KR102310970B1 - Device and method apparatus and method for providing recommendation information on artificial intelligence based customized insulator - Google Patents
Device and method apparatus and method for providing recommendation information on artificial intelligence based customized insulator Download PDFInfo
- Publication number
- KR102310970B1 KR102310970B1 KR1020200048763A KR20200048763A KR102310970B1 KR 102310970 B1 KR102310970 B1 KR 102310970B1 KR 1020200048763 A KR1020200048763 A KR 1020200048763A KR 20200048763 A KR20200048763 A KR 20200048763A KR 102310970 B1 KR102310970 B1 KR 102310970B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- construction
- recommendation
- artificial intelligence
- insulation
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000012212 insulator Substances 0.000 title claims description 6
- 238000010276 construction Methods 0.000 claims abstract description 237
- 238000009413 insulation Methods 0.000 claims abstract description 113
- 239000012774 insulation material Substances 0.000 claims abstract description 51
- 238000004891 communication Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 59
- 239000011810 insulating material Substances 0.000 claims description 26
- 238000002834 transmittance Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000000926 separation method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 13
- 238000007637 random forest analysis Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000004579 marble Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- JOYRKODLDBILNP-UHFFFAOYSA-N Ethyl urethane Chemical compound CCOC(N)=O JOYRKODLDBILNP-UHFFFAOYSA-N 0.000 description 1
- 229920006328 Styrofoam Polymers 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011491 glass wool Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011490 mineral wool Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 239000008261 styrofoam Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법에 관한 것으로, 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치는 사용자 단말로부터 단열재 시공의 의뢰 정보를 수신하는 통신부, 상기 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축하는 모델 구축부 및 상기 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성하는 추천부를 포함하되, 상기 통신부는 상기 맞춤형 단열재 추천 정보를 상기 사용자 단말로 전송하는것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치.To an apparatus and method for providing artificial intelligence-based customized insulation recommendation information, the apparatus for providing artificial intelligence-based customized insulation recommendation information according to an embodiment of the present application includes a communication unit receiving request information of insulation construction from a user terminal, based on the request information Thus, a model building unit that builds an artificial intelligence model that calculates insulation recommendation information through learning by inputting construction site information and construction area information of the insulation material, and a customized corresponding to the request information through the built artificial intelligence model A recommendation unit for generating insulation recommendation information, wherein the communication unit transmits the customized insulation material recommendation information to the user terminal.
Description
본원은 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법에 관한 것이다.The present application relates to an apparatus and method for providing artificial intelligence-based customized insulation recommendation information.
건물의 에너지 소비 중에서 가장 큰 비중을 차지하는 것은 건물의 외벽을 통한 열손실이다. 따라서 건물의 에너지 손실을 막기 위해서는 건물의 외벽을 통한 열손실을 막아야 한다. 건물의 외벽을 통한 열손실을 막기 위해 건물의 외벽에는 일반적으로 스티로폼, 우레탄 폼, 유리면, 암면, 폴리에스테르 폼과 같은 단열재가 구비된 패널이 구비된다.The largest proportion of energy consumption in a building is heat loss through the exterior wall of the building. Therefore, in order to prevent energy loss in the building, it is necessary to prevent heat loss through the outer wall of the building. In order to prevent heat loss through the outer wall of the building, the outer wall of the building is generally provided with a panel provided with an insulating material such as styrofoam, urethane foam, glass wool, rock wool, polyester foam.
단열재는 건물의 건축과정에서 시공되므로, 건축물의 각 부위별로 요구되는 단열재가 신중하게 시공될 필요가 있다. 즉, 잘못된 단열재가 시공된 경우, 복구가 어려운 문제점이 있다. 특히, 기존과 달리 신규한 지역이나 신규한 부위에 단열재를 시공하는 경우, 사용된 단열재에 대한 이력이 없어 그 위험성이 증가한다고 할 수 있다.Since the insulation is constructed during the construction process of the building, it is necessary to carefully construct the insulation required for each part of the building. That is, if the wrong insulating material is installed, there is a problem that it is difficult to recover. In particular, unlike the existing ones, when the insulation is installed in a new area or a new area, the risk increases because there is no history of the insulation used.
본원의 배경이 되는 기술은 한국공개특허공보 제10-2013-0075108호에 개시되어 있다.The technology that is the background of the present application is disclosed in Korean Patent Application Laid-Open No. 10-2013-0075108.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 인공지능 모델을 통해 단열재를 시공하고자 하는 지역 및 시공 부위에 맞춤형 단열재에 대한 정보를 제공할 수 있는 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법을 제공하는 것을 목적으로 한다.The present application is to solve the problems of the prior art described above, and an artificial intelligence-based customized insulation recommendation information providing apparatus and method capable of providing information on a customized insulation material to a region and a construction site where an insulation material is to be constructed through an artificial intelligence model aims to provide
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 기존 이력이 없는 신규한 지역이나 신규한 부위에 단열재를 시공하는 경우에도 맞춤형 단열재에 대한 정보를 제공할 수 있는 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법을 제공하는 것을 목적으로 한다.The present application is intended to solve the problems of the prior art described above, and provides artificial intelligence-based customized insulation recommendation information that can provide information on customized insulation materials even when insulation materials are installed in new areas or new areas without an existing history An object of the present invention is to provide an apparatus and method.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들도 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problems to be achieved by the embodiment of the present application are not limited to the technical problems as described above, and other technical problems may exist.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치는 사용자 단말로부터 단열재 시공의 의뢰 정보를 수신하는 통신부, 상기 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축하는 모델 구축부, 상기 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성하는 추천부 및 상기 단열재의 시공 부위 정보 및 시공 지역 정보 중 적어도 하나를 기록하는 데이터베이스를 포함하되, 상기 통신부는, 상기 맞춤형 단열재 추천 정보를 상기 사용자 단말로 전송하고, 상기 의뢰 정보는 건축물의 외벽, 바닥, 지붕, 층간 바닥 중 적어도 어느 하나를 포함하는 시공 부위 정보 및 지역별 온도, 습도, 일조량, 풍량, 강우량 중 적어도 어느 하나를 포함하는 시공 지역 정보를 포함하되, 상기 모델 구축부는, 상기 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 상기 시공 부위 정보와 단열재의 시공 환경에 따른 시공 조건을 입력으로 하는 상기 인공신경망 모델을 통해 상기 추천 두께를 산출하고, 상기 출력은 시공 지역 및 시공 부위 별로 산출되는 상기 추천 두께를 포함하되, 상기 추천부는, 시공 지역별 및 시공 부위별 상기 추천 두께에 기초하여 상기 의뢰 정보에 따른 상기 맞춤형 단열재 추천 정보를 생성하고, 상기 추천부는 상기 시공 부위 정보 및 시공 지역 정보에 따른 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.As a technical means for achieving the above technical task, the artificial intelligence-based customized insulation recommendation information providing apparatus according to an embodiment of the present application includes a communication unit that receives request information of insulation construction from a user terminal, based on the request information, A model building unit that builds an artificial intelligence model that calculates insulation recommendation information through learning by inputting information on the construction site of the insulation and construction area information, customized insulation recommendation information corresponding to the request information through the built artificial intelligence model and a database for recording at least one of information on a construction site of the insulation and construction area information, wherein the communication unit transmits the customized insulation recommendation information to the user terminal, and the request information is Including construction site information including at least one of an outer wall, a floor, a roof, and an interfloor floor and construction area information including at least any one of temperature, humidity, sunlight, wind quantity, and rainfall by region, wherein the model building unit includes the construction site Under the assumption that the construction area according to the area information is constant, the recommended thickness is calculated through the artificial neural network model in which the construction site information and the construction conditions according to the construction environment of the insulation are input, and the output is the construction area and the construction site Including the recommended thickness calculated for each, the recommendation unit generates the customized insulation recommendation information according to the request information based on the recommended thickness for each construction region and each construction site, and the recommendation unit generates the construction site information and the construction area The customized heat insulating material recommendation information may be generated in consideration of the thermal transmittance rate according to the information.
