特開 2025-19031 温度予測および制御システムを具現するための電子装置およびその制御方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025019031

(43)【公開日】2025-02-06

(54)【発明の名称】温度予測および制御システムを具現するための電子装置およびその制御方法

(51)【国際特許分類】

   F27D 19/00 20060101AFI20250130BHJP

   C03B 5/16 20060101ALI20250130BHJP

   G05B 23/02 20060101ALN20250130BHJP

【ＦＩ】

F27D19/00 A

C03B5/16

G05B23/02 X

【審査請求】有

【請求項の数】15

【出願形態】ＯＬ

(21)【出願番号】P 2024120385

(22)【出願日】2024-07-25

(31)【優先権主張番号】10-2023-0096478

(32)【優先日】2023-07-25

(33)【優先権主張国・地域又は機関】KR

(71)【出願人】

【識別番号】524158151

【氏名又は名称】インイージ カンパニー リミテッド

(74)【代理人】

【識別番号】110003801

【氏名又は名称】ＫＥＹ弁理士法人

(72)【発明者】

【氏名】シン ヒョンア

(72)【発明者】

【氏名】イム ヒョジン

(72)【発明者】

【氏名】ユ ボソン

【テーマコード（参考）】

3C223

4K056

【Ｆターム（参考）】

3C223AA05

3C223BB17

3C223FF22

3C223FF26

3C223FF42

3C223GG01

3C223HH02

3C223HH03

3C223HH08

4K056AA05

4K056CA10

4K056FA02

(57)【要約】      （修正有）

【課題】ユーザに適正工程温度を維持しながら投入燃料量を減らすためのガイド情報を提供する電子装置およびその制御方法を提供する。
【解決手段】電子装置は、通信インターフェースと、第１の学習された神経網モデルおよび第２の学習された神経網モデルが保存されたメモリと、通信インターフェースを介してガラス溶解装置の投入燃料情報を含む工程情報が受信されると、受信された工程情報の前処理を行い、前処理が行われた工程情報を第１の学習された神経網モデルに入力してガラス溶解装置の第１位置に対応する第１予測温度情報を取得し、取得した第１予測温度情報および工程情報を第２の学習された神経網モデルに入力してガラス溶解装置の第２位置に対応する第２予測温度情報を取得し、取得した第１予測温度情報および取得した第２予測温度情報を含むガイド情報を提供する１つ以上のプロセッサと、を含む。
【選択図】図２

【特許請求の範囲】

【請求項1】

温度予測および制御システムを具現するための電子装置であって、
通信インターフェースと；
第１の学習された神経網モデルおよび第２の学習された神経網モデルが保存されたメモリと；
前記通信インターフェースを介してガラス溶解装置の投入燃料情報を含む工程情報が受信されると、前記受信された工程情報の前処理を行い、
前記前処理が行われた工程情報を前記第１の学習された神経網モデルに入力し、前記ガラス溶解装置の第１位置に対応する第１予測温度情報を取得し、
前記取得した第１予測温度情報および前記前処理が行われた工程情報を前記第２の学習された神経網モデルに入力し、前記ガラス溶解装置の第２位置に対応する第２予測温度情報を取得し、
前記取得した第１予測温度情報および前記取得した第２予測温度情報を含むガイド情報を提供する１つ以上のプロセッサと；を含む、電子装置。

【請求項2】

前記前処理が行われた工程情報は、
前記投入燃料情報および工程状態情報を含み、
前記投入燃料情報は、
前記ガラス溶解装置に投入した燃料量情報を含み、
前記第１の学習された神経網モデルは、
前記ガラス溶解装置に投入した燃料量情報を含む前記前処理が行われた工程情報が入力されると、前記投入した燃料量による第１予測温度情報を出力するように学習され、
前記第２の学習された神経網モデルは、
前記出力された第１予測温度情報および前記前処理が行われた工程情報が入力されると、前記投入した燃料量による第２予測温度情報を出力するように学習される、請求項１に記載の電子装置。

【請求項3】

前記メモリは、
単位燃料投入量による前記第２位置に対応する温度変化情報をさらに含み、
前記１つ以上のプロセッサは、
前記取得した第２予測温度情報が既定の範囲を超えるものと識別されると、前記メモリに保存された情報に基づいて前記第２予測温度情報が前記既定の範囲内に属するようにガイドするガイド情報を取得し、
前記取得したガイド情報が含まれたＵＩを提供する、請求項１に記載の電子装置。

【請求項4】

前記１つ以上のプロセッサは、
前記投入燃料情報に含まれた燃料の投入量に関する情報が変更されたサブ投入燃料情報を識別し、
前記サブ投入燃料情報が含まれたサブ工程情報を前記第２の学習された神経網モデルに入力し、第２サブ予測温度情報を取得し、
前記第２予測温度情報および前記第２サブ予測温度情報を用いて前記単位燃料投入量による前記第２位置に対応する温度変化情報を取得する、請求項３に記載の電子装置。

【請求項5】

前記前処理が行われた工程情報は、
燃料の投入量に関する履歴情報および前記第２位置の温度履歴情報を含む工程履歴情報をさらに含み、
前記１つ以上のプロセッサは、
前記工程履歴情報に基づいて前記燃料の投入量と前記第２位置の温度との間の関係情報を識別し、
前記識別した関係情報に基づいて前記単位燃料投入量による前記第２位置に対応する温度変化情報を取得して保存する、請求項３に記載の電子装置。

【請求項6】

前記１つ以上のプロセッサは、
前記第１位置の温度履歴情報および前記第２位置の温度履歴情報を含む工程履歴情報が含まれたＵＩを提供する、請求項３に記載の電子装置。

【請求項7】

ユーザインタフェース；をさらに含み、
前記１つ以上のプロセッサは、
前記ユーザインタフェースを介して前記取得したガイド情報に対応するユーザ入力が受信されると、前記受信されたユーザ入力に対応する制御情報を識別し、
前記通信インターフェースを介して前記識別された制御情報を制御エンジン（Ｅｎｇｉｎｅ）に伝送する、請求項１に記載の電子装置。

【請求項8】

温度予測および制御システムを具現するための電子装置の制御方法であって、
ガラス溶解装置の投入燃料情報を含む工程情報が受信されると、前記受信された工程情報の前処理を行う段階と；
前記前処理が行われた工程情報を第１の学習された神経網モデルに入力し、前記ガラス溶解装置の第１位置に対応する第１予測温度情報を取得する段階と；
前記取得した第１予測温度情報および前記前処理が行われた工程情報を第２の学習された神経網モデルに入力し、前記ガラス溶解装置の第２位置に対応する第２予測温度情報を取得する段階と；
前記取得した第１予測温度情報および前記取得した第２予測温度情報を含むガイド情報を提供する段階と；を含む、制御方法。

【請求項9】

前記前処理が行われた工程情報は、
前記投入燃料情報および工程状態情報を含み、
前記投入燃料情報は、
前記ガラス溶解装置に投入した燃料量情報を含み、
前記第１の学習された神経網モデルは、
前記ガラス溶解装置に投入した燃料量情報を含む前記前処理が行われた工程情報が入力されると、前記投入した燃料量による第１予測温度情報を出力するように学習され、
前記第２の学習された神経網モデルは、
前記出力された第１予測温度情報および前記前処理が行われた工程情報が入力されると、前記投入した燃料量による第２予測温度情報を出力するように学習される、請求項８に記載の制御方法。

【請求項10】

前記ガイド情報を提供する段階は、
前記取得した第２予測温度情報が既定の範囲を超えるものと識別されると、メモリに保存された単位燃料投入量による前記第２位置に対応する温度変化情報に基づいて前記第２予測温度情報が前記既定の範囲内に属するようにガイドするガイド情報を取得し、
前記制御方法は、
前記取得したガイド情報が含まれたＵＩを提供する段階をさらに含む、請求項８に記載の制御方法。

【請求項11】

前記投入燃料情報に含まれた燃料の投入量に関する情報が変更されたサブ投入燃料情報を識別する段階と；
前記サブ投入燃料情報が含まれたサブ工程情報を前記第２の学習された神経網モデルに入力し、第２サブ予測温度情報を取得する段階と；
前記第２予測温度情報および前記第２サブ予測温度情報を用いて前記単位燃料投入量による前記第２位置に対応する温度変化情報を取得する段階と；をさらに含む、請求項１０に記載の制御方法。

【請求項12】

燃料の投入量に関する履歴情報および前記第２位置の温度履歴情報を含む工程履歴情報に基づいて前記燃料の投入量と前記第２位置の温度との間の関係情報を識別する段階と；
前記識別した関係情報に基づいて前記単位燃料投入量による前記第２位置に対応する温度変化情報を取得して保存する段階と；をさらに含む、請求項１０に記載の制御方法。

