the electronic device 101 is located in the same place, the value of the external temperature of the electronic device 101 may change within a specified range or less while time elapses after the value of the external temperature is determined.
  • the processor 120 does not need to periodically perform the learned scenario.
  • the processor 120 may determine the location and/or situation of the electronic device 101 to perform the learned scenario only when necessary.
  • the processor 120 may reduce resources required by performing the learned scenario.
  • the processor 120 of the electronic device 101 may perform ambient temperature estimation.
  • the processor 120 may predict the external temperature of the electronic device 101 based on information learned through machine learning.
  • the processor 120 may collect internal information in real time within the electronic device 101 based on machine learning parameters that are learned and stored in the memory 130 when receiving a situation of an outside temperature prediction time. there is.
  • the internal information may include an internal temperature of the electronic device 101 , a change amount of the internal temperature of the electronic device 101 for a specified time, and a current consumption value of the electronic device 101 .
  • the processor 120 may use the collected internal information as an input of the machine learning model.
  • the processor 120 may calculate an external temperature prediction value of the electronic device 101 by using the machine learning model.
  • the processor 120 of the electronic device 101 may perform device overheat control.
  • the processor 120 may use the predicted external temperature of the electronic device 101 as an input for heat generation control.
  • the processor 120 may reflect the external temperature of the electronic device 101 when entering a heat control mode that reduces performance in order to prevent overheating due to heat of the electronic device 101 .
  • the processor 120 is the electronic device 101 learned through at least one thermistor included in the sensor module (eg, the sensor module 176 of FIG. 1 ) of the electronic device 101 .
  • the surface temperature and the predicted external temperature can be used together to achieve device overheat control.
  • the processor 120 may enter the heat generation control mode by adjusting the performance of at least one of the components generating heat in the electronic device 101 .
  • the processor 120 generates heat by performing LTE Fallback, in which the communication circuit (eg, the wireless communication circuit 192 of FIG. 1 ) converts the communication method from the 5G method to the LTE (Long Term Evolution) method. You can enter control mode.
  • the processor 120 may enter the heat control mode by decreasing the luminance of the display (eg, the display module 160 of FIG. 1 ).
  • the processor 120 may enter the heat control mode to decrease the surface temperature of the electronic device 101 .
  • FIG. 3 is a diagram 300 illustrating a scenario learning operation and an external temperature prediction operation of an electronic device (eg, the electronic device 101 of FIG. 1 ) according to an exemplary embodiment.
  • the processor may operate in the offline 301 and the online 302 .
  • device learning eg, device learning 210 of FIG. 2
  • the online 302 may perform external temperature prediction (eg, external temperature prediction 230 of FIG. 2 ).
  • the processor 120 may obtain information related to a system state of an electronic device (eg, the electronic device 101 of FIG. 1 ).
  • a scenario according to the use of the electronic device 101 may be set based on information related to the system state of the electronic device 101 .
  • the processor 120 may select features for setting a scenario in operation 320 .
  • the features may include machine learning parameters for learning the scenario.
  • processor 120 may include processor 120 , a power management module (eg, power management module 188 of FIG. 1 ), communication circuitry (eg, wireless communication circuitry 192 of FIG. 1 ), and/or a battery. (eg, battery 189 in Fig. 1) may be selected as a feature.
  • the processor 120 may be characterized by an internal temperature, an amount of change in the internal temperature over a specified time period, and/or a current consumption value. You can choose.
  • the electronic device 101 may be placed in a temperature chamber. While changing the temperature of the temperature chamber, the ambient temperature of the electronic device 101 may be changed.
  • the processor 120 may receive combined data in operation 340 .
  • the processor 120 may receive a temperature of a temperature chamber that is a learning environment and internal information of the electronic device 101 .
  • the processor 120 may repeatedly learn the input information.
  • the processor 120 may separately collect information according to each external temperature.
  • the processor 120 may perform a pre-processing process in operation 350 .
  • the processor 120 may store input information in a memory (eg, the memory 130 of FIG. 1 ).
  • the processor 120 may transmit the input information to a server (eg, the server 108 of FIG. 1 ) through a communication circuit (eg, the wireless communication circuit 192 of FIG. 1 ).
  • the processor 120 may perform machine learning training in operation 360 .
  • the processor 120 may perform machine learning using information collected for each external temperature.
