设备保养的方法及系统

摘要

本公开提供一种设备保养的方法及系统，一种设备保养的方法，包括：采集设备数据集，包括采集设备的历史维修数据、保养数据；对设备数据集进行特征提取，形成特征向量集；对特征向量集进行标准化处理；建立预测模型，包括预测模型的输入和输出；将标准化处理后的特征向量集作为预测模型的输入进行训练；基于预测模型，输出预测因子；输入设备实际保养数据集；通过提升树模型对预测模型进行训练，获得第二特征向量集；将第二特征向量集作为预测模型的输入，得到预测输出集；根据所述预测输出集预测设备的保养需求。本公开能够智能考量多种维度，并根据设备实际保养数据集更新特征向量，准确预测设备保养需求。

权利要求

1.一种设备保养的方法，其特征在于，包括：

采集设备数据集，包括采集设备的历史维修数据、保养数据；

对所述设备数据集进行特征提取，形成特征向量集；

对所述特征向量集进行标准化处理；

建立预测模型，包括预测模型的输入和输出；

将标准化处理后的所述特征向量集作为预测模型的输入进行训练；

基于所述预测模型，输出预测因子；输入设备实际保养数据集；

通过提升树模型对所述预测模型进行训练，获得第二特征向量集；

所述第二特征向量集包括对所述设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量；

将所述第二特征向量集作为所述预测模型的输入，得到预测输出集；

根据所述预测输出集预测设备的保养需求。

2.根据权利要求1所述的设备保养的方法，其特征在于，所述采集设备数据集包括采集设备的类别、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容；所述服务类型包括设备的安装、上电、维修、保养、升级；所述服务类型与服务时间、服务内容相关联。

3.根据权利要求1所述的设备保养的方法，其特征在于，所述采集设备数据集还包括剔除错误数据和缺失数据，当采集的设备数据为空数据、乱码或服务日期时间在出厂日期时间之前时，删除该数据。

4.根据权利要求1所述的设备保养的方法，其特征在于，对所述特征向量集进行标准化处理包括根据编码规则对不同特征向量集进行编号。

5.根据权利要求1所述的设备保养的方法，其特征在于，所述预测模型对标准化处理后的所述特征向量集进行组合型编码。

6.根据权利要求1所述的设备保养的方法，其特征在于，通过提升树模型对预测模型进行训练包括采用损失函数的负梯度将预测模型的输出值作为残差的近似值，拟合成一个提升树模型，则：预测输出集 ；

其中，  为特征向量集， 为第m个提升树， 为第m个提升树模型的参数，M为提升树模型的数量。

7.根据权利要求6所述的设备保养的方法，其特征在于，所述提升树模型包括梯度提升树算法，所述损失函数包括平方差损失函数。

8.根据权利要求1所述的设备保养的方法，其特征在于，根据预测输出集对设备进行保养包括确定设备的保养周期；根据编码规则对每个保养周期进行编号，所述预测输出集输出保养周期的编号。

9.一种设备保养的系统，其特征在于，包括：

数据输入模块，用于输入并存储设备的历史维修数据、保养数据；

数据采集模块，用于采集所述数据输入模块存储的设备的历史维修数据、保养数据；

特征提取模块，用于提取数据采集模块的数据，并定义和生成特征向量集；

标准化规则模块，用于定义编码规则并将特征提取模块生成的特征向量集进行标准化编号；

模型处理模块，用于建立预测模型和提升树模型，将标准化编号后的特征向量集输入预测模型进行训练，输出预测因子；之后将预测模型的输出结果再输入提升树模型进行训练，获得第二特征向量集；所述第二特征向量集包括对所述设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量；将所述第二特征向量集作为所述预测模型的输入，最终输出预测输出集。