【請求項13】

前記ＵＩを提供する段階は、
前記第１位置の温度履歴情報および前記第２位置の温度履歴情報を含む工程履歴情報が含まれたＵＩを提供する、請求項１０に記載の制御方法。

【請求項14】

前記取得したガイド情報に対応するユーザ入力が受信されると、前記受信されたユーザ入力に対応する制御情報を識別する段階と；
前記識別した制御情報を制御エンジン（Ｅｎｇｉｎｅ）に伝送する段階と；をさらに含む、請求項８に記載の制御方法。

【請求項15】

温度予測および制御システムを具現するための電子装置のプロセッサによって実行される場合、前記電子装置が動作を行うようにするコンピュータ命令を保存する非一時的なコンピュータ可読記録媒体であって、前記動作は、
ガラス溶解装置の投入燃料情報を含む工程情報が受信されると、前記受信された工程情報の前処理を行う段階と；
前記前処理が行われた工程情報を第１の学習された神経網モデルに入力し、前記ガラス溶解装置の第１位置に対応する第１予測温度情報を取得する段階と；
前記取得した第１予測温度情報および前記前処理が行われた工程情報を第２の学習された神経網モデルに入力し、前記ガラス溶解装置の第２位置に対応する第２予測温度情報を取得する段階と；
前記取得した第１予測温度情報および前記取得した第２予測温度情報を含むガイド情報を提供する段階と；を含む、コンピュータ可読記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、温度予測および制御システムを具現するための電子装置およびその制御方法に関する。より詳細には、学習された神経網モデルを用いてガラス溶解装置の下端部の温度を予測し、これに基づいてガラス溶解装置に投入される燃料を制御する電子装置およびその制御方法に関する。

【背景技術】

【0002】

ガラス溶解炉（またはガラス溶解装置）は、原料投入口（ＯＢＣ，Ｏｎ Ｂｏａｒｄ Ｃｈａｒｇｅ）でガラス原材料が投入されると、ガラス溶解装置に含まれたバーナー（Ｂｕｒｎｅｒ）または電気ブースター（Ｂｏｏｓｔｅｒ）を介して溶解炉内のガラス物に熱を加える。溶解炉内のガラス物は、溶出部を介して溶出する。

【0003】

なお、ガラス溶解炉内のガラス物の温度と積載高さには、適正の範囲が存在する。この場合、溶出量の頻繁な変更や原材料に含まれた水分含有量などの不確実性によりガラス物の温度および積載高さを維持しにくいという問題がある。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】韓国公開特許第１０－２０２３－００８２５７７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

本開示は、前述した問題を解決するためのものであって、本開示は、学習された神経網モデルを用いてガラス溶解装置内の特定位置の温度を予測し、予測した温度情報に基づいてユーザに適正工程温度を維持しながら投入燃料量を減らすためのガイド情報を提供する電子装置およびその制御方法を提供することにある。

【課題を解決するための手段】

【0006】

本開示の一実施形態による温度予測および制御システムを具現するための電子装置であって、通信インターフェースと、第１の学習された神経網モデルおよび第２の学習された神経網モデルが保存されたメモリと、前記通信インターフェースを介してガラス溶解装置の投入燃料情報を含む工程情報が受信されると、前記受信された工程情報の前処理を行う１つ以上のプロセッサと、を含んでもよい。

【0007】

前記１つ以上のプロセッサは、前記前処理が行われた工程情報を前記第１の学習された神経網モデルに入力し、前記ガラス溶解装置の第１位置に対応する第１予測温度情報を取得することができる。

【0008】

前記１つ以上のプロセッサは、前記取得した第１予測温度情報および前記工程情報を前記第２の学習された神経網モデルに入力し、前記ガラス溶解装置の第２位置に対応する第２予測温度情報を取得することができる。

【0009】

前記１つ以上のプロセッサは、前記取得した第１予測温度情報および前記取得した第２予測温度情報を含むガイド情報を提供することができる。

【0010】

本開示の一実施形態による温度予測および制御システムを具現するための電子装置の制御方法は、ガラス溶解装置の投入燃料情報を含む工程情報が受信されると、前記受信された工程情報の前処理を行う段階を含んでもよい。

【0011】

前記制御方法は、前記前処理が行われた工程情報を第１の学習された神経網モデルに入力し、前記ガラス溶解装置の第１位置に対応する第１予測温度情報を取得する段階を含んでもよい。

【0012】

前記制御方法は、前記取得した第１予測温度情報および前記工程情報を第２の学習された神経網モデルに入力し、前記ガラス溶解装置の第２位置に対応する第２予測温度情報を取得する段階を含んでもよい。

【0013】

前記制御方法は、前記取得した第１予測温度情報および前記取得した第２予測温度情報を含むガイド情報を提供する段階を含んでもよい。

【0014】

本開示の一実施形態による非一時的なコンピュータ可読記録媒体は、温度予測および制御システムを具現するための電子装置のプロセッサによって実行される場合、前記電子装置が動作を行うようにするコンピュータ命令を保存し、前記動作は、ガラス溶解装置の投入燃料情報を含む工程情報が受信されると、前記受信された工程情報の前処理を行う段階を含んでもよい。

【0015】

前記動作は、前記前処理が行われた工程情報を第１の学習された神経網モデルに入力し、前記ガラス溶解装置の第１位置に対応する第１予測温度情報を取得する段階を含んでもよい。

【0016】

前記動作は、前記取得した第１予測温度情報および前記工程情報を第２の学習された神経網モデルに入力し、前記ガラス溶解装置の第２位置に対応する第２予測温度情報を取得する段階を含んでもよい。

【0017】

前記動作は、前記取得した第１予測温度情報および前記取得した第２予測温度情報を含むガイド情報を提供する段階を含んでもよい。

【発明の効果】

【0018】

本開示によれば、学習された神経網モデルを用いてガラス溶解装置の内部温度およびガラス物の温度を予測することができる。これに基づいて電子装置１００は、ガラス物の温度を適正範囲内に維持しながら、燃料投入量を最小にするためのガイド情報をユーザに提供することができる。

【図面の簡単な説明】

【0019】

【図1】一実施形態による電子装置の制御方法を概略的に説明するための図である。

【図2】一実施形態による電子装置の構成を示すブロック図である。

【図3】一実施形態による電子装置の制御方法を説明するためのフローチャートである。

【図4】一実施形態による第１の学習された神経網モデルを説明するための図である。

【図5】一実施形態による第２の学習された神経網モデルを説明するための図である。

【図6】一実施形態によるガイド情報を提供する方法を説明するための図である。

【図7】一実施形態による温度変化情報を取得する方法を説明するための図である。

【図8】一実施形態による温度変化情報を取得する方法を説明するための図である。

【図9a】一実施形態によるＵＩ提供方法を説明するための図である。

【図9b】同上。

【図9c】同上。

【図9d】同上。

【図10】一実施形態による制御情報を識別して制御エンジンに伝送する方法を説明するための図である。

【図11】一実施形態による電子装置の細部構成を示すブロック図である。

【発明を実施するための形態】

【0020】

以下では、添付の図面を参照して本開示を詳細に説明する。

【0021】

本明細書において使用される用語について簡略に説明し、本開示について具体的に説明する。

【0022】

本開示の実施形態において使用される用語は、本開示における機能を考慮して可能な限り現在広く使用される一般的な用語を選択したが、これは、当該分野に従事する技術者の意図または判例、新しい技術の出現などによって変わることができる。また、特定の場合は、出願人が任意に選定した用語もあり、この場合、該当する開示の説明部分で詳細にその意味を記載する。したがって、本開示において使用される用語は、単純な用語の名称でなく、当該用語が有する意味と本開示の全般にわたった内容に基づいて定義すべきである。

【0023】

本明細書において、「有する」、「有してもよい」、「含む」または「含んでもよい」などの表現は、当該特徴（例：数値、機能、動作、または部品などの構成要素）の存在を指し、追加的な特徴の存在を排除しない。

【0024】

Ａまたは／およびＢのうち少なくとも１つという表現は、「Ａ」または「Ｂ」または「ＡおよびＢ」のうちいずれか１つを示すものと理解すべきである。

【0025】

本明細書において使用された「第１」、「第２」、「一番目」または「二番目」などの表現は、様々な構成要素を、順序および／または重要度に関係なく修飾することができ、一つの構成要素を他の構成要素と区分するために使用されるだけであり、当該構成要素を限定しない。