  • the processor 120 may generate or update machine learning parameters by performing machine learning.
  • the machine learning model may apply Linear Regression (LR), Supported Vector Regression (SVR), and/or Multi-layer Perception (MLP).
  • LR Linear Regression
  • SVR Supported Vector Regression
  • MLP Multi-layer Perception
  • the present invention is not limited thereto, and the processor 120 may perform machine learning using various modeling methods.
  • the processor 120 may store the machine learning model in operation 370 .
  • the stored model 375 may include machine learning parameters.
  • the generated machine learning parameters may be included in software in the terminal (eg, the program 140 of FIG. 1 ).
  • the processor 120 may select system states for predicting the external temperature of the electronic device 101 .
  • System states may include parameters for predicting the external temperature.
  • processor 120 may feature selection of processor 120 , power management module (eg, 188 ), communication circuitry 192 , and/or charging circuitry of battery 189 .
  • the processor 120 may select an internal temperature, a change amount of the internal temperature for a specified time, and/or a current consumption value as a characteristic.
  • the processor 120 may predict the external temperature of the electronic device 101 in operation 390 .
  • the processor 120 may calculate an external temperature prediction value of the electronic device 101 by applying the selected parameters.
  • modeling may be performed including at least one assumption for prediction.
  • the at least one assumption may include an assumption that the internal temperature of the electronic device 101 is substantially the same as the temperature of the battery 189 of the electronic device 101 .
  • the at least one assumption may include an assumption that the temperature of the battery 189 of the electronic device 101 is determined by an influence of an external temperature and an influence of an internal operation of the electronic device 101 .
  • at least one assumption is that the temperature value Tbat of the battery 189 of the electronic device 101 is a temperature value increased by the operation of the electronic device 101 to the external temperature value Tamb of the electronic device 101 . It may include the assumption that it is substantially equal to the sum of ( ⁇ T).
  • the temperature value ⁇ T increased by the operation of the electronic device 101 may be determined by the degree of use of components included in the electronic device 101 .
  • the temperature value ⁇ T increased by the operation of the electronic device 101 may be determined by the degree of use of circuits and ICs that are hot spots for generating heat.
  • the temperature value ⁇ T increased by the operation of the electronic device 101 may be predicted as the current consumption of the electronic device 101 .
  • the input values of the model for predicting the external temperature include the internal temperature of the electronic device 101 , the amount of change in the internal temperature of the electronic device 101 for a specified time, and the consumption current of the electronic device 101 . may include
  • the internal temperature of the electronic device 101 may be a temperature value measured by at least one thermistor disposed inside the electronic device 101 .
  • the internal temperature of the electronic device 101 is determined by the processor (eg, the processor 120 of FIG. 1 ), the connection terminal (eg, the connection terminal 178 of FIG. 1 ) of the electronic device 101 (eg, the USB ), a battery (eg, the battery 189 in FIG. 1 ), a charging circuit, a power management module 188 , and a wireless communication circuit 192 (eg, CP and/or WiFi).
  • the change amount of the internal temperature of the electronic device 101 for a specified time period may be obtained by measuring the change amount of the temperature of each thermistor for each specific period.
  • the current consumption of the electronic device 101 may be obtained by measuring the power management module 188 (eg, the amount of current consumed by the IFPMIC).
  • the output value of the model for predicting the external temperature may be a temperature value ⁇ T increased by the operation of the electronic device 101 .
  • the machine learning model for predicting the external temperature may be generated by applying various machine learning methods.
  • the external temperature can be calculated using a machine learning model.
  • Various algorithms may be applied as a machine learning algorithm for calculating the temperature value ⁇ T increased by the operation of the electronic device 101 .
  • the external temperature value Tamb may be calculated as a value obtained by subtracting the temperature value ⁇ T increased by the operation of the electronic device 101 from the temperature value Tbat of the battery 189 .
  • the external temperature value Tamb is the temperature value Tbat of the electronic device 101 from the battery 189 temperature value Tbat. It can be calculated by subtracting the temperature value ( ⁇ T) raised by the operation.
  • a prediction error may increase.
