關于智能家居質量監控與診斷平臺的研究

劉亞麗 沈開陽 陳 挺

（美的集團IoT 佛山 528305）

引言

隨著物聯網發展，越來越多的家電產品實現了智能化，產品使用環境、用戶行為習慣、定制化場景需求等都會導致產品出現新的質量問題，智能化產品的質量由傳統的硬件故障轉為軟硬件兼容故障類型。質量監控與診斷平臺則可基于用戶行為軌跡、大數據、設備日志等方式對問題進行預警、聚合、自助分析與判定，快速提升產品質量，高效地用戶服務。

1 基于質量監控與診斷平臺的售后服務與傳統售后服務的區別

傳統售后服務的基本流程是：

1）收到客戶反饋；

2）尋找產品樣機，復現用戶問題 ；

3）組織會議，制定處理方法；

4）安排售后服務，實施售后服務；

5）完善服務記錄；

6）售后記錄歸檔；

7）累積同類問題記錄，當客訴量升級到一定量級則升級事故處理。

傳統的售后服務是一個被動過程，單單只是完善公司制度的售后服務流程，并未挖掘售后數據的高端價值，也不能提升用戶體驗。質量監控與診斷平臺則轉被動為主動，大數據分析批量解決，為用戶定制個性化服務，提前告知客戶故障并為客戶提供最優產品服務體驗。

基于質量監控與診斷平臺的售后服務流程為：

1）通過物聯網產品，收集并上傳用戶/設備等各種數據；

2）根據故障模型自動診斷并輸出故障報告；

3）批量推送故障解決措施至用戶端；

4）硬件異常可快速安排售后解決，軟件異常可及時OTA遠程批量升級；

5）可針對用戶畫像，定制特殊服務。

2 質量監控與診斷平臺的系統設計

從結構來說，整個系統主要分為數據來源、數據處理、核心功能、前端展示4大部分。

從功能來說，整個平臺可實現預警功能、質量監控功能、故障分析與診斷功能和用戶服務功能。

整體質量監控與診斷平臺系統架構如圖1所示。

圖1 系統功能架構

3 質量監控與診斷平臺原理

3.1 數據收集

物聯網產品聯入網絡，可以獲得以下基本信息：

1）通過生產MES系統的SN碼和模組MAC進行關聯，可以獲得產品的基本信息，包含設備的品牌、品類、型號、功能特性等；

2）用戶的設備綁定到用戶賬號，通過賬號可以獲得用戶信息，包含用戶名稱、用戶角色、用戶性別、用戶家庭關系等；

3）若產品具有傳感器、射頻識別（RFID）技術、全球定位系統、紅外感應器、激光掃描器、氣體感應器等各種裝置，還可以獲得設備位置信息、距離信息、周邊環境（溫度、濕度、光、熱、電、聲音等）的信息；

4）設備在使用過程中，記錄在云端的日志和大數據埋點可以獲得用戶行為軌跡以及操作路徑、使用習慣等信息。

以上信息，都可以作為基礎數據源，存入大數據庫中用于后期問題的排查診斷和分析。

3.2 數據處理

有了數據源，就需要對數據進行處理，數據處理后的目的與作用一是為了查看關注指標的變化，二是發現異常與問題，三是對問題進行聚合和分析。

3.2.1 數據提取

提取與監控指標的過程其實就是按照事實建立評價規則，然后按照規則提取相關數據，通過算法計算結果，最后呈現出來。

例如：物聯網模組的指標，從用戶角度提取關注點：聯網成功率、連接穩定性、控制成功率、升級成功率等。然后制定相應的規則，比如按照每一天去統計配網動作的次數或者按照每個用戶使用配網的次數等。接著制定計算算法，如配網成功率 =配網成功次數/配網總次數×100 % ，可以獲得相關指標的數據。

3.2.2 故障模型庫

故障模型庫也稱專家系統庫，是一項非常復雜的綜合技術，里面包含大量高質量問題領域的知識庫，以及利用領域知識的推理模型，如圖2所示。

圖2 故障模型庫

故障模型庫不僅需要面對不同的設備，還需要適應變化的環境，比如用戶家庭網絡因素、用戶家庭網絡下設備數、用戶行為習慣等。因此，故障模型庫應該具備學習能力，能夠在應用過程中逐步擴充其功能。故障模型庫是設備自適應環境的需求，也是與用戶互通、了解用戶、學習用戶的重要橋梁。

3.2.3 數據聚合

數據聚合是指將處理后的數據按照不同的維度進行統計匯總，因產品的多樣性、復雜性以及使用環境、用戶行為習慣等因素，導致數據呈現的形態可以多種多樣，物聯網產品質量查看維度也可以分為幾類：

