一种三维建模家电故障诊断的控制方法与流程

1.本发明属于家电故障诊断领域，具体地说，涉及一种三维建模家电故障诊断的控制方法。


背景技术：

2.家电的故障不可避免，同时故障的成因多种多样，家电售后部门处理用户故障时候很难还原故障当时场景，造成售后人员确定故障及造成故障部件较为困难，增加了售后部门备件的难度。
3.申请号为202010060367.8的中国专利公开了一种《冰箱的故障检测方法与装置、存储介质、控制板、冰箱》，提到一种冰箱的故障检测方法，冰箱运行过程中，实时记录冰箱的运行功率；冰箱发生故障时，获取故障信号，并根据故障信号对冰箱的故障类型进行识别；根据识别出的故障类型获取对应的停机时长，并控制冰箱停止运行停机时长；在接收到用户的查看指令时，获取冰箱的运行功率曲线，并根据运行功率曲线确定冰箱的故障类型。但其并不能直观地确定电器的故障前及故障时家电运行过程及故障相关部件或给出类似的提示。
4.有鉴于此特提出本发明。


技术实现要素：

5.本发明要解决的技术问题在于克服现有技术的不足，提供一种三维建模家电故障诊断的控制方法，能够直观地复现家电故障情形并提供家电故障状态下的各部件发生故障的概率，便于售后人员快速确定故障部件，提前准备备件。
6.为解决上述技术问题，本发明采用技术方案的基本构思是：
7.一种三维建模家电故障诊断的控制方法，包括以下步骤：
8.s1：上传家电使用行为数据至云端，在云端为家电运行过程进行三维建模，重现家电故障情形；
9.s2：云端通过步骤s1中获取的大量的家电使用行为数据进行大数据分析,并三维展示家电故障与家电各相关部件的关系；
10.s3：云端通过数据挖掘预测性地进行三维展示该家电故障状态下的各部件发生故障的概率。
11.进一步的，在家电发生故障时，手动或自动将包括故障信息及故障前家电运行数据在内的家电使用行为数据上传至云端，云端再将故障信息传送至售后部门。鉴于维护用户的信息安全，用户可以选择手动将包括故障信息及故障前家电运行数据在内的家电使用行为数据上传至云端，这样，在用户不愿意上传数据时，家电不会自行上传数据，避免了家电数据的泄露。但从更便捷维护家电，快速维修家电的角度出发，用户可设置家电自动将包括故障信息及故障前家电运行数据在内的家电使用行为数据上传至云端，这样，能更有效地了解及统计家电故障与家电各相关部件的关系，以及家电故障状态下的各部件发生故障
的概率，从而使售后部门能快速响应，及时对家电进行维护。
12.进一步的，云端通过售后维修信息数据，聚类分析，将家电故障相关的部件关联度关系定期优化。由于家电故障存在一果多因的情况，因此，为了尽可能准确地显示家电故障时的故障部件概率，为售后人员进行迅速准确确定故障部件、提高维修效率，需要售后人员在售后维修后，将本次故障及本次故障所关联的故障部件此售后维修信息数据上传至云端，云端根据此售后维修信息数据进行故障类型及故障部件的统计、分析，并将原此类故障与故障部件的统计情况进行更新优化，为后期的此类故障分析提供决策信息。同样，家电故障也存在一因多果的情况，为了尽可能准确地显示家电故障时的故障部件概率，为售后人员进行迅速准确确定故障部件、提高维修效率，需要售后人员在售后维修后，将本次故障及本次故障所关联的故障部件此售后维修信息数据上传至云端，云端根据此售后维修信息数据进行故障类型及故障部件的统计、分析，并将原此类故障与故障部件的统计情况进行更新优化，为后期的此类故障分析提供决策信息。
13.进一步的，在步骤s1中，还需三维展示复现故障前一定时间段内至故障时家电运行状态。由于故障发生时，家电可能存在停机的情况，因此，如果只展示故障时的家电运行状态，则可能无法为售后人员提供更准确的决策信息。在此情况下，需要三维展示复现故障前一定时间段内至故障时家电运行状态，这样，售后人员能较为完整地了解故障前的家电运行状态以及故障时的家电状态，能够快速准确及全面地了解故障原因及故障形态，进而能尽可能地准确评价故障。同时，三维展示对于售后人员形象地获取了解家电故障前一定时间段内至故障时家电运行状态更为便捷和简单。
14.进一步的，还包括步骤s4：售后人员远程查看步骤s1中三维建模运行状态以及步骤s3中部件发生故障的概率数据，提前备件。售后人员通过远程查看云端的家电运行过程的三维建模运行状态以及该家电故障状态下的各部件发生故障的概率，能够迅速了解该家电可能存在的故障原因及可能导致该故障的各部件发生故障的概率数据，做到有的放矢的提前备件，从而提高售后维修效率。
15.售后部门将售后维修信息数据分类上传至云端，供云端进行聚类分析。由于会不断出现导致同一个故障现象的新的部件发生故障的情况，如果继续沿用之前的售后维修信息数据，可能导致售后人员对故障部件的判断错误，因此，为了能够更全面准确地了统计故障信息，为售后人员维修备件提供更科学的决策支持，需要售后部门将售后维修信息数据分类上传至云端，供云端进行聚类分析。并且，售后部门需要将售后维修信息数据分类上传，分类上传使得云端在三维建模时能够更迅速及客观。
