发明内容
鉴于以上内容,本申请提出一种设备效率预测方法、电子装置、生产排配方法及装置,利用设备的多个运行参数及生产参数数据等生产状况,计算设备的平均效率,依据设备的平均效率的排比进行生产排配,能够更精准地推荐效率高设备投入生产,合理分配生产数量,提升产量与品质。
本申请实施例提供一种设备效率预测方法,包括:获取设备的历史运行参数数据及历史生产参数数据;根据所述设备的历史运行参数数据及历史生产参数数据,计算所述设备的生产效率值及多个不同效率权重值;基于所述设备的多个不同效率权重值,估算所述设备的交叉效率值;利用所述设备的生产效率值及交叉效率值,确定所述设备的平均效率值。
在一些实施例中,所述计算所述设备的生产效率值及多个不同效率权重值的步骤,包括:构建效率预测模型,并对所述效率预测模型进行预处理;输入所述设备的历史运行参数数据及历史生产参数数据至预处理后的所述效率预测模型,得到所述设备的效率值区间,所述效率值区间包括多个不同的效率值;对效率值区间内多个不同的效率值进行排序,得到排序结果;基于排序结果,将所述效率值区间内最大的效率值作为生产效率值,剩余的效率值作为效率权重值。
在一些实施例中,所述估算所述设备的交叉效率值的步骤,包括:计算所述设备的多个不同效率权重值之和的平均值,得到所述设备的交叉效率值。
在一些实施例中,所述确定所述设备的平均效率值的步骤,包括:选取所述设备的交叉效率值的最佳权重;计算所述设备的交叉效率值与所述最佳权重的乘积,求取所述乘积与所述设备的生产效率值之和的平均值,得到所述设备的平均效率值。
本申请实施例还提供一种电子装置,包括第一处理器和存储介质,所述存储介质包括可读指令,所述可读指令用于被所述第一处理器执行如上述的设备效率预测方法。
本申请实施例还提供一种生产排配方法,包括:获取设定历史时间段内多个设备的运行参数数据及生产参数数据;根据所述多个设备的运行参数数据及生产参数数据,分别预测所述多个设备的平均效率值;获取目标订单数据,确定所述目标订单对应的总生产数量及总生产时间;根据所述多个设备的运行参数数据,获取在设定历史时间段内所述多个设备的平均生产时间;基于所述总生产数量、所述总生产时间、所述多个设备的平均生产时间以及所述多个设备的平均效率值,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量。
在一些实施例中,所述预测设备的平均效率值的步骤,包括:获取所述设备的运行参数数据及生产参数数据;根据所述设备的运行参数数据及生产参数数据,计算所述设备的生产效率值及多个不同效率权重值;基于所述设备的多个不同效率权重值,估算所述设备的交叉效率值;利用所述设备的生产效率值及交叉效率值,确定所述设备的平均效率值。
在一些实施例中,预测所述多个设备的平均效率值后,进一步比较所述多个设备的平均效率值的大小,并按照逐渐递减的规则对所述多个设备的平均效率值进行排列。
在一些实施例中,所述确定所述目标订单对应的总生产数量及总生产时间的步骤,包括:对所述目标订单数据进行解析,提取所述目标订单对应的总生产数量;根据所述总生产数量以及单个数量的加工时间,计算所述目标订单对应的总生产时间。
在一些实施例中,所述筛选出符合预期的设备,并确定符合预期的设备对应的生产数量的步骤,包括:计算在设定历史时间段内所述多个设备的平均生产时间之和的平均值,得到在设定历史时间段内所有设备对应的平均生产时间;根据所述目标订单对应的总生产时间与所有设备对应的平均生产时间,计算所述目标订单所需的设备数量;基于所述多个设备的平均效率值的排列结果,从所述多个设备中筛选出排名靠前的所需数量的符合预期的设备;利用所述目标订单对应的总生产数量以及所述符合预期的设备对应的平均生产时间,计算所述符合预期的设备的生产数量。
本申请实施例还提供一种生产排配装置,包括:通信器,用于接收设定历史时间段内多个设备的运行参数数据及生产参数数据,还进一步用于接收目标订单数据;第二处理器,耦接所述通信器,用于根据所接收到的所述多个设备的运行参数数据及生产参数数据,分别预测所述多个设备的平均效率值;根据所接收到的所述目标订单数据,确定所述目标订单对应的总生产数量及总生产时间;根据所述多个设备的运行参数数据,获取在设定历史时间段内所述多个设备的平均生产时间;基于所述总生产数量、所述总生产时间、所述多个设备的平均生产时间以及所述多个设备的平均效率值,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量。