  • another method of calculating the external temperature value Tamb may be applied. For example, when the amount of current consumed by the IFPMIC is less than the specified first threshold and the difference between the temperature values of the processor 120 and the battery 189 is less than the specified second threshold, the electronic device 101 is turned off or the electronic device 101 is turned off. The device 101 may be in a state in which there is substantially no change in temperature due to the operation of the electronic device 101 by maintaining the standby state.
  • the external temperature value Tamb is the temperature value of the battery 189 ( Tbat) and can be calculated with substantially the same value.
  • the processor 120 determines that when the electronic device 101 is turned off or the electronic device 101 maintains a standby state so that there is substantially no change in temperature due to the operation of the electronic device 101 , the external temperature value Tamb is It may be determined that the temperature value Tbat of the battery 189 is substantially the same.
  • FIG. 4 is a flowchart 400 illustrating a method of changing a temperature at which an electronic device (eg, the electronic device 101 of FIG. 1 ) enters a heat generation control mode according to an exemplary embodiment.
  • an electronic device eg, the electronic device 101 of FIG. 1
  • the processor (eg, the processor 120 of FIG. 1 ) of the electronic device 101 operates in a first temperature range designated using a sensor (eg, the sensor module 176 of FIG. 1 ).
  • a scenario according to the use of the electronic device 101 may be learned.
  • the designated first temperature range may be a room temperature range.
  • the scenario may include a plurality of sub-scenarios in which at least one component among a plurality of components generating heat inside the electronic device is used.
  • Learning includes acquisition of data related to the internal temperature of the electronic device 101, the amount of change in the internal temperature value for a specified time, the consumption current of the electronic device 101, and/or the charging current when the electronic device 101 is charged can do.
  • the communication circuit (eg, the wireless communication circuit 192 of FIG. 1 ) of the electronic device 101 may download a plurality of machine learning parameters related to learning from a server (eg, the server 108 of FIG. 1 ).
  • the processor 120 of the electronic device 101 may store a scenario in a memory (eg, the memory 130 of FIG. 1 ).
  • the processor 120 may update the scenario using a plurality of machine learning parameters downloaded from the server 108 .
  • the processor 120 of the electronic device 101 may measure whether the location element of the electronic device 101 is changed using the communication circuit 192 and/or the sensor 176 .
  • the location element may include a GPS location, a Wi-fi signal to which the communication circuit 192 is connected, information of a cell to which the communication circuit 192 is connected, and/or external illuminance measured by the sensor 176 .
  • the processor 120 changes the location element of the electronic device 101 can be judged to have been
  • the processor 120 may determine that the location of the electronic device 101 has changed from indoors to outdoors.
  • the processor 120 of the electronic device 101 may start a scenario when the place element changes.
  • the processor 120 may determine that the external temperature of the electronic device 101 may change when the location element changes.
  • the processor 120 may prepare to predict the external temperature of the electronic device 101 when the location element changes.
  • the processor 120 of the electronic device 101 may predict the external temperature of the electronic device 101 based on the scenario.
  • the processor 120 may predict the external temperature by executing a corresponding sub-scenario among sub-scenarios included in the scenario.
  • the processor 120 may calculate the temperature increased by the operation of the electronic device based on the current consumption of the electronic device 101 .
  • the processor 120 may predict the external temperature as a value obtained by subtracting the temperature increased by the operation of the electronic device 101 from the internal temperature.
  • the processor 120 determines that the consumption current of the electronic device 101 is equal to or less than the specified first threshold value and the difference between the temperature value of the processor 120 and the temperature value of the battery (eg, the battery 189 of FIG. 1 ) is the second threshold value. Below the value, the outside temperature can be predicted to be substantially equal to the inside temperature.
  • the processor 120 of the electronic device 101 enters the heat generation control mode at a second temperature different from the first temperature when the predicted external temperature is different from the internal temperature of the electronic device 101 according to an embodiment. can be set to When the predicted external temperature is higher than the internal temperature of the electronic device 101 , the processor 120 may set the second temperature to a value higher than the first temperature. When the predicted external temperature is lower than the internal temperature of the electronic device 101 , the processor 120 may set the second temperature to a value lower than the first temperature.
  • the maximum performance may not be used in hot areas close to the equator, such as the Middle East and South Asia, or in summer or relatively compared to other areas or seasons.
