用于设置处理周期的参数的方法和系统与流程

1.本发明涉及用于例如在家用电器上参数化处理周期的方法领域，并且涉及允许定制在家用电器上设置的配置参数以执行处理周期的系统。其可以例如涉及选择参数的最佳组合，以便根据用户寻求实现的目标性能而在洗衣机、洗碗机中执行清洁周期、在烘干机中执行烘干周期或对纺织品进行熨烫。


背景技术：

2.诸如洗衣机、洗碗机、烘干机、熨斗之类的家用电器通常包括若干预设程序。用户可以选择最合适的程序，以便对要清洁、烘干或熨烫的物品执行处理周期。尽管可用程序或预设设置的数量有所增加，但基于电器制造商对处理周期结果的假设为用户提供了固定的参数值，或者用户需要单独设置所有参数而无需需要技术专业知识来理解他们的选择是否正确。
3.可以使用包括例如温度、清洁周期的长度、分配的清洁剂的量的参数的非常复杂的组合来参数化处理周期，诸如洗衣机或洗碗机中的清洁周期。所有这些参数以及其他不一定可控的参数例如水硬度或滚筒的旋转都不是独立的。通常，改变这些参数之一会影响其他参数对处理周期结果的影响。
4.1959年，herbert sinner博士注意到家用电器的机械性能、清洁周期的持续时间、清洁周期中达到的最高温度以及清洁周期中分配的化学物质的特征都是相关的参数。一个参数变化将导致对所有其他参数的清洁性能产生不同的影响。
5.为了允许用户实现目标性能，例如获得最清洁的物品，或在执行最生态的处理周期的同时仍提供可接受的清洁水平，通常将特殊的预录程序保存在家用电器的存储器中。这些程序根据标准设置来设置家用电器的处理参数，不能充分反映用户的具体需求。
6.时至今日，家用电器处理周期中的配置参数相互依赖的复杂性尚未得到完全了解。2015年曾尝试使用数学函数对洗衣机的行为进行建模。例如，在“虚拟洗衣机的构造”(tenside surf.det.52(2015)第193页)一文中对此进行了描述，作者为emir lasic、rainer stamminger、christian nitsch和arnd kessler。
7.看起来，要对物品执行的处理周期的参数选择在很大程度上仍然是手动完成的，并且对可实现处理性能有不精确的假设。
8.出于上述原因，寻求一种用于更好地设置家用电器中的处理周期的处理参数的方法和系统。


技术实现要素：

9.为解决上述需求，本发明提供一种用于设置家用电器中的处理周期的参数的方法，该方法包括：
[0010]-获得模型，该模型在处理周期的参考配置参数值的不同集合与可实现处理性能值之间建立关系；
[0011]-获得处理周期的目标处理性能；
[0012]-从处理周期的参考配置参数中获得至少一个配置参数的子集的固定值，至少一个配置参数的该子集至多包括所有配置参数，但包括来自参考配置参数的至少一个剩余配置参数；
[0013]-确定至少一个剩余配置参数的值，该值使目标处理性能与模型使用所述值预测的可实现处理性能之间的差异低于预定阈值；
[0014]-输出处理周期的参数，处理周期的参数可用作家用电器中的处理周期的设置参数，参数包括至少一个剩余配置参数的确定值和至少一个配置参数的子集的固定值。
[0015]
本发明提供一种以定制的方式并且根据用户希望通过处理周期实现的目标来设置家用电器的处理周期的参数的方法。
[0016]
术语“处理周期”是指对将由家用电器处理的物品进行的洗涤、清洁、烘干或熨烫。
[0017]
在可以应用本发明的方法的家用电器的可能示例中，洗衣机、洗碗机、熨斗和烘干机是特别合适的机器。然而，家用电器的概念不应仅限于这些机器。本发明的方法可以应用于用任何材料手段执行的任何处理周期，包括例如在没有机械部件的盆中洗涤纺织品。
[0018]