说明书

设备保养的方法及系统

技术领域

[0001] 本公开涉及机械设备技术领域，尤其涉及一种设备保养的方法及系统。

背景技术

[0002] 为了延长设备的使用寿命和降低设备的故障率，制造企业通常会对设备进行周期性保养工作。

[0003] 但现有的设备保养方法，一般按照主观和经验的方式，对设备的状态进行监控，与标准数值进行比较，判断设备是否故障或者需要保养。这种保养方法的缺陷在于：判断方式较为固化，不够智能，在保养周期和具体保养内容的预测上，存在考量维度不够充分，无法针对设备调整自动调整保养需求的问题。

发明内容

[0004] 有鉴于此，本公开的目的在于提出一种设备保养的方法及系统，能够自动考量设备的多种维度，对设备保养需求的预测更加智能和准确。

[0005] 基于上述目的，本公开提供了一种设备保养的方法，包括：

[0006] 采集设备数据集，包括采集设备的历史维修数据、保养数据；

[0007] 对设备数据集进行特征提取，形成特征向量集；

[0008] 对特征向量集进行标准化处理；

[0009] 建立预测模型，包括预测模型的输入和输出；

[0010] 将标准化处理后的特征向量集作为预测模型的输入进行训练；

[0011] 基于预测模型，输出预测因子；输入设备实际保养数据集；

[0012] 通过提升树模型对预测模型进行训练，获得第二特征向量集；

[0013] 将第二特征向量集作为预测模型的输入，得到预测输出集；

[0014] 根据预测输出集预测设备的保养需求。

[0015] 进一步的，采集设备数据集包括采集设备的类别、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容；服务类型包括设备的安装、上电、维修、保养、升级；服务类型与服务时间、服务内容相关联。

[0016] 进一步的，采集设备数据集还包括剔除错误数据和缺失数据，当采集的设备数据为空数据、乱码或服务日期时间在出厂日期时间之前时，删除该数据。

[0017] 进一步的，第二特征向量集包括对设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量。

[0018] 进一步的，对特征向量集进行标准化处理包括根据编码规则对不同特征向量集进行编号。

[0019] 进一步的，预测模型对标准化处理后的特征向量集进行组合型编码。

[0020] 进一步的，通过提升树模型对预测模型进行训练包括采用损失函数的负梯度将预测模型的输出值作为残差的近似值，拟合成一个提升树模型，则：

[0021] 预测输出集 ；

[0022] 其中，为特征向量集， 为第m个提升树， 为第m个提升树模型的参数，M为提升树模型的数量。

[0023] 进一步的，提升树模型包括梯度提升树算法，损失函数包括平方差损失函数。

[0024] 进一步的，根据预测输出集对设备进行保养包括确定设备的保养周期；根据编码规则对每个保养周期进行编号，预测输出集输出保养周期的编号。

[0025] 基于同样的发明构思，本公开还提供一种设备保养的系统，包括：

[0026] 数据输入模块，用于输入并存储设备的历史维修数据、保养数据；

[0027] 数据采集模块，用于采集数据输入模块存储的设备的历史维修数据、保养数据；

[0028] 特征提取模块，用于提取数据采集模块的数据，并定义和生成特征向量集；

[0029] 标准化规则模块，用于定义编码规则并将特征提取模块生成的特征向量集进行标准化编号；

[0030] 模型处理模块，用于建立预测模型和提升树模型，将标准化编号后的特征向量集输入预测模型进行训练，输出预测因子；之后将预测模型的输出结果再输入提升树模型进行训练，获得第二特征向量集；将第二特征向量集作为预测模型的输入，最终输出预测输出集。

[0031] 与现有技术相比，本公开提供的技术方案通过预测模型对设备的维修数据和保养数据进行训练，再通过提升树模型对预测模型进行训练，能够代替人员主观和经验判断的保养模式，自动考量多种维度，提高设备保养的有效性。

附图说明

[0032] 为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0033] 图1为本公开实施例提供的一种设备保养的方法的流程图；