  • the time to enter the heat control mode may be quick, and the period for operating in the heat control mode may be long.
  • the communication method of the communication circuit 192 is restricted to enter the heat control mode, the fallback from 5G communication to LTE communication operates quickly, making it almost impossible to use 5G communication. there is.
  • a high brightness mode HBM
  • the temperature of the electronic device 101 rapidly rises due to the outside temperature in summer, so that it may not be able to operate in the high luminance mode.
  • the processor 120 of the electronic device 101 sets it to enter the heat generation control mode at a second temperature higher than the first temperature.
  • the minimum performance of the electronic device 101 may be guaranteed in a high temperature environment.
  • the processor 120 may operate in a normal mode to increase a temperature range that utilizes the electronic device 101 to its maximum performance.
  • the user In a cold region or winter, the user more easily senses that heat is generated by the electronic device 101 , and thus the sensible heat generation temperature may be relatively lowered.
  • the temperature entering the heat control mode is maintained at the first temperature regardless of the external temperature, the user may enter the heat control mode after feeling that a lot of heat is generated in the electronic device 101 in a cold area or in winter. . In this case, the sensible heat felt by the user may increase.
  • the processor 120 of the electronic device 101 sets the user to enter the heat generation control mode at a second temperature lower than the first temperature. It can reduce the sensible fever felt by The processor 120 may increase the temperature range operating in the heat generation control mode to reduce heat due to use of the electronic device 101 in a cold region or in winter.
  • FIG. 5 is a diagram 500 illustrating a scenario in which an electronic device (eg, the electronic device 101 of FIG. 1 ) learns according to an embodiment.
  • an electronic device eg, the electronic device 101 of FIG. 1
  • the processor 120 may learn a scenario according to the use of the electronic device 101 .
  • the type and number of sub-scenarios included in the scenario may vary.
  • the sub-scenarios may be set so that components or hardware inside the electronic device 101 that can become a hotspot operate singly or in combination.
  • the sub-scenarios may include all cases in which at least one of the internal components of the electronic device 101 operates.
  • a plurality of sub-scenarios may be indicated.
  • the first sub-scenario is VT Call
  • the second sub-scenario is VT Call + Download
  • the third sub-scenario is Game1
  • the fourth sub-scenario is Download
  • the fifth sub-scenario is rapid discharge
  • the sixth sub-scenario is camera Recording
  • Sub-Scenario 7 is Youtube
  • Sub-Scenario 8 is Browsing
  • Sub-Scenario 9 is Game2
  • Sub-Scenario 10 is App Install + Download
  • Sub-Scenario 11 is Benchmark Antutu
  • Sub-Scenario 12 is Bnechmark personalbench4, 13
  • the sub-scenario may be Benchmark GFX.
  • a hotspot used when performing each of a plurality of sub-scenarios may be different.
  • hotspots may include charging, WIFI, and Filght.
  • the charging hotspot may be used in the second sub-scenario, the third sub-scenario, the fourth sub-scenario, the seventh sub-scenario, the ninth sub-scenario, and the tenth sub-scenario.
  • the WIFI hotspot can be used in the 5th sub-scenario and the 10th sub-scenario.
  • the Flight hotspot may be used in the eleventh sub-scenario, the twelfth sub-scenario, and the thirteenth sub-scenario.
  • components used when performing each of a plurality of sub-scenarios may be different from each other. Combinations of components used when performing each of the plurality of sub-scenarios may be different.
  • heat generated by the electronic device 101 may be different.
  • the processor 120 may measure heat generated by the electronic device 101 when each of the plurality of sub-scenarios is performed and store related data in a memory (eg, the memory 130 of FIG. 1 ).
  • FIG. 6 is a block diagram 600 illustrating modules through which an electronic device (eg, the electronic device 101 of FIG. 1 ) enters a heat control mode from a normal mode according to an exemplary embodiment.
  • the processor eg, the processor 120 of FIG. 1
  • the processor includes an outdoor temperature prediction module 640 , a surface temperature prediction module 650 , a heat generation control direction determination module 660 , and An invention control module 670 may be included.
  • the outdoor temperature prediction module 640 may predict the external temperature of the electronic device 101 .
  • the outside temperature prediction module 640 may predict the outside temperature based on the learned scenario.
  • the outdoor temperature prediction module 640 may predict the external temperature based on the internal temperature of the electronic device 101 , the amount of change in the internal temperature for a specified time, and the consumption current of the electronic device 101 .
  • the outdoor temperature prediction module 640 may transmit the predicted external temperature to the heat generation control direction determination module 660 .
  • the surface temperature prediction module 650 may predict the surface temperature of the electronic device 101 .