본원의 일 실시예에 따르면, 상기 모델 구축부는, 지도 학습 기반의 분류/예측 알고리즘에 기초하여 상기 인공지능 모델을 구축할 수 있다.According to an embodiment of the present application, the model building unit may build the artificial intelligence model based on a classification/prediction algorithm based on supervised learning.
본원의 일 실시예에 따르면, 신규 의뢰 패턴 분석부를 더 포함하고, 상기 신규 의뢰 패턴 분석부는, 상기 의뢰 정보를 입력으로 하는 비지도 학습 기반의 군집 알고리즘에 기초하여 상기 단열재 시공의 신규 의뢰 패턴을 분류하는 패턴 분류부 및 지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 모형을 구축하는 판별 모형 구축부를 포함하되, 상기 추천부는, 상기 신규 의뢰 패턴 판별 모형에 기초하여 신규 의뢰 패턴에 따른 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.According to an embodiment of the present application, it further includes a new request pattern analysis unit, wherein the new request pattern analysis unit classifies the new request pattern of the insulation construction based on an unsupervised learning-based clustering algorithm to which the request information is input. A pattern classification unit and a determination model building unit for constructing a new request pattern discrimination model based on a decision-making algorithm based on supervised learning, wherein the recommendation unit is customized according to a new request pattern based on the new request pattern discrimination model Insulation recommendation information can be generated.
본원의 일 실시예에 따르면, 상기 패턴 분류부는, 상기 의뢰 정보의 빈도에 기초하여 상기 군집 알고리즘을 통해 상기 의뢰 정보를 복수개의 의뢰 패턴으로 군집하고, 상기 의뢰 패턴의 군집간 분리도에 기초하여 상기 신규 의뢰 패턴을 검출할 수 있다.According to an embodiment of the present application, the pattern classification unit clusters the request information into a plurality of request patterns through the clustering algorithm based on the frequency of the request information, and based on the degree of separation between the groups of the request patterns, the new A request pattern can be detected.
본원의 일 실시예에 따르면, 상기 판별 모형 구축부는, 상기 신규 의뢰 패턴을 입력으로 하는 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하고, 상기 신규 의뢰 패턴 판별 규칙을 포함하는 상기 신규 의뢰 패턴 판별 모형을 구축할 수 있다.According to an embodiment of the present application, the discrimination model building unit learns a new request pattern discrimination rule based on a decision-making algorithm using the new request pattern as an input, and the new request pattern including the new request pattern determination rule A discriminant model can be built.
본원의 일 실시예에 따르면, 상기 추천부는, 상기 신규 의뢰 패턴에 따른 상기 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.According to an embodiment of the present application, the recommendation unit may generate the customized insulation recommendation information in consideration of the thermal transmittance rate according to the new request pattern.
본원의 일 실시예에 따르면, 상기 모델 구축부는, 상기 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 상기 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망에 기초하여 상기 추천 두께를 산출하고, 상기 추천부는, 상기 추천 두께에 대응하는 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.According to one embodiment of the present application, the model building unit, the recommended thickness based on the artificial neural network built through learning to input the information on the construction site and the construction region as an input, and output the recommended thickness of the insulating material. calculation, and the recommendation unit may generate the customized insulation recommendation information corresponding to the recommended thickness.
본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법은 통신부가 사용자 단말로부터 단열재 시공의 의뢰 정보를 수신하는 단계, 모델 구축부가 상기 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축하는 단계, 추천부가 상기 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성하는 단계 및 데이터베이스가 상기 단열재의 시공 부위 정보 및 시공 지역 정보 중 적어도 하나를 기록하는 단계를 포함하되, 상기 통신부는, 상기 맞춤형 단열재 추천 정보를 상기 사용자 단말로 전송하고, 상기 의뢰 정보는 건축물의 외벽, 바닥, 지붕, 층간 바닥 중 적어도 어느 하나를 포함하는 시공 부위 정보 및 지역별 온도, 습도, 일조량, 풍량, 강우량 중 적어도 어느 하나를 포함하는 시공 지역 정보를 포함하되, 상기 모델 구축부는, 상기 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 상기 시공 부위 정보와 단열재의 시공 환경에 따른 시공 조건을 입력으로 하는 상기 인공신경망 모델을 통해 상기 추천 두께를 산출하고, 상기 출력은 시공 지역 및 시공 부위 별로 산출되는 상기 추천 두께를 포함하되, 상기 추천부는, 시공 지역별 및 시공 부위별 상기 추천 두께에 기초하여 상기 의뢰 정보에 따른 상기 맞춤형 단열재 추천 정보를 생성하고, 상기 추천부는 상기 시공 부위 정보 및 시공 지역 정보에 따른 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.The method for providing artificial intelligence-based customized insulation recommendation information according to an embodiment of the present application includes the steps of: a communication unit receiving request information of insulation construction from a user terminal; Building an artificial intelligence model that calculates insulation recommendation information through learning by inputting local information, a recommendation unit generating customized insulation recommendation information corresponding to the request information through the built AI model, and a database Comprising the step of recording at least one of the construction site information and the construction area information of the insulating material, the communication unit transmits the customized insulating material recommendation information to the user terminal, the request information is the outer wall, floor, roof, Construction site information including at least any one of the interfloor floor and construction area information including at least one of temperature, humidity, sunlight, wind volume, and rainfall for each region, wherein the model building unit includes a construction area according to the construction area information Under the assumption that this is constant, the recommended thickness is calculated through the artificial neural network model in which the construction site information and the construction conditions according to the construction environment of the insulator are input, and the output is the recommended thickness calculated for each construction area and construction site. Including, wherein the recommendation unit generates the customized insulation recommendation information according to the request information based on the recommended thickness for each construction region and each construction site, and the recommendation unit considers the heat transmittance rate according to the construction site information and the construction area information Thus, it is possible to generate the customized insulation material recommendation information.
본원의 일 실시예에 따르면, 상기 모델 구축부는, 지도 학습 기반의 분류/예측 알고리즘에 기초하여 상기 모델을 구축할 수 있다.According to an embodiment of the present application, the model building unit may build the model based on a classification/prediction algorithm based on supervised learning.
본원의 일 실시예에 따르면, 신규 의뢰 패턴 분석부가 신규 의뢰 패턴을 분석하는 단계를 더 포함하고, 상기 신규 의뢰 패턴 분석부는, 상기 의뢰 정보를 입력으로 하는 비지도 학습 기반의 군집 알고리즘에 기초하여 상기 단열재 시공의 신규 의뢰 패턴을 분류하는 패턴 분류부 및 지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 모형을 구축하는 판별 모형 구축부를 포함하되, 상기 추천부는, 상기 신규 의뢰 패턴 판별 모형에 기초하여 신규 의뢰 패턴에 따른 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.According to an embodiment of the present application, the method further comprises the step of analyzing a new request pattern by a new request pattern analysis unit, wherein the new request pattern analysis unit is based on an unsupervised learning-based clustering algorithm using the request information as an input. A pattern classification unit for classifying a new request pattern of insulation construction and a discrimination model building unit for building a new request pattern discrimination model based on a decision-making algorithm based on supervised learning, wherein the recommendation unit is based on the new request pattern discrimination model Thus, it is possible to generate the customized insulation recommendation information according to the new request pattern.
본원의 일 실시예에 따르면, 상기 패턴 분류부는, 상기 의뢰 정보의 빈도에 기초하여 상기 군집 알고리즘을 통해 상기 의뢰 정보를 복수개의 의뢰 패턴으로 군집하고, 상기 의뢰 패턴의 군집간 분리도에 기초하여 상기 신규 의뢰 패턴을 검출할 수 있다.According to an embodiment of the present application, the pattern classification unit clusters the request information into a plurality of request patterns through the clustering algorithm based on the frequency of the request information, and based on the degree of separation between the groups of the request patterns, the new A request pattern can be detected.
본원의 일 실시예에 따르면, 상기 판별 모형 구축부는, 상기 신규 의뢰 패턴을 입력으로 하는 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하고, 상기 신규 의뢰 패턴 판별 규칙을 포함하는 상기 신규 의뢰 패턴 판별 모형을 구축할 수 있다.According to an embodiment of the present application, the discrimination model building unit learns a new request pattern discrimination rule based on a decision-making algorithm using the new request pattern as an input, and the new request pattern including the new request pattern determination rule A discriminant model can be built.