[0034] 图2为本公开实施例提供的一种设备保养的系统的示意图；

[0035] 图3为本公开实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

[0036] 为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

[0037] 需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

[0038] 目前大部分企业为了降低设备出现故障的风险，通常会对设备进行提前保养。现有的保养方式，主要通过人的“主观+经验”的判断方式，按照人为划定的保养周期进行保养。这种“主观+经验”可能来自于维修人员的工作经验，也可能来自于购买该设备的企业的历史保养数据记录，或者来自于销售该设备的企业的历史售后保养服务记录。例如：新设备一年保养一次，三年后就半年保养一次，十年后三个月保养一次。也有部分企业会根据自己所购买的设备的不同类型、不同的时间区间规则，来进行相关的保养计划。

[0039] 然而，对然而，对于不同的设备，由于其使用环境、使用频率以及使用时间等因素各不相同，所以这种“主观+经验”的方式在保养周期和具体保养内容的判断上，考量维度不够充分，考虑方式不够精准，设备保养的有效性低，实际使用效果不佳。

[0040] 同时，设备在安装时，有可能会针对具体工艺需求，进行个性化的调整或定制，与定制部分相关联的设备部分，保养需求会发生变化。或者，设备在使用过程中，有可能因工艺的调整，对设备进行临时的改造；也有可能因部分器件故障而采用临时的维修或替代方案，与这些改造或替代方案相关联的设备部分，保养需求也会发生变化。针对这些特殊情况，现有的方式，无法及时的、全面的考量。

[0041] 为此，本公开提供一种设备保养的方法，能够自动考量设备的多种维度，对设备保养需求的预测更加智能和准确。如图1所示，为本公开的一种设备保养的方法的一个实施例，包括：

[0042] 首先采集设备数据集，包括采集设备的历史维修数据、保养数据。

[0043] 采集设备数据集的采集方式包括采集购买设备的企业的历史维修数据、保养数据（例如：购买设备的企业的维修/保养记录表），采集销售设备的企业提供的历史维修数据、保养数据（例如：销售设备的企业的维修/保养服务表）以及采集设备内部自行安装的数据采集器内的数据（例如各种传感器检测的数据）。当然，采集设备数据集的采集方式还可以根据需要选择其他常规采集方式。

[0044] 采集设备数据集为多维度数据，至少包括采集设备的类别、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容。

[0045] 其中，安装位置包含多个维度，包括第一安装位置和第二安装位置。第一安装位置包括设备的使用的地址，可以为省级、市级、区县以及街道的地址。通过第一安装位置可查询设备安装的使用地址，从而针对该地址查询该地区的温度、湿度以及气压气候等多个环境因素，针对性进行保养。第二安装位置包括设备安装在室内或室外。若安装在室外，则进一步采集设备处于室外暴露环境或者室外遮阳环境。若安装在室内，则进一步确认设备是否处于恒温恒湿、稳定气压下的环境，并采集具体的环境数据（具体温度范围、湿度范围、气压范围等）。从而针对设备的具体使用环境，针对性进行保养，提高保养效果。可选的，还可以根据需要选择其他安装位置的维度，例如：与其他关联设备的配合位置。

[0046] 服务类型包括设备的安装、上电、维修、保养、升级。服务类型与服务时间、服务内容相关联，即每个服务类型对应其服务时间以及服务内容，从而采集和计算设备的安装时间、使用时间以及历史的维修频率、历史的保养数据。从服务类型的数据可以更加真实的反映设备的使用情况，从而针对该使用情况预测保养周期和保养内容。

[0047] 进一步的，服务内容是服务类型的延伸，包括设备的具体结构和具体部件的维修/保养数据，从而可以精确判断出设备的哪些结构或者部件、零件故障率高，进而针对该结构或者部件进行强化保养。

[0048] 采集设备数据集还包括剔除错误数据和缺失数据，当采集的设备数据为空数据、乱码或服务日期时间在出厂日期时间之前时，删除该数据。以减小错误数据和缺失数据对预测结果的误判。可以理解的是，还可以在采集数据时，人为定义其他常规的非正常数据，并删除该非正常数据。

[0049] 其次，对设备数据集进行特征提取，形成特征向量集。针对每个设备单独进行提取特征，并汇总成设备的特征向量集，即将单个设备的类型、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容等归为一个数据集，所有设备的数据集的集合形成特征向量集。