术语“处理性能”涵盖用户可以设置的目标或者可以在例如数据处理设备的存储器中编程或可编程的目标。下面提供处理性能的示例，并且通常可以包括：要清洁的物品(餐具或纺织品)的最大清洁度，要清洁的物品上的污渍或污垢数量的最小限度，处理周期期间使用的电量或水量的最小限度，处理周期期间家用电器产生的噪声的最小限度，处理周期期间产生的co2排放的最小限度。处理性能通常可以以指示实现目标的程度的任意单位表示。对于清洁度，这可以是任意数字或等级、先前对待处理物品进行的实验提供的评级，或基于对家用电器中处理周期的理解而预测的值。
[0019]
术语“参考配置参数”是指一起提供的参数或用于生成能够基于配置参数的组合或集合来预测处理性能值的模型的参数。术语“配置参数”是指可用于表征处理周期的物理参数或技术参数。在洗衣机的示例中，这些参数可以例如包括由herbert sinner建立的参数(温度、使用的清洁剂及其数量、周期的持续时间、机器的滚筒的机械性能)。可以进一步考虑其他参数。
[0020]“模型”通常可以包括配置参数的不同集合的离散值和相关联的处理性能值的列表。它还可以包括函数，该函数包括配置参数的集合的值与相关联的测量、预测或外推处理性能值之间的连续外推对应关系。
[0021]
本发明可以由传感器或由关于使用家用电器的环境的一般信息来确定处理参数的一些值。这样的值可以例如包括在处理周期中使用的水的水硬度、家用电器的滚筒每分钟的转数，或者至少包括家用电器在技术上可实现的值。其他值可以由用户自己固定，诸如温度或处理周期的持续时间。
[0022]
然后可以基于用户选择的目标通过模型预测剩余的未固定配置参数的值。这种未固定配置参数可以例如包括要施加的清洁剂的量。
[0023]
除了为未固定配置参数提供建议外，该模型还可以帮助用户更改一些固定参数，如果看起来其中一个参数的微小变化可以更好地实现目标处理性能的话。
[0024]
根据一个实施方案，该方法还可以包括：
[0025]-以如下方式获得函数形式的模型：
[0026]-获得针对先前处理周期的参考配置参数值的不同集合所实现的处理性能值；
[0027]-确定拟合获得的处理性能值的函数，该函数在配置参数值的不同集合与获得的处理性能值之间建立关系，配置参数的不同集合是函数的变量并且获得的处理性能值是函数的图像的近似值。
[0028]
根据一个实施方案，该函数是包括至少四个变量的多维函数。
[0029]
有利地，至少四个变量是在清洁周期期间应用的最大温度、洗衣机的滚筒的转数(例如每分钟)、使用的清洁剂的量、清洁周期的持续时间。可以添加其他参数，诸如待清洁的负载的重量、指示负载的脏污程度的值、指示使用的水硬度的值。
[0030]
根据一个实施方案，该函数可以是多项式函数。
[0031]
根据一个实施方案，可以使用方差分析方法来确定模型。
[0032]
替代性地，可以使用基于一组有限的实验数据点来获得函数的模型的其他方法。特别地，本发明可以使用不同的线性回归方法、机器学习方法或手动近似。优选自动化方法，因为需要拟合的数据的复杂性使得对可用作预测可实现处理性能值的模型的函数的任何手动估计变得困难。设计实验是用于确定模型的一般方法。优选的设计实验方法包括i最优方法和响应面法。
[0033]
根据一个实施方案，参考配置参数的不同集合可以包括以下中的至少两项：
[0034]-装入家用电器内的物品的负载；
[0035]-家用电器的处理室内的温度；
[0036]-家用电器的旋转元件的每秒转数；
[0037]-家用电器在处理周期期间使用的水的水硬度值；
[0038]-待处理物品的污渍的脏污程度值；
[0039]-处理周期的持续时间；
[0040]-某种类型清洁剂的量。
