关于智能家居质量监控与诊断平台的研究

刘亚丽 沈开阳 陈 挺

（美的集团IoT 佛山 528305）

引言

随着物联网发展，越来越多的家电产品实现了智能化，产品使用环境、用户行为习惯、定制化场景需求等都会导致产品出现新的质量问题，智能化产品的质量由传统的硬件故障转为软硬件兼容故障类型。质量监控与诊断平台则可基于用户行为轨迹、大数据、设备日志等方式对问题进行预警、聚合、自助分析与判定，快速提升产品质量，高效地用户服务。

1 基于质量监控与诊断平台的售后服务与传统售后服务的区别

传统售后服务的基本流程是：

1）收到客户反馈；

2）寻找产品样机，复现用户问题 ；

3）组织会议，制定处理方法；

4）安排售后服务，实施售后服务；

5）完善服务记录；

6）售后记录归档；

7）累积同类问题记录，当客诉量升级到一定量级则升级事故处理。

传统的售后服务是一个被动过程，单单只是完善公司制度的售后服务流程，并未挖掘售后数据的高端价值，也不能提升用户体验。质量监控与诊断平台则转被动为主动，大数据分析批量解决，为用户定制个性化服务，提前告知客户故障并为客户提供最优产品服务体验。

基于质量监控与诊断平台的售后服务流程为：

1）通过物联网产品，收集并上传用户/设备等各种数据；

2）根据故障模型自动诊断并输出故障报告；

3）批量推送故障解决措施至用户端；

4）硬件异常可快速安排售后解决，软件异常可及时OTA远程批量升级；

5）可针对用户画像，定制特殊服务。

2 质量监控与诊断平台的系统设计

从结构来说，整个系统主要分为数据来源、数据处理、核心功能、前端展示4大部分。

从功能来说，整个平台可实现预警功能、质量监控功能、故障分析与诊断功能和用户服务功能。

整体质量监控与诊断平台系统架构如图1所示。

图1 系统功能架构

3 质量监控与诊断平台原理

3.1 数据收集

物联网产品联入网络，可以获得以下基本信息：

1）通过生产MES系统的SN码和模组MAC进行关联，可以获得产品的基本信息，包含设备的品牌、品类、型号、功能特性等；

2）用户的设备绑定到用户账号，通过账号可以获得用户信息，包含用户名称、用户角色、用户性别、用户家庭关系等；

3）若产品具有传感器、射频识别（RFID）技术、全球定位系统、红外感应器、激光扫描器、气体感应器等各种装置，还可以获得设备位置信息、距离信息、周边环境（温度、湿度、光、热、电、声音等）的信息；

4）设备在使用过程中，记录在云端的日志和大数据埋点可以获得用户行为轨迹以及操作路径、使用习惯等信息。

以上信息，都可以作为基础数据源，存入大数据库中用于后期问题的排查诊断和分析。

3.2 数据处理

有了数据源，就需要对数据进行处理，数据处理后的目的与作用一是为了查看关注指标的变化，二是发现异常与问题，三是对问题进行聚合和分析。

3.2.1 数据提取

提取与监控指标的过程其实就是按照事实建立评价规则，然后按照规则提取相关数据，通过算法计算结果，最后呈现出来。

例如：物联网模组的指标，从用户角度提取关注点：联网成功率、连接稳定性、控制成功率、升级成功率等。然后制定相应的规则，比如按照每一天去统计配网动作的次数或者按照每个用户使用配网的次数等。接着制定计算算法，如配网成功率 =配网成功次数/配网总次数×100 % ，可以获得相关指标的数据。

3.2.2 故障模型库

故障模型库也称专家系统库，是一项非常复杂的综合技术，里面包含大量高质量问题领域的知识库，以及利用领域知识的推理模型，如图2所示。

图2 故障模型库

故障模型库不仅需要面对不同的设备，还需要适应变化的环境，比如用户家庭网络因素、用户家庭网络下设备数、用户行为习惯等。因此，故障模型库应该具备学习能力，能够在应用过程中逐步扩充其功能。故障模型库是设备自适应环境的需求，也是与用户互通、了解用户、学习用户的重要桥梁。

3.2.3 数据聚合

数据聚合是指将处理后的数据按照不同的维度进行统计汇总，因产品的多样性、复杂性以及使用环境、用户行为习惯等因素，导致数据呈现的形态可以多种多样，物联网产品质量查看维度也可以分为几类：