본원의 일 실시예에 따르면, 상기 추천부는, 상기 신규 의뢰 패턴에 따른 상기 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.According to an embodiment of the present application, the recommendation unit may generate the customized insulation recommendation information in consideration of the thermal transmittance rate according to the new request pattern.
본원의 일 실시예에 따르면, 상기 모델 구축부는,상기 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 상기 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망에 기초하여 상기 추천 두께를 산출하고, 상기 추천부는, 상기 추천 두께에 대응하는 상기 맞춤형 단열재 추천 정보를 생성할 수 있다.According to an embodiment of the present application, the model building unit, The recommended thickness based on the artificial neural network built through learning to input the information on the construction site and the construction area as an input, and output the recommended thickness of the insulating material. calculation, and the recommendation unit may generate the customized insulation recommendation information corresponding to the recommended thickness.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-described problem solving means are merely exemplary, and should not be construed as limiting the present application. In addition to the exemplary embodiments described above, additional embodiments may exist in the drawings and detailed description.
전술한 본원의 과제 해결 수단에 의하면, 인공지능 모델을 통해 단열재를 시공하고자 하는 지역 및 시공 부위에 맞춤형 단열재에 대한 정보를 제공할 수 있는 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법을 제공할 수 있다.According to the above-described problem solving means of the present application, it is possible to provide an artificial intelligence-based customized insulation recommendation information providing apparatus and method that can provide information on the customized insulation material to the region and construction site where the insulation material is to be constructed through the artificial intelligence model. have.
전술한 본원의 과제 해결 수단에 의하면, 기존 이력이 없는 신규한 지역이나 신규한 부위에 단열재를 시공하는 경우에도 맞춤형 단열재에 대한 정보를 제공할 수 있는 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치 및 방법을 제공할 수 있다.According to the above-described problem solving means of the present application, an artificial intelligence-based customized insulation recommendation information providing apparatus and method that can provide information on customized insulation materials even when insulation is installed in a new area or new area without an existing history can provide
도 1은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 시스템의 구성을 도시한 도면이다.
도 2는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치의 구성을 도시한 도면이다.
도 3은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치의 신규 의뢰 패턴 분석부의 구성을 도시한 도면이다.
도 4는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치의 신규 의뢰 패턴 검출의 예를 도시한 도면이다.
도 5a 및 도 5b는 본원의 일 실시예에 다른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치를 활용한 맞춤형 단열재 추천의 예를 도시한 도면이다.
도 6은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법의 흐름을 도시한 도면이다.1 is a diagram showing the configuration of an artificial intelligence-based customized insulation recommendation information providing system according to an embodiment of the present application.
2 is a diagram showing the configuration of an artificial intelligence-based customized insulation recommendation information providing apparatus according to an embodiment of the present application.
3 is a diagram showing the configuration of a new request pattern analysis unit of the artificial intelligence-based customized insulation material recommendation information providing apparatus according to an embodiment of the present application.
4 is a diagram illustrating an example of detecting a new request pattern of the artificial intelligence-based customized insulation recommendation information providing apparatus according to an embodiment of the present application.
5A and 5B are diagrams illustrating an example of a customized insulation material recommendation using an artificial intelligence-based customized insulation material recommendation information providing apparatus according to an embodiment of the present application.
6 is a diagram illustrating a flow of a method for providing artificial intelligence-based customized insulation recommendation information according to an embodiment of the present application.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present application will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art to which the present application pertains can easily implement them. However, the present application may be embodied in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present application in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a part is said to be "connected" with another part, it includes not only the case where it is "directly connected" but also the case where it is "electrically connected" with another element interposed therebetween. do.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout this specification, when it is said that a member is positioned "on", "on", "on", "under", "under", or "under" another member, this means that a member is positioned on the other member. It includes not only the case where they are in contact, but also the case where another member exists between two members.
본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout this specification, when a part "includes" a certain component, it means that other components may be further included, rather than excluding other components, unless otherwise stated.
도 1은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 시스템의 구성을 도시한 도면이다.1 is a diagram showing the configuration of an artificial intelligence-based customized insulation recommendation information providing system according to an embodiment of the present application.
도 1을 참조하면, 인공지능 기반 맞춤형 단열재 추천 정보 제공 시스템은 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100) 및 사용자 단말(200)을 포함할 수 있다. 사용자 단말(200)은 단열재 시공의 의뢰 정보에 대한 사용자 입력을 수신할 수 있다. 상기 의뢰 정보는 시공 부위 정보, 및 시공 지역 정보를 포함할 수 있다. 시공 부위 정보는 건축물에서 단열재가 설치된 부위를 의미한다. 예를 들어, 건축물의 외벽, 건축물의 바닥, 건축물의 지붕, 층간 바닥 등이 시공 부위 정보에 포함될 수 있다. 시공 지역 정보는 단열재를 시공할 지역을 의미한다. 동일 계절이더라도 각 지역별로 온도, 습도, 일조량, 풍량, 강우량 등 기상 상태가 상이하므로, 단열재가 설치될 지역을 고려하여 단열재 추천 정보를 산출하기 위해 시공 지역 정보를 활용한다.Referring to FIG. 1 , an artificial intelligence-based customized insulation recommendation information providing system may include an artificial intelligence-based customized insulation material recommendation
사용자 단말(200)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV 등 유선 통신 장치를 포함할 수 있다.The
또한, 사용자 단말(200)은 네트워크를 통해 상기 의뢰 정보를 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)로 전송할 수 있다. 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)와 사용자 단말(200)은 네트워크를 통해 통신할 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.In addition, the
도 2는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치의 구성을 도시한 도면이다.2 is a diagram showing the configuration of an artificial intelligence-based customized insulation recommendation information providing apparatus according to an embodiment of the present application.
도 2를 참조하면, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)는 통신부(110), 모델 구축부(120), 추천부(130), 데이터베이스(140) 및 신규 의뢰 패턴 분석부(150)를 포함할 수 있다. 통신부(110)는 사용자 단말(200)로부터 단열재 시공의 의뢰 정보를 수신할 수 있다. 모델 구축부(120)는 상기 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축할 수 있다.Referring to FIG. 2 , the artificial intelligence-based customized insulation recommendation
모델 구축부(120)는 시공 부위 정보 및 시공 지역 정보를 정형화 하여 인공지능 모델의 입력으로 사용할 수 있다. 상기 정형화는 시공 부위 정보 및 시공 지역 정보 각각을 수치화하는 것을 의미한다. 예를 들어, 시공 부위 정보의 경우, 천장 바닥 등 각 부위에 코드를 부여하여 수치화할 수 있다. 시공 지역 정보 또한, 요소 각각에 코드를 부여하여 수치화할 수 있다. 데이터베이스(140)는 단열재의 시공 부위 정보 및 시공 지역 정보 중 적어도 하나를 기록할 수 있다.The
모델 구축부(120)는 지도 학습 기반의 분류/예측 알고리즘에 기초하여 상기 인공지능 모델을 구축할 수 있다. 지도 학습이란, 미리 구축된 학습용 데이터(training data)를 활용하여 모델을 학습하는 것을 의미한다. 예시적으로 상기 분류/예측 알고리즘은 Random Forest알고리즘 SVM(support vector machine) 알고리즘, Extra Tree알고리즘, XG Boost알고리즘 및 Deep Learning 알고리즘 중 적어도 하나를 포함할 수 있다. Random Forest알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화 하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 상기 인공지능 모델은 단열재의 시공 부위, 규격, 시공 지역 각각에 따라 다른 두께 및 다른 규격을 포함하는 학습 데이터를 학습하여 구축될 수 있다. 즉, 단열재 추천 정보는 사용자가 시공하고자 하는 시공 부위 및 시공 지역에 따라 단열재의 다른 두께 및 규격을 포함할 수 있다. 규격은 단열재의 밀도를 의미한다. 예시적으로 단열재의 규격은 kg/m3 단위로 나타낼 수 있다. The
상기 인공지능 모델은 상기 시공 부위 정보 및 시공 지역 정보를 입력으로 하여 두께 및 규격을 출력할 수 있다. 예시적으로, 인공지능 모델은 시공 부위 정보 및 시공 지역 정보와 학습 데이터 간의 유사도에 기초하여 두께 및 규격을 출력할 수 있다. 예시적으로, 시공 부위 정보 및 시공 지역 정보와 학습 데이터에 포함된 다양한 두께 및 규격 중 유사도가 가장 높은 두께 및 규격을 상기 시공 부위 정보 및 시공 지역 정보에 두께 및 규격으로 출력할 수 있다.The artificial intelligence model may output the thickness and specifications by inputting the construction site information and construction area information. Illustratively, the artificial intelligence model may output a thickness and a standard based on the similarity between the construction site information and the construction area information and the learning data. For example, the thickness and standard having the highest similarity among various thicknesses and standards included in the construction site information and the construction area information and the learning data may be output as the thickness and the standard to the construction site information and the construction area information.
