畢 略 李百川 楊永健 武繼榮 晉 升

（合肥華凌股份有限公司 合肥 230093）

引言

隨著智能家居技術的不斷發(fā)展，冰箱產品搭載的傳感器和模組越來越多，其中WiFi模組成為了智能冰箱的標配。通過WiFi模組，用戶可以在手機App端進行遠程查看、調整冰箱各間室的溫度，更改冰箱運行模式等操作，方便用戶在離家場景下管理冰箱。另一方面，冰箱借助WiFi模組可以定期上報運行狀態(tài)等iOT數據，方便專業(yè)人員對冰箱運行狀況進行遠程診斷。傳統(tǒng)的售后通常發(fā)生在用戶報修之后，存在一定滯后性，并且可能已經造成了用戶損失（如冷凍室食材化凍）。通過遠程診斷，可以快速定位冰箱制冷失效問題，在用戶發(fā)現之前及時通知用戶觀察、報修，從而提升維修效率，改善用戶體驗。在研發(fā)和生產端，對于早期相同模式批量失效的機型進行監(jiān)控和預警，能夠從研發(fā)端及時排查根因，避免大規(guī)模的故障和客訴。

近年來，隨著智能家電、物聯網和云計算的飛速發(fā)展，大數據在家電領域的應用越來越廣泛。張艷麗[1]分析了大數據在我國家電制造業(yè)中的應用現狀，列舉出家電大數據的四種來源：產品過程，第三方檢測，銷售和在用，以及產品運行和維修服務，并提出了基于大數據技術的家電產品質量分析的標準體系框架。張志強[2]重點分析了家電服務的全生命周期數據集成方法與技術，以及異構數據的處理技術。在生產制造領域，張慧子[3]通過對產線電機聲音信號的采集、處理，應用深度學習技術設計了卷積神經網絡模型，將電機故障噪音診斷準確率提升至98 %以上。

冰箱使用數據的挖掘大致可以分為兩類：用戶畫像與遠程診斷。用戶畫像的挖掘是大數據在家電領域的重要應用，如基于機器學習的電壓力鍋智能預約推薦算法研究[7]，基于服裝洗護大數據的用戶畫像平臺構建[8]，基于行為相似度的空調操作實時推薦[9]等。

大數據在家電領域另一典型應用為遠程診斷。孫俊佚雄[4]以洗衣機作為研究實例，利用大數據技術和機器學習模型對變頻器和異步電機整體結構進行了故障診斷技術研究。何艷[5]著重分析了如何為遠程診斷進行數據采集和處理。劉暉[6]進一步做了遠程診斷技術在空調售后故障分析的應用研究，相較傳統(tǒng)的空調維修方式，新方法在維修效率方面有了大幅提升。

本文屬于遠程診斷的范疇，介紹了基于大數據的智能冰箱監(jiān)控預警與主動服務系統(tǒng)。該系統(tǒng)包括數據采集與傳輸、數據轉換與存儲、失效檢測、監(jiān)控預警、主動服務五個模塊。與之前的遠程診斷工作相比，關注點在于如何在遠程診斷的基礎上，進一步將大數據技術應用在研發(fā)生產端的監(jiān)控預警及用戶端的主動服務上。

第2節(jié)給出了系統(tǒng)的整體架構，第3節(jié)介紹了數據采集與處理，第4節(jié)描述了失效診斷的內容，第5節(jié)和第6節(jié)分別介紹了機型預警和主動服務的具體流程，第7節(jié)是文本的結語。