[0050] 之后，对特征向量集进行标准化处理，包括根据编码规则对不同特征向量集进行编号。例如，通过阿拉伯数字和汉字将设备的类型顺次分为01类、02类、03类，在分别根据设备的型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容在数字之后增加其他位数的数字，如01010101010101，从前到后每两位分别代表设备的类型、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容。数字对应内容可自行定义。

[0051] 对于特征不明显的数据，针对性提取特征。例如：特征‑维修频率，一般无法直接获取该数据，需要从服务类型和服务时间计算得出，则新增编码规则，例如在维修频率前增加小写字母a，并使用a01、a02、a03……分别表示维修频率为一周/次，一月/次，一季度/次……以区分不同类型数据和提醒操作者该特征不是直接获取的，方便后续自主排查数据问题。

[0052] 然后，建立预测模型，包括预测模型的输入和输出：

[0053] 将标准化处理后的特征向量集作为预测模型的输入进行训练。

[0054] 预测模型对标准化处理后的特征向量集进行组合型编码，并输出预测因子。预测因子为根据主观经验确定的粗略的保养需求，包括设备的类型、型号、保养周期和保养内容。

[0055] 输入设备实际保养数据集。设备实际保养数据集为设备实际保养数据的集合。由于实际保养受各种其他因素限制，设备的实际保养数据与预测输出的数据有偏差。所以设备实际保养数据集还包括不在上述设备数据集的其他数据。例如，设备针对具体的工艺需求进行定制化；或者为了某个工艺进行临时部分改装；或者设备的某些零部件故障后采用了临时的维修或替代方案；对应设备的保养需求会基于上述情况发生较大变化，特别是受上述改动关联影响的部分，此时，根据原设备数据集内的数据无法确定保养需求。

[0056] 通过提升树模型对预测模型进行训练，获得第二特征向量集，包括采用损失函数的负梯度将预测模型的输出值作为残差的近似值，拟合成一个提升树模型，则：

[0057] 预测输出集 ；

[0058] 其中，为特征向量集； 为第m个提升树； 为第m个提升树模型的参数；M为提升树模型的数量，在训练的过程中需要不断调整M。

[0059] 对提升树模型进行训练，使损失函数越来越小，即预测输出集 与真实值之间的误差越来越小。

[0060] 提升树模型包括梯度提升树算法（GBT），损失函数包括平方差损失函数和/或指数损失函数。平方差损失函数和指数损失函数的求导较为简单，易于优化输出结果。

[0061] 则上述公式可变化为：

[0062] 将平方差损失函数使用一阶泰勒展开公式：

[0063] 则：

[0064] 为了进一步降低损失函数，减小预测输出集 与真实值之间的误差，将损失函数对求导，按照负梯度更新，损失函数下降：

[0065] 可选的，可以根据需要，选择梯度提升树算法为梯度提升决策树算法（GBDT，用于分类模型）或者梯度提升回归树算法（GBRT，用于回归模型）。

[0066] 将第二特征向量集作为预测模型的输入，得到预测输出集。第二特征向量集包括对设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量。新增设备数据包括上述设备数据集之外的其他数据，即特殊情况下新增的数据。将设备实际保养数据集加入预测模型进行训练，可以进一步提高预测输出集的准确性。随着预测模型和提升树模型的不断训练，以及新数据的不断输入，训练结果会不断趋近设备保养的实际需求，使得预测结果越来越精准。

[0067] 最后，根据预测输出集预测设备的保养需求，包括确定设备的保养周期和保养内容。预测输出集包括，在某个保养周期对输入特征向量集的设备实施保养内容，并同时输出该设备的类型、型号、安装位置。保养内容包括对设备的结构、部件、零件、整体的保养中的至少一项。同样的，预测输出集也可以采用上述编码规则，输出对应的编号。例如：以月份作为保养周期，对1‑12月分别进行编码01‑12，通过模块运算出在哪个月进行保养，最终输出对应月份的编码。同样的，可自定义保养内容对应的编码规则和编号。