[0041]
根据一个实施方案，可实现处理性能可以包括以下中的至少一项：
[0042]-处理周期的清洁度值；
[0043]-待处理物品上残留的污渍的数量；
[0044]-指示处理周期期间使用的水量的值；
[0045]-指示处理周期期间消耗的能量的量的值；
[0046]-指示处理周期期间产生的温室气体排放的值；
[0047]-处理周期的持续时间；
[0048]-指示家用电器在处理周期期间产生的噪声的值；
[0049]-在处理周期期间家用电器的处理室中达到的温度；
[0050]-在处理周期期间家用电器的滚筒的每分钟转数。
[0051]
根据一个实施方案，至少一个剩余配置参数包括至少两个剩余配置参数，该方法还可以包括：
[0052]-基于获得的模型，从至少两个剩余配置参数中确定一个选择的配置参数，其值使目标处理性能与模型使用所选择的配置参数的所述值预测的可实现处理性能之间的差异最小化。
[0053]
根据一个实施方案，该方法还可以包括：
[0054]-确定至少一个剩余配置参数的一组值，该值使目标处理性能与模型使用所述一组值预测的可实现处理性能之间的差异低于预定阈值；
[0055]-输出处理周期的建议配置参数的列表，处理周期的参数适合于使用至少一个剩余配置参数的所确定的一组值和至少一个配置参数的子集的固定值来设置家用电器的处理参数。
[0056]
本发明可以通过使用该方法来设置家用电器的配置参数来进一步利用该方法。
[0057]
特别地，该方法的这种用途可以包括：
[0058]-在家用电器上使用设置的配置参数运行处理周期。
[0059]
本发明还涉及一种用于设置家用电器中的处理周期的参数的系统，该系统包括：
[0060]-数据处理设备，其能够与存储介质通信并被配置为：
[0061]-获得并存储模型，该模型在处理周期的参考配置参数值的不同集合与可实现处理性能值之间建立关系；
[0062]-获得处理周期的目标处理性能；
[0063]-从处理周期的参考配置参数中获得至少一个配置参数的子集的固定值，至少一个配置参数的该子集至多包括所有配置参数，但包括来自参考配置参数的至少一个剩余配置参数；
[0064]-确定至少一个剩余配置参数的值，该值使目标处理性能与模型使用所述值预测的可实现处理性能之间的差异低于预定阈值；
[0065]-家用电器，其能够接收来自数据处理设备的指令，该家用电器以至少一个剩余配置参数的确定值和至少一个配置参数的子集的固定值的形式接收处理周期的参数。
[0066]
上述系统通常适用于实施上述方法。
[0067]
根据一个实施方案，该系统还可以包括：
[0068]-至少一个传感器，其用来从配置参数的子集中确定至少一个值。
[0069]
可以使用多于一个传感器，其中一些传感器设置在家用电器上，而其他传感器可以是独立式传感器或作为与家用电器交互的其他设备的一部分的传感器，例如用于将清洁剂分配到家用电器中的设备。
[0070]
根据一个实施方案，该系统还可以包括：
[0071]-配量设备，其被配置成放置在家用电器的处理室内并且将至少一种清洁剂分配到处理室中。
[0072]
根据一个实施方案，配量设备可以被配置为在处理周期的可调节时间分配可调节量的至少一种清洁剂，可调节量和可调节时间是处理周期的进一步的配置参数。
[0073]
本发明的方法还可以通过计算机来实现。因此，本发明还包括适用于实施上述方法的步骤的计算机程序产品。
[0074]
本发明通常还涉及其上存储有计算机程序的非暂时性计算机可读存储介质，该计算机程序包括用于执行用于设置家用电器中的处理周期的参数的方法的指令，该指令包括：
[0075]-访问模型，该模型在处理周期的参考配置参数值的不同集合与可实现处理性能值之间建立关系；