如此,本申请利用各设备的多个运行参数数据及生产参数数据,计算各设备的生产效率值及效率权重值,进而估算各设备的交叉效率值,通过各设备的生产效率值及交叉效率值计算各设备的平均效率值,而后进行各个设备平均效率值排比,依据效率排比结果筛选出符合预期的设备,使得在进行订单产量排配时,可以细分到设备,尽量使用符合预期的设备进行生产,并依据设备的平均生产时间合理分配设备的生产数量,提升产量与品质。
本申请考虑到设备运作进行产品生产时需要一定的成本付出,其中可能包含维修成本,备品耗用成本等,将耗材数量成本及维修成本费用作为运行参数数据,利用设备综合效率、耗材数量成本、报警频率、维修费用、用电量、设备的平均生产时间等多维度投入因子和产量数据,来计算设备的效率值并进行多个设备效率排比,筛选出效率高的设备进行生产排配,与仅考虑设备综合效率的排配方式相比,排配结果更加合理和准确。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种设备效率预测方法,包括:获取设备的历史运行参数数据及历史生产参数数据,根据所述设备的历史运行参数数据及历史生产参数数据,计算所述设备的生产效率值及多个不同效率权重值,基于所述设备的多个不同效率权重值,估算所述设备的交叉效率值,利用所述设备的生产效率值及交叉效率值,确定所述设备的平均效率值。
本申请实施例还提供一种电子装置,包括第一处理器和存储介质,所述存储介质包括可读指令,所述可读指令用于被所述第一处理器执行如上述的设备效率预测方法。
本申请实施例还提供一种生产排配方法,包括获取设定历史时间段内多个设备的运行参数数据及生产参数数据,根据所述多个设备的运行参数数据及生产参数数据,分别预测所述多个设备的平均效率值,获取目标订单数据,确定所述目标订单对应的总生产数量及总生产时间,根据所述多个设备的运行参数数据,获取在设定历史时间段内所述多个设备的平均生产时间,基于所述总生产数量、所述总生产时间、所述多个设备的平均生产时间以及所述多个设备的平均效率值,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量。
本申请实施例还提供一种生产排配装置,包括通信器,用于接收设定历史时间段内多个设备的运行参数数据及生产参数数据,还进一步用于接收目标订单数据,第二处理器,耦接所述通信器,用于根据所接收到的所述多个设备的运行参数数据及生产参数数据,分别预测所述多个设备的平均效率值;根据所接收到的所述目标订单数据,确定所述目标订单对应的总生产数量及总生产时间;根据所述多个设备的运行参数数据,获取在设定历史时间段内所述多个设备的平均生产时间;基于所述总生产数量、所述总生产时间、所述多个设备的平均生产时间以及所述多个设备的平均效率值,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量。
结合附图,以下将对本申请的一些实施方式进行详细说明。
如图1所示,本申请实施例提供一种设备效率预测方法,该设备效率预测方法用于根据设备的多个历史运行参数数据与历史生产参数数据,通过效率预测模型计算设备的生产效率值及效率权重值,进而估算设备的交叉效率值,而后通过生产效率值与交叉效率值计算设备的平均效率值。
请参阅图1,该设备效率预测方法包括:
S1,获取设备的历史运行参数数据及历史生产参数数据。
可以通过在线监测的方式采集设备的历史运行参数数据及历史生产参数数据,在线监测可以用于自动采集设备在不同历史阶段的历史运行参数数据及历史生产参数数据而且还可以以在线监测为主,巡视监测和其他非在线的手段为辅,对生产设备的设备数据进行进一步的完善,提高设备数据的完整度和准确度。
其中,历史运行参数数据包括设备综合效率、耗材数量成本、报警频率、维修费用、用电量、设备的平均生产时间等参数数据,历史生产参数数据包括产量或良率等参数数据。
需要说明的是,考虑到设备运作进行产品生产时需要一定的成本付出,其中可能包含维修成本,备品耗用成本等,因此本申请将耗材数量成本及维修成本费用作为运行参数数据,利用设备综合效率、耗材数量成本、报警频率、维修费用、用电量、设备的平均生产时间等多维度投入因子和产量数据,来计算设备更准确的效率值。