【0026】

任意の構成要素（例：第１構成要素）が他の構成要素（例：第２構成要素）に「（機能的にまたは通信的に）連結（（ｏｐｅｒａｔｉｖｅｌｙ ｏｒ ｃｏｍｍｕｎｉｃａｔｉｖｅｌｙ） ｃｏｕｐｌｅｄ ｗｉｔｈ／ｔｏ）」されるか、「接続（ｃｏｎｎｅｃｔｅｄ ｔｏ）」されると言及されたときには、任意の構成要素が他の構成要素に直接に連結されたり、他の構成要素（例：第３構成要素）を介して連結されたりしてもよいと理解すべきである。

【0027】

単数の表現は、門脈上明白に相違に意味しない限り、複数の表現を含む。本出願において、「含む」または「構成される」などの用語は、明細書上に記載された特徴、数字、段階、動作、構成要素、部品またはこれらを組み合わせたものが存在することを指定しようとするものであり、１つまたはそれ以上の他の特徴や数字、段階、動作、構成要素、部品またはこれらを組み合わせたものの存在または付加可能性をあらかじめ排除しないものと理解すべきである。

【0028】

本開示において「モジュール」あるいは「部」は、少なくとも１つの機能や動作を行い、ハードウェアまたはソフトウェアで具現されたり、ハードウェアとソフトウェアの結合で具現されたりしてもよい。また、複数の「モジュール」あるいは複数の「部」は、特定のハードウェアで具現される必要がある「モジュール」あるいは「部」を除いては、少なくとも１つのモジュールに一体化して少なくとも１つのプロセッサ（不図示）で具現されてもよい。

【0029】

本開示の一実施形態による電子装置は、少なくとも１つの神経網レイヤーで構成される人工知能モデル（または人工神経網モデルまたは学習ネットワークモデル）を含んでもよい。人工神経網は、ディープニューラルネットワーク（ＤＮＮ：Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を含んでもよいし、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＢＭ（Ｒｅｓｔｒｉｃｔｅｄ Ｂｏｌｔｚｍａｎｎ Ｍａｃｈｉｎｅ）、ＤＢＮ（Ｄｅｅｐ Ｂｅｌｉｅｆ Ｎｅｔｗｏｒｋ）、ＢＲＤＮＮ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｒｅｃｕｒｒｅｎｔ Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、またはディープＱ－ネットワーク（Ｄｅｅｐ Ｑ－Ｎｅｔｗｏｒｋｓ）などがあるが、前述した例に限定されない。

【0030】

また、本明細書において「パラメーター」は、ニューラルネットワークを成す各レイヤーの演算過程で用いられる値であり、例えば、入力値を所定の演算式に適用するときに用いられる加重値を含んでもよい。また、パラメーターは、マトリックス形態で表現され得る。パラメーターは、訓練の結果として設定される値であり、必要に応じて別途の訓練データ（ｔｒａｉｎｉｎｇ ｄａｔａ）を介して更新することができる。

【0031】

図１は、一実施形態による電子装置の制御方法を概略的に説明するための図である。

【0032】

図１を参照すると、一実施形態により、ガラス溶解装置１は、複数のバーナー１０および電気ブースター２０を含む複数の燃料投入部を含んでもよい。バーナー１０は、ガラス溶解装置１の相対的に上側に対応する熱源であり、電気ブースター２０は、ガラス溶解装置１の相対的に下側に対応する熱源である。バーナーおよび電気ブースターに投入される燃料量によりガラス溶解装置１に含まれたガラス物の温度を維持することができる。

【0033】

一実施形態により、電子装置１００は、ガラス溶解装置１の工程情報に基づいてガラス溶解装置の特定位置に対応する予測温度情報を取得し、取得した予測温度情報に基づいて複数の燃料投入部に投入される燃料量をガイドするためのガイド情報を提供することができる。

【0034】

以下では、学習された神経網モデルを用いてガラス溶解装置１内の特定位置の温度を予測し、予測した温度情報に基づいてユーザに適正工程温度を維持しながら投入燃料量を減らすためのガイド情報を提供する様々な実施形態について説明する。

【0035】

図２は、一実施形態による電子装置の構成を示すブロック図である。

【0036】

図２を参照すると、電子装置１００は、通信インターフェース１１０、メモリ１２０、および１つ以上のプロセッサ１３０を含んでもよい。

【0037】

電子装置１００は、一実施形態により、サーバーのようにデータを処理して外部装置と通信を行う装置で具現されてもよいが、これに限定されない。例えば、電子装置１００は、スマートＴＶ、タブレット、モニター、スマートフォン、デスクトップコンピュータ、ラップトップコンピュータなどのように様々な装置で具現されてもよい。本開示の一実施形態による電子装置１００は、前述した機器に限定されず、電子装置１００は、前述した機器の二つ以上の機能を備えた電子装置１００で具現されてもよい。

【0038】

なお、電子装置１００は、様々な方式で外部装置および外部サーバーと通信接続することができる。一実施形態により、外部装置および外部サーバーとの通信のための通信モジュールが同一に具現されてもよい。例えば、電子装置１００は、外部装置とはブルートゥースモジュールを用いて通信し、外部サーバーも、ブルートゥースモジュールを用いて通信することができる。

【0039】

他の実施形態により、外部装置および外部サーバーとの通信のための通信モジュールは、別々に具現されてもよい。例えば、電子装置１００は、外部装置とはブルートゥースモジュールを用いて通信し、外部サーバーとはイーサネット（登録商標）モデムまたはＷｉ－Ｆｉモジュールを用いて通信することができる。

【0040】

なお、一実施形態により、外部装置（不図示）は、ガラス溶解装置１で具現されてもよいが、これに限定されるものではない。

【0041】

通信インターフェース１１０は、様々なタイプのデータを入力および出力することができる。例えば、通信インターフェース１１０は、ＡＰ基盤のＷｉ－Ｆｉ（ワイ・ファイ、Ｗｉｒｅｌｅｓｓ ＬＡＮネットワーク）、ブルートゥース（登録商標）（Ｂｌｕｅｔｏｏｔｈ）、ジグビー（Ｚｉｇｂｅｅ（登録商標））、有線／無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、イーサネット（Ｅｔｈｅｒｎｅｔ）、ＩＥＥＥ １３９４、ＨＤＭＩ（登録商標）（Ｈｉｇｈ－Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＭＨＬ（Ｍｏｂｉｌｅ Ｈｉｇｈ－Ｄｅｆｉｎｉｔｉｏｎ Ｌｉｎｋ）、ＡＥＳ／ＥＢＵ（Ａｕｄｉｏ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｏｃｉｅｔｙ／Ｅｕｒｏｐｅａｎ Ｂｒｏａｄｃａｓｔｉｎｇ Ｕｎｉｏｎ）、オプティカル（Ｏｐｔｉｃａｌ）、コアキシャル（Ｃｏａｘｉａｌ）などのような通信方式を介して外部装置（例えば、ソース装置）、外部記憶媒体（例えば、ＵＳＢメモリ）、外部サーバー（例えば、ウェブハード）と様々なタイプのデータを送受信することができる。

【0042】

一例により、通信インターフェース１１０は、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）モジュールを含んでもよい。ＢＬＥは、約１０ｍの到達半径を有する２．４ＧＨｚ周波数帯域で低電力低容量データの送受信が可能なブルートゥース技術を意味する。ただし、これに限定されず、通信インターフェース１１０は、Ｗｉ－Ｆｉ通信モジュールを含むこともできる。すなわち、通信インターフェース１１０は、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）モジュールまたはＷｉ－Ｆｉ通信モジュールのうち少なくとも１つを含んでもよい。

【0043】

一例により、通信インターフェース１１０は、遠隔制御装置のような外部装置および外部サーバーと通信するために異なる通信モジュールを用いることができる。例えば、通信インターフェース１１０は、外部サーバーと通信するためにイーサネットモジュールまたはワイ・ファイモジュールのうち少なくとも１つを用いることができ、遠隔制御装置のような外部装置と通信するためにブルートゥースモジュールを用いることもできる。ただし、これは、一実施形態に過ぎず、通信インターフェース１１０は、複数の外部装置または外部サーバーと通信する場合、様々な通信モジュールのうち少なくとも１つの通信モジュールを用いることができる。

【0044】

メモリ１２０は、様々な実施形態のために必要なデータを保存することができる。メモリ１２０は、データ保存用途によって電子装置１００に埋め込まれたメモリ形態で具現されたり、電子装置１００に着脱可能なメモリ形態で具現されたりすることもできる。例えば、電子装置１００の駆動のためのデータの場合、電子装置１００に埋め込まれたメモリに保存され、電子装置１００の拡張機能のためのデータの場合、電子装置１００に着脱可能なメモリに保存される。

