效率评估方法和效率评估系统与流程

本发明涉及计算机技术领域，具体涉及一种效率评估方法和效率评估系统。

背景技术：

在仓库生产过程中，仓库管理人员需要评估每个员工的工作量，公平合理有效的评估方案在很大程度上能够调动员工的积极性。

对于仓库内验货岗的工作人员，目前仓库主要按照有效工作时长内验收的商品件数来衡量其工作效率，然而由于仓库的品类、件型以及不同订单类型的操作方式不同，在一定程度上影响了对员工的工作评价，可能导致无法合理的评估员工的工作效率。例如，采销商品在验收入库时会随着商品件数的不同采取不同的抽样措施检验，如件数少于50件的时候需要全检，件数在50-500件之间时需要检验50+(t-50)*0.15件(t为入库件数)，件数在500-1000件之间时抽检比例是10％，件数在1000-5000件之间时抽检比例是5％，大于5000件时抽检比例是1％。而遇到客户退货的入库、备件库入库或采销商品为手机、奢侈品等序列号管理的物品入库时，则无论多少件均要进行逐个检验。一个验收员在一天不同时间段内可能去做不同类型的验收，若按照验收员一定有效时间内验收的件数来反应该人员的人效，例如验收1000件普通商品则只需要抽检100个商品即可，而验收1000个序列号管理的商品则需要全检，虽然两者都是验收了1000件商品，但是后者需要花费的时间明显要比前者要多的多，而从人效来看前者要远高于后者，显然这种判断并不妥当。由此可见，只按照上述方式来评估工作人员的工作效率，只是单纯考虑某个因素来评估工作量，将有损公平，长此以往，一定程度上会造成员工的忠诚度降低、资源浪费等，最终降低整体的生产效率。

因此，发明人认为，上述的仓库人员工作效率评估方法有很大的局限性，利用有效时间内的验收件数来计算工作量存在不能公平合理地评估仓库人员的实际工作情况的问题。

技术实现要素：

有鉴于此，本发明实施例提供一种效率评估方法和评估系统，采用多个仓储参数并在计算时修改评估模型的配置参数，避免了现有技术中采用单一的评估因素来评估工作人员的工作量导致的评估结果不公平的现象，以提高员工的工作积极性。

根据本发明第一方面，提供一种效率评估方法，包括：获得与评估对象相对应的多个仓储参数；根据岗位内容划分与所述评估对象相对应的评估模型的模型种类；根据所述仓储参数和所述模型种类建立与所述评估对象相对应的多个评估模型；以及根据所述多个仓储参数分别计算出多个所述评估模型对应的工作效率，叠加后形成所述评估对象的总的工作效率。

优选地，根据岗位内容划分与所述评估对象相对应的评估模型的模型种类，包括：将不同的仓库按照存放商品类型进行分类；将指定的每一个所述仓库根据商品件型划分仓库种类；根据商品的入库操作方式进行初步模型种类的划分；以及根据所述初步模型种类和所述仓库种类确定评估模型的模型种类。

优选地，所述初步模型种类包括采销和内配入库模型、客退入库模型和备件库入库模型；所述仓库种类包括小件a仓和中小件b仓。

优选地，对未进行仓库种类划分的仓库，所述模型种类为3种，包括采销和内配入库验收模型、客退入库验收模型和备件库入库验收模型；对进行仓库种类划分的仓库，所述模型种类为6种，包括小件a仓采销和内配入库验收模型、小件a仓客退入库验收模型、小件a仓备件库入库验收模型、中小件b仓采销和内配入库验收模型、中小件b仓客退入库验收模型和中小件b仓备件库入库验收模型。

优选地，所述效率评估方法还包括：根据工作岗位的操作流程设置多个环节；以及根据所述多个环节和所述模型种类分别设置仓储参数。

优选地，所述效率评估方法还包括：数据预处理，去除所述多个仓储参数中的异常参数。

优选地，所述异常参数包括：仓库连续运营时间小于预定值的数据、连续工作时间小于预定值的数据和重复数据。

优选地，建立评估模型的步骤包括：根据所述多个仓储参数生成训练集；提取评估指标并分析所述评估指标与多个所述仓储参数之间的对应关系；根据所述对应关系选择模型类型，并根据所述模型类型对所述评估指标进行拟合；根据多个所述仓储参数进行计算，输入模型结果；以及确定与多个所述评估对象分别对应的评估模型。