  • the internal temperature of the electronic device 101 may be measured using the thermistor included in the sensor module (eg, the sensor module 176 of FIG. 1 ).
  • the surface temperature prediction module 650 may predict the surface temperature based on the measured internal temperature.
  • the surface temperature prediction module 650 may transmit the predicted surface temperature to the heat generation control direction determination module 660 .
  • the heating control direction determining module 660 may set a condition for entering the heating control mode.
  • the heating control direction determining module 660 may set the temperature at which the heating control mode is entered from the normal mode. When the external temperature is high, the temperature at which heat is sensed also increases, so that the control of heat generation can be deferred according to the outside temperature.
  • the heating control direction determining module 660 may set the temperature at which the heating control mode is entered to be less than or equal to a threshold temperature.
  • the heating control direction determining module 660 may determine the heating control direction according to the external temperature. For example, when the temperature entering the heat control mode before reflecting the external temperature is TC, and the maximum temperature at which the heat control mode can be deferred to prevent low temperature formation is B, the heat generated based on the outside temperature TCA, which is the temperature at which the control mode enters, can be defined as in Equation 1 below.
  • the heating control direction determining module 660 may adjust the timing of entering the heating control mode from the normal mode.
  • the heating control direction determining module 660 may dynamically increase or decrease the rate of operation in the heating control mode.
  • the heating control direction determining module 660 may transmit the set condition to the heating control module 670 .
  • the reference surface temperature of the electronic device 101 may be low.
  • the heating control direction determining module 660 may reversely apply the above-described algorithm to set a low temperature at which the electronic device 101 enters the heating control mode.
  • the heat control direction determining module 660 may reduce heat experienced by the user by allowing the electronic device 101 to enter the heat control mode more quickly.
  • the surface temperature of the electronic device 101 may be affected by an external temperature. Accordingly, the outside temperature prediction module 640 may transmit the outside temperature to the surface temperature prediction module 650 . The surface temperature prediction module 650 may receive an external temperature and predict the surface temperature more accurately.
  • the heat generation control direction determination module 660 may monitor a change in external temperature.
  • the heating control direction determining module 660 may determine whether the space in which the electronic device 101 is located is an open space or a closed space according to a change rate of the external temperature.
  • the heating control direction determining module 660 may determine the heating control direction according to a space in which the electronic device 101 is located.
  • the heat control module 670 may perform heat control according to the direction determined by the heat control direction determination module 660 .
  • the heat control module 670 may cause the first component 610 , the second component 620 , and/or the third component 630 to enter the heat control mode.
  • FIG. 7 is a flowchart 700 illustrating a method of changing a temperature at which an electronic device (eg, the electronic device 101 of FIG. 1 ) enters a heat generation control mode according to an exemplary embodiment.
  • an electronic device eg, the electronic device 101 of FIG. 1
  • the processor of the electronic device 101 determines the internal temperature of the electronic device 101 according to the use of the electronic device 101 , a designated first A scenario may be learned by measuring the amount of change in the internal temperature of the electronic device 101 and the current consumption of the electronic device over time.
  • the scenario may include a plurality of sub-scenarios in which at least one component among a plurality of components generating heat inside the electronic device 101 is used.
  • the processor 120 may repeatedly acquire the scenario according to the use of the electronic device in the specified first temperature range.
  • the processor 120 of the electronic device 101 may start a scenario when the location element measured by the electronic device 101 changes.
  • the location element may include a GPS location, a Wi-fi signal to which communication circuitry (eg, wireless communication circuitry 192 in FIG. 1 ) is connected, information from a cell to which communication circuitry 192 is connected, and/or a sensor (eg, a sensor in FIG. 1 ).
  • the module 176 may include the measured external illuminance.
  • the external temperature may not change rapidly in the same space. Since the external temperature in the same space is changed gradually or is kept constant for a short time, it may not be possible to periodically predict the external temperature in the same space.
  • the processor 120 may set the prediction time by using the information measured by the sensor 176, the location factor such as WiFi, AP, or RF network information to which the communication circuit 192 is connected, and GPS information. .
