본 연구에서는 플러그 앤 플레이 포인트 매핑 자동화 기반 VRF 시스템의 최적 시작 모델을 개발하였으며, 최적 시작 모델의 성능을 검증하기 위해 냉방 조건에서 실증을 진행하였다. VRF 시스템은 특히 개별 방마다 냉매량을 분리하여 실내를 냉난방하는 방식이므로 본 연구의 결과를 통해 최적 시작 시간 예측 제어 값이 주어진 환경에 따라 빠르게 대응할 수 있도록 하면서도 에너지 절감이 가능하도록 한다는 점에서 기여가 있음을 확인할 수 있었다. 또한, 향후 연구들에 대해서는 현장의 다양한 상황 발생에 유연하게 대응 가능한 모델 배포 방식이 개발되어야 한다는 것을 시사하였다. 플러그 앤 플레이 자동 매핑 분류 모델의 검증 과정에서는 최적 시작 모델 구동에 필요한 센서 라벨의 원본 표현이 대체 표현으로 올바르게 변환하는가를 평가하며 수많은 센서 노드를 소수의 관리자가 수동적으로 관리해야 하는 기존의 포인트 관리 문제점을 해결하는 데 기여할 수 있는가를 평가하였다. 지능형 건물 운용 시에는 최적 시작과 같은 건물 에너지 관리용 모델을 단시간에 배포해야 하므로 플러그 앤 플레이 포인트 매핑 자동화를 적용함으로써 문제를 획기적으로 해결할 수 있다는 것을 본 검증 과정에서 확인하였다. 이를 통해 최적 시작 모델에 필요한 센서만을 정확하게 자동으로 매핑하기 때문에 관리자는 포인트 매핑에 불필요한 시간 낭비를 막을 수 있다. 에너지 평형식에서 파생되어진 데이터 기반 최적 시간 모델의 에너지 절감 성능을 검증하기 위하여 작동 데이터를 사용하여 높은 예측 성능으로 최적 가동 시작 시간을 예측하는 것이 검증되었으며, 냉방에서는 6%, 난방에서는 4%의 오차 이내에 예측이 가능한 것을 확인하였다. 최종적으로 최적 시작 모델의 에너지 절감 성능은 냉방 조건에서 운전하였을 때 모든 IDU가 동일한 시간에 사전 냉방을 시작한 것 대비 35.5%의 에너지 절감 능력을 가지고 있다는 것이 검증되었다.