优选地，所述模型类型为非线性模型。

优选地，所述评估指标包括验收时间。

优选地，所述仓储参数包括：sku数、折算后的验收件数、商品的总重量和商品的总体积。

根据本发明第二方面，提供一种效率评估系统，包括：数据获取单元，用于获得与评估对象相对应的多个仓储参数；模型划分单元，用于根据岗位内容划分与所述评估对象相对应的评估模型的模型种类；模型建立单元，用于根据所述仓储参数和所述模型种类建立与所述评估对象相对应的多个评估模型；以及效率计算单元，用于根据所述多个仓储参数分别计算出多个所述评估模型对应的工作效率，叠加后形成所述评估对象的总的工作效率。

优选地，所述效率评估系统还包括：数据准备单元，用于根据工作岗位的操作流程设置多个环节；参数设置单元，用于根据所述多个环节和所述模型种类分别设置仓储参数；以及数据处理单元，用于去除所述多个仓储参数中的异常参数。

优选地，所述仓储参数包括：sku数、折算后的验收件数、商品的总重量和商品的总体积。

根据本发明第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现如上述所述的效率评估方法。

根据本发明第四方面，提供一种效率评估装置，包括：存储器，用于存储计算机指令；处理器，耦合到所述存储器，所述处理器被配置为基于所述存储器存储的计算机指令执行实现如上述所述的效率评估方法。

本发明的实施例具有以下优点或有益效果：通过根据岗位内容划分模型种类，根据模型种类生成对应于一个评估对象的多个评估模型，分别计算工作效率叠加为评估对象的总的工作效率，使得评估结果能够同时反映相同的工作岗位中的多种不同操作的工作效率，从而获得相对公平的评估结果。

本发明的另一优选实施例具有以下优点或有益效果：根据多个环节设置仓储参数，提高了评估模型的准确度；而且根据商品的入库操作方式划分模型种类，使评估对象的设置更能贴近实际操作，评估结果更为准确。

本发明的优选实施例具有以下优点或有益效果：进行数据预处理，保留对建立模型有用的数据，去除多个仓储参数中的异常参数，使评估模型具有普遍性，适用性强。

附图说明

通过参照以下附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1示出在第一实施例中的效率评估方法的流程图；

图2示出了在第二实施例中的在图1所示的步骤s101步骤之前执行的多个步骤的流程图；

图3示出了在第三实施例中的图1所示的步骤s102的具体流程图；

图4示出了在第四实施例中的图1所示的步骤s103的具体流程图；

图5示出了在第五实施例中的效率评估系统的结构图；

图6示出了在第六实施例中汇总的效率评估系统的结构图；

图7示出了在第七实施例中的效率评估装置的结构图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。

图1示出在第一实施例中的效率评估方法的流程图，具体步骤s101-s103。

在步骤s101中，获得与评估对象相对应的多个仓储参数。

在步骤s102中，根据岗位内容划分与评估对象相对应的评估模型的模型种类。

在步骤s103中，根据仓储参数和模型种类建立与评估对象相对应的多个评估模型。

在步骤s104中，根据多个仓储参数分别计算出多个评估模型对应的工作效率，叠加后形成评估对象的总的工作效率。

如背景技术中所述，利用有效时间内的验收件数的统计方式计算工作量不能合理地评估仓库验收岗人员的实际工作效率，因而在本实施例中，针对评估对象，采用评估模型进行评价。评估对象例如是仓库验收岗人员，针对不同的商品入库的不同操作方式的仓库验收岗人员，会对应不同的影响人效的仓储参数，所以可以针对一个评估对象设置多个不同的评估模型，根据多个评估模型统计出的结果计算总的工作效率。首先在工作中获得与评估对象相对应的多个仓储参数；然后根据验收岗人员工作时针对不同的商品入库的不同操作方式划分与评估对象相对应的模型种类，一种模型类型对应一种操作方式；再确定一个评估指标，以此来表征工作效率，选择一个合适的模型类型，并将对应的仓储参数的数据代入到评估模型中，最终根据仓储参数和模型类型整理出适用于评估对象的不同操作方式的多个不同的评估模型，以获得不同操作方式对应的评估对象的工作效率；然后分别计算工作效率，叠加计算评估对象的总的工作效率。