[0076]-接收处理周期的目标处理性能；
[0077]-从处理周期的参考配置参数中获得至少一个配置参数的子集的固定值，至少一个配置参数的该子集至多包括所有配置参数，但包括来自参考配置参数的至少一个剩余配置参数；
[0078]-确定至少一个剩余配置参数的值，该值使目标处理性能与模型使用所述值预测的可实现处理性能之间的差异最小化；
[0079]-输出处理周期的参数，该参数被配置为使用至少一个剩余配置参数的确定值和至少一个配置参数的子集的固定值来控制家用电器的处理周期。
附图说明
[0080]
在下文中将结合以下附图描述本公开，其中相同的数字表示相同的元件，并且：
[0081]
图1是sinner图的示意图，显示了洗衣机洗涤周期中七个配置参数之间的相互依赖关系；
[0082]
图2是根据示例性实施方案的方法的简化流程图；
[0083]
图3是构成可用于实施本发明方法的系统的一部分的一组可能元件的示意图；
[0084]
图4是一个等值线图，显示了针对洗衣机中纺织品的不同负载和在洗涤周期期间分配的不同清洁剂量的可实现性能参数值；
[0085]
图5是另一个等值线图，显示了针对洗衣机中纺织品的不同负载和在洗涤周期期间分配的不同清洁剂量的可实现性能参数值；
[0086]
图6是第三等值线图，显示在本发明的另一个示例性图示中，针对洗衣机中纺织品的不同负载和在洗涤周期期间分配的不同清洁剂量的可实现性能参数值；
[0087]
图7是第四等值线图，显示了根据图6所示的本发明的示例性图示，针对洗衣机中纺织品的不同负载和在洗涤周期期间分配的不同清洁剂量的可实现性能参数值；
[0088]
图8是一个二维曲线图，显示了在关于水硬度、负载、使用的清洁剂的量、装入物品的脏污程度、每分钟滚筒的转数的固定条件下，在洗衣机的处理周期期间洗衣机的能量消耗与温度的函数关系。
具体实施方式
[0089]
本发明提供一种确定用于运行处理周期的参数的最佳组合的方法，特别是在家用电器中。还可以想象，本发明的方法在任何能够接收待处理物品的设备上本地应用。没有机械部件的填充有水并且向其中添加洗涤剂以用于手洗或用于将纺织品留在碗中而不对其施加机械作用的碗也可以被认为是本发明含义内的家用电器。然而，这种方法最直接的应用是确定诸如洗衣机、洗碗机、烘干机或熨斗之类的机器的正确且最合适的设置。
[0090]
该方法依赖于模型，该模型能够在选择一组特定配置参数来运行处理周期时预测处理周期的结果。预测这种结果的能力使得为处理周期的配置参数找到合适的值以便实现期望的处理性能成为可能。特别地，本发明可以利用这种处理周期的过去测量并生成将配置参数处理为输入并提供处理性能值作为输出的函数。这样的函数通常是多维函数，其具有至少有两个有时甚至超过七个变量作为输入。
[0091]
如图1所示，可以将诸如获得清洁纺织品之类的处理性能110设置为要实现的目标或目的。洗涤周期的参数，特别是那些可以在洗衣机中选择或编程的参数，似乎都是相互依
赖的。一个参数的变化可能导致需要修改其他参数，以便在洗涤周期结束时保持相同的纺织品清洁度值。
[0092]
处理参数也称为配置参数101-108，并且通常可以包括放入洗衣机的纺织品的负载、添加的洗涤剂的量、清洁周期的持续时间、为清洁过程设置的温度、洗衣机的机械性能如洗衣机的滚筒的每分钟转数、水的硬度、待清洁的纺织品的脏污程度以及纺织品的种类。
[0093]
可以为洗碗机、熨斗或烘干机的其他处理周期生成类似的相互依赖关系图。为了清楚起见，将结合确定洗衣机中配置参数101-108的正确组合来提供以下示例。
[0094]