도 3은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치의 신규 의뢰 패턴 분석부의 구성을 도시한 도면이다.3 is a diagram showing the configuration of a new request pattern analysis unit of the artificial intelligence-based customized insulation material recommendation information providing apparatus according to an embodiment of the present application.
도 3을 참조하면, 신규 의뢰 패턴 분석부(150)는 패턴 분류부(151) 및 판별 모형 구축부(152)를 포함할 수 있다. Referring to FIG. 3 , the new request
패턴 분류부(151)는 의뢰 정보를 입력으로 하는 비지도 학습 기반의 군집 알고리즘에 기초하여 상기 단열재 시공의 신규 의뢰 패턴을 분류할 수 있다. 비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 이는 공지된 사항이므로 구체적인 설명은 생략한다.The
본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)는 단열재 시공 의뢰의 새로운 패턴 즉 신규 의뢰 패턴을 분석하여 새로운 의뢰 패턴에 대응하는 맞춤형 단열재 추천 정보를 제공할 수 있다. 패턴 분류부(151)는 의뢰 정보에 포함된 시공 부위 정보 및 시공 지역 정보의 빈도에 기초하여 의뢰 패턴으로 군집할 수 있다. 예시적으로, 패턴 분류부(151)는 K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘 중 적어도 하나의 알고리즘에 기초하여 기존의 군집된 의뢰 패턴과 다른 신규 의뢰 패턴을 분류할 수 있다.The artificial intelligence-based customized insulation recommendation
도 4는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치의 신규 의뢰 패턴 검출의 예를 도시한 도면이다.4 is a diagram illustrating an example of detecting a new request pattern of the artificial intelligence-based customized insulation recommendation information providing apparatus according to an embodiment of the present application.
패턴 분류부(151)는 의뢰 정보의 빈도에 기초하여 상기 군집 알고리즘을 통해 상기 의뢰 정보를 복수개의 의뢰 패턴으로 군집할 수 있다. 또한, 패턴 분류부(151)는 상기 의뢰 패턴의 군집간 분리도에 기초하여 상기 신규 의뢰 패턴을 검출할 수 있다. 도 4는 시공 부위 정보 및 시공 지역 정보의 빈도에 따라 군집된 의뢰 패턴을 나타내며, 서로 다른 의뢰 패턴에 속한 시공 부위 정보 및 시공 지역 정보들의 빈도가 유사한 경우, 도 4에 도시된 바와 같이 동일 내지 유사한 색(도 4의 파란색)으로 구분될 수 있다. 즉 의뢰 패턴 상호간의 색이 동일 내지 유사한 경우, 군집간 분리도가 낮다고 할 수 있다. 한편, 유사한 빈도를 가진 의뢰 정보(시공 부위 정보 및 시공 지역 정보)들과 다른 빈도를 가진 의뢰 정보들로 군집된 의뢰 패턴의 경우, 전술한 의뢰 패턴과는 다른 색(도 4의 빨간색)으로 구분될 수 있다. 이러한 의뢰 패턴은 기존의 군집과는 전혀 다른 새로운 패턴이므로 신규 의뢰 패턴으로 분류될 수 있다.The
판별 모형 구축부(152)는 신규 의뢰 패턴을 입력으로 하는 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하고, 신규 의뢰 패턴 판별 규칙을 포함하는 상기 신규 의뢰 패턴 판별 모형을 구축 할 수 있다. 의사 결정 알고리즘이란 예를 들어 Decision Tree알고리즘일 수 있으나 이에 한정되는 것은 아니다. 판별 모형 구축부(152)는 신규 의뢰 패턴 판별 규칙을 학습할 수 있다. 판별 모형 구축부(152)는 신규 의뢰 패턴으로 분류된 의뢰 정보를 입력으로 하는 의사 결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습할 수 있다. 또한, 판별 모형 구축부(152)는 신규 의뢰 패턴 판별 규칙을 포함하는 신규 의뢰 패턴 판별 모형을 구축할 수 있다. 전술한 비지도 학습 기반의 신규 의뢰 패턴의 분류는 단순히 빈도에 기초하므로, 의뢰 패턴 중에서 신규 의뢰 패턴을 분류할 수는 있으나, 어떠한 변수(정형화된 의뢰 정보)에 의해 분류되었는지는 알 수 없다. 따라서 지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하는 신규 의뢰 패턴 판별 모형을 구축하고, 신규 의뢰 패턴 판별 모형을 통해 신구 의뢰 패턴을 판별할 수 있다.The discrimination
신규 의뢰 패턴 판별 규칙이란 임계값 이상의 변수 즉 정형화된 의뢰 정보에 기초하여 기존의 의뢰 패턴과 다른 신규 의뢰 패턴을 판별할 수 있는 규칙을 의미한다. 또한, 이러한 신규 의뢰 패턴 판별 규칙을 종합하여, 판별 모형 구축부(152)에 의해 신규 의뢰 패턴 판별 모형으로 구축될 수 있다. 새로운 지역에 건축물을 건설하거나, 오래거나 낙후된 건축물을 허물고 최신의 단열재를 활용하여 건축물을 건설하는 경우 등은 신규 의뢰 패턴으로 분류될 수 있다. 또한, 기존 건축물과 다른 디자인으로 인해 기존에 사용되지 않았던 신규한 부위에 단열재를 시공하는 경우에도 신규 의뢰 패턴으로 분류될 수 있다. 또한, 신규 패턴 판별 규칙의 학습은 의뢰 정보의 중요도가 고려될 수 있다. 즉, 다양한 의뢰 정보에 의한 변수 중에서도 시공 부위의 경우, 동일 시공 지역이더라도 부위에 따라 요구되는 단열재의 두께가 상이하므로 단열재가 제 성능을 발휘하기 위해서는 최적의 두께를 산출할 필요가 있다. 따라서, 시공 부위 정보에 상대적으로 높은 중요도가 부여될 수 있다. 판별 모형 구축부(152)는 의뢰 정보의 중요도를 고려함으로써 보다 정확한 신규 의뢰 패턴 판별 모형을 구축할 수 있다.The new request pattern discrimination rule refers to a rule capable of discriminating a new request pattern different from an existing request pattern based on a variable greater than a threshold value, that is, standardized request information. In addition, by synthesizing these new request pattern determination rules, a new request pattern determination model may be constructed by the determination
추천부(130)는 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성할 수 있다. 또한, 추천부(130)는 시공 부위 정보 및 시공 지역 정보에 따른 열관류율을 고려하여 맞춤형 단열재 추천 정보를 생성할 수 있다. 또한, 추천부(130)는 신규 의뢰 패턴에 따른 열관류율을 고려하여 맞춤형 단열재 추천 정보를 생성할 수 있다. 단열재는 시공되는 지역이나 시공되는 부위에 따라 열관류율이 상이한 단열재가 시공될 수 있다. 특히, 시공 부위에 따라 요구되는 열관류율이 상이할 수 있으며, 같은 열관류율을 갖는 단열재이더라도, 시공 지역 또는 시공 부위에 따라 요구되는 두께가 상이할 수 있다. 열관류율은 수학식 1과 같이 연산될 수 있다.The
[수학식 1][Equation 1]
여기서, K는 구조체의 열관류율(W/m3K)이고, Ri는 실내측 표면 열전달 저항이고, R0는 외기측 표면 열전달 저항이고, λ는 구조체의 각 구성재료의 열전도율(W/mK)이고 d는 구조체의 각 구성재료의 두께(m)를 나타낸다.Here, K is the thermal transmittance of the structure (W/m 3 K), R i is the indoor surface heat transfer resistance, R 0 is the outdoor surface heat transfer resistance, and λ is the thermal conductivity of each constituent material of the structure (W/mK) and d represents the thickness (m) of each constituent material of the structure.