S2,根据所述设备的历史运行参数数据及历史生产参数数据,计算所述设备的生产效率值及多个不同效率权重值。
在一些实施例中,如图2所示,计算所述设备的生产效率值及多个不同效率权重值的步骤,包括:
S201,构建效率预测模型,并对所述效率预测模型进行预处理。
在一些实施例中,采用数据包络分析法(DEA)构建DEA-CCR模型,将DEA-CCR模型作为效率预测模型,其中,效率预测模型的非线性规划方程为:
其中,k为设备的编号,n为生产参数数据的数量,u为生产参数数据的权重系数,Y为生产参数数据,m为运行参数数据的数量,X为运行参数数据,v为运行参数数据的权重系数,Ek为设备k的效率值。
需要说明的是,对所述效率预测模型进行预处理,是指将效率预测模型的非线性规划方程转变为线性规划方程,转变后的线性规划方程为:
其中,k为设备的编号,n为生产参数数据的数量,u为生产参数数据的权重系数,Y为生产参数数据,m为运行参数数据的数量,X为运行参数数据,v为运行参数数据的权重系数。
S202,输入所述设备的历史运行参数数据及历史生产参数数据至预处理后的所述效率预测模型,得到所述设备的效率值区间,所述效率值区间包括多个不同的效率值。
以所述设备的历史运行参数数据包括设备的综合效率、耗材数量成本、报警频率、维修费用、用电量及平均生产时间这六个参数数据,所述设备的历史生产参数数据包括产量数据为例,步骤S202的具体实现方式为:
将设备的综合效率、耗材数量成本、报警频率、维修费用、用电量、平均生产时间及产量这7个参数数据输入至预处理后的所述效率预测模型,预测得到所述设备的7个可能的效率值,构成效率值区间。
效率值区间内效率值的个数与输入至所述效率预测模型的运行参数数据和生产参数数据的参数数量有关,本申请使用了6个运行参数数据和1个生产参数数据,这7个参数数据经效率预测模型预测后,得到7个可能的效率值,其中包含1个生产效率值和6个效率权重值。
S203,对效率值区间内多个不同的效率值进行排序,得到排序结果。
由于设备的生产效率值为最优效率值且唯一,因此,对效率值区间内多个效率值进行排序,选取效率值区间的上限作为设备的生产效率值,其余的都作为效率权重值。效率值区间的上限能够反映设备的最好效率。
其中,排序是指将效率值区间内多个不同的效率值从大到小或者从小到大进行排序,排序结果能够显示出效率值区间的上限,即多个不同的效率值中最大的效率值。
S204,基于排序结果,将所述效率值区间内最大的效率值作为生产效率值,剩余的效率值作为效率权重值。
在一些实施例中,将设备的综合效率、耗材数量成本、报警频率、维修费用、用电量、平均生产时间及产量这7个参数数据输入至预处理后的所述效率预测模型,预测得到所述设备的7个可能的效率值,分别为E1、E2、E3、E4、E5、E6、E7,若E7>E6>E5>E4>E3>E2>E1,则E7为效率值区间内最大的效率值,选取E7作为生产效率值,E1、E2、E3、E4、E5、E6作为效率权重值。
S3,基于所述设备的多个不同效率权重值,估算所述设备的交叉效率值。
以预测得到所述设备的7个可能的效率值为例,所述设备的交叉效率值为预测得到的设备的7个可能的效率值中除最大的效率值外的6个效率值的平均值,得到最优的效率权重值,将最优的效率权重值作为设备的交叉效率值。
其中,计算设备的交叉效率值的计算公式为:
其中,k为设备的编号,R为输入效率预测模型的参数数量,
为设备k的效率权重值,CE
k为设备k的交叉效率值。
S4,利用所述设备的生产效率值及交叉效率值,确定所述设备的平均效率值。
在一些实施例中,确定所述设备的平均效率值的步骤包括:
选取所述设备的交叉效率值的最佳权重;
计算所述设备的交叉效率值与所述最佳权重的乘积,求取所述乘积与所述设备的生产效率值之和的平均值,得到所述设备的平均效率值。
其中,计算设备的平均效率值公式为:
其中,k为设备的编号,R为输入效率预测模型的参数数量,CEk为设备k的交叉效率值,hk为设备k的生产效率值,AEk为设备k的平均效率值。