1 系統(tǒng)架構

基于大數據的智能冰箱監(jiān)控預警與主動服務系統(tǒng)整體結構分為五個部分，如圖1所示。數據采集模塊負責定期從聯網冰箱中獲取冰箱的運行狀態(tài)數據（如溫度傳感器數據、化霜傳感器數據、壓縮機檔位等）；數據傳輸模塊將采集到的數據通過WIFI模組上報至云端服務器；數據存儲模塊則將收到的數據按日期存儲至大數據集群的Hadoop File System（HDFS）中；數據預處理模塊對HDFS的原始數據進行處理，如過濾樣機、單板，補充缺失數據等操作，并將清洗后數據再次寫入HDFS；失效檢測模塊利用不同類型的檢測模型，批量對清洗后的每臺冰箱數據做檢測，如發(fā)現失效則將失效信息寫入關系型數據庫；監(jiān)控預警模塊定期對失效數據匯總加工，按機型統(tǒng)計失效率，并對高于設定閾值的機型預警；主動服務模塊定期主動拉取失效檢測結果，將高置信度的失效冰箱發(fā)送至APP端或400客服系統(tǒng)，自動或人工進行主動服務。

圖1 系統(tǒng)整體結構

2 數據采集與處理

數據采集作為大數據技術在冰箱監(jiān)控預警與主動服務應用中的第一步，其目的是從各種來源獲取必需的數據，為后續(xù)的分析提供數據支撐。采集的數據包括以下幾個方面：

1）冰箱運行數據：冰箱中的各種傳感器數據，包括各艙室及環(huán)境的溫度、濕度，壓縮機、風機運轉檔位等。

2）用戶使用數據：如開關門動作、間室設置溫度等。

3）維修記錄：冰箱的歷史維修記錄，包括故障描述、維修關鍵件、維修方案等。這些數據是失效檢測模型的標簽來源，幫助直接定位故障冰箱的故障點及故障原因。

4）用戶反饋：通過客服電話、售后服務網站等方式收集用戶對冰箱售后服務的反饋。

冰箱運行數據及用戶使用數據由主控板微型控制器進行采樣和計算處理，通過一定的電控協(xié)議將數據打包為數據幀，在通過特殊方式進行校驗，既保證了數據的傳輸準確是安全，又方便了后續(xù)的數據傳輸。主控板微型控制器通過UART方式與Wi-Fi模塊通信，若設備完成配網，數據將通過網絡將數據實時傳輸到云服務器的消息隊列中。隨后，原始數據從消息隊列中被消費并持久化存儲。本系統(tǒng)采用了經典的分布式存儲系統(tǒng)Hadoop File System（HDFS），具有高性能、高可擴展性和高可用性。

收集到的原始數據可能存在缺失、失效和噪聲等問題，在具體分析前需要進行預處理。預處理的主要目的是提高數據的準確性和完整性，降低分析誤差提高可靠性，為后續(xù)的分析和挖掘提供準確的數據支持。清洗后的數據更加規(guī)范化和標準化，可以更方便地進行分析和挖掘，有助于提高分析效率。

該系統(tǒng)種主要包括以下三種數據預處理范式：

1）數據清洗：通過時間戳去除重復數據，避免重復計算和分析。對于上報數據中的缺失值，采用插值法進行填補。對于異常值，采用邊界值替換的方法進行處理。在該步驟中，對于商場樣機、單板等非用戶機器也一并進行濾除。

2）數據轉換：通過協(xié)議解析數據，將數據轉換為具有實際意義且適合分析的真實值。如將Unix 時間戳（Unix Timestamp）根據時區(qū)轉換為可讀的時間格式，冰箱設定溫度檔位轉換為攝氏度等。

3）數據集成：將機型數據、賣點數據和上報數據等來自多個數據源的數據進行整合，以便于進行綜合分析。

3 失效檢測

失效檢測指的是通過分析冰箱上報的各種傳感器時間流數據，篩選出滿足失效規(guī)則的冰箱。失效規(guī)則通過領域專家結合冰箱傳感器數據和維修數據，迭代優(yōu)化得出，分為兩種類型：一類是對冰箱整體制冷狀況的評估，如根據冷藏冷凍溫度的變化情況，判斷冷凍室和冷藏室是否存在制冷異常情況；另一類是更為具體地針對關鍵件失效進行評估，此時需要用到更加豐富的傳感器狀態(tài)信息，該類失效模式主要包含風門風道失效、化霜加熱器失效，壓縮機變頻板失效、風機失效等。