16.进一步的，云端根据预设的家电故障-部件分类规则进行故障及相关部件的关联。在售后部门将售后维修信息数据分类上传至云端后，云端需要根据预设的家电故障-部件分类规则进行故障及相关部件的关联，由于家电故障种类繁多，家电部件繁多，如果不进行预设规则规范家电故障及相关部件的关联分类，则不利于家电故障及相关部件关联的统计分析，也不利于售后人员查询；反之，进行了规则预设，则能够使得家电故障及相关部件关联的统计分析更为条理化，售后人员在遇到售后维护需求时进行故障及相关部件的关联的查询也更为便捷。
17.进一步的，在售后部门将售后维修信息数据分类上传至云端进行聚类分析并将家电故障相关的部件关联度关系定期优化后，对优化后发生的家电故障中各部件发生故障的
概率进行调整。利用优化信息对家电故障中各部件发生故障的概率进行调整，能使售后人员准确获取各部件发生故障的概率，提高备件的准确性。
18.进一步的，将家电故障相关的部件关联度关系定期优化时家电所处地区为关联度关系中的可变因素。由于家电所处的地区不同所导致的环境、气压等因素不同，会使家电故障形成的原因具有独特的地域特点，基于此点，在对家电故障相关的部件关联度关系定期优化时，家电所处地区应当作为关联度关系中的可变因素之一，供售后人员在查询家电故障相关的部件关联度关系时作为可筛选条件，从而能更精准地确定相应故障所对应的故障部件。
19.进一步的，家电故障相关的部件关联度关系定期优化时家电故障发生时所处季节为关联度关系中的可变因素。由于家电故障发生时所处季节不同所导致的湿度、温度等因素不同，会使家电故障形成的原因具有独特的季节特点，基于此点，在对家电故障相关的部件关联度关系定期优化时，家电故障发生时所处季节应当作为关联度关系中的可变因素之一，供售后人员在查询家电故障相关的部件关联度关系时作为可筛选条件，从而能更精准地确定相应故障所对应的故障部件。
20.采用上述技术方案后，本发明与现有技术相比具有以下有益效果。
21.本发明一种三维建模家电故障诊断的控制方法，包括步骤s1：上传家电使用行为数据至云端，在云端为家电运行过程进行三维建模，重现家电故障情形；s2：云端通过步骤s1中获取的大量的家电使用行为数据进行大数据分析,并三维展示家电故障与家电各相关部件的关系；s3：云端通过数据挖掘预测性地进行三维展示该家电故障状态下的各部件发生故障的概率。本发明技术方案通过结合大数据，能够直观地复现家电故障情形并提供家电故障状态下的各部件发生故障的概率，便于售后人员快速定位故障故障及相关部件，高效地提前备件，解决家电故障。
22.下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
23.附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
24.图1是本发明一种三维建模家电故障诊断的控制方法示意图。
25.需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
26.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
27.在本发明的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便
于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
28.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
29.如图1所示，本发明一种三维建模家电故障诊断的控制方法，包括以下步骤：
30.s1：上传家电使用行为数据至云端，在云端为家电运行过程进行三维建模，重现家电故障情形；
31.s2：云端通过步骤s1中获取的大量的家电使用行为数据进行大数据分析,并三维展示家电故障与家电各相关部件的关系；
32.s3：云端通过数据挖掘预测性地进行三维展示该家电故障状态下的各部件发生故障的概率。
33.s4：售后人员远程查看步骤s1中三维建模运行状态以及步骤s3中部件发生故障的概率数据，提前备件。
34.售后人员通过远程查看云端的家电运行过程的三维建模运行状态以及该家电故障状态下的各部件发生故障的概率，能够迅速了解该家电可能存在的故障原因及可能导致该故障的各部件发生故障的概率数据，做到有的放矢的提前备件，从而提高售后维修效率。
35.其中，在步骤s1中，手动或自动将包括故障信息及故障前家电运行数据在内的家电使用行为数据上传至云端，云端再将故障信息传送至售后部门。
36.鉴于维护用户的信息安全，用户可以选择手动将包括故障信息及故障前家电运行数据在内的家电使用行为数据上传至云端，这样，在用户不愿意上传数据时，家电不会自动上传数据，避免了家电数据的泄露。
37.但从更便捷维护家电，快速维修家电的角度出发，用户可设置家电自行将包括故障信息及故障前家电运行数据在内的家电使用行为数据上传至云端，这样，能更有效地了解及统计家电故障与家电各相关部件的关系，以及家电故障状态下的各部件发生故障的概率，从而使售后部门能快速响应，及时对家电进行维护。
38.并且，由于家电发生故障时，可能出现家电停机，造成无法自动上传家电使用行为数据至云端，这时，用户可以手动将家电使用行为数据上传至云端。