1）實時數據與離線數據，實時數據一般用于監控與預警，離線數據用于建模和用戶畫像分析；

2）數據可以按照品類、型號、大小、用時長短、不同模組硬件、不同軟件版本、不同平臺支持等維度進行聚合和提取；

3）數據可以是批量呈現，也可以是單設備查詢。

從不同角度、不同維度、不同指標，運用圖形方式進行展示，如散點圖、控制圖、曲線圖等可以更直觀得看到異常和問題變化的趨勢。

3.3 平臺核心功能

整個平臺的核心功能有預警功能、質量監控功能、故障分析與診斷功能和用戶服務功能 4大功能塊：

1）預警平臺包含數據預警系統、指標預警系統和VIP用戶預警系統，分別是保障基礎數據源穩定性和正確性、監控指標是否穩定或者波動差異、特定用戶使用性能穩定；

2）質量監控平臺包含質量指標展示系統、質量指標評價系統、質量指標追溯系統，分別是用于監控指標變化趨勢、對指標變化進行優勢分析及評價、查詢歷史指標數據，追溯歷史數據和預測未來發展趨勢；

3）質量分析與診斷平臺則用于對問題的診斷，基于故障模型庫中各種問題分析的模型，用戶輸入相關設備SN碼后，對相應SN進行問題的診斷與分析，輸出故障診斷報告；故障診斷可以是基于某一個單獨設備進行診斷，也可以是根據用戶自定義的維度聚合進行診斷；

4）用戶服務平臺則是與售后服務系統打通，將用戶報售后的問題導入到質量分析與診斷平臺，進行自助分析，輸出問題診斷報告，回饋到售后服務系統，可以快速并實時定位用戶問題，給到用戶解決方案與指引，高效閉環。并且在診斷分析問題時，對用戶和設備都做問題標簽，一方面是更好地服務種子用戶，另一方面也便于對其他出現類似問題的設備進行一個指引查詢。

3.4 前端展示平臺

因質量監控與診斷平臺主要是監控與診斷的，所以給到前端用戶的界面的一個是監控平臺：展示數據，預警數據變化，多維度去查看數據；另一個是診斷平臺：根據用戶的輸入，基于故障模型，輸出診斷報告，對問題設備進行標簽注釋，方便同類問題聚合和分析探索。

4 采用PDCA方法論進行平臺優化

平臺需要穩健地發展，就要不斷地優化和豐富故障模型庫，而質量方法論PDCA則非常適合對平臺進行優化。PDCA循環是美國質量管理專家沃特·阿曼德·休哈特（Walter A. Shewhart）首先提出的，由戴明采納、宣傳，獲得普及，所以又稱戴明環。平臺基于PDCA方法優化策略如下：

Plan（計劃）：設定指標規則，比如每日數據丟失率不超過5 %、在線率不低于97 %、升級失敗率不超過2 %等；

Do（執行）：將計劃指標轉化為監控指標，進行每日數據監控與對比，看是否能達到指標要求；

Check（檢查）：檢查未達到指標的設備，分析并找到問題。問題可以是通過自助分析平臺發現的，也可以是售后渠道獲得的，還可以是設備問題標簽定義的；

Action（處理）：改進自己的動作，可以是調整故障模型庫，也可以新增新的故障識別模型，或者是根據發現問題的現象提取新的異常指標。

如此反復循環，對問題進行定義、確認、驗證、澄清、形成新的指標庫，保障平臺的可持續優化與發展。

5 質量監控與診斷平臺實際應用成果

基于以上理論，筆者做了一套監控與診斷平臺，發現了設備與用戶的一些問題和異常點，并針對問題進行了解決，也對平臺進行了一些功能的優化，圖3為平臺中的應用截圖。

圖3 質量監控與診斷平臺部分功能截圖

6 總結

智能家居是未來家庭生活變化的趨勢，而基于物聯網的質量檢測手法與售后服務模型的轉變也是必然改變的。本研究以智能家居產品為研究對象，構建并實現了智能產品遠程監控與診斷平臺。該平臺通過對設備、用戶、環境進行了動態監控與數據獲取，進一步提高了設備問題的快速診斷與決策，提高了問題識別的大量性和精準性。

該平臺的主要功能已經在不斷測試和試用中，并初步實現了設備的監控與診斷功能。但在試用中存在數據丟失與不穩定、故障模型特定要求、未識別售后大部分現象等問題需要進一步改進。如何進一部完善該平臺的功能，提高平臺的適用性、穩定性和可靠性，今后還需要進一步的研究和探索。