1）实时数据与离线数据，实时数据一般用于监控与预警，离线数据用于建模和用户画像分析；

2）数据可以按照品类、型号、大小、用时长短、不同模组硬件、不同软件版本、不同平台支持等维度进行聚合和提取；

3）数据可以是批量呈现，也可以是单设备查询。

从不同角度、不同维度、不同指标，运用图形方式进行展示，如散点图、控制图、曲线图等可以更直观得看到异常和问题变化的趋势。

3.3 平台核心功能

整个平台的核心功能有预警功能、质量监控功能、故障分析与诊断功能和用户服务功能 4大功能块：

1）预警平台包含数据预警系统、指标预警系统和VIP用户预警系统，分别是保障基础数据源稳定性和正确性、监控指标是否稳定或者波动差异、特定用户使用性能稳定；

2）质量监控平台包含质量指标展示系统、质量指标评价系统、质量指标追溯系统，分别是用于监控指标变化趋势、对指标变化进行优势分析及评价、查询历史指标数据，追溯历史数据和预测未来发展趋势；

3）质量分析与诊断平台则用于对问题的诊断，基于故障模型库中各种问题分析的模型，用户输入相关设备SN码后，对相应SN进行问题的诊断与分析，输出故障诊断报告；故障诊断可以是基于某一个单独设备进行诊断，也可以是根据用户自定义的维度聚合进行诊断；

4）用户服务平台则是与售后服务系统打通，将用户报售后的问题导入到质量分析与诊断平台，进行自助分析，输出问题诊断报告，回馈到售后服务系统，可以快速并实时定位用户问题，给到用户解决方案与指引，高效闭环。并且在诊断分析问题时，对用户和设备都做问题标签，一方面是更好地服务种子用户，另一方面也便于对其他出现类似问题的设备进行一个指引查询。

3.4 前端展示平台

因质量监控与诊断平台主要是监控与诊断的，所以给到前端用户的界面的一个是监控平台：展示数据，预警数据变化，多维度去查看数据；另一个是诊断平台：根据用户的输入，基于故障模型，输出诊断报告，对问题设备进行标签注释，方便同类问题聚合和分析探索。

4 采用PDCA方法论进行平台优化

平台需要稳健地发展，就要不断地优化和丰富故障模型库，而质量方法论PDCA则非常适合对平台进行优化。PDCA循环是美国质量管理专家沃特·阿曼德·休哈特（Walter A. Shewhart）首先提出的，由戴明采纳、宣传，获得普及，所以又称戴明环。平台基于PDCA方法优化策略如下：

Plan（计划）：设定指标规则，比如每日数据丢失率不超过5 %、在线率不低于97 %、升级失败率不超过2 %等；

Do（执行）：将计划指标转化为监控指标，进行每日数据监控与对比，看是否能达到指标要求；

Check（检查）：检查未达到指标的设备，分析并找到问题。问题可以是通过自助分析平台发现的，也可以是售后渠道获得的，还可以是设备问题标签定义的；

Action（处理）：改进自己的动作，可以是调整故障模型库，也可以新增新的故障识别模型，或者是根据发现问题的现象提取新的异常指标。

如此反复循环，对问题进行定义、确认、验证、澄清、形成新的指标库，保障平台的可持续优化与发展。

5 质量监控与诊断平台实际应用成果

基于以上理论，笔者做了一套监控与诊断平台，发现了设备与用户的一些问题和异常点，并针对问题进行了解决，也对平台进行了一些功能的优化，图3为平台中的应用截图。

图3 质量监控与诊断平台部分功能截图

6 总结

智能家居是未来家庭生活变化的趋势，而基于物联网的质量检测手法与售后服务模型的转变也是必然改变的。本研究以智能家居产品为研究对象，构建并实现了智能产品远程监控与诊断平台。该平台通过对设备、用户、环境进行了动态监控与数据获取，进一步提高了设备问题的快速诊断与决策，提高了问题识别的大量性和精准性。

该平台的主要功能已经在不断测试和试用中，并初步实现了设备的监控与诊断功能。但在试用中存在数据丢失与不稳定、故障模型特定要求、未识别售后大部分现象等问题需要进一步改进。如何进一部完善该平台的功能，提高平台的适用性、稳定性和可靠性，今后还需要进一步的研究和探索。