失效檢測使用Spark分布式框架進行計算，每個計算節(jié)點處理干個分區(qū)，所有節(jié)點并行計算。對于每個分區(qū)下的單臺冰箱的時間流數據，如圖2所示，使用滑動窗口依次取若干個數據點，每個數據點均包含了時間戳和傳感器狀態(tài)信息，傳感器狀態(tài)信息包括冷凍/冷藏傳感器的溫度，化霜傳感器溫度，風門狀態(tài)，風機、壓機檔位等（表1給出了事件流數據示例，每行是一個數據點的信息）。之后對窗口范圍進行調整，以滿足窗口內數據點的個數以及窗口的時間跨度要求。最后，使用失效診斷規(guī)則進行判定，若滿足規(guī)則設定的條件，則輸出該設備id，失效類型，失效日期，失效起止時間戳，失效前后關鍵傳感器統(tǒng)計值（如間室溫度傳感器、壓機檔位、環(huán)境溫度）等信息。若不滿足規(guī)則，則滑動至下一個窗口進行失效判定，直到所有的窗口計算完畢。

表1 設備144036023749292用戶運行數據（節(jié)選）

圖2 失效診斷流程

4 機型預警

對于第4節(jié)診斷出的失效冰箱，系統(tǒng)根據設備id，獲得其機型、上市時間、聯網數、維修數據、銷量等，以機型為單位計算每個機型失效率PPM（見6.1），并對高PPM的機型定期預警。

4.1 預警指標

機型預警主要關注的指標為PPM，反應了該機型的失效率。其計算公式為：

對于每個監(jiān)控的機型，系統(tǒng)會計算其整體PPM，以及每種失效類型的PPM。

4.2 預警方式

系統(tǒng)定期計算各機型的PPM，形成失效榜單，該榜單顯示了機型的聯網數、失效數、失效PPM等，并可以進一步查看該機型的各失效冰箱在失效階段及前后的傳感器信息，用于具體案例分析。對于聯網數超過一定閾值，并且PPM超過所有機型平均值N倍（通常N=2）的機型，系統(tǒng)通過郵件推送的方式發(fā)送給相關研發(fā)人員。這些機型將被重點追蹤，排查是否存在如設計缺陷、制造缺陷等，如確認問題則會進一步進行整改。

5 主動服務

當前的家電售后主要是由用戶報修發(fā)起，故障通常已持續(xù)一段時間，存在滯后性。通過傾聽用戶聲音活動了解到，常有用戶反饋冰箱不制冷維修不及時，嚴重影響使用，甚至造成經濟損失（如食材變質、肉類化凍）。在第4節(jié)的失效檢測基礎上，本系統(tǒng)實現了失效診斷結果用戶推送，即主動服務功能。

首先根據實際失效對用戶的影響程度，系統(tǒng)將失效分為3個級別，不同失效級別對應不同的推送等級。失效級別越高說明對用戶實際的使用影響越大，對應的主動推送優(yōu)先級越高。

主動服務流程如圖3所示，在失效檢測發(fā)現冰箱設備存在故障風險時，數據推送系統(tǒng)會將失效信息推送至客服系統(tǒng)，并同步至用戶APP端，若用戶沒有在APP端瀏覽、操作，此時400客服會回訪用戶進行專業(yè)的使用指導及其故障修復，在用戶無法自行解決或需要售后上門服務時，400系統(tǒng)會進行主動派單，減少用戶的操作，降低失效風險。通過主動服務，可以在不增加成本的情況下，提升用戶滿意程度，降低市場投訴。

圖3 主動服務流程

6 結語

本文以冰箱為例，介紹了大數據在家電領域的典型應用：失效監(jiān)控預警與主動服務系統(tǒng)。該系統(tǒng)包括數據采集與傳輸、數據預處理與存儲、失效檢測、監(jiān)控預警、主動服務五個模塊。通過該系統(tǒng)，一方面可以對于失效率超標的機型進行早期預警，從研發(fā)、制造端排查失效原因，進行整改，降低了大規(guī)模市場品質問題的風險。另一方面，在云端及時發(fā)現冰箱制冷失效問題，通過主動服務及時告知用戶觀察、報修，極大程度上降低了用戶損失，提升了用戶使用體驗。