【0045】

なお、電子装置１００に埋め込まれたメモリの場合、揮発性メモリ（例：ＤＲＡＭ（ｄｙｎａｍｉｃ ＲＡＭ）、ＳＲＡＭ（ｓｔａｔｉｃ ＲＡＭ）、またはＳＤＲＡＭ（ｓｙｎｃｈｒｏｎｏｕｓ ｄｙｎａｍｉｃ ＲＡＭ）など）、不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅ Ｍｅｍｏｒｙ）（例：ＯＴＰＲＯＭ（ｏｎｅ ｔｉｍｅ ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＰＲＯＭ（ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（ｅｒａｓａｂｌｅ ａｎｄ ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ａｎｄ ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ｍａｓｋ ＲＯＭ、ｆｌａｓｈ ＲＯＭ、フラッシュメモリ（例：ＮＡＮＤ ｆｌａｓｈまたはＮＯＲ ｆｌａｓｈなど）、ハードドライブ、またはソリッドステートドライブ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ（ＳＳＤ））のうち少なくとも１つで具現されてもよい。また、電子装置１００に着脱可能なメモリの場合、メモリカード（例えば、ＣＦ（ｃｏｍｐａｃｔ ｆｌａｓｈ）、ＳＤ（ｓｅｃｕｒｅ ｄｉｇｉｔａｌ）、Ｍｉｃｒｏ－ＳＤ（ｍｉｃｒｏ ｓｅｃｕｒｅ ｄｉｇｉｔａｌ）、Ｍｉｎｉ－ＳＤ（ｍｉｎｉ ｓｅｃｕｒｅ ｄｉｇｉｔａｌ）、ｘＤ（ｅｘｔｒｅｍｅ ｄｉｇｉｔａｌ）、ＭＭＣ（ｍｕｌｔｉ－ｍｅｄｉａ ｃａｒｄ）など）、ＵＳＢポートに接続可能な外部メモリ（例えば、ＵＳＢメモリ）などのような形態で具現されてもよい。

【0046】

一実施形態により、メモリ１２０には、第１の学習された神経網モデルおよび第２の学習された神経網モデルが保存されていてもよい。なお、第１の学習された神経網モデルおよび第２の学習された神経網モデルについては、図４および図５を参照して詳しく説明する。

【0047】

１つ以上のプロセッサ１３０（以下、プロセッサ）は、通信インターフェース１１０およびメモリ１２０と電気的に接続され、電子装置１００の全般的な動作を制御する。プロセッサ１３０は、１つまたは複数のプロセッサで構成されてもよい。具体的には、プロセッサ１３０は、メモリ１２０に保存された少なくとも１つのインストラクションを実行することによって、本開示の様々な実施形態による電子装置１００の動作を行うことができる。

【0048】

一実施形態により、プロセッサ１３０は、デジタル映像信号を処理するデジタルシグナルプロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ（ＤＳＰ）、マイクロ・プロセッサ（ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）プロセッサ、ＮＰＵ（Ｎｅｕｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＴＣＯＮ（Ｔｉｍｅ ｃｏｎｔｒｏｌｌｅｒ）で具現されてもよい。ただし、これに限定されるものではなく、中央処理装置（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ（ＣＰＵ））、ＭＣＵ（Ｍｉｃｒｏ Ｃｏｎｔｒｏｌｌｅｒ Ｕｎｉｔ）、ＭＰＵ（ｍｉｃｒｏ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、コントローラー（ｃｏｎｔｒｏｌｌｅｒ）、アプリケーションプロセッサ（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｃｅｓｓｏｒ（ＡＰ））、またはコミュニケーションプロセッサ（ｃｏｍｍｕｎｉｃａｔｉｏｎ ｐｒｏｃｅｓｓｏｒ（ＣＰ））、ＡＲＭプロセッサのうち１つまたはそれ以上を含んだり、当該用語で定義したりすることができる。また、プロセッサ１３０は、プロセッシングアルゴリズムが内蔵されたＳｏＣ（Ｓｙｓｔｅｍ ｏｎ Ｃｈｉｐ）、ＬＳＩ（ｌａｒｇｅ ｓｃａｌｅ ｉｎｔｅｇｒａｔｉｏｎ）で具現されることもでき、ＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）形態で具現されることもできる。

【0049】

一実施形態により、プロセッサ１３０は、デジタルシグナルプロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ（ＤＳＰ）、マイクロ・プロセッサ（ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ）、ＴＣＯＮ（Ｔｉｍｅ ｃｏｎｔｒｏｌｌｅｒ）で具現されてもよい。ただし、これに限定されるものではなく、中央処理装置（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ（ＣＰＵ））、ＭＣＵ（Ｍｉｃｒｏ Ｃｏｎｔｒｏｌｌｅｒ Ｕｎｉｔ）、ＭＰＵ（ｍｉｃｒｏ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、コントローラー（ｃｏｎｔｒｏｌｌｅｒ）、アプリケーションプロセッサ（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｃｅｓｓｏｒ（ＡＰ））、またはコミュニケーションプロセッサ（ｃｏｍｍｕｎｉｃａｔｉｏｎ ｐｒｏｃｅｓｓｏｒ（ＣＰ））、ＡＲＭプロセッサのうち１つまたはそれ以上を含んだり、当該用語で定義したりすることができる。また、プロセッサ１３０は、プロセッシングアルゴリズムが内蔵されたＳｏＣ（Ｓｙｓｔｅｍ ｏｎ Ｃｈｉｐ）、ＬＳＩ（ｌａｒｇｅ ｓｃａｌｅ ｉｎｔｅｇｒａｔｉｏｎ）で具現されることもでき、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）形態で具現されることもできる。

【0050】

一実施形態により、プロセッサ１３０は、通信インターフェース１１０を介してガラス溶解装置１の投入燃料情報を含む工程情報を受信することができる。ここで、工程情報は、ガラス溶解工程が行われるガラス溶解装置１の諸般環境に関する情報であり、一例により、工程情報には、ガラス溶解工程を行うためにガラス溶解装置１に投入される投入燃料情報またはガラス溶解装置１に対応する工程状態情報を含んでもよい。

【0051】

投入燃料情報は、一例により、ガラス溶解工程を行うために投入される燃料の投入量に関する情報を含んでもよい。一例により、投入燃料情報は、ガラス溶解装置１に含まれた複数の燃料投入部それぞれに対応する燃料投入量に関する情報を含んでもよい。なお、ガラス溶解装置１に対応する工程状態情報は、例えば、ガラス溶解装置１に関する工程環境情報を含んでもよいし、工程状態情報は、一例により、ガラス溶解装置１に投入される投入酸素量情報、ガラス溶解装置１から溶出する溶出量（または生産量）情報、前記ガラス溶解装置１周辺の環境情報、および前記ガラス溶解装置１に含まれた電気ブースター（Ｅｌｅｃｔｒｏｎｉｃ Ｂｏｏｓｔｅｒ）の電力量情報のうち少なくとも１つを含んでもよい。ガラス溶解装置１周辺の環境情報は、例えば、ガラス溶解装置１内の温度情報または湿度情報を含んでもよい。

【0052】

一実施形態により、プロセッサ１３０は、工程情報が受信されると、受信された工程情報の前処理を行うことができる。一例により、プロセッサ１３０は、既定のアルゴリズムを用いて受信された工程情報に含まれた複数のデータのうち異常データ（Ｏｕｔｌｉｅｒ）を識別することができ、識別した異常データ（Ｏｕｔｌｉｅｒ）が除去された工程情報を取得することができる。または、プロセッサ１３０は、工程が行われる時間中に既定の時間区間に対応する工程情報が受信されなかった場合、通信インターフェース１１０から受信されなかった工程情報を受信することによって前処理を行うこともできる。ただし、これに限定されるものではない。

【0053】

一実施形態により、プロセッサ１３０は、前処理が行われた工程情報を第１の学習された神経網モデルに入力し、ガラス溶解装置１の第１位置に対応する第１予測温度情報を取得することができる。

【0054】

ここで、ガラス溶解装置１の第１位置は、一例により、ガラス溶解装置１の相対的に上側（または天井）に対応する位置でありうる。ガラス溶解装置１の第１位置には、温度センサーが設けられていてもよく、第１位置に対応するセンサーを介してガラス溶解装置１の相対的に上側の温度を識別することができる。この場合、相対的に上側の温度は、溶解する溶解物が気化した気体の温度でありうる。一例により、プロセッサ１３０は、前処理が行われた工程情報をメモリ１２０に保存された第１の学習された神経網モデルに入力し、ガラス溶解装置１の第１位置に対応する第１予測温度情報を取得することができる。ここで、第１予測温度情報、第２予測温度情報を含む複数のタイプの温度情報は、温度値に関する情報を含んでもよい。

