차량의 공조시스템(HVAC) 내부에 존재하는 다양한 파라미터를 제어해 전력 소비 효율을 늘리고 주행 거리를 확장할 수 있습니다. 기존에는 시뮬레이터를 활용해 제어 모델을 개발했으나, 실제 차량 환경을 충분히 대변하지 못하고 속도가 느립니다. 이에 따라 실제 차량에서 제어 성능이 재현되지 않고, 모델 개발 속도가 늦어집니다.
Approach
실제 전기차의 공조 시스템에서 수집된 데이터를 이용해 차량의 내부 상태를 모사하는 다이내믹스 모델을 개발합니다. 차량 시뮬레이터 대신 학습된 모델로 차량 내부의 환경 변화를 예측하고, 이를 기반으로 효율적인 공조 시스템 제어 모델을 개발합니다.
Results
기존의 제어방식보다 효율적으로 목표 온도에 도달할 수 있고, 이에 따라 전기차의 전력소비효율이 증가합니다.
Related Use Cases
이상탐지
반도체
Enterprise MLOps 도입으로 고복잡도 공정에 seamless한 ML 모델 운영하기
글로벌 반도체 소재 장비 기업은 제조 산업에서 축적된 마키나락스의 Core ML 기술로 핵심 공정에 최적화된 이상탐지 모델을 개발하고, MLOps 솔루션(MakinaRocks Link™ & Runway™)을 통해 실시간 추론 및 지속적인 모델의 개선/배포가 가능한 워크플로우를 구현할 수 있었습니다.