同一个工作岗位操作方式不相同，例如仓库商品入库验收岗，每个工作人员每次验收的入库商品不同，每个集合单中包含的sku数量、品牌、物体形状、实际验收的数量、特殊属性等也均不相同，难易程度不同，耗费时间和精力不同。不同的入库类型的商品，其验收的件数计算方式不一样，例如，采销和内配商品入库验收的件数并不完全是全部件数，会根据是否序列号商品及其本身的件数决定是否抽样进行验收；而客退和备件库入库的商品会逐个验收。上述这些所有因素都会造成最后的工作效率的评估差异，因此对于不同的操作方式的评估对象，从这些能够影响工作效率的因素中选取部分或全部作为评估模型的仓储参数。然后划分模型类型，分别对应不同的模型类型建立不同的评估模型，最终，在评估模型中综合了多个仓储参数的影响，可以计算每个验收岗人员实际验收的工作效率，从而获得一个相对较为公平的评估结果。

在本发明实施例中，通过根据岗位内容划分模型种类，根据模型种类生成对应于一个评估对象的多个评估模型，分别计算工作效率叠加为评估对象的总的工作效率，使得评估结果能够同时反映相同的工作岗位中的多种不同操作的工作效率，从而获得相对公平的评估结果。

图2示出了在第二实施例中的在图1所示的步骤s101步骤之前执行的多个步骤的流程图，具体包括以下步骤。

在步骤s111中，根据工作岗位的操作流程设置多个环节。

在步骤s112中，根据多个环节和模型种类分别设置仓储参数。

在步骤s113中，数据预处理，去除多个仓储参数中的异常参数。

不同仓库的相同或不同的工作岗位都会涉及多个环节，以验收岗为例说明，不同品类仓如商超、3c、百货、生鲜仓等，验收岗的员工的基本操作环节如下：

1、验收员通过手持pda扫描预检单号，系统会自动显示预检单号内的sku及其需要验收的件数；

2、验收员根据sku是否是序列号管理商品和件数决定是全检还是抽检及抽检的件数是多少；

3、对商品及其件数清点和确认完毕后，扫描容器号，完成商品sku、件数与容器号的绑定关系。

通过分析商品入库验收操作的各个环节，可知不同的入库类型其验收的件数计算方式不一样。采销和内配商品入库验收的件数并不完全是全部件数，会根据是否序列号商品及其本身的件数决定是否抽样进行验收；而客退和备件库入库的商品会逐个验收。

那么通过分析验收操作的各个环节，结合根据操作方式不同，统计出每个环节中与评价工作效率相关的仓储参数，分别对应不同的模型设定最终的仓储参数。

和验收相关的多种参数例如是仓库信息、员工信息、预检单号信息、验收信息和sku基本信息等。仓库信息包括仓库名称(区分a/b仓)、品类名称等。其中品类名称包括例如生鲜、食品等。员工信息包括员工的erp账号。预检单号信息包括包含的skuid、件数。验收信息包括实际验收的sku、实际验收的件数，容器号。sku基本信息包括商品sku所属品类、长、宽、高、重量、是否易碎、是否危险品、是否序列号管理等。从上述参数中选定本实施例采用的多个仓储参数，例如订单sku，实际验收的件数，商品的总重量。

为了最终得到的评估模型更高效，上述方法还包括：对于仓储参数的数据进行筛选。在某些情况下，由于系统或人为操作或不规范等原因，在一定程度上会造成收集到的原始数据异常，其中包含数据重复、数据缺失、无效数据、脏数据等，如果不去除这些异常数据，一定程度上会影响评估模型的评估效果。所以在建立模型时需要对这些异常数据进行清洗处理，保留对建立模型有用的数据，去除多个仓储参数中的异常参数。