【0055】

なお、第１の学習された神経網モデルについては、図４を参照して詳しく説明する。

【0056】

一実施形態により、プロセッサ１３０は、取得した第１予測温度情報および工程情報を第２の学習された神経網モデルに入力し、ガラス溶解装置１の第２位置に対応する第２予測温度情報を取得することができる。

【0057】

ここで、ガラス溶解装置１の第２位置は、一例により、ガラス溶解装置１の相対的に下側（または下端部に設けられ、ガラス物に当接する底面）に対応する位置でありうる。ガラス溶解装置１の第２位置には、温度センサーが設けられていてもよく、第２位置に対応するセンサーを介してガラス溶解装置１の相対的に下側の温度を識別することができる。この場合、相対的に下側の温度は、溶解する溶解物（またはガラス物）の温度でありうる。一例により、プロセッサ１３０は、前処理が行われた工程情報および第１予測温度情報をメモリ１２０に保存された第２の学習された神経網モデルに入力し、ガラス溶解装置１の第２位置に対応する第２予測温度情報を取得することができる。すなわち、ガラス物の温度を正確に測定するためには、ガラス溶解装置１内の気体の温度（またはガラス溶解装置１の上端部の温度）に関する情報が必要である。

【0058】

なお、第２の学習された神経網モデルについては、図５を参照して詳しく説明する。

【0059】

一実施形態により、プロセッサ１３０は、取得した第１予測温度情報および取得した第２予測温度情報を含むガイド情報を提供することができる。一例により、プロセッサ１３０は、取得した第２予測温度情報が既定の範囲を超えるものと識別されると、メモリ１２０に保存された情報に基づいて第２予測温度情報が既定の範囲内に属するようにガイドするガイド情報を取得することができる。一例により、メモリ１２０には、第１位置および第２位置それぞれに対応する基準温度範囲に関する情報が保存されていてもよい。

【0060】

図３は、一実施形態による電子装置の制御方法を説明するためのフローチャートである。

【0061】

図３を参照すると、一実施形態により、制御方法は、ガラス溶解装置１の投入燃料情報を含む工程情報が受信されるか否かを識別することができる（Ｓ３１０）。

【0062】

次に、一実施形態により、工程情報が受信されると（Ｓ３１０：Ｙ）、制御方法は、受信された工程情報の前処理を行うことができる（Ｓ３２０）。一例により、プロセッサ１３０は、既定のアルゴリズムを用いて受信された工程情報に含まれた複数のデータのうち異常データ（Ｏｕｔｌｉｅｒ）を識別することができ、識別した異常データ（Ｏｕｔｌｉｅｒ）が除去された工程情報を取得することができる。

【0063】

次に、一実施形態により、制御方法は、前処理が行われた工程情報を第１の学習された神経網モデルに入力し、ガラス溶解装置１の第１位置に対応する第１予測温度情報を取得することができる（Ｓ３３０）。一例により、プロセッサ１３０は、メモリ１２０に保存された第１の学習された神経網モデルに前処理された投入燃料情報および工程状態情報を含む工程情報を入力し、第１予測温度情報を取得することができる。

【0064】

次に、一実施形態により、制御方法は、取得した第１予測温度情報および工程情報を第２の学習された神経網モデルに入力し、ガラス溶解装置１の第２位置に対応する第２予測温度情報を取得することができる（Ｓ３４０）。一例により、プロセッサ１３０は、メモリ１２０に保存された第２の学習された神経網モデルに第１予測温度情報および通信インターフェース１１０を介して受信された工程情報を入力し、第２予測温度情報を取得することができる。

【0065】

次に、一実施形態により、制御方法は、取得した第１予測温度情報および取得した第２予測温度情報を含むガイド情報を提供することができる（Ｓ３５０）。

【0066】

一例により、プロセッサ１３０は、取得した第２予測温度情報が既定の範囲を超えるものと識別されると、メモリ１２０に保存された情報に基づいて第２予測温度情報が既定の範囲内に属するようにガイドするガイド情報を取得することができる。

【0067】

例えば、プロセッサ１３０は、取得した第２予測温度情報が第１閾値を超えるものと識別されると、第２予測温度情報が第１閾値以下になるためのガイド情報を取得し、これを提供することができる。または、例えば、プロセッサ１３０は、取得した第２予測温度情報が第２閾未満であると識別されると、第２予測温度情報が第２閾以上になるためのガイド情報を取得し、これを提供することができる。

【0068】

前述した実施形態によれば、学習された神経網モデルを用いてガラス溶解装置１の内部温度およびガラス物の温度を予測することができる。これに基づいて電子装置１００は、ガラス物の温度を適正範囲内に維持しながら、燃料投入量を最小にするためのガイド情報をユーザに提供することができる。

【0069】

図４は、一実施形態による第１の学習された神経網モデルを説明するための図である。

【0070】

本開示の一実施形態による第１の学習された神経網モデルおよび第２の学習された神経網モデルを含む人工神経網（または神経網モデル）は、ディープニューラルネットワーク（ＤＮＮ：Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を含んでもよいし、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＢＭ（Ｒｅｓｔｒｉｃｔｅｄ Ｂｏｌｔｚｍａｎｎ Ｍａｃｈｉｎｅ）、ＤＢＮ（Ｄｅｅｐ Ｂｅｌｉｅｆ Ｎｅｔｗｏｒｋ）、ＢＲＤＮＮ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｒｅｃｕｒｒｅｎｔ Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）またはディープＱ－ネットワーク（Ｄｅｅｐ Ｑ－Ｎｅｔｗｏｒｋｓ）などがあるが、前述した例に限定されない。

【0071】

一実施形態により、メモリ１２０には、第１の学習された神経網モデルが保存されていてもよい。第１の学習された神経網モデルは、ガラス溶解装置１に投入した燃料量情報を含む工程情報が入力されると、投入した燃料量による第１予測温度情報を出力するように学習されることができる。

【0072】

図４を参照すると、一実施形態により、投入燃料情報および工程状態情報を含む工程情報４１０が含まれるデータセット（ｓｅｔ）が学習データとして第１の神経網モデル４００に入力され、第１の神経網モデルが学習されることができる。この場合、データセット（ｓｅｔ）には、投入した燃料に基づいて（または起因して）出力される第１温度情報４２０がラベル（Ｌａｂｅｌ）に含まれ得る。

【0073】

例えば、第ｎ時点での投入燃料量情報および工程状態情報を含む工程情報が含まれたデータセット（ｓｅｔ）が学習データとして第１の神経網モデルに入力され、神経網モデルが学習されることができる。この場合、データセット（ｓｅｔ）には、第ｎ時点で投入した燃料量に基づいて測定される第１予熱室の第ｎ＋１時点でのガラス溶解装置１の第１位置に対応する温度情報がラベルに含まれて学習が行われ得る。

【0074】

図５は、一実施形態による第２の学習された神経網モデルを説明するための図である。

【0075】

一実施形態により、メモリ１２０には、第２の学習された神経網モデルが保存されていてもよい。一例により、第２の学習された神経網モデルは、第１の学習された神経網モデルを介して出力された第１予測温度情報および受信された工程情報が入力されると、投入した燃料量による第２予測温度情報を出力するように学習されることができる。ここで、第２予測温度情報は、ガラス溶解装置１の下端部（またはガラス物）に対応する予測温度情報である。

【0076】

図５を参照すると、一実施形態により、工程情報５２０および第１予測温度情報５３０が含まれたデータセット（ｓｅｔ）が学習データとして第２の神経網モデル５００に入力され、第２の神経網モデル５００が学習されることができる。ここで、第１予測温度情報５３０は、第１の学習された神経網モデル４００から出力された情報である。一例により、工程情報５２０は、投入燃料情報および工程状態情報を含んでもよい。この場合、一例により、データセット（ｓｅｔ）には、投入した燃料に基づいて（または起因して）出力される第２温度情報５１０がラベル（Ｌａｂｅｌ）に含まれ得る。第２温度情報は、ガラス溶解装置１の第２位置に設けられたセンサーから測定される温度情報である。

【0077】

例えば、第ｎ時点での投入燃料量情報および工程状態情報を含む工程情報および第１の学習された神経網モデル４００から出力された第１位置に対応する第１予測温度情報が含まれたデータセット（ｓｅｔ）が学習データとして第２の神経網モデルに入力され、神経網モデルが学習されることができる。この場合、データセット（ｓｅｔ）には、第ｎ時点で投入した燃料量に基づいて測定される第１予熱室の第ｎ＋１時点でのガラス溶解装置１の第２位置に対応する温度情報がラベルに含まれて学習が行われ得る。