모델 구축부(120)는 시공 부위 정보 및 상기 시공 지역 정보에 따른 열관류율을 학습하는 인공지능 모델을 통해 최적의 두께를 출력할 수 있으며, 추천부(130)는 산출된 최적의 두께에 기초하여 맞춤형 단열재 추천 정보를 생성할 수 있다. 구체적으로, 모델 구축부(120)는 시공 부위 정보, 시공 지역 정보에 따른 열관류율을 입력으로 하고, 단열재의 두께를 출력으로 하는 인공지능 모델을 구축하고, 추천부(130)는 상기 출력에 따른 단열재의 두께에 기초하여 맞춤형 단열재 추천 정보를 생성할 수 있다.The
모델 구축부(120)는 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망에 기초하여 추천 두께를 산출할 수 있다. 또한, 추천부(130)는 추천 두께에 대응하는 맞춤형 단열재 추천 정보를 생성할 수 있다. 모델 구축부(120)는 상기 인공지능 모델 뿐만 아니라 인공신경망을 통해서도 추천 두께를 산출할 수 있다. 구체적으로, 상기 인공신경망은 시공 부위 정보 및 시공 지역 정보를 입력으로 하고, 단열재의 추천 두께를 출력으로 하는 학습이 반복적으로 이루어져 구축되므로, 다양한 시공 지역과 시공 부위별로 다른 추천 두께를 산출할 수 있다.The
또한, 모델 구축부(120)는 상기 인공신경망을 통해 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 시공 부위 정보와 시공 조건을 입력으로 하는 학습에 기초하여 추천 두께를 산출할 수 있다. 시공 조건이란 단열재가 시공되는 환경을 의미하며, 시공 부위가 동일한 두 단열재이더라도 환경에 따른 조건이 상이할 수 있다. 예를 들어. 시공 조건에는 시공 부위가 외벽인 경우, 외기에 직접 면하는 단열재 시공과 외기에 간접 면하는 단열재 시공의 조건이 존재할 수 있다. 즉, 시공 부위 시공 지역에 따라, 다양한 조건이 존재할 수 있다. 다른 예로, 시공 부위가 거실 바닥인 경우, 바닥 난방이 설치된 부위의 단열재 시공과 바닥 난방이 설치되지 않은 부위의 단열재 시공의 조건이 존재할 수 있다. 따라서, 시공 지역이 일정하다고 가졍하고, 시공 부위와 시공 부위에 따른 다양한 시공 조건을 입력으로 하는 학습을 통해 최적의 추천 두께가 산출될 수 있다. 즉, 인공신경망의 출력은 시공 지역 및 시공 부위 별로 산출되는 추천 두께를 포함할 수 있다. 데이터베이스(140)는 시공 지역별 및 시공 부위별 추천 두께를 기록할 수 있다. 또한, 추천부(130)는 시공 지역별 및 시공 부위별 추천 두께에 기초하여 의뢰 정보에 따른 맞춤형 단열재 추천 정보를 생성할 수 있다. 이처럼 다양한 시공 조건 및 시공 부위에 대한 학습을 수행하는 인공신경망과 인공지능 모델을 통해 단열재의 최적 두께를 포함하는 맞춤형 단열재 추천 정보의 생성을 유기적으로 수행할 수 있으며, 다양한 불량 원인 유형을 용이하게 판단할 수 있다.In addition, the
도 5a 및 도 5b는 본원의 일 실시예에 다른 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치를 활용한 맞춤형 단열재 추천의 예를 도시한 도면이다.5A and 5B are diagrams illustrating an example of a customized insulation material recommendation using an artificial intelligence-based customized insulation material recommendation information providing apparatus according to an embodiment of the present application.
인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)는 사용자 단말(200)에 설치된 어플리케이션(이하 앱)과 연동될 수 있다. 도 5a는 앱을 통해 제공되는 사용자의 희망 단열재 및 단열재 제원의 입력 화면을 도시한 도면이다. 도 5a를 참조하면, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)는 사용자의 시공 대상 건물에 대한 사용자 입력 즉 의뢰 정보를 앱을 통해 수신할 수 있다. 상기 사용자 입력에는 시공 지역, 시공 부위와, 단열재의 종류, 사용자가 희망하는 단열재의 두께를 포함할 수 있다. 사용자 입력은 시공 부위별로 수신될 수 있다. 사용자는 앱을 통해 시공 부위 단열재 종류, 두께 등을 직접 입력하거나, 상기 앱에 미리 설정된 부위, 단열재 제원을 선택할 수도 있다.The artificial intelligence-based customized insulation recommendation
도 5b는 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치(100)를 통한 맞춤형 단열재 추천 정보의 예를 도시한다. 도 5b를 참조하면, 추천부(130)는 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성할 수 있다. 구체적으로, 사용자가 선택한 단열재와 해당 단열재의 희망 두께를 고려하여 두께 또는 규격을 추천할 수 있다. 도 5b를 참조하면, 대리석의 경우, 인공지능 모델은 희망 두께에 상응하는 성능을 발휘할 수 있는 최소 두께를 산출할 수 있다. 또한, 인공지능 모델은 사용자가 선택한 단열재보다 우세한 성능을 갖는 단열재를 추천할 수 있다. 도 5b를 참조하면, 인공지능 모델은 사용자의 의뢰 정보를 입력으로 하여, 대리석보다 얇으면서 열전도율은 더 낮은 사암을 추천하는 결과를 산출할 수 있다.5B illustrates an example of customized insulation recommendation information through the artificial intelligence-based customized insulation recommendation
도 6은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법의 흐름을 도시한 도면이다. 6 is a diagram illustrating a flow of a method for providing artificial intelligence-based customized insulation recommendation information according to an embodiment of the present application.
도 6에 도시된 본원의 일 실시예에 따른 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법은 앞선 도 1 내지 도 5b를 통해 설명된 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치에 의하여 수행될 수 있다. 따라서 이하 생략된 내용이라고 하더라도 도 1 내지 도 5b를 통해 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치에 대하여 설명된 내용은 도 6에도 동일하게 적용될 수 있다.The artificial intelligence-based customized insulation recommendation information providing method according to an embodiment of the present application shown in FIG. 6 may be performed by the artificial intelligence-based customized insulation material recommendation information providing apparatus described above with reference to FIGS. 1 to 5B . Therefore, even if omitted below, the description of the artificial intelligence-based customized insulating material recommendation information providing apparatus through FIGS. 1 to 5B may be equally applied to FIG. 6 .