在一个实施例中，异常参数例如包括仓库连续运营时间小于预定值的数据、连续工作时间小于预定值的数据和重复数据。具体地，由于新仓前期的验收业务不稳定，其数据不能代表普遍的规律，不具备分析条件，所以要选择已经正常运营一段时间的仓库，这里需要设置一个阈值t，单位月，表示仓库连续运营时间，且建模数据要求是最近的t-3月，一般情况t＝6，需要仓库连续运营满6个月，用最近3个月的数据进行建模，连续运营时间小于6个月的数据需要去除。另外，由于员工的操作熟练度直接影响了工作效率，仓库中平时会有临时工，临时工对应的仓储参数认为是异常参数，首先将临时工的数据删除；而正式验收人员，在工作的前n小时，其熟练程度也达不到要求，所以选择仓库内的正式验收员工的有效验收时间超过100小时的数据，连续工作时间小于100小时的数据剔除。再者，由于库房管理等原因可能造成一段时间内共用erp账号的情况，所以选择在相同的时间一个erp账号只对应一个预检单号的数据，超出一个的，需要把两个预检单号对应的信息删除。类似的，对于预检单号，在实际操作中，会有多个人对同一预检单号中的商品进行同时验收操作，这时候预检单号的验收时间会受到多种不可控的影响因素，需要将此预检单号删除；而对于其它系统原因造成的脏数据，例如同一预检单号同一sku有多次相同的验收时间记录，或者验收时间、sku号、件数、人员为空等数据，均需要删除。

图3示出了在第三实施例中的图1所示的步骤s102的具体流程图，具体包括以下步骤。

在步骤s1021中，将不同的仓库按照存放商品类型进行分类。

不同品类仓中存放的商品特点不同，据此对仓库进行分类，即对模型进行品类仓粒度上的细分，品类仓包括了商超、3c、百货、小家电、生鲜等。

在步骤s1022中，将指定的每一个仓库根据商品件型划分仓库种类。

有的品类仓(例如商超、3c仓库)，根据件型的不同可以分为小件仓(a仓)和中小件仓(b仓)，商品的件型会影响验收效率，所以要对模型进行a/b仓的区分，将需要进行仓库种类划分的仓库选择出来，划分为小件a仓和中小件b仓。

在步骤s1023中，根据商品的入库操作方式进行初步模型种类的划分。

商品入库包括了采销、内配、客退和备件库入库共四种入库方式，(客退商品是指用户购买商品之后没有出库时候就取消订单，重新返回仓库的商品；备件库商品是指由于某些原因商品需要到备件库进行检修或者保养，在重新评估合格后继续转入大库的商品)采销和内配入库操作类似，所以据此进行初步划分，将采销和内配入库划分为一类模型，客退入库和备件库入库分别划分为一类模型，即根据商品的入库操作方式划分的初步模型种类包括：采销和内配入库模型、客退入库模型和备件库入库模型。

在步骤s1024中，根据初步模型种类和仓库种类确定评估模型的模型种类。

对模型种类进行最终的划分。例如，对于不需要分小件a仓和中小件b仓的品类仓仓库，模型种类为三种，包括：采销和内配入库验收模型、客退入库验收模型和备件库入库验收模型；而对于需要分小件a仓和中小件b仓的品类仓仓库，对应的模型种类有6种，包括：小件a仓采销和内配入库验收模型、小件a仓客退入库验收模型、小件a仓备件库入库验收模型、中小件b仓采销和内配入库验收模型、中小件b仓客退入库验收模型和中小件b仓备件库入库验收模型。

当确定了本实施例的多个仓储参数和多个模型种类之后，建立评估模型。例如，可以利用包括多种人工神经网络、深层神经网络、决策树、svm等的人工智能算法进行样本训练，以获得评估模型。在一个可选的实施例中，通过人工智能算法的样本训练获得与评估对象对应的多个关系式，具体参见图4。

图4示出了在第四实施例中的图1所示的步骤s103的具体流程图。具体包括以下步骤。

在步骤s1031中，根据多个仓储参数生成训练集。如前所述，和仓储相关的多种参数例如是仓库信息、员工信息、预检单号信息、验收信息和sku基本信息等。从中选定较为重要的仓储参数进行整合，成为一个训练集，例如，对于符合岗，操作对象是集合单，训练集的仓储参数需包含sku数、总件数、商品的总重量、总体积、验收时间。在验收操作过程中，由于系统只记录每个预检单号中每个sku的验收时间，所以相邻两个预检单号，后一个单号第一个验收记录时间与前一个单号最后一个验收记录时间之间的时间差包括了其它如验收员与供应商沟通的时间，并不属于验收的有效时间，故要删除预检单号第一个验收任务所包含的信息。最终统计的数据粒度是预检单号，去除第一个验收任务后，其它验收任务的sku数、总件数、商品的总重量、总体积、验收时间。其中总件数是按照抽检规则确定后的折算后总件数，验收时间＝预检单的最后一个验收记录时间-预检单第二个验收记录时间。