为了例示说明的目的，图2提供在本发明的方法210中发生以便设置家用电器中的处理周期的参数的步骤的流程图。
[0095]
首先，获得模型201，该模型在被认为是模型的输入的配置参数的集合与被认为是模型的输出的可实现处理性能的值之间建立关系。
[0096]
可以通过不同方式获得模型201。它可以在不同数据点的线性插值的基础上创建。数据点由配置参数的集合的值列表形成，例如来自对清洁周期的过往知识或来自对类似清洁周期执行的过往测量。配置参数的每个集合都与一个处理性能值相关联。
[0097]
配置参数101-108通常可以包括：装入家用电器内的物品的负载、家用电器的处理室内的温度、家用电器的旋转元件的每秒转数、家用电器在处理周期期间使用的水的水硬度值、待处理物品上的污渍的脏污程度值、处理周期的持续时间、某种类型清洁剂的量。可以考虑更少或更多的这些参数。例如，可以在洗衣机中只包括上面列出的参数中的两个参数。
[0098]
该模型还可以在更复杂的数据点回归的基础上来创建，例如使用最小二乘法。
[0099]
也可以对坐标空间中数据点的图形表示进行手动插值。
[0100]
可以使用用数学函数拟合一组数据点的其他分析方法。特别是，可以使用“实验设计”方法来将一组离散数据点与数学函数拟合。这种实验设计方法可以同化为方差分析方法。两种方法在现有技术中都是众所周知的。
[0101]
例如，可以使用涉及随机实验、优化设计、响应面法的方法。
[0102]
优选方法包括i最优设计和响应面法。数据集的贝叶斯优化可以进一步用于动态的实验设计方法。
[0103]
使用这种方法生成的模型可以有利地是涉及若干变量的多项式函数或能够准确地再现多个变量的依赖关系的任何其他函数。
[0104]
具有多个变量的多项式函数可以有利地写为：
[0105][0106]
其中f是具有m个变量x1到xm的多项式函数，n是多项式函数的次数，a(ks)是通过实验设计方法确定的系数。
[0107]
下面在本发明的一个示例性实施方案中进一步提供此类函数的示例。
[0108]
一旦确定了该函数，特别是系数a(ks)的值，就知道处理周期的所有配置参数的相互依赖关系。
[0109]
需要注意的是，函数f可以针对要清洁的不同污垢类型的组合定义，或者可以针对
每种污垢类型单独定义一个函数。如果已知针对所有污垢类型的组合的一般函数f，则可以通过删除与不相关污垢类型的贡献相对应的一些实验数据点来针对每种污垢类型提取简化函数。
[0110]
函数f可以包含配置参数的相互依赖关系，而与使用的家用电器的类型无关。事实上，这样的家用电器甚至不是应用本发明教导的相关机器。如上所述，任何处理环境，甚至是在具有含洗涤剂的水的碗中用手清洁纺织品，都可以被视为同化为“家用电器”。
[0111]
尽管函数f提供高水平的一般化并且它能够预测处理过程的结果，而与使用的家用电器无关，但如果函数f是特别基于与家用电器的类型相关的数据建立的，则可以提供更准确的结果。例如，洗衣机中滚筒的每分钟转数是可以影响处理性能值并且更特定于家用电器的参数。因此，函数f也可以被缩减或确定为特定于家用电器的函数。
[0112]
一旦已经获得或确定了诸如例如上述多项式函数的模型201，就设置目标处理性能202。有利地定性地或定量地设定该目标。例如，可以将定性目标值设置为一般目标：获得最清洁的纺织品。定性目标可以进一步包括多于一个标准，例如对一些其他参数加以限制，诸如：如何在消耗少于x克的洗涤剂的同时达到最大的清洁度。或者如何在最小化能耗的同时获得高于y值的清洁性能。为了确定允许实现这种定性目标处理性能的配置参数的组合，可以对函数f的变化和图像进行数学分析。
[0113]