도 6을 참조하면, 단계 S610에서 통신부(110)는 사용자 단말(200)로부터 단열재 시공의 의뢰 정보를 수신할 수 있다. 상기 의뢰 정보는 시공 부위 정보 및 시공 지역 정보를 포함할 수 있다.Referring to FIG. 6 , in step S610 , the
단계 S620에서 모델 구축부(120)는 의뢰 정보에 기초하여, 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축할 수 있다. 모델 구축부(120)는 시공 부위 정보 및 시공 지역 정보를 정형화 하여 인공지능 모델의 입력으로 사용할 수 있다. 상기 정형화는 시공 부위 정보 및 시공 지역 정보 각각을 수치화하는 것을 의미한다. 예를 들어, 시공 부위 정보의 경우, 천장 바닥 등 각 부위에 코드를 부여하여 수치화할 수 있다. 시공 지역 정보 또한, 요소 각각에 코드를 부여하여 수치화할 수 있다. 데이터베이스(140)는 단열재의 시공 부위 정보 및 시공 지역 정보 중 적어도 하나를 기록할 수 있다.In step S620 , the
모델 구축부(120)는 지도 학습 기반의 분류/예측 알고리즘에 기초하여 상기 인공지능 모델을 구축할 수 있다. 상기 인공지능 모델은 상기 시공 부위 정보 및 시공 지역 정보를 입력으로 하여 두께 및 규격을 출력할 수 있다. 예시적으로, 인공지능 모델은 시공 부위 정보 및 시공 지역 정보와 학습 데이터 간의 유사도에 기초하여 두께 및 규격을 출력할 수 있다. 예시적으로, 시공 부위 정보 및 시공 지역 정보와 학습 데이터에 포함된 다양한 두께 및 규격 중 유사도가 가장 높은 두께 및 규격을 상기 시공 부위 정보 및 시공 지역 정보에 두께 및 규격으로 출력할 수 있다.The
단계 S630에서 추천부(130)는 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성할 수 있다.In step S630, the
단계 S640에서 통신부(110)는 맞춤형 단열재 추천 정보를 상기 사용자 단말로 전송할 수 있다. In step S640, the
본원의 일 실시예에 따르면, 신규 의뢰 패턴 분석부(150)는 의뢰 정보를 입력으로 하는 비지도 학습 기반의 군집 알고리즘에 기초하여 상기 단열재 시공의 신규 의뢰 패턴을 분류하는 패턴 분류부(151) 및 지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 모형을 구축하는 판별 모형 구축부(152)를 포함할 수 있다. 비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 이는 공지된 사항이므로 구체적인 설명은 생략한다. 패턴 분류부(151)는 의뢰 정보에 포함된 시공 부위 정보 및 시공 지역 정보의 빈도에 기초하여 의뢰 패턴으로 군집할 수 있다. 예시적으로, 패턴 분류부(151)는 K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘 중 적어도 하나의 알고리즘에 기초하여 기존의 군집된 의뢰 패턴과 다른 신규 의뢰 패턴을 분류할 수 있다.According to an embodiment of the present application, the new request
패턴 분류부(151)는 의뢰 정보의 빈도에 기초하여 상기 군집 알고리즘을 통해 상기 의뢰 정보를 복수개의 의뢰 패턴으로 군집할 수 있다. 또한, 패턴 분류부(151)는 상기 의뢰 패턴의 군집간 분리도에 기초하여 상기 신규 의뢰 패턴을 검출할 수 있다.The
판별 모형 구축부(152)는 신규 의뢰 패턴을 입력으로 하는 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하고, 신규 의뢰 패턴 판별 규칙을 포함하는 상기 신규 의뢰 패턴 판별 모형을 구축 할 수 있다. 의사 결정 알고리즘이란 예를 들어 Decision Tree알고리즘일 수 있으나 이에 한정되는 것은 아니다. 판별 모형 구축부(152)는 신규 의뢰 패턴 판별 규칙을 학습할 수 있다. 판별 모형 구축부(152)는 신규 의뢰 패턴으로 분류된 의뢰 정보를 입력으로 하는 의사 결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습할 수 있다. 또한, 판별 모형 구축부(152)는 신규 의뢰 패턴 판별 규칙을 포함하는 신규 의뢰 패턴 판별 모형을 구축할 수 있다. 전술한 비지도 학습 기반의 신규 의뢰 패턴의 분류는 단순히 빈도에 기초하므로, 의뢰 패턴 중에서 신규 의뢰 패턴을 분류할 수는 있으나, 어떠한 변수(정형화된 의뢰 정보)에 의해 분류되었는지는 알 수 없다. 따라서 지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하는 신규 의뢰 패턴 판별 모형을 구축하고, 신규 의뢰 패턴 판별 모형을 통해 신구 의뢰 패턴을 판별할 수 있다.The discrimination
또한, 추천부(130)는 시공 부위 정보 및 시공 지역 정보에 따른 열관류율을 고려하여 맞춤형 단열재 추천 정보를 생성할 수 있다. 또한, 추천부(130)는 신규 의뢰 패턴에 따른 열관류율을 고려하여 맞춤형 단열재 추천 정보를 생성할 수 있다.Also, the
상기 모델 구축부(120)는 시공 부위 정보 및 상기 시공 지역 정보에 따른 열관류율을 학습하는 인공지능 모델을 통해 최적의 두께를 출력할 수 있으며, 추천부(130)는 산출된 최적의 두께에 기초하여 맞춤형 단열재 추천 정보를 생성할 수 있다. 모델 구축부(120)는 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망에 기초하여 추천 두께를 산출할 수 있다. 또한, 추천부(130)는 추천 두께에 대응하는 맞춤형 단열재 추천 정보를 생성할 수 있다. 또한, 모델 구축부(120)는 상기 인공신경망을 통해 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 시공 부위 정보와 시공 조건을 입력으로 하는 학습에 기초하여 추천 두께를 산출할 수 있다. 데이터베이스(140)는 시공 지역별 및 시공 부위별 추천 두께를 기록할 수 있다. 또한, 추천부(130)는 시공 지역별 및 시공 부위별 추천 두께에 기초하여 의뢰 정보에 따른 맞춤형 단열재 추천 정보를 생성할 수 있다.The
또한, 모델 구축부(120)는 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공신경망 모델을 구축할 수 있다. 모델 구축부(120)는 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망 모델에 기초하여 추천 두께를 산출할 수 있다. 또한, 추천부(130)는 추천 두께에 대응하는 맞춤형 단열재 추천 정보를 생성할 수 있다. 구체적으로, 인공신경망 모델은 시공 부위 정보 및 시공 지역 정보를 입력으로 하고, 단열재의 추천 두께를 출력으로 하는 학습이 반복적으로 이루어져 구축되므로, 다양한 시공 지역과 시공 부위별로 다른 추천 두께를 산출할 수 있다.In addition, the
모델 구축부(120)는 상기 인공신경망 모델을 통해 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 시공 부위 정보와 시공 조건을 입력으로 하는 학습에 기초하여 추천 두께를 산출할 수 있다. 데이터베이스(140)는 시공 지역별 및 시공 부위별 추천 두께를 기록할 수 있다. 또한, 추천부(130)는 시공 지역별 및 시공 부위별 추천 두께에 기초하여 의뢰 정보에 따른 맞춤형 단열재 추천 정보를 생성할 수 있다.The
본원의 일 실시 예에 따른, 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The artificial intelligence-based customized insulation recommendation information providing method according to an embodiment of the present application may be implemented in the form of a program command that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and carry out program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다. The above description of the present application is for illustration, and those of ordinary skill in the art to which the present application pertains will understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a dispersed form, and likewise components described as distributed may be implemented in a combined form.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present application is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present application.