在步骤s1032中，提取评估指标并分析评估指标与多个仓储参数之间的对应关系。提取验收时间作为评估指标，在训练集中进行单因素分析，分别分析多个仓储参数与验收时间的关系，选择趋势最明显的特征作为重要的影响因素进行模型输入。由于在不同入库类型的验收时间差别很大，所以分采购和内配入库、客退入库和备件库入库三部分进行讨论。观察对验收时间的影响因素如上所述包括：sku数、总件数(序列号管理全检，非序列号管理需要计算抽检比例)、商品的总重量、总体积(当有相同的sku数或总件数有不同的验收时间时，取时间的中位数代表，重量和体积转为分类字段，每个相同分类不同时间值也取中位值)。这里选取采购和内配入库为例说明，将每个影响因素与验收时间的关系作一张散点图，根据散点图分别分析sku数、件数、商品总重量和总体积与验收时间的关系。由图可知，所选因素与验收时间有明显的相关性，sku数、折算后的件数与验收时间呈现线性的关系，重量和体积分段与验收时间呈现指数函数的关系。同样，对于客退入库和备件库入库也进行类似分析。同时也分析各个因素之间的相关性，结果，大部分因素均与时间有明显的相关性，但本实施例不仅限于此。

在一个实施例中，评估模型包含一个至多个评估指标，并根据多个评估指标得到工作效率的评估结果。例如，分别获得的多个评估指标包括第一sku验收的平均耗时、第二sku验收的平均耗时、第三sku验收的平均耗时、……，将上述的平均耗时累加得到验收总耗时作为最终的评估指标，计算工作效率的评估结果。再例如，将上述的平均耗时加权累加得到验收总耗时作为最终的评估指标，计算工作效率的评估结果。其中，第一、第二、第三仅用于标识不同的sku，不代表优先级或重要程度的不同。例如，仅仅采用一个评估指标，评估指标例如是验收时间，验收时间＝预检单的最后一个验收记录时间-预检单第二个验收记录时间，以此作为计算工作效率的评估指标。

在步骤s1033中，根据对应关系选择模型类型，并根据模型类型对评估指标进行拟合。

从线性模型、非线性模型、树回归模型(随机森林、gbdr)等众多模型中选择一个模型，由于各种影响因素既有线性关系又有非线性关系，但是最终的模型是个多因素模型，不是单因素模型，所以本次例如选择使用非线性模型作为模型类型。可选地，非线性模型通过列文伯格(lm)算法结合梯度下降法、高斯牛顿法。选择非线性模型对验收时间进行拟合，将各种作为影响因素的仓储参数(例如。sku数，实际验收件数，商品总重量，总体积)组合带入。

在步骤s1034中，根据多个仓储参数进行计算，输入模型结果。将各种作为影响因素的仓储参数组合带入拟合模型，由于并非所有因素代入模型中都会有意义，所以要删除对模型无意义的仓储参数，然后选择模型的r方较大和在测试集中的mape最小的作为最终模型的输出。

分别针对每一个模型都进行一次计算和筛选，得出对应于多个不同的模型种类的多个评估模型。

在步骤s1035中，确定与评估对象对应的多个评估模型。例如，验收岗中，在计算之后，评估对象对应三种模型种类得到三种不同的评估模型，如下。

商品来源于采购和内配流程模型公式：predtime＝a*tqty^b+c*sku+d

商品来源于客退流程的验收模型公式：predtime＝a*sku+b

商品来源于备件库的验收模型公式：predtime＝a*sku+b

此处是按照没有划分仓库种类进行计算得出的评估类型。其中，tqty，sku分别代表实际验收件数和sku数，a、b、c和d分别是配置参数，当需要进行划分小件a仓和中小件b仓时，修改模型的配置参数即可得到6种模型。

根据模型计算验收岗人员的工作效率，例如，采购和内配作业，入库单中只有1个sku，sku中只有1件商品，那么预测的验货时间为11.00秒。

因为一个验收岗人员一天之内可能进行不同的入库商品的验收操作，一段时间验收客退商品，一段时间验收采销和内配商品，操作不同，对应的评估模型不同，对工作效率的计算不同，所以会分别按照每一段时间对应的不同的评估模型计算工作效率，叠加之后形成某一位验收岗人员的总的工作效率。