在一些实施例中,选取输入效率预测模型的历史运行参数数量作为所述设备的交叉效率值的最佳权重。以所述设备的历史运行参数数据包括设备的综合效率、耗材数量成本、报警频率、维修费用、用电量及平均生产时间这六个参数数据为例,设备k的交叉效率值CEk的最佳权重(R-1)为6。计算设备k的交叉效率值CEk的6倍数与设备k的生产效率值hk之和的平均值,得到最佳的设备k的平均效率值。
上述的设备效率预测方法,考虑到设备性能及设备品质等生产状况,根据设备历史的综合效率、报警量、产量、品质、维修费用、耗品成本等参数数据,通过效率预测模型计算设备的生产效率值及效率权重值,进而根据设备的效率权重值估算设备的交叉效率值,通过生产效率值与交叉效率值计算设备的平均效率值。本申请能够根据设备的平均效率值,对多个设备的效率进行排比,便于推荐效率高设备投入运行,提高生产效率。
如图3所示,本申请实施例还提供一种电子装置100,该电子装置100包括第一处理器10和存储介质11,所述存储介质11包括可读指令,所述可读指令用于被所述第一处理器10执行执行如下方法:
获取设备的历史运行参数数据及历史生产参数数据;
根据所述设备的历史运行参数数据及历史生产参数数据,计算所述设备的生产效率值及多个不同效率权重值;
基于所述设备的多个不同效率权重值,估算所述设备的交叉效率值;
利用所述设备的生产效率值及交叉效率值,确定所述设备的平均效率值。
如图4所示,本申请实施例还提供一种生产排配方法,该生产排配方法根据多个设备的历史运行参数数据与历史生产参数数据,通过效率预测模型计算每个设备的生产效率值及效率权重值,进而估算每个设备的交叉效率值,而后通过生产效率值与交叉效率值计算每个设备的平均效率值,依据多个设备的平均效率值,多个设备的平均效率值进行排比,依据效率排比结果推荐效率高的效率高设备投入运行,并依据平均生产时间排配投入运行的设备的生产数量。
请参阅附图4,该生产排配方法包括:
S11,获取设定历史时间段内多个设备的运行参数数据及生产参数数据。
例如,设定的历史时间段为过去一周的时间,通过在线监测的方式获取过去一周内生产线上多个设备加工所产生的运行参数数据及生产参数数据,运行参数数据包括设备综合效率、耗材数量成本、报警频率、维修费用、用电量、设备的平均生产时间等指标数据,生产参数数据包括产量或良率等指标数据。
S12,根据所述多个设备的运行参数数据及生产参数数据,分别预测所述多个设备的平均效率值。
在一些实施例中,如图5所示,所述预测多个设备的平均效率值的步骤,包括:
S121,根据所述多个设备的运行参数数据及生产参数数据,分别计算每个设备的生产效率值及多个不同效率权重值。
在一些实施例中,计算每个设备的生产效率值及多个不同效率权重值需要采用数据包络分析法(DEA)构建效率预测模型,并对所述效率预测模型进行预处理。将一设备的运行参数数据及生产参数数据输入至预处理后的所述效率预测模型,得到该设备的效率值区间,所述效率值区间包括多个不同的效率值。对该设备的效率值区间内多个不同的效率值进行排序,选取该设备的效率值区间内最大的效率值作为该设备的生产效率值,剩余的效率值作为该设备的效率权重值。
S122,基于每个设备的多个不同效率权重值,估算每个设备的交叉效率值。
在一些实施例中,通过计算每个设备的多个不同效率权重值之和的平均值,得到每个设备的交叉效率值。
S123,利用每个设备的生产效率值及交叉效率值,确定每个设备的平均效率值。
在一些实施例中,先选取一设备的交叉效率值的最佳权重,计算该设备的交叉效率值与最佳权重的乘积,求取所述乘积与该设备的生产效率值之和的平均值,得到该设备的平均效率值。按照上述方法,依次计算其他设备的平均效率值。
需要说明的是,多个设备的平均效率值是对多个设备依次进行预测所得的。例如,生产线上有W1、W2、W3、……Wd等d个设备,如果需要预测设备W1的平均效率值,先获取设备W1在过去一周内生产状况中运行参数数据及生产参数数据,运行参数数据包括设备综合效率、耗材数量成本、报警频率、维修费用、用电量、设备的平均生产时间,生产参数数据包括产量数据。
然后将获取到的设备W1的综合效率、耗材数量成本、报警频率、维修费用、用电量、平均生产时间及产量这7个参数数据输入至预处理后的所述效率预测模型,得到设备W1的效率值区间,所述效率值区间包括7个不同的效率值。将设备W1的效率值区间内7个不同的效率值进行排序,选取设备W1的效率值区间内最大的效率值作为设备W1的生产效率值,剩余的效率值作为设备W1的效率权重值,从而得到设备W1的1个生产效率值和6个效率权重值。