100: 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치
110: 통신부
120: 모델 구축부
130: 추천부
140: 데이터베이스
150: 신규 의뢰 패턴 분석부
151: 패턴 분류부
152: 판별 모형 구축부
200: 사용자 단말100: Artificial intelligence-based customized insulation recommendation information providing device
110: communication department
120: model building unit
130: recommendation
140: database
150: New request pattern analysis unit
151: pattern classification unit
152: discriminant model construction unit
200: user terminal
Claims (15)
사용자 단말로부터 단열재 시공의 의뢰 정보를 수신하는 통신부;
상기 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축하는 모델 구축부;
상기 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성하는 추천부;
상기 단열재의 시공 부위 정보 및 시공 지역 정보 중 적어도 하나를 기록하는 데이터베이스; 및
신규 의뢰 패턴 분석부;를 포함하되,
상기 통신부는,
상기 맞춤형 단열재 추천 정보를 상기 사용자 단말로 전송하고,
상기 의뢰 정보는 건축물의 외벽, 바닥, 지붕, 층간 바닥 중 적어도 어느 하나를 포함하는 시공 부위 정보 및 지역별 온도, 습도, 일조량, 풍량, 강우량 중 적어도 어느 하나를 포함하는 시공 지역 정보를 포함하되,
상기 모델 구축부는, 상기 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 지도 학습 기반의 분류/예측 알고리즘에 상기 시공 부위 정보와 단열재의 시공 환경에 따른 시공 조건을 입력으로 학습하는 상기 인공지능 모델을 통해 추천 두께를 산출하고,
상기 인공지능 모델의 출력은 시공 지역 및 시공 부위 별로 산출되는 상기 추천 두께를 포함하되, 상기 추천부는, 시공 지역별 및 시공 부위별 상기 추천 두께에 기초하여 상기 의뢰 정보에 따른 상기 맞춤형 단열재 추천 정보를 생성하고,
상기 추천부는 상기 시공 부위 정보 및 시공 지역 정보에 따른 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성하는 것이고,
상기 신규 의뢰 패턴 분석부는,
상기 의뢰 정보를 입력으로 하는 비지도 학습 기반의 군집 알고리즘에 기초하여 상기 단열재 시공의 신규 의뢰 패턴을 분류하는 패턴 분류부; 및
지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 모형을 구축하는 판별 모형 구축부를 포함하되,
상기 추천부는,
상기 신규 의뢰 패턴 판별 모형에 기초하여 신규 의뢰 패턴에 따른 상기 맞춤형 단열재 추천 정보를 생성하는 것이고,
상기 패턴 분류부는, 상기 시공 부위 정보 및 시공 지역 정보의 빈도에 기초하여 의뢰 패턴을 군집하고 군집된 상기 의뢰 패턴과 다른 신규 의뢰 패턴을 분류하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치.In the artificial intelligence-based customized insulation recommendation information providing device,
Communication unit for receiving the request information of the insulation construction from the user terminal;
a model building unit for constructing an artificial intelligence model for calculating insulation material recommendation information through learning based on the request information, inputting information on the construction site and construction area of the insulator as inputs;
a recommendation unit for generating customized insulation material recommendation information corresponding to the request information through the built-up artificial intelligence model;
a database for recording at least one of construction site information and construction area information of the insulating material; and
New request pattern analysis unit; including,
The communication unit,
Transmitting the customized insulation recommendation information to the user terminal,
The request information includes construction site information including at least any one of the outer wall, floor, roof, and interfloor floor of the building, and construction area information including at least one of temperature, humidity, sunlight, wind volume, and rainfall for each region,
The model building unit, under the assumption that the construction area according to the construction area information is constant, the artificial intelligence model that learns the construction condition according to the construction site information and the construction environment of the insulation material as an input to a classification/prediction algorithm based on supervised learning Calculate the recommended thickness through
The output of the artificial intelligence model includes the recommended thickness calculated for each construction area and construction site, and the recommendation unit generates the customized insulation recommendation information according to the request information based on the recommended thickness for each construction region and each construction site. do,
The recommendation unit generates the customized insulation recommendation information in consideration of the thermal transmittance rate according to the construction site information and construction area information,
The new request pattern analysis unit,
a pattern classification unit for classifying a new request pattern of the insulation construction based on an unsupervised learning-based clustering algorithm to which the request information is input; and
Including a discrimination model building unit that builds a new request pattern discrimination model based on a decision-making algorithm based on supervised learning,
The recommendation is
To generate the customized insulation recommendation information according to the new request pattern based on the new request pattern discrimination model,
The pattern classification unit, based on the frequency of the construction site information and the construction area information, clusters the request pattern and classifies the new request pattern different from the clustered request pattern, artificial intelligence-based customized insulation recommendation information providing device.
상기 패턴 분류부는,
상기 의뢰 정보의 빈도에 기초하여 상기 군집 알고리즘을 통해 상기 의뢰 정보를 복수개의 의뢰 패턴으로 군집하고,
상기 의뢰 패턴의 군집간 분리도에 기초하여 상기 신규 의뢰 패턴을 검출하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치.According to claim 1,
The pattern classification unit,
clustering the request information into a plurality of request patterns through the clustering algorithm based on the frequency of the request information;
The artificial intelligence-based customized insulation recommendation information providing device that detects the new request pattern based on the degree of separation between groups of the request pattern.
상기 판별 모형 구축부는,
상기 신규 의뢰 패턴을 입력으로 하는 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하고, 상기 신규 의뢰 패턴 판별 규칙을 포함하는 상기 신규 의뢰 패턴 판별 모형을 구축하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치.5. The method of claim 4,
The discriminant model construction unit,
Learning a new request pattern determination rule based on a decision-making algorithm that takes the new request pattern as an input, and building the new request pattern determination model including the new request pattern determination rule, artificial intelligence-based customized insulation recommendation informational device.
상기 추천부는,
상기 신규 의뢰 패턴에 따른 상기 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치.According to claim 1,
The recommendation is
The artificial intelligence-based customized insulation recommendation information providing apparatus for generating the customized insulation material recommendation information in consideration of the thermal transmittance rate according to the new request pattern.
상기 모델 구축부는,
상기 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 상기 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망에 기초하여 상기 추천 두께를 산출하고,
상기 추천부는,
상기 추천 두께에 대응하는 상기 맞춤형 단열재 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 장치.According to claim 1,
The model building unit,
Calculating the recommended thickness based on an artificial neural network constructed through learning using the construction site information and the construction area information as input and outputting the recommended thickness of the insulating material,
The recommendation is
The artificial intelligence-based customized insulation recommendation information providing device that generates the customized insulation recommendation information corresponding to the recommended thickness.
통신부가 사용자 단말로부터 단열재 시공의 의뢰 정보를 수신하는 단계;
모델 구축부가 상기 의뢰 정보에 기초하여, 상기 단열재의 시공 부위 정보 및 시공 지역 정보를 입력으로 하는 학습을 통해 단열재 추천 정보를 산출하는 인공지능 모델을 구축하는 단계;
추천부가 상기 구축된 인공지능 모델을 통해 상기 의뢰 정보에 대응하는 맞춤형 단열재 추천 정보를 생성하는 단계;
데이터베이스가 상기 단열재의 시공 부위 정보 및 시공 지역 정보 중 적어도 하나를 기록하는 단계; 및
신규 의뢰 패턴 분석부가 신규 의뢰 패턴을 분류하는 단계;를 포함하되,
상기 통신부는,
상기 맞춤형 단열재 추천 정보를 상기 사용자 단말로 전송하고,
상기 의뢰 정보는 건축물의 외벽, 바닥, 지붕, 층간 바닥 중 적어도 어느 하나를 포함하는 시공 부위 정보 및 지역별 온도, 습도, 일조량, 풍량, 강우량 중 적어도 어느 하나를 포함하는 시공 지역 정보를 포함하되,
상기 모델 구축부는, 상기 시공 지역 정보에 따른 시공 지역이 일정하다는 가정하에, 지도 학습 기반의 분류/예측 알고리즘에 상기 시공 부위 정보와 단열재의 시공 환경에 따른 시공 조건을 입력으로 학습하는 상기 인공지능 모델을 통해 추천 두께를 산출하고,
상기 인공지능 모델의 출력은 시공 지역 및 시공 부위 별로 산출되는 상기 추천 두께를 포함하되, 상기 추천부는, 시공 지역별 및 시공 부위별 상기 추천 두께에 기초하여 상기 의뢰 정보에 따른 상기 맞춤형 단열재 추천 정보를 생성하고,
상기 추천부는 상기 시공 부위 정보 및 시공 지역 정보에 따른 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성하는 것이고,
상기 신규 의뢰 패턴 분석부는,
상기 의뢰 정보를 입력으로 하는 비지도 학습 기반의 군집 알고리즘에 기초하여 상기 단열재 시공의 신규 의뢰 패턴을 분류하는 패턴 분류부; 및
지도 학습 기반의 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 모형을 구축하는 판별 모형 구축부를 포함하되,
상기 추천부는,
상기 신규 의뢰 패턴 판별 모형에 기초하여 신규 의뢰 패턴에 따른 상기 맞춤형 단열재 추천 정보를 생성하는 것이고,
상기 패턴 분류부는, 상기 시공 부위 정보 및 시공 지역 정보의 빈도에 기초하여 의뢰 패턴을 군집하고 군집된 상기 의뢰 패턴과 다른 신규 의뢰 패턴을 분류하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법.In the artificial intelligence-based customized insulation material recommendation information providing method,
Receiving the request information of the insulation material construction from the communication unit user terminal;
building, by a model building unit, an artificial intelligence model for calculating insulation material recommendation information based on the request information, through learning by inputting the construction site information and the construction area information of the insulation material as inputs;
generating, by a recommendation unit, customized insulation material recommendation information corresponding to the request information through the built-up artificial intelligence model;
a database recording at least one of construction site information and construction area information of the insulating material; and
Including, a new request pattern analysis unit classifying the new request pattern;
The communication unit,
Transmitting the customized insulation recommendation information to the user terminal,
The request information includes construction site information including at least any one of the outer wall, floor, roof, and interfloor floor of the building, and construction area information including at least one of temperature, humidity, sunlight, wind volume, and rainfall for each region,
The model building unit, under the assumption that the construction area according to the construction area information is constant, the artificial intelligence model that learns the construction condition according to the construction site information and the construction environment of the insulation material as an input to a classification/prediction algorithm based on supervised learning Calculate the recommended thickness through
The output of the artificial intelligence model includes the recommended thickness calculated for each construction area and construction site, and the recommendation unit generates the customized insulation recommendation information according to the request information based on the recommended thickness for each construction region and each construction site. do,
The recommendation unit generates the customized insulation recommendation information in consideration of the thermal transmittance rate according to the construction site information and construction area information,
The new request pattern analysis unit,
a pattern classification unit for classifying a new request pattern of the insulation construction based on an unsupervised learning-based clustering algorithm to which the request information is input; and
Including a discrimination model building unit that builds a new request pattern discrimination model based on a decision-making algorithm based on supervised learning,
The recommendation is
To generate the customized insulation recommendation information according to the new request pattern based on the new request pattern discrimination model,
The pattern classification unit, based on the frequency of the construction site information and the construction area information, clusters the request pattern and classifies the new request pattern different from the clustered request pattern, artificial intelligence-based customized insulation recommendation information providing method.