39.当然，可以理解的是，在其他实施例中，家电使用行为数据上传至云端可以是在用户平时使用时同步上传云端，也可以是先将家电使用行为数据存储在家电内，当判断家电发生故障，再手动或自动上传至云端。
40.在步骤s1中，还需三维展示复现故障前一定时间段内至故障时家电运行状态。
41.由于故障发生时，家电可能存在停机的情况，因此，如果只展示故障时的家电运行状态，则可能无法为售后人员提供更准确的决策信息。在此情况下，需要三维展示复现故障前一定时间段内至故障时家电运行状态，这样，售后人员能较为完整地了解故障前的家电运行状态以及故障时的家电状态，能够快速准确及全面地了解故障原因及故障形态，进而能尽可能地准确评价故障。同时，三维展示对于售后人员形象地获取了解家电故障前一定时间段内至故障时家电运行状态更为便捷和简单。
42.售后部门将售后维修信息数据分类上传至云端，供云端进行聚类分析。由于会不断出现导致同一个故障现象的新的部件发生故障的情况，如果继续沿用之前的售后维修信息数据，可能导致售后人员对故障部件的判断错误，因此，为了能够更全面准确地了统计故障信息，为售后人员维修备件提供更科学的决策支持，需要售后部门将售后维修信息数据分类上传至云端，供云端进行聚类分析。并且，售后部门需要将售后维修信息数据分类上传，分类上传使得云端在三维建模时能够更迅速及客观。
43.云端通过售后维修信息数据，聚类分析，将家电故障相关的部件关联度关系定期优化。
44.由于家电故障存在一果多因的情况，因此，为了尽可能准确地显示家电故障时的故障部件概率，为售后人员进行迅速准确确定故障部件、提高维修效率，需要售后人员在售后维修后，将本次故障及本次故障所关联的故障部件此售后维修信息数据上传至云端，云端根据此售后维修信息数据进行故障类型及故障部件的统计、分析，并将原此类故障与故障部件的统计情况进行更新优化，为后期的此类故障分析提供决策信息。
45.同样，家电故障也存在一因多果的情况，为了尽可能准确地显示家电故障时的故障部件概率，为售后人员进行迅速准确确定故障部件、提高维修效率，需要售后人员在售后维修后，将本次故障及本次故障所关联的故障部件此售后维修信息数据上传至云端，云端根据此售后维修信息数据进行故障类型及故障部件的统计、分析，并将原此类故障与故障部件的统计情况进行更新优化，为后期的此类故障分析提供决策信息。
46.云端根据预设的家电故障-部件分类规则进行故障及相关部件的关联。在售后部门将售后维修信息数据分类上传至云端后，云端需要根据预设的家电故障-部件分类规则进行故障及相关部件的关联，由于家电故障种类繁多，家电部件繁多，如果不进行预设规则规范家电故障及相关部件的关联分类，则不利于家电故障及相关部件关联的统计分析，也不利于售后人员查询；反之，进行了规则预设，则能够使得家电故障及相关部件关联的统计分析更为条理化，售后人员在遇到售后维护需求时进行故障及相关部件的关联的查询也更为便捷。
47.在售后部门将售后维修信息数据分类上传至云端进行聚类分析并将家电故障相关的部件关联度关系定期优化后，对优化后发生的家电故障中各部件发生故障的概率进行调整。利用优化信息对家电故障中各部件发生故障的概率进行调整，能使售后人员准确获取各部件发生故障的概率，提高备件的准确性。
48.将家电故障相关的部件关联度关系定期优化时，应当将家电所处地区作为关联度关系中的可变因素。由于家电所处的地区不同所导致的环境、气压等因素不同，会使家电故障形成的原因具有独特的地域特点，基于此点，在对家电故障相关的部件关联度关系定期优化时，家电所处地区应当作为关联度关系中的可变因素之一，供售后人员在查询家电故障相关的部件关联度关系时作为可筛选条件，从而能更精准地确定相应故障所对应的故障部件。
49.将家电故障相关的部件关联度关系定期优化时，应当将家电故障发生时所处季节作为关联度关系中的可变因素。由于家电故障发生时所处季节不同所导致的湿度、温度等因素不同，会使家电故障形成的原因具有独特的季节特点，基于此点，在对家电故障相关的部件关联度关系定期优化时，家电故障发生时所处季节应当作为关联度关系中的可变因素
之一，供售后人员在查询家电故障相关的部件关联度关系时作为可筛选条件，从而能更精准地确定相应故障所对应的故障部件。
50.本发明一种三维建模家电故障诊断的控制方法，包括步骤s1：上传家电使用行为数据至云端，在云端为家电运行过程进行三维建模，重现家电故障情形；s2：云端通过步骤s1中获取的大量的家电使用行为数据进行大数据分析,并三维展示家电故障与家电各相关部件的关系；s3：云端通过数据挖掘预测性地进行三维展示该家电故障状态下的各部件发生故障的概率。本发明技术方案通过结合大数据，能够直观地复现家电故障情形并提供家电故障状态下的各部件发生故障的概率，便于售后人员快速定位故障故障及相关部件，高效地提前备件，解决家电故障。
51.以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，上述实施例中的实施方案也可以进一步组合或者替换，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。