然后通过计算设备W1的6个不同效率权重值之和的平均值,得到设备W1的交叉效率值,选取设备W1的交叉效率值的最佳权重,计算设备W1的交叉效率值与最佳权重的乘积,求取所述乘积与设备W1的生产效率值之和的平均值,得到设备W1的平均效率值。
按照上述方式,可以依次计算出设备W2、W3、……Wd的平均效率值。
本申请以设备的多个运行参数数据及生产参数数据等历史数据为依据进行生产排配,能够合理使用设备,有助于提高生产效率。
S13,获取目标订单数据,确定所述目标订单对应的总生产数量及总生产时间。
以生产线上接到的订单需求为需当日完成订单产量为例,先获取当日需完成的目标订单数据,对所述目标订单数据进行解析,提取所述目标订单对应的当日需完成的总生产数量,根据所述总生产数量以及单个数量的加工时间,计算所述目标订单对应的总生产时间。
S14,根据所述多个设备的运行参数数据,获取在设定历史时间段内所述多个设备的平均生产时间。
以每个设备运行参数数据均包括设备综合效率、耗材数量成本、报警频率、维修费用、用电量及设备的平均生产时间这六个参数数据,设定历史时间段为一周时间为例,基于每个设备在过去一周内的运行参数数据,获取每个设备在过去一周内的平均生产时间。
S15,基于所述总生产数量、所述总生产时间、所述多个设备的平均生产时间以及所述多个设备的平均效率值,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量。
在一些实施例中,如图6所示,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量的方法包括:
S151,计算在设定历史时间段内所述多个设备的平均生产时间之和的平均值,得到在设定历史时间段内所有设备对应的平均生产时间。
例如,在过去一周内,W1、W2、W3、……Wd等d个设备中,设备W1、W2、W3、……Wd的平均生产时间分别对应为T1、T2、T3、……Td,那么过去一周内所有设备对应的平均生产时间TP=(T1+T2+T3+……+Td)/d。
S152,根据所述目标订单对应的总生产时间与所有设备对应的平均生产时间,计算所述目标订单所需的设备数量。
假设目标订单对应的总生产时间为TZ,所述目标订单所需的设备数量L=TZ/TP,其中,TP为所有设备对应的平均生产时间。
S153,基于所述多个设备的平均效率值的排列结果,根据所述目标订单所需的设备数量,从所述多个设备中筛选出效率高的符合预期的设备。
其中,符合预期的设备是指多个设备中平均效率值较高的一个或多个设备,符合预期的设备的数量等于所述目标订单所需的设备数量。
比如,预测所述多个设备的平均效率值后,进一步比较所述多个设备的平均效率值的大小,并按照逐渐递减的规则对所述多个设备的平均效率值进行排列,筛选出平均效率值排名靠前的L个设备作为符合预期的设备用于生产。
例如,将设备W1、W2、W3……Wd的平均效率值按照逐渐递减的规则进行排序,从设备W1、W2、W3……Wd中筛选出排名靠前的L个设备作为符合预期的设备。
S154,根据所述目标订单对应的总生产数量以及所述符合预期的设备对应的平均生产时间,计算所述符合预期的设备的生产数量。
在一些实施例中,根据所述目标订单对应的总生产数量以及在过去一周内所述符合预期的设备对应的平均生产时间,给所述符合预期的设备排配生产数量。通过效率高的设备进行生产,完成目标订单。
如此,本申请利用过去一段时间内多个设备的运行参数数据及生产参数数据,构建效率预测模型计算各个设备的平均效率值,而后进行各个设备平均效率值排比,筛选出符合预期的设备,使得在进行订单产量排配时,可以细分到设备,尽量使用符合预期的设备进行生产,提高生产效率,提升产品产量与质量。
如图7所示,本申请实施例还提供一种生产排配装置200,该生产排配装置200包括:通信器20,用于接收设定历史时间段内多个设备的运行参数数据及生产参数数据,还进一步用于接收目标订单数据;第二处理器21,耦接所述通信器20,用于根据所接收到的所述多个设备的运行参数数据及生产参数数据,分别预测所述多个设备的平均效率值;根据所接收到的所述目标订单数据,确定所述目标订单对应的总生产数量及总生产时间;根据所述多个设备的运行参数数据,获取在设定历史时间段内所述多个设备的平均生产时间;基于所述总生产数量、所述总生产时间、所述多个设备的平均生产时间以及所述多个设备的平均效率值,筛选出符合预期的设备,并确定符合预期的设备对应的生产数量。