  • the location factor such as WiFi, AP, or RF network information to which the communication circuit 192 is connected
  • GPS information For example, when the illuminance measured by the sensor 176 changes by more than a specified threshold value, the location may have been changed to an external environment with direct sunlight.
  • the processor 120 may predict and update the external temperature when the measured illuminance changes by more than a specified threshold value.
  • the WiFi connection state of the communication circuit 192 is changed or the connected AP is changed, the location is changed and the external temperature may be changed.
  • the processor 120 may predict and update the external temperature when the WiFi connection state of the communication circuit 192 changes or the connected AP changes.
  • the processor 120 may determine an external temperature prediction time by monitoring GPS or network cell information. The processor 120 may reduce the internal load of the electronic device 101 for predicting the external temperature by setting
  • the processor 120 of the electronic device 101 may predict the external temperature of the electronic device 101 based on the internal temperature, the change amount, and the consumption current.
  • the processor 120 may calculate the temperature increased by the operation of the electronic device 101 based on the current consumption of the electronic device 101 .
  • the processor 120 may predict the external temperature as a value obtained by subtracting the temperature increased by the operation of the electronic device 101 from the internal temperature.
  • the processor 120 of the electronic device 101 may adjust the heating control entry temperature at which the electronic device 101 enters the heating control mode based on the predicted external temperature.
  • the processor 120 may increase the heating control entry temperature when the predicted external temperature is higher than the internal temperature of the electronic device 101 .
  • the processor 120 may decrease the heating control entry temperature.
  • FIG. 8 is a flowchart 900 illustrating a method of changing a time when an electronic device (eg, the electronic device 101 of FIG. 1 ) enters a heat generation control mode according to an exemplary embodiment.
  • an electronic device eg, the electronic device 101 of FIG. 1
  • the processor of the electronic device 101 may repeatedly learn a scenario in a temperature range in which the electronic device 101 is used.
  • the scenario may include a plurality of sub-scenarios in which at least one component among a plurality of components generating heat inside the electronic device 101 is used.
  • the processor 120 of the electronic device 101 may start a scenario in operation 820 .
  • the processor 120 may include a GPS location, a Wi-fi signal to which a communication circuit (eg, the wireless communication circuit 192 in FIG. 1 ) is connected, information of a cell to which the communication circuit 192 is connected, and/or a sensor (eg, FIG. 1 ). It may be set to start a scenario when the external illuminance measured by the sensor module 176 of the .
  • the processor 120 of the electronic device 101 performs the electronic device based on the internal temperature included in the scenario, the change amount of the internal temperature for a specified time, and the consumption current of the electronic device 101 .
  • the external temperature of (101) can be predicted.
  • the processor 120 of the electronic device 101 may change the time of entering the heat generation control mode from the normal mode from the first time point to the second time point based on the predicted external temperature. .
  • the processor 120 may be set to delay the second time point later than the first time point when the predicted external temperature is higher than the internal temperature.
  • the processor 120 may be set to pull the second time point forward than the first time point when the predicted external temperature is lower than the internal temperature.
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first, second, or first or second may be used simply to distinguish the element from other elements in question, and may refer to elements in other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • one or more instructions stored in a storage medium may be implemented as software (eg, the program 140) including
  • a processor eg, processor 120
  • a device eg, electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not include a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be provided as included in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play StoreTM) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly between smartphones (eg: smartphones) and online.
  • a part of the computer program product may be temporarily stored or temporarily generated in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
  • each component (eg, module or program) of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. there is.
  • one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg, a module or a program
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component are executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. or one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Thermal Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Telephone Function (AREA)