【0078】

図６は、一実施形態によるガイド情報を提供する方法を説明するための図である。

【0079】

図６を参照すると、一実施形態により、制御方法は、取得した第２予測温度情報が既定の範囲を超えるか否かを識別することができる（Ｓ６１０）。

【0080】

一例により、メモリ１２０には、第２予測温度情報に対応する基準範囲情報が保存されていてもよい。一例により、プロセッサ１３０は、第２予測温度情報が取得されると、メモリ１２０に保存された情報に基づいて取得した第２予測温度が基準範囲内であるか否かを識別することができる。

【0081】

次に、一実施形態により、制御方法は、第２予測温度情報が既定の範囲を超えると（Ｓ６１０：Ｙ）、メモリ１２０に保存された情報に基づいて第２予測温度情報が既定の範囲内に属するようにガイドするガイド情報を取得することができる（Ｓ６２０）。一例により、メモリ１２０には、単位燃料投入量による第２位置に対応する温度変化情報をさらに含んでもよい。すなわち、既定の単位に対応する燃料がガラス溶解装置１に投入される場合、第２位置の温度変化の大きさに関する情報がメモリ１２０に保存されていてもよい。プロセッサ１３０は、メモリ１２０に保存された温度変化情報を用いて第２予測温度情報が既定の範囲内に属するようにガイドするためのガイド情報を取得することができる。

【0082】

なお、一実施形態により、プロセッサ１３０は、学習された神経網モデルを用いて温度変化情報を取得することもできる。これについては、図７を参照して詳しく説明する。

【0083】

次に、一実施形態により、制御方法は、取得したガイド情報が含まれたＵＩを提供することができる（Ｓ６３０）。

【0084】

図７は、一実施形態による温度変化情報を取得する方法を説明するための図である。

【0085】

図７を参照すると、一実施形態により、制御方法は、投入燃料情報に含まれた燃料の投入量に関する情報が変更されたサブ投入燃料情報を識別することができる（Ｓ７１０）。ここで、サブ投入燃料情報は、投入燃料量が既定の値だけ変更された工程情報でありうる。

【0086】

次に、一実施形態により、制御方法は、サブ投入燃料情報が含まれたサブ工程情報を第２の学習された神経網モデルに入力し、第２サブ予測温度情報を取得することができる（Ｓ７２０）。一例により、プロセッサ１３０は、サブ投入燃料情報が識別されると、識別された投入燃料量の大きさがアップデートされたサブ工程情報を取得することができる。プロセッサ１３０は、サブ工程情報を第２の学習された神経網モデルに入力し、第２サブ予測温度情報を取得することができる。ここで、第２サブ予測温度情報は、投入燃料量が変更されたサブ投入燃料情報に対応する予測温度情報を意味する。

【0087】

次に、一実施形態により、制御方法は、第２予測温度情報および第２サブ予測温度情報を用いて単位燃料投入量による第２位置に対応する温度変化情報を取得することができる（Ｓ７３０）。一例により、プロセッサ１３０は、第２の学習された神経網モデルを介して出力された第２予測温度情報および第２サブ予測温度情報を比較して、単位燃料投入量による第２位置に対応する第２温度変化情報を取得することができる。

【0088】

ただし、これに限定されず、一実施形態により、単位燃料投入量による第２位置に対応する第２温度変化情報は、メモリ１２０に既に保存されていてもよい。または、一実施形態により、プロセッサ１３０は、既定のアルゴリズムを介してガラス溶解装置１に対する工程履歴情報を用いて単位燃料投入量による第２位置に対応する第２温度変化情報を取得することもできることはもちろんである。ここで、工程履歴情報は、投入燃料に関する履歴情報および工程状態に関する履歴情報を含んでもよい。

【0089】

図８は、一実施形態による温度変化情報を取得する方法を説明するための図である。

【0090】

図８を参照すると、一実施形態により、制御方法は、工程履歴情報に基づいて燃料の投入量と第２位置の温度との間の関係情報を識別することができる（Ｓ８１０）。ここで、工程履歴情報は、投入燃料に関する履歴情報、工程状態に関する履歴情報および第２位置の温度履歴情報を含んでもよい。

【0091】

なお、関係情報は、回帰分析モデルを用いて取得した投入燃料情報および第２位置の温度値の間の関係に対応する数式でありうる。一例により、プロセッサ１３０は、既定のアルゴリズム（例えば、回帰分析モデル）を用いて、投入燃料に関する履歴情報、工程状態に関する履歴情報、および第２位置の温度履歴情報を含む工程履歴情報から投入燃料情報と第２位置の温度値との間の関係情報を取得することができる。

【0092】

次に、一実施形態により、制御方法は、識別された関係情報に基づいて単位燃料投入量による第２位置に対応する温度変化情報を取得して保存することができる（Ｓ８２０）。一例により、プロセッサ１３０は、投入燃料情報と第２位置の温度値との間の関係情報に基づいて単位燃料投入量による第２位置に対応する温度変化情報を取得することができ、これを用いてガイド情報を提供することができる。

【0093】

図９ａ～図９ｄは、一実施形態によるＵＩ提供方法を説明するための図である。

【0094】

一実施形態により、メモリ１２０には、工程履歴情報が保存されていてもよい。工程履歴情報は、一例により、第１位置の温度履歴情報および第２位置の温度履歴情報を含んでもよい。または、一例により、工程履歴情報は、投入燃料に関する履歴情報、工程状態に関する履歴情報を含むこともできる。

【0095】

図９ａを参照すると、一実施形態により、プロセッサ１３０は、工程履歴情報が含まれたＵＩ９００を提供することができる。一例により、プロセッサ１３０は、メモリ１２０に保存された情報に基づいて工程履歴情報に含まれた第１位置（ＡＲＣＨ ＃３）の温度履歴情報および第２位置（ＭＥＬＴＥＲ ＢＴ ＃１１）の温度履歴情報を取得することができる。例えば、プロセッサ１３０は、第１位置の温度履歴に対応するグラフ情報が含まれたＵＩ９００を提供することができる。または、例えば、プロセッサ１３０は、第２位置の温度履歴に対応するグラフ情報が含まれたＵＩ９００を提供することもできる。

【0096】

なお、一実施形態により、電子装置１００は、ディスプレイ（不図示）をさらに含んでもよいし、一例により、プロセッサ１３０は、ディスプレイ（不図示）を介してＵＩ９００を表示することができる。

【0097】

図９ｂを参照すると、一実施形態により、プロセッサ１３０は、投入される燃料量に関するガイド情報が含まれたＵＩ９１０を提供することができる。一例により、ガイド情報は、第１燃料投入部および第２燃料投入部を含むガラス溶解装置１内の複数の燃料投入部それぞれに対応する現在投入される燃料量に関する情報９１１を含んでもよい。または、一例により、投入される燃料量に関するガイド情報は、第１燃料投入部および第２燃料投入部を含むガラス溶解装置１内の複数の燃料投入部それぞれに投入される燃料量に関するガイダンス（Ｇｕｉｄａｎｃｅ）情報９１２を含んでもよい。ここで、ＵＩに表示されるそれぞれの項目（例えば、「ＭＡＩＮ」、「１Ｌ」、「２Ｌ」、「３Ｌ」、…、「４Ｒ」）は、ガラス溶解装置１内含まれた複数のバーナー１０を含む複数の燃料投入部に対応する項目である。

【0098】

ここで、投入される燃料量に関するガイダンス情報９１２は、第２位置の温度が既定の範囲を維持する状態で、投入される燃料量が減少する複数の位置（または複数の燃料投入部）それぞれに投入される燃料に対応する推薦投入量に関する情報を意味する。すなわち、投入される燃料量に関するガイダンス情報９１２は、第２位置の温度が既定の範囲を維持する条件下で複数の位置それぞれに投入される燃料量が最小になる推薦投入量を意味する。なお、一例により、プロセッサ１３０は、既定のアルゴリズムを用いて工程情報、工程履歴情報および第２予測温度情報から投入される燃料量に関するガイダンス情報９１２を取得することができる。または、投入される燃料量に関するガイダンス情報９１２は、メモリ１２０に既に保存されていてもよい。

【0099】

図９ｃを参照すると、一実施形態により、プロセッサ１３０は、複数の燃料投入部それぞれに対応する酸素量に関するガイド情報が含まれたＵＩ９１０－１を提供することができる。一例により、複数の燃料投入部それぞれに対応する酸素量に関するガイド情報は、第１燃料投入部および第２燃料投入部を含むガラス溶解装置１内の複数の燃料投入部それぞれに対応する現在酸素量に関する情報９１１－１を含んでもよい。または、一例により、複数の燃料投入部それぞれに対応する酸素量に関するガイド情報は、第１燃料投入部および第２燃料投入部を含むガラス溶解装置１内の複数の燃料投入部それぞれに投入される酸素量に関するガイダンス（Ｇｕｉｄａｎｃｅ）情報９１２－１を含んでもよい。ここで、ＵＩに表示されるそれぞれの項目（例えば、「ＭＡＩＮ」、「１Ｌ」、「２Ｌ」、「３Ｌ」、…、「４Ｒ」）は、ガラス溶解装置１内に含まれた複数のバーナー１０を含む複数の燃料投入部に対応する項目である。