第一处理器10和第二处理器21可以是中央处理单元(Central Processing Unit,CPU),还可以包括其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器也可以是任何常规的处理器等,处理器是控制中心,利用各种接口和线路连接各个部分。
计算机可读程序指令可以从计算机可读存储介质下载到相应的计算处理设备,或者通过网络(例如,互联网,局域网,广域网和网络)下载到外部计算机或外部存储设备或无线网络。该网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器,每个计算处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令以存储在各个计算处理设备内的计算机可读存储介质中。
用于执行本发明本申请的操作的计算机可读程序指令可以是汇编程序指令,指令集架构(ISA)指令,机器指令,机器相关指令,微码,固件指令,状态设置数据,集成电路的配置数据,或以一种或多种编程语言(包括面向对象的编程语言,例如Smalltalk,C++等)和过程编程语言(例如“C”编程语言或类似编程)的任意组合编写的源代码或目标代码语言。计算机可读程序指令可以完全在用户计算机上,部分在用户计算机上,作为独立软件包执行,部分在用户计算机上并且部分在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机,或者可以与外部计算机建立连接(用于例如,通过使用Internet服务提供商的Internet)。在一些实施例中,包括例如可编程逻辑电路,现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来个性化计算机可读程序指令。
在此参考根据本申请的实施例的方法,装置和计算机程序产品的流程图和/或框图描述了本申请的各方面。可以理解的是,流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以通过计算机可读程序指令来实现。
可以将这些计算机可读程序指令提供给通用计算机,专用计算机或其他可编程数据处理设备的处理器以产生机器,从而使得该指令经由计算机的处理器或其他可编程数据处理来执行。在该装置中,创建用于实现流程图和/或框图方框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中,该计算机可读存储介质可以指导计算机,可编程数据处理装置和/或其他设备以特定方式起作用,从而使得其中存储有指令的计算机可读存储介质。也可以将计算机可读程序指令加载到计算机,其他可编程数据处理设备或其他设备上,以使一系列操作步骤在计算机,其他可编程设备或其他设备上执行以产生计算机实现的过程,例如在计算机,其他可编程装置或其他设备上执行的指令实现了流程图和/或框图中指定的功能/动作。
附图中的流程图和框图示出了根据本申请的各种实施例的装置,方法和计算机程序产品的可能实现的体系结构,功能和操作。就这一点而言,流程图或框图中的每个方框可以代表指令的模块,片段或部分,其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中,方框中指出的功能可以不按图中指出的顺序发生。例如,取决于所涉及的功能,实际上可以基本上同时执行连续示出的两个框,或者有时可以以相反的顺序执行这些框。还应注意,框图和/或流程图的每个方框以及框图和/或流程图的方框的组合可以由执行指定功能或动作或基于特定目的的基于硬件的专用系统来实现。
已经出于说明的目的给出了本申请的各种实施例的描述,但并不意图是穷举的或将本申请限制为所公开的形式。在不脱离本申请的范围和精神的情况下,许多修改和变化对于本领域普通技术人员将是显而易见的。选择和描述实施例是为了最好地解释本申请的原理和实际应用,并使本领域的其他普通技术人员能够理解本申请的各种实施例,这些实施例具有各种适合于预期的特定用途的修改。