替代性地，可以将目标处理性能202定义为定量值。例如，这可以是不能克服的能量的量、在处理周期期间不能达到的噪声水平、处理周期发生应低于的最高温度、在处理周期期间产生的最大co2量或待处理物品上允许的最大污渍数量。
[0114]
可能的可实现处理性能的示例包括：处理周期的清洁度值；待处理物品上残留的污渍的数量；指示处理周期期间使用的水量的值；指示处理周期期间消耗的能量的量的值；指示处理周期期间产生的温室气体排放的值；处理周期的持续时间；指示家用电器在处理周期期间产生的噪声的值；在处理周期期间家用电器的处理室中达到的温度；处理周期期间家用电器的滚筒的每分钟转数。
[0115]
根据本发明的一个基本实施方案，模型的配置参数101-108都不是固定的，并且每个配置参数101-108的值是通过研究模型的变化来确定的。
[0116]
当由模型使用这些值输出的预测与目标处理性能202的值之间的差异低于预定阈值(在图2中表示为ε)时，配置参数101-108的一组值被视为满足目标处理性能202。
[0117]
该预定阈值可以例如设置为根据模型的预测可实现的最佳处理性能值的25％以内的值。阈值也可以由用户确定，该用户可以确定在其定义的目标性能内的可接受裕量。一种简单的方法可以包括确定函数f的极值，以对应于最佳的可实现处理性能。然后将配置参数的相应值定义为处理周期的设置。
[0118]
根据不同且更常见的实施方案，配置参数101-108的子集203具有固定值。这些值由用户、通过家用电器的技术可能性或通过其他外部因素确定。例如，水硬度就是这种情况，其可以具有取决于处理周期发生的位置的固定值。其他剩余配置参数，诸如例如家用电器的滚筒的每分钟转数，可以被限制为电器在技术上可达到的值的数量，并限制为有限数量的离散值。这将减少需要为函数f分析以便确定剩余配置参数的值的值空间。
[0119]
来自子集203的一些值可以由作为家用电器的一部分的传感器或独立式传感器测量。传感器的示例包括水硬度测量设备。水硬度可以例如通过测量水的电导率的校准电极
或测量与其硬度相关的水的浊度的光学传感器来测量。使用其他传感器来测量其中将待处理物品放置在家用电器内的滚筒或外壳内部的温度，或者电器的滚筒的每分钟转数。
[0120]
剩余配置参数204的值是使用模型确定的。如图2所示，通过尝试剩余配置参数204的不同值来使用函数f，直到找到由该函数预测的可实现处理性能的输出的差异足够接近目标处理性能值202的值。如上面已经讨论的，可接受的差异应该低于预定阈值。
[0121]
最后，可以输出用于处理周期的设置参数205，例如设置在家用电器上以在其上运行处理周期。设置参数205包括配置参数的子集203的固定值和使用来自模型的预测确定的剩余配置参数204的值。
[0122]
在图2所示的示例中，剩余配置参数204包括待清洁的物品的负载和家用电器中要使用的洗涤剂的量。然而，应当注意，通常可以使用其他剩余配置参数。例如，将洗涤剂释放到家用电器的外壳中的定时可以作为剩余配置参数204，或者外壳中的水的温度，或者处理周期的持续时间。
[0123]
除了以上出于说明目的而给出的实施方案之外，本发明还可以进一步利用所获得的模型的数学特性，以便识别最合适的处理设置205。例如，f函数的极值可以通过计算该函数的偏导数来确定。
[0124]
例如，还可以使用采用等值线图的函数图形表示，以便向用户显示能达到目标处理性能的可能值的整个范围。为了获得f函数变化的完整图形表示，可以在除两个配置参数外的所有配置参数都固定的情况下，绘制若干等值线图。
[0125]
本发明还涉及能够实施上述方法的系统。图3示意性地表示了这种系统的元件的一个示例。
[0126]