[0068] 基于同样的发明构思，本公开还提供一种设备保养的系统，包括：

[0069] 数据输入模块100，用于输入并存储设备的历史维修数据、保养数据。数据输入模块包括移动端、PC端进行数据输入。数据输入的方式包括人工手动输入、语音输入、图像识别检测输入、设备自动定位输入等。可以理解的是，数据输入的方式还可以根据需要选择其他常规输入方式。数据输入模块100还能够调用存储购买设备的企业的历史维修数据、保养数据的系统（例如保养/维护系统）内的数据，存储销售设备的企业的历史维修数据、保养数据的系统（例如售后系统）内的数据，以及采集设备内部自行安装的数据采集器内的数据。

[0070] 数据采集模块200，用于采集数据输入模块100存储的设备的历史维修数据、保养数据。数据采集模块200与数据输入模块100电连接，可直接调用数据输入模块100内部的数据。

[0071] 特征提取模块300，用于提取数据采集模块200的数据，并定义和生成特征向量集。特征提取模块300与数据采集模块200电连接，根据人员自行定义的与设备关联的特征，直接调用数据采集模块200的数据。

[0072] 标准化规则模块400，用于定义编码规则并将特征提取模块300生成的特征向量集进行标准化编号。人员自行编排设备各种特征对应的编码规则。

[0073] 模型处理模块500，用于建立预测模型和提升树模型，将标准化编号后的特征向量集输入预测模型进行训练，输出预测因子；之后将预测模型的输出结果再输入提升树模型进行训练，获得第二特征向量集；将第二特征向量集作为预测模型的输入，最终输出预测输出集。模型处理模块500还能够调用规则生成器600，生成保养工单。

[0074] 系统可产生多种保养工单的展现方式，包括输出列表、日历信息、信息提醒等。规则生成器600内置存储单元，存储单元能够存储预测输出集的结果，并通过处理单元将预测输出集的编码结果进行解码，最后通过展示单元将具体设备的类别、型号、安装位置以及该设备的保养周期和保养内容以文字、列表或图像等方式展示给保养人员，以便保养人员查看。

[0075] 本公开的以上实施例中达到以下技术效果：通过预测模型对设备的维修数据和保养数据进行训练，再通过提升树模型对预测模型进行训练，能够精确预测设备的保养周期和保养内容，提高设备的使用效果。通过多维度的设备数据集采集，并从设备数据集中提取设备关联特征，能够针对每个设备的具体使用环境和条件一一预测设备的保养周期和保养内容，大幅度提高预测结果的精度，降低设备的使用故障率。通过将设备实际保养数据集加入预测模型进行训练，可以自动考量设备数据集无法补充的其他数据维度，自动更新特征向量集，进一步提高设备保养需求的准确性。通过剔除错误数据和缺失数据，减小错误数据和缺失数据对预测结果的误判。

[0076] 需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

[0077] 需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0078] 基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的一种设备保养的方法。

[0079] 图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线 1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

[0080] 处理器1010可以采用通用的CPU（Central Processing Unit，中央处理器）、微处理器、应用专用集成电路（Application SpecificIntegrated Circuit，ASIC）、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

[0081] 存储器1020可以采用ROM（Read Only Memory，只读存储器）、RAM（Random Access Memory，随机存取存储器）、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

[0082] 输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/ 模块可以作为组件配置在设备中（图中未示出），也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

[0083] 通信接口1040用于连接通信模块（图中未示出），以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信。

[0084] 总线1050包括一通路，在设备的各个组件（例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040）之间传输信息。

[0085] 需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

[0086] 上述实施例的电子设备用于实现前述任一实施例中相应的一种设备保养的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

[0087] 基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的一种设备保养的方法。

[0088] 本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD‑ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

[0089] 上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的一种设备保养的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

[0090] 所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围（包括权利要求）被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

[0091] 另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路（IC）芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的（即，这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节（例如，电路）以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。

[0092] 尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构（例如，动态RAM（DRAM））可以使用所讨论的实施例。

[0093] 本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。