【0100】

ここで、複数の燃料投入部それぞれに対応する酸素量に関するガイダンス情報９１２－１は、第２位置の温度が既定の範囲を維持する状態で、投入される燃料量が減少する複数の燃料投入部それぞれに対応する推薦酸素量に関する情報を意味する。すなわち、複数の燃料投入部それぞれに対応する酸素量に関するガイダンス情報９１２－１は、第２位置の温度が既定の範囲を維持する条件下で複数の燃料投入部それぞれに対応する推薦酸素量が最小になる推薦投入量を意味する。なお、一例により、プロセッサ１３０は、既定のアルゴリズムを用いて工程情報、工程履歴情報および第２予測温度情報から複数の燃料投入部それぞれに対応する酸素量に関するガイダンス情報９１２－１を取得することができる。または、複数の燃料投入部それぞれに対応する酸素量に関するガイダンス情報９１２－１は、メモリ１２０に既に保存されていてもよい。

【0101】

なお、一実施形態により、プロセッサ１３０は、図９ｂに示された投入される燃料量に関するガイド情報が含まれたＵＩ９１０と複数の燃料投入部それぞれに対応する酸素量に関するガイド情報が含まれたＵＩ９１０－１を共に提供したり、投入される燃料量に関するガイド情報が含まれたＵＩ９１０と複数の燃料投入部それぞれに対応する酸素量に関するガイド情報が含まれたＵＩ９１０－１をそれぞれ提供したりできることはもちろんである。

【0102】

図９ｄを参照すると、一実施形態により、プロセッサ１３０は、予測温度情報を含むＵＩ９２０を提供することができる。一例により、プロセッサ１３０は、取得した第１位置（Ａｒｃｈ＃３）に対応する第１予測温度情報および第２位置（Ｍｅｌｔｅｒ ＢＴ ＃１１）に対応する第２予測温度情報が含まれたＵＩ９２０を取得することができる。この場合、プロセッサ１３０は、受信された工程情報に基づいて第１位置および第２位置に対応する現在温度情報を識別することができ、識別した第１位置および第２位置に対応する現在温度情報を含むＵＩ９２０を提供することもできる。この場合、プロセッサ９３０は、第１の学習された神経網モデルおよび第２の学習された神経網モデルを用いてガイダンス情報９１２に対応する燃料が投入した場合の期待値（効果）を取得することができ、一例により、期待値は、ガイダンス情報９１２に対応する第１位置の温度情報およびガイダンス情報９１２に対応する第２位置の温度情報を含んでもよい。

【0103】

図１０は、一実施形態による制御情報を識別して制御エンジンに伝送する方法を説明するための図である。

【0104】

図１０を参照すると、一実施形態により、制御方法は、取得したガイド情報に対応するユーザ入力が受信されると、受信されたユーザ入力に対応する制御情報を識別することができる（Ｓ１０１０）。ここで、制御情報は、制御エンジンを制御するための制御信号を意味し、制御エンジン（Ｅｎｇｉｎｅ）は、ガラス溶解装置１を制御するためのエンジンを意味する。一例により、電子装置１００は、ユーザインタフェース（不図示）をさらに含んでもよいし、プロセッサ１３０は、ユーザインタフェース（不図示）を介して取得したガイド情報に対応するユーザ入力を受信することができる。次に、プロセッサ１３０は、メモリ１２０に保存された情報に基づいて受信されたユーザ入力に対応する制御情報を識別することができる。

【0105】

次に、一実施形態により、制御方法は、識別された制御情報を制御エンジン（Ｅｎｇｉｎｅ）に伝送することができる（Ｓ１０２０）。一例により、プロセッサ１３０は、通信インターフェース１１０を介して識別された制御情報を制御エンジンに伝送することができる。ここで、制御エンジンは、ガラス溶解装置１を制御するためのエンジンである。

【0106】

図１１は、一実施形態による電子装置の細部構成を示すブロック図である。

【0107】

図１１を参照すると、電子装置１００’は、通信インターフェース１１０、メモリ１２０、１つ以上のプロセッサ１３０、マイク１４０、スピーカー１５０、ディスプレイ１６０、ユーザインタフェース１７０、および少なくとも１つのセンサー１８０を含んでもよい。図１１に示された構成のうち図２に示された構成と重複した構成については、詳しい説明を省略する。

【0108】

マイク１４０は、音を取得して電気信号に変換するモジュールを意味し、コンデンサマイク、リボンマイク、ムービングコイルマイク、圧電素子マイク、カーボンマイク、ＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）マイクでありうる。また、無指向性、双指向性、単一指向性、サブカーディオイド（Ｓｕｂ Ｃａｒｄｉｏｉｄ）、スーパーカーディオイド（Ｓｕｐｅｒ Ｃａｒｄｉｏｉｄ）、ハイパーカーディオイド（Ｈｙｐｅｒ Ｃａｒｄｉｏｉｄ）の方式で具現されてもよい。

【0109】

電子装置１００’がマイク１４０を介して受信されたユーザ音声信号に対応する動作を行う様々な実施形態がありえる。

【0110】

一例として、電子装置１００’は、マイク１４０を介して受信されたユーザ音声信号に基づいてディスプレイ１６０を制御することができる。例えば、Ａコンテンツを表示するためのユーザ音声信号が受信されると、電子装置１００’は、Ａコンテンツを表示するようにディスプレイ１６０を制御することができる。

【0111】

他の例として、電子装置１００’は、マイク１４０を介して受信されたユーザ音声信号に基づいて電子装置１００’と接続された外部ディスプレイ装置を制御することができる。具体的には、電子装置１００’は、ユーザ音声信号に対応する動作が外部ディスプレイ装置で行われるように外部ディスプレイ装置を制御するための制御信号を提供し、提供した制御信号を外部ディスプレイ装置に伝送することができる。ここで、電子装置１００’は、外部ディスプレイ装置を制御するための遠隔制御アプリケーションを保存することができる。また、電子装置１００’は、提供された制御信号をブルートゥース、ワイ・ファイ、または赤外線のうち少なくとも１つの通信方法を用いて外部ディスプレイ装置に伝送することができる。例えば、Ａコンテンツを表示するためのユーザ音声信号が受信されると、電子装置１００’は、Ａコンテンツが外部ディスプレイ装置で表示されるように制御するための制御信号を外部ディスプレイ装置に伝送することができる。ここで、電子装置１００’は、スマートフォン、ＡＩスピーカーなど遠隔制御アプリケーションをインストールできる様々な端末装置を意味する。

【0112】

さらに他の例として、電子装置１００’は、マイク１４０を介して受信されたユーザ音声信号に基づいて電子装置１００’と接続された外部ディスプレイ装置を制御するために遠隔制御装置を用いることができる。具体的には、電子装置１００’は、ユーザ音声信号に対応する動作が外部ディスプレイ装置で行われるように外部ディスプレイ装置を制御するための制御信号を遠隔制御装置に伝送することができる。また、遠隔制御装置は、電子装置１００’から受信された制御信号を外部ディスプレイ装置に伝送することができる。例えば、Ａコンテンツを表示するためのユーザ音声信号が受信されると、電子装置１００’は、Ａコンテンツが外部ディスプレイ装置で表示されるように制御するための制御信号を遠隔制御装置に伝送し、遠隔制御装置は、受信された制御信号を外部ディスプレイ装置に伝送することができる。

【0113】

スピーカー１５０は、高音再生のためのツイーター、中音再生のためのミッドレンジ、低音再生のためのウーファー、極低音再生のためのサブウーファー、共振を制御するためのエンクロージャー、スピーカーに入力される電気信号周波数を帯域別に分けるクロスオーバーネットワークなどからなる。

【0114】

スピーカー１５０は、音響信号を電子装置１００’の外部に出力することができる。スピーカー１５０は、マルチメディア再生、録音再生、各種通知音、音声メッセージなどを出力することができる。電子装置１００’は、スピーカー１５０のようなオーディオ出力装置を含んでもよいが、オーディオ出力端子のような出力装置を含んでもよい。特に、スピーカー１５０は、取得した情報、取得した情報に基づいて加工・生産した情報、ユーザ音声に対する応答結果または動作結果などを音声形態で提供することができる。