系统3可以包括家用电器100，其最终将执行被配置为接收本发明的方法的输出(即处理设置205)的处理周期。传感器310可以位于家用电器中，也可以位于独立式配量单元300上的其他地方，或者单独提供。传感器仍然是系统3的任选特征。数据处理单元311被配置为获得模型或基于提供给数据处理单元311的测量建立模型。可以使用自学习方法，其中每个处理周期向存储器312馈送包括处理周期期间配置参数的所有使用值的数据点，并为由此获得的处理性能提供值。一些值可以由用户输入到存储器312中。数据处理单元311可以访问存储在存储器312中的数据以执行模型的估计。
[0127]
在图3所示的示例中，数据处理单元311是家用电器100的一部分。然而，可以使用任何计算设备作为替代，例如移动设备200，其中数据以及基于获得的或测量的数据来建立模型所需的所有相关信息是可用的。也可以使用计算机或服务器。
[0128]
数据处理单元311通常可以与家用电器100交换信息，特别是使得它可以将处理设置205发送到家用电器100以便参数化下一个处理周期。
[0129]
为了向用户显示一些信息，家用电器上的显示器可以允许例如手动选择配置参数的值。例如，一旦用户选择了目标处理性能，就可以显示建议的设置。
[0130]
替代性地，所有显示和选择可以发生在远程设备上，例如移动设备200，然后其可以与家用电器建立通信。
[0131]
任选地，该系统可以包括配量设备300。配量设备被配置为放置在家用电器的外壳内，诸如在洗衣机情况下的滚筒。然后，它可以在处理周期的任何可编程时间分配清洁剂。然后，分配的清洁剂的量以及该分配的定时可以作为处理周期的进一步的配置参数，以进
一步提高可实现处理性能。
[0132]
实施例
[0133]
本发明将通过以下提供的一些实施例进一步进行例示说明。
[0134]
在第一实施例中，获得洗衣机上处理周期的模型，其具有七个配置参数，如下表1所示：
[0135]
表1
[0136]
变量可能的范围x1：洗涤剂量0
–
27gx2：负载1
–
9kgx3：洗涤温度20℃
–
60℃x4：水硬度0
–
21dhx5：滚筒的每分钟转数30转/分钟
–
70转/分钟x6：脏污程度0
–
6.5(任意分数)x7：处理周期持续时间45分钟
–
120分钟
[0137]
作为处理性能值，选择清洁混合20种不同类型污渍时的清洁度。性能等级以任意单位的分数形式提供：分数越高，对混合污渍的清洁性能越好。
[0138]
上述实验设计方法导致确定以下能够最佳描述七个参数与可实现处理性能之间的关系的多项式函数：
[0139]
[0140][0141]
其中ak系数项的值在下表2中提供。
[0142]
表2
[0143]
[0144]
[0145]
[0146][0147]
以下配置参数由用户固定或经由传感器确定。
[0148]
x3＝40℃；x4＝14dh；x5＝50转/分钟；x6＝3.25；x7＝90分钟
[0149]
因此，在图4中表示了等值线图，该等值线图显示了可实现处理参数值43作为x轴20上的清洁剂量和y轴10上的物品负载的函数。此等值线图表明，低剂量的清洁剂无法有效清洁洗衣机中的大量物品。实际上，图4的等值线图的左上角41中的可实现处理参数的值较低。因此，推荐定量配给更高量的清洁剂并减少待清洁的物品的数量，因为可实现的处理参数的最高值位于图4的等值线图的右下角42中。
[0150]
该等值线图在寻找使用的清洁剂的量和装入物品的负载的优化组合时特别有用。这两个因素的相关性不是线性的，如图4中等值线图上直等值线的曲率所示。一个有趣的教导是，对于4千克待清洁的纺织品，为了在清洁周期后达到物品的可接受的高清洁度，至少应分配15克清洁剂。
[0151]