Abstract

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

Description

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

Claims (15)

  1. 전자 장치에 있어서,
    센서;
    통신 회로;
    제1 온도에서 발열 제어 모드에 진입하도록 하는 발열 제어 데이터가 저장된 메모리; 및
    상기 센서 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는,
    상기 센서를 이용하여 지정된 제1 온도 범위에서의 상기 전자 장치의 사용에 따른 시나리오를 학습하고;
    상기 메모리에 상기 시나리오를 저장하고;
    상기 통신 회로 및/또는 상기 센서를 이용하여 상기 전자 장치의 장소 요소가 변화하는지 여부를 측정하고;
    상기 장소 요소가 변화하는 경우 상기 시나리오를 시작하고;
    상기 시나리오에 기반하여 상기 전자 장치의 외부 온도를 예측하고; 및
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도와 다른 경우 상기 제1 온도와 다른 제2 온도에 상기 발열 제어 모드에 진입하도록 설정된 전자 장치.
  2. 청구항 1에 있어서,
    상기 시나리오는 상기 전자 장치 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함하는 전자 장치.
  3. 청구항 1에 있어서,
    상기 학습은 상기 전자 장치의 상기 내부 온도, 지정된 시간 동안의 상기 내부 온도 값의 변화량, 상기 전자 장치의 소모 전류, 및/또는 상기 전자 장치의 충전 시 충전 전류와 관련된 데이터의 획득을 포함하는 전자 장치.
  4. 청구항 1에 있어서,
    상기 통신 회로는 서버로부터 상기 학습과 관련된 복수의 기계 학습 파라미터들을 내려 받고,
    상기 프로세서는 상기 복수의 기계 학습 파라미터들을 이용하여 상기 시나리오를 업데이트 하도록 설정된 전자 장치.
  5. 청구항 1에 있어서,
    상기 장소 요소는 GPS 위치, 상기 통신 회로가 연결된 Wi-fi 신호, 상기 통신 회로가 연결된 셀의 정보, 및/또는 상기 센서가 측정한 외부의 조도를 포함하는 전자 장치.
  6. 청구항 1에 있어서, 상기 프로세서는,
    상기 전자 장치의 동작에 의해 상승된 온도를 상기 전자 장치의 소모 전류에 기반하여 산출하고,
    상기 외부 온도를 상기 내부 온도에서 상기 전자 장치의 동작에 의해 상승된 온도를 뺀 값으로 예측하도록 설정된 전자 장치.
  7. 청구항 1에 있어서, 상기 프로세서는,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 높은 경우 상기 제2 온도를 상기 제1 온도보다 높은 값으로 설정하는 전자 장치.
  8. 청구항 1에 있어서,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 낮은 경우 상기 제2 온도를 상기 제1 온도보다 낮은 값으로 설정하는 전자 장치.
  9. 전자 장치의 제어 방법에 있어서,
    상기 전자 장치의 사용에 따른 상기 전자 장치의 내부 온도, 지정된 제1 시간 동안의 상기 전자 장치의 상기 내부 온도의 변화량, 및 상기 전자 장치의 소모 전류를 측정하여 시나리오를 학습하는 동작;
    상기 전자 장치에서 측정되는 장소 요소가 변화하는 경우 상기 시나리오를 시작하는 동작;
    상기 내부 온도, 상기 변화량, 및 상기 소모 전류에 기반하여 상기 전자 장치의 외부 온도를 예측하는 동작; 및
    상기 예측된 외부 온도에 기반하여 상기 전자 장치가 발열 제어 모드에 진입하는 발열 제어 진입 온도를 조정하는 동작을 포함하는 방법.
  10. 청구항 9에 있어서,
    상기 시나리오는 상기 전자 장치 내부에서 열을 발생시키는 복수의 구성 요소들 중 적어도 하나 이상의 구성 요소가 사용되는 복수의 서브 시나리오들을 포함하는 방법.
  11. 청구항 9에 있어서,
    상기 시나리오를 지정된 제1 온도 범위에서 상기 전자 장치의 사용에 따라 반복적으로 획득하는 방법.
  12. 청구항 9에 있어서,
    상기 장소 요소는 GPS 위치, 상기 전자 장치의 통신 회로가 연결된 Wi-fi 신호, 상기 통신 회로가 연결된 셀의 정보, 및/또는 상기 전자 장치의 센서가 측정한 외부의 조도를 포함하는 방법.
  13. 청구항 9에 있어서, 상기 외부 온도를 예측하는 동작은,
    상기 전자 장치의 동작에 의해 상승된 온도를 상기 전자 장치의 소모 전류에 기반하여 산출하고,
    상기 외부 온도를 상기 내부 온도에서 상기 전자 장치의 동작에 의해 상승된 온도를 뺀 값으로 예측하는 방법.
  14. 청구항 9에 있어서, 상기 발열 제어 진입 온도를 조정하는 동작은,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 높은 경우 상기 발열 제어 진입 온도를 상승시키는 방법.
  15. 청구항 14에 있어서, 상기 발열 제어 진입 온도를 조정하는 동작은,
    상기 예측된 외부 온도가 상기 전자 장치의 내부 온도보다 낮은 경우 상기 발열 제어 진입 온도를 하강시키는 방법.
PCT/KR2021/008034 2020-08-11 2021-06-25 전자 장치 및 그 제어 방법 WO2022035050A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/108,419 US20230189470A1 (en) 2020-08-11 2023-02-10 Electronic device and controlling method therefor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0100624 2020-08-11
KR1020200100624A KR20220020096A (ko) 2020-08-11 2020-08-11 전자 장치 및 그 제어 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/108,419 Continuation US20230189470A1 (en) 2020-08-11 2023-02-10 Electronic device and controlling method therefor

Publications (1)

Publication Number Publication Date
WO2022035050A1 true WO2022035050A1 (ko) 2022-02-17

Family

ID=80246771

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/008034 WO2022035050A1 (ko) 2020-08-11 2021-06-25 전자 장치 및 그 제어 방법

Country Status (3)