【0115】

ディスプレイ１６０は、自発光素子を含むディスプレイまたは非自発光素子およびバックライトを含むディスプレイで具現されてもよい。例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅｓ）ディスプレイ、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅｓ）、マイクロＬＥＤ（ｍｉｃｒｏ ＬＥＤ）、Ｍｉｎｉ ＬＥＤ、ＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）、ＱＤ（Ｑｕａｎｔｕｍ ｄｏｔ）ディスプレイ、ＱＬＥＤ（Ｑｕａｎｔｕｍ ｄｏｔ ｌｉｇｈｔ－ｅｍｉｔｔｉｎｇ ｄｉｏｄｅｓ）などのような様々な形態のディスプレイで具現されてもよい。ディスプレイ１６０内には、ａ－ｓｉ ＴＦＴ、ＬＴＰＳ（ｌｏｗ ｔｅｍｐｅｒａｔｕｒｅ ｐｏｌｙ ｓｉｌｉｃｏｎ）ＴＦＴ、ＯＴＦＴ（ｏｒｇａｎｉｃ ＴＦＴ）などのような形態で具現される駆動回路、バックライトユニットなども共に含まれ得る。なお、ディスプレイ１６０は、タッチセンサーと結合したタッチスクリーン、フレキシブルディスプレイ（ｆｌｅｘｉｂｌｅ ｄｉｓｐｌａｙ）、ローラブルディスプレイ（ｒｏｌｌａｂｌｅ ｄｉｓｐｌａｙ）、３次元ディスプレイ（３Ｄ ｄｉｓｐｌａｙ）、複数のディスプレイモジュールが物理的に連結されたディスプレイなどで具現されてもよい。プロセッサ１３０は、前述した様々な実施形態により取得した出力映像を出力するようにディスプレイ１６０を制御することができる。ここで、出力映像は、４Ｋまたは８Ｋ以上の高解像度映像でありうる。

【0116】

なお、他の実施形態により、電子装置１００’は、ディスプレイ１６０を含まなくてもよい。電子装置１００’は、外部ディスプレイ装置と接続されてもよく、電子装置１００’に保存されたイメージまたはコンテンツを外部ディスプレイ装置に伝送することができる。具体的には、電子装置１００’は、外部ディスプレイ装置でイメージまたはコンテンツが表示されるように制御するための制御信号と共にイメージまたはコンテンツを外部ディスプレイ装置に伝送することができる。

【0117】

ここで、外部ディスプレイ装置は、電子装置１００’と通信インターフェース１１０または入出力インターフェース（不図示）を介して接続することができる。例えば、電子装置１００’は、ＳＴＢ（Ｓｅｔ Ｔｏｐ Ｂｏｘ）のようにディスプレイを含まなくてもよい。また、電子装置１００’は、テキスト情報などの簡単な情報だけを表示できる小型ディスプレイのみを含んでもよい。ここで、電子装置１００’は、イメージまたはコンテンツを通信インターフェース１１０を介して有線または無線で外部ディスプレイ装置に伝送したり、入出力インターフェース（不図示）を介して外部ディスプレイ装置に伝送したりすることができる。

【0118】

ユーザインタフェース１７０は、電子装置１００’がユーザとインタラクション（Ｉｎｔｅｒａｃｔｉｏｎ）を行うための構成である。例えば、ユーザインタフェース１７０は、タッチセンサー、モーションセンサー、ボタン、ジョグ（Ｊｏｇ）ダイヤル、スイッチ、マイク、またはスピーカーのうち少なくとも１つを含んでもよいが、これに限定されるものではない。

【0119】

少なくとも１つのセンサー１８０（以下、センサー）は、様々なタイプの複数のセンサーを含んでもよい。センサー１８０は、物理量を計測したり電子装置１００’の作動状態を感知したりして、計測または感知した情報を電気信号に変換することができる。センサー１８０は、カメラを含んでもよいし、カメラは、オブジェクトによって反射して受信される可視光その他の光学信号をイメージセンサーにフォーカシングするレンズおよび可視光その他の光学信号を感知できるイメージセンサーを含んでもよい。ここで、イメージセンサーは、複数のピクセルに区分される２Ｄのピクセルアレイを含んでもよい。

【0120】

前述した実施形態によれば、学習された神経網モデルを用いてガラス溶解装置の内部温度およびガラス物の温度を予測することができる。これに基づいて電子装置１００’は、ガラス物の温度を適正範囲内に維持しながら、燃料投入量を最小にするためのガイド情報をユーザに提供することができる。

【0121】

なお、前述した本開示の様々な実施形態による方法は、従来の電子装置にインストール可能なアプリケーション形態で具現されてもよい。または、前述した本開示の様々な実施形態による方法は、ディープラーニング基盤の学習された神経網（または深層学習された神経網）、すなわち、学習ネットワークモデルを用いて行われ得る。また、前述した本開示の様々な実施形態による方法は、従来の電子装置に対するソフトウェアアップグレードまたはハードウェアアップグレードだけでも具現されてもよい。また、前述した本開示の様々な実施形態は、電子装置に設けられたエンベデッドサーバー、または電子装置の外部サーバーを介して行われることも可能である。

【0122】

なお、本開示の一実施形態によれば、以上で説明された様々な実施形態は、機器（ｍａｃｈｉｎｅ）（例：コンピュータ）で読み取り可能な記憶媒体（ｍａｃｈｉｎｅ－ｒｅａｄａｂｌｅ ｓｔｏｒａｇｅ ｍｅｄｉａ）に保存された命令語を含むソフトウェアで具現されてもよい。機器は、記憶媒体から、保存された命令語を呼び出し、呼び出された命令語により動作が可能な装置であり、開示された実施形態によるディスプレイ装置（例：ディスプレイ装置（Ａ））を含んでもよい。命令がプロセッサによって実行される場合、プロセッサが直接、またはプロセッサの制御下に他の構成要素を用いて命令に該当する機能を行うことができる。命令は、コンパイラーまたはインタープリターにより提供または実行されるコードを含んでもよい。機器で読み取り可能な記憶媒体は、非一時的な（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体の形態で提供されてもよい。ここで、「非一時的な」は、記憶媒体が信号（ｓｉｇｎａｌ）を含まず、実在（ｔａｎｇｉｂｌｅ）することを意味するだけで、データが記憶媒体に半永久的または臨時的に保存されることを区分しない。

【0123】

また、一実施形態によれば、以上で説明された様々な実施形態による方法は、コンピュータプログラム製品（ｃｏｍｐｕｔｅｒ ｐｒｏｇｒａｍ ｐｒｏｄｕｃｔ）に含まれて提供されてもよい。コンピュータプログラム製品は、商品として販売者と購買者との間で取引されてもよい。コンピュータプログラム製品は、機器で読み取り可能な記憶媒体（例：ｃｏｍｐａｃｔ ｄｉｓｃ ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ（ＣＤ－ＲＯＭ））の形態で、またはアプリケーションストア（例：プレイストアＴＭ）を介してオンラインで配布することができる。オンライン配布の場合に、コンピュータプログラム製品の少なくとも一部は、メーカーのサーバー、アプリケーションストアのサーバー、または中継サーバーのメモリのような記憶媒体に少なくとも一時保存されたり、臨時的に提供されたりしてもよい。

【0124】

また、前述した様々な実施形態による構成要素（例：モジュールまたはプログラム）それぞれは、単数または複数の個体で構成されてもよく、前述した当該サブ構成要素のうち一部のサブ構成要素が省略されるか、または他のサブ構成要素が様々な実施形態にさらに含まれてもよい。代替としてまたは追加として、一部の構成要素（例：モジュールまたはプログラム）は、１つの個体として統合され、統合される前のそれぞれの当該構成要素により行われる機能を同一または類似に行うことができる。様々な実施形態によれば、モジュール、プログラムまたは他の構成要素により行われる動作は、順次に、並列的に、反復的に、またはヒューリスティックに実行されたり、少なくとも一部の動作が他の順序で実行されたり、省略されたり、または他の動作が追加されてもよい。

【0125】

以上では、本開示の好ましい実施形態について図示し説明したが、本開示は、前述した特定の実施形態に限定されず、特許請求の範囲において請求する本開示の要旨を逸脱することなく、当該開示に属する技術分野における通常の知識を有する者によって様々な変形実施が可能であることはもちろんであり、このような変形実施は、本開示の技術的思想や展望から個別的に理解されてはならない。

【符号の説明】

【0126】

１００ 電子装置
１１０ 通信インターフェース
１２０ メモリ
１３０ １つ以上のプロセッサ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9a】

【図9b】

【図9c】

【図9d】

【図10】

【図11】