如何用大數據分析來解決偶發(fā)性異常問題?

摘要：在研發(fā)、生產過程中，如何發(fā)現和解決偶發(fā)性異常問題，是電子工程師始終想攻克的技術點，利用互聯網思維，將大數據分析引入傳統(tǒng)測量儀器，是否能碰撞出新的火花?本文將給出答案。

偶發(fā)性異常問題幾乎存在于各行各業(yè)，本文將以新能源汽車中常見的繼電器為例來說明大數據分析如何解決偶發(fā)性異常問題。

一、偶發(fā)性異常的出現

繼電器、接觸器、連接器等在電路中起著自動調節(jié)、安全保護、轉換電路、連接電路等作用，廣泛的應用于航空、航天、汽車電子等領域，在這些安全要求苛刻的領域對于產品的穩(wěn)定性要求非常高，如何保證這些產品的穩(wěn)定性呢?

本文以汽車上常規(guī)的繼電器產品為例，根據《中華人民共和國基礎機電繼電器第7部分：試驗和測量程序 GB/T 21711.7-2018》測量程序規(guī)范，需要測量繼電器的回跳時間(對于正在閉合或斷開其電路的觸點，從觸點電路首次閉合或斷開的瞬間開始至電路最終閉合或斷開的瞬間為止之間的時間)圖示如下：

圖1 繼電器的回跳時間

我們使用一臺帶有2TB的固態(tài)硬盤的示波記錄儀記錄下此過程。

圖2 60s的波形記錄

手動展開波形我們就發(fā)現了偶發(fā)性異常問題---每一個波形的上升沿，繼電器的回跳時間竟不一致。研發(fā)工程師規(guī)定此時間不能超過10ms，但僅僅只錄制了1分鐘的波形就有40個需要查看的上升沿，如果是1小時的波形呢?靠手動測試工作量大到不敢想象!

圖3 逐級展開波形

二、大數據分析

如果引入互聯網思維，讓機器自己檢索問題是不是可以大大提高效率呢?聽上去是個很好的主意!但實踐起來我們發(fā)現此偶發(fā)性異常的判定方法不同于任何的如上升沿、幅值等常規(guī)規(guī)則，這就是一大的難題。

通過集思廣益，我們在示波記錄儀上開發(fā)出了“大數據分析”功能。我們將此獨特波形的判定方法寫成一個算法文件，然后直接在機器本機進行加載，最終實現了自動判定。

圖4 加載算法文件

三、解決偶發(fā)性異常問題

加載的算法文件可以當做是一種獨特判定方式，記錄儀可以實時的針對此判定方法和源數據進行比對，并且將結果顯示出來，如上面的這個繼電器回跳時間，ZDL6000示波記錄儀已經自動的將結果分析出來，并直接給出所有的測試結果，原來需要花費幾個小時的工作，現在只需要幾分鐘!這就是大數據分析解決偶發(fā)性異常的意義。

圖5 搜索結果

四、產品試用

在工程師的日常開發(fā)中，時常遇到偶發(fā)性異常問題，借助ZDL6000示波記錄儀的大數據分析功能，通過加載算法文件，可以大大節(jié)約測試時間，提高工作效率。這樣引入互聯網思維的測試儀器，歡迎各位用戶來試用!