상기 패턴 분류부는,
상기 의뢰 정보의 빈도에 기초하여 상기 군집 알고리즘을 통해 상기 의뢰 정보를 복수개의 의뢰 패턴으로 군집하고,
상기 의뢰 패턴의 군집간 분리도에 기초하여 상기 신규 의뢰 패턴을 검출하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법.9. The method of claim 8,
The pattern classification unit,
clustering the request information into a plurality of request patterns through the clustering algorithm based on the frequency of the request information;
The artificial intelligence-based customized insulation recommendation information providing method of detecting the new request pattern based on the degree of separation between the groups of the request pattern.
상기 판별 모형 구축부는,
상기 신규 의뢰 패턴을 입력으로 하는 의사결정 알고리즘에 기초하여 신규 의뢰 패턴 판별 규칙을 학습하고, 상기 신규 의뢰 패턴 판별 규칙을 포함하는 상기 신규 의뢰 패턴 판별 모형을 구축하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법.12. The method of claim 11,
The discriminant model construction unit,
Learning a new request pattern determination rule based on a decision-making algorithm that takes the new request pattern as an input, and building the new request pattern determination model including the new request pattern determination rule, artificial intelligence-based customized insulation recommendation HOW TO PROVIDE INFORMATION.
상기 추천부는,
상기 신규 의뢰 패턴에 따른 상기 열관류율을 고려하여 상기 맞춤형 단열재 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법.9. The method of claim 8,
The recommendation is
The method for providing customized insulation recommendation information based on artificial intelligence to generate the customized insulation recommendation information in consideration of the thermal transmittance rate according to the new request pattern.
상기 모델 구축부는,
상기 시공 부위 정보 및 상기 시공 지역 정보를 입력으로 하고, 상기 단열재의 추천 두께를 출력으로 하는 학습을 통해 구축된 인공신경망에 기초하여 상기 추천 두께를 산출하고,
상기 추천부는,
상기 추천 두께에 대응하는 상기 맞춤형 단열재 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 단열재 추천 정보 제공 방법.9. The method of claim 8,
The model building unit,
Calculating the recommended thickness based on an artificial neural network constructed through learning using the construction site information and the construction area information as input and outputting the recommended thickness of the insulating material,
The recommendation is
The artificial intelligence-based customized insulation recommendation information providing method for generating the customized insulation recommendation information corresponding to the recommended thickness.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20190048004 | 2019-04-24 | ||
| KR1020190048004 | 2019-04-24 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200124617A KR20200124617A (en) | 2020-11-03 |
| KR102310970B1 true KR102310970B1 (en) | 2021-10-08 |
Family
ID=73197734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200048763A KR102310970B1 (en) | 2019-04-24 | 2020-04-22 | Device and method apparatus and method for providing recommendation information on artificial intelligence based customized insulator |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102310970B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3159644B2 (en) * | 1996-01-22 | 2001-04-23 | オーリス株式会社 | Operating device for rotating shaft for release of door closure |
| KR100961782B1 (en) * | 2009-05-28 | 2010-06-07 | 주식회사 모임 | Apparatus and method for presenting personalized goods information based on artificial intelligence, and recording medium thereof |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3159644U (en) * | 2010-03-10 | 2010-05-27 | 株式会社Ｆｐコーポレーション | Thermal insulation panel for building |
-
2020
- 2020-04-22 KR KR1020200048763A patent/KR102310970B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3159644B2 (en) * | 1996-01-22 | 2001-04-23 | オーリス株式会社 | Operating device for rotating shaft for release of door closure |
| KR100961782B1 (en) * | 2009-05-28 | 2010-06-07 | 주식회사 모임 | Apparatus and method for presenting personalized goods information based on artificial intelligence, and recording medium thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200124617A (en) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sinclair et al. | An advanced SOM algorithm applied to handover management within LTE | |
| Han et al. | A survey on deployment algorithms in underwater acoustic sensor networks | |
| US20160073271A1 (en) | System and method for providing extension of network coverage | |
| Shi et al. | Support vector regression based indoor location in IEEE 802.11 environments | |
| US20130311558A1 (en) | Profile-based wireless sensor network system and communication method | |
| Sharma et al. | Entropy-based framework for dynamic coverage and clustering problems | |
| Sun et al. | Multifloor Wi-Fi localization system with floor identification | |
| CN105050095B (en) | A kind of topological construction method of the heterogeneous wireless sensor net based on energy predicting | |
| US11997526B2 (en) | Systems and methods for network device management | |
| Sung et al. | Distributed Voronoi-based self-redeployment for coverage enhancement in a mobile directional sensor network | |
| Jong et al. | A novel queen honey bee migration (QHBM) algorithm for sink repositioning in wireless sensor network | |
| Srour et al. | A Water Flow‐Like Algorithm for the Travelling Salesman Problem | |
| Huang et al. | Scale-free topology optimization for software-defined wireless sensor networks: A cyber-physical system | |
| KR20150094408A (en) | System of recognizing service in cloud environment by using IoT data | |
| KR102310970B1 (en) | Device and method apparatus and method for providing recommendation information on artificial intelligence based customized insulator | |
| Xia et al. | Radio environment map construction by adaptive ordinary Kriging algorithm based on affinity propagation clustering | |
| Gu et al. | Optimizing cluster heads for energy efficiency in large-scale heterogeneous wireless sensor networks | |
| Commuri et al. | Coverage strategies in wireless sensor networks | |
| KR102079345B1 (en) | System and method apparatus and method for providing recommendation information on artificial neural network based customized insulator | |
| CN111093216A (en) | Wireless sensor network node scheduling method based on improved binary particle swarm optimization | |
| Mishra et al. | Qualitative analysis of intra-class and inter-class clustering routing and clusterization in wireless sensor network | |
| Goudarzi et al. | A novel model on curve fitting and particle swarm optimization for vertical handover in heterogeneous wireless networks | |
| Fang et al. | A self-adaptive deployment model of UAV cluster for emergency communication network | |
| Sun et al. | Optimization coverage conserving protocol with authentication in wireless sensor networks | |
| Burugari et al. | Multi QoS constrained data sharing using hybridized pareto-glowworm swarm optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right |