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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116709417A (zh) * 2022-10-14 2023-09-05 荣耀终端有限公司 一种温度控制方法及相关设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113776172B (zh) * 2021-08-12 2023-04-14 启北公司 场景温度规划方法和装置、计算机设备以及介质
WO2024136427A1 (ko) * 2022-12-21 2024-06-27 엘지전자 주식회사 전자기기 및 그 제어 방법
KR20240120495A (ko) * 2023-01-31 2024-08-07 삼성전자주식회사 외기 온도를 예측하는 방법 및 전자 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045447A (zh) * 2010-12-29 2011-05-04 中山大学 手机模式智能控制方法及智能控制系统
KR20160145999A (ko) * 2015-06-11 2016-12-21 고려대학교 산학협력단 전자 기기의 발열 관리 방법 및 전자 기기
CN106774733A (zh) * 2016-12-01 2017-05-31 惠州Tcl移动通信有限公司 一种降低移动终端温度的方法和系统
CN107229521A (zh) * 2017-06-01 2017-10-03 深圳天珑无线科技有限公司 移动终端的控制方法和系统、及存储介质
KR20180088776A (ko) * 2018-07-30 2018-08-07 삼성전자주식회사 휴대단말기의 온도 제어장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045447A (zh) * 2010-12-29 2011-05-04 中山大学 手机模式智能控制方法及智能控制系统
KR20160145999A (ko) * 2015-06-11 2016-12-21 고려대학교 산학협력단 전자 기기의 발열 관리 방법 및 전자 기기
CN106774733A (zh) * 2016-12-01 2017-05-31 惠州Tcl移动通信有限公司 一种降低移动终端温度的方法和系统
CN107229521A (zh) * 2017-06-01 2017-10-03 深圳天珑无线科技有限公司 移动终端的控制方法和系统、及存储介质
KR20180088776A (ko) * 2018-07-30 2018-08-07 삼성전자주식회사 휴대단말기의 온도 제어장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116709417A (zh) * 2022-10-14 2023-09-05 荣耀终端有限公司 一种温度控制方法及相关设备
CN116709417B (zh) * 2022-10-14 2024-05-31 荣耀终端有限公司 一种温度控制方法及相关设备

Also Published As

Publication number Publication date
US20230189470A1 (en) 2023-06-15
KR20220020096A (ko) 2022-02-18

Similar Documents

Publication Publication Date Title
WO2022035050A1 (ko) 전자 장치 및 그 제어 방법
WO2021015558A1 (en) Electronic device and method for controlling data throughput based on heat generation in electronic device
WO2022149798A1 (ko) 전자 장치 및 그 전자 장치의 제어 방법
WO2021256719A1 (ko) 발열 이미지를 이용해 발열을 제어하는 전자 장치 및 그 방법
WO2022181965A1 (ko) 업사이클링 기능을 제공하기 위한 방법 및 이를 지원하는 전자 장치
WO2022092580A1 (ko) 전자 장치 표면의 온도를 예측하는 방법 및 그 전자 장치
WO2022239976A1 (ko) 온도 센서를 포함하는 전자 장치 및 방법
WO2022114648A1 (ko) 배경 화면을 설정하기 위한 전자 장치 및 그의 동작 방법
WO2021086049A1 (ko) 전자 장치 및 전자 장치에서 사용자 피드백 기반의 발열 제어 방법
WO2022154150A1 (ko) 전자 장치 및 그 제어 방법
WO2022235035A1 (ko) 전자 장치, 웨어러블 장치, 및 전자 장치와 웨어러블 장치를 포함하는 시스템
WO2022203271A1 (ko) 전자 장치 및 커스터마이즈된 온도 보상 방법
WO2024076053A1 (ko) 온도에 기반하여 전자 장치를 제어하는 방법 및 그 전자 장치
WO2024162724A1 (ko) 외기 온도를 예측하는 방법 및 전자 장치
WO2022240050A1 (ko) 입력 전류를 제어하는 방법 및 전자 장치
WO2024090833A1 (ko) 다수의 배터리들에 대한 충전 전류를 제어하기 위한 전자 장치 및 방법
WO2023008932A1 (ko) 셀 온 또는 오프 트래픽 기반 임계값을 결정하기 위한 전자 장치 및 전자 장치의 동작 방법
WO2022097860A1 (en) Electronic device including flexible display and method of operation thereof
WO2023287057A1 (ko) 주변 장치로부터 입력을 수신하였을 때 화면을 빠르게 업데이트하는 전자 장치
WO2024071826A1 (ko) 배터리를 충전하는 방법 및 전자 장치
WO2024048943A1 (ko) 전자 장치 및 전자 장치의 어플리케이션 성능 최적화 방법
WO2024210285A1 (ko) 이미지를 설정하는 전자 장치 및 설정 방법
WO2022250273A1 (ko) 측정에 의한 전력 소모를 줄이기 위한 전자 장치 및 그의 동작 방법
WO2022103156A1 (ko) 플렉서블 디스플레이를 포함하는 전자 장치 및 이를 이용하는 방법
WO2022005224A1 (ko) 배터리 충전 방법 및 이를 지원하는 전자 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21856057

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21856057

Country of ref document: EP

Kind code of ref document: A1