计算时，调整配置参数得到各自的工作耗时。此种方式可以使计算简洁方便，节省人力，对于需要处理大数据量的任务，尤其具有优势。

应该指出的是，虽然上述实施例并不能用于限制本发明。因为其他的参数或者其他的评估对象的划分，也可以实践本发明实施例提供的效率评估方法。

图5示出了在第五实施例中的效率评估系统的结构图。

该效率评估系统500，包括数据获取单元501、模型划分单元502、模型建立单元503和效率计算单元504。

数据获取单元501用于获得与评估对象相对应的多个仓储参数；模型划分单元502用于根据岗位内容划分与评估对象相对应的评估模型的模型种类；模型建立单元503用于根据仓储参数和模型种类建立与评估对象相对应的多个评估模型；效率计算单元504用于根据多个仓储参数分别计算出多个评估模型对应的工作效率，叠加后形成评估对象的总的工作效率。

图6示出了在第六实施例中汇总的效率评估系统的结构图。

该效率评估系统600，除了包括上述的501-504之外，还包括数据准备单元601、参数设置单元602和数据处理单元603。

数据准备单元601用于根据工作岗位的操作流程设置多个环节；参数设置单元602用于根据多个环节和模型种类分别设置仓储参数。

在一个实施例中，该效率评估系统600还包括数据处理单元603，数据处理单元603用于去除多个仓储参数中的异常参数，保证评估的准确性。

在本实施例中，数据采集单元601针对不同的评估对象进行了大量的数据采集，根据工作岗位的操作流程设置多个环节，参数设置单元603将收集到的数据经过处理存储为仓储参数。在建立评估模型之后进行工作效率的评估，因事先进行了数据的采集和预处理，使效率的评估方法更加具有科学性和可靠性；而且对评估对象的不同操作方式采用不同的参数的评估模型，使效率评估更加细致，更具有公平性和合理性；将每位需要评估的对象对应的仓储参数带入模型即可进行工作效率的评定，不仅使评估过程高效简洁，而且公开透明，可以很好地调动员工的积极性。

应该理解，本发明实施例的系统和方法是对应的，因此，在系统的描述中以相对简略的方式进行。图7示出了在第七实施例中的效率评估装置的结构图。图7示出的设备仅仅是一个示例，不应对本发明实施例的功能和使用范围构成任何限制。

参考图7，该效率评估装置700包括通过总线连接的处理器701、存储器702和输入输出设备703。存储器702包括只读存储器(rom)和随机访问存储器(ram)，存储器702内存储有执行系统功能所需的各种计算机指令和数据，处理器701从存储器702中读取各种计算机指令以执行各种适当的动作和处理。输入输出设备包括键盘、鼠标等的输入部分；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分。存储器702还存储有以下的计算机指令以完成本发明实施例的效率评估方法规定的操作：获得与评估对象相对应的多个仓储参数；根据岗位内容划分与评估对象相对应的评估模型的模型种类；根据仓储参数和模型种类建立与评估对象相对应的多个评估模型；以及根据多个仓储参数分别计算出多个评估模型对应的工作效率，叠加后形成评估对象的总的工作效率。

相应地，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现上述效率评估方法所规定的操作。

附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作，流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码，所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意，所述实现规定逻辑功能的可执行指令可以重新组合，从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤，而不应以此作为对发明本身的限制。

系统的各个模块或单元可以通过硬件、固件或软件实现。软件例如包括采用java、c/c++/c#、sql等各种编程语言形成的编码程序。虽然在方法以及方法图例中给出本发明实施例的步骤以及步骤的顺序，但是所述步骤实现规定的逻辑功能的可执行指令可以重新组合，从而生成新的步骤。所述步骤的顺序也不应该仅仅局限于所述方法以及方法图例中的步骤顺序，可以根据功能的需要随时进行调整。例如将其中的某些步骤并行或按照相反顺序执行。

根据本发明的系统和方法可以部署在单个或多个服务器上。例如，可以将不同的模块分别部署在不同的服务器上，形成专用服务器。或者，可以在多个服务器上分布式部署相同的功能单元、模块或系统，以减轻负载压力。所述服务器包括但不限于在同一个局域网以及通过internet连接的多个pc机、pc服务器、刀片机、超级计算机等。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。