图5显示了当某些固定参数的值发生变化时，图4的等值线图如何变化。在图5的等值线图中，纺织品的可实现清洁度53的值表示为x轴20上定量配给的清洁剂的量和y轴10上的物品的负载的函数。其他配置参数固定如下：
[0152]
x3＝40℃；x4＝14dh；x5＝39转/分钟；x6＝3.25；x7＝120分钟
[0153]
换言之，清洁周期的持续时间增加并且滚筒的每分钟转数减少。
[0154]
如图5的等值线图中的等值线所示，这导致x1和x2的依赖关系不同。特别是4千克的纺织品，现在只需要10克相同的清洁剂就可以达到足够高的清洁度值。对于5千克的负载，将清洁剂的用量从15克改为24克导致清洁度值增加约3％。图5的等值线图的左上角包括最低可实现清洁度值51，而图5的等值线图的右下角包括最高可实现清洁度值53。
[0155]
图6是针对差异模型获得的另一个等值线图，该模型模拟了在去除纺织品上的口红污渍时的可实现清洁度性能。
[0156]
与图4和图5类似，表示用于去除口红污渍的清洁度结果63的等值线图被显示为x轴20上所装入的清洁剂的量和y轴10上的纺织品的负载的函数。其他配置参数固定如下：
[0157]
x3＝40℃；x4＝14dh；x5＝50转/分钟；x6＝3.25；x7＝90分钟
[0158]
图6的等值线图表明，整体可实现处理性能相当差。等值线图的左上角61对应于特别低的可实现处理性能值。图6的等值线图的右下角62，包括在这些条件下的最高可实现处理性能值，仍然勉强可以接受。
[0159]
为了纠正这种情况，将清洁周期的持续时间从90分钟增加到120分钟，并将机器滚筒中的温度从40℃增加到48℃。污渍的脏污程度从3.25降低到1。
[0160]
这些变化导致图7的等值线图显示出比图6更令人满意的可实现清洁度结果73。该等值线图的左上角71包括与图5的最高值相当的较低可实现处理性能值。图7的等值线图中的等值线表明，通过增加使用的洗涤剂的量来增加清洁度结果的值具有更大的灵活性。在该等值线图的右下角72中获得的值比左上角71的值高20％。
[0161]
尽管上述实施例特别关注清洁度值作为处理性能值，但可以选择其他处理性能。特别地，目标也可以是最小化用于执行处理周期的能量。
[0162]
图8说明了当其六个配置参数固定时获得的函数f的二维图形表示。
[0163]
x1＝15g；x2＝5kg；x4＝14dh；x5＝50转/分钟；x6＝3.25；x7＝90分钟
[0164]
因此，图8的曲线图表示在水平轴82上表示的温度x3对垂直轴81上表示的能量消耗的影响。为了消耗少于900瓦时的能量，图8的曲线图教导温度应设置在低于37℃。
[0165]
上述实施例和实施方案的步骤可以通过诸如计算机之类的处理器来实现。包括上述方法的步骤的计算机程序产品可用于在计算机上实现该方法。
[0166]
可以将包括用于实现本发明的方法的指令的计算机程序存储在不同的非暂时性计算机可读存储介质上。例如，这些可以包括处理器或芯片、fpga(现场可编程门阵列)、包括若干处理器或芯片的电子电路、硬盘驱动器、闪存或sd卡、usb记忆棒、cd-rom或dvd-rom或蓝光光盘或软盘。
[0167]
尽管在前面的详细描述中已经给出了至少一个示例性实施方案，但是应该理解存在大量的变型。还应理解，示例性实施方案或多个示例性实施方案仅是示例，并不旨在以任何方式限制各种实施方案的范围、适用性或配置。相反，前面的详细描述将为本领域技术人员提供用于实现如本文所设想的示例性实施方案的方便路线图。应当理解，再不脱离如所附权利要求中阐述的各种实施方案的范围的情况下，可以对示例性实施方案中描述的元件的功能和布置进行各种改变。