1、背景

轉(zhuǎn)轉(zhuǎn)每一臺‘官方驗’的設備，都會經(jīng)過質(zhì)檢站點對其進行全方面的檢測。在檢測流水線中，質(zhì)檢工程師對每臺設備進行檢測作業(yè)；這過程中除了產(chǎn)生對應的檢測結果外，檢測過程的動作、硬件參數(shù)、耗時等數(shù)據(jù)目前沒有系統(tǒng)性的利用起來；而這些操作過程中的數(shù)據(jù)可以較好的體現(xiàn)質(zhì)檢工程師的整個質(zhì)檢過程。基于此，我們希望能通過技術手段獲取到這個過程的數(shù)據(jù)。

2、質(zhì)檢埋點

為了更好的收集質(zhì)檢過程中的各類數(shù)據(jù)，在調(diào)研和參考行業(yè)常用的數(shù)據(jù)埋點設計方案后，基于質(zhì)檢現(xiàn)場實際，制定出符合質(zhì)檢流程的操作埋點方案。

2.1 埋點設計

質(zhì)檢流水線檢測過程涉及多端、多平臺，雖然目前各端都有上報對應的埋點平臺，受限于各端上報的數(shù)據(jù)標準和平臺不是統(tǒng)一收攏的，已有數(shù)據(jù)難以形成結構化的質(zhì)檢執(zhí)行數(shù)據(jù)鏈。我們的方案是由客戶端基于其自身檢測流程的場景進行埋點。埋點數(shù)據(jù)結構按照定義好的結構，具體數(shù)據(jù)內(nèi)容由各端根據(jù)場景定義。埋點的接收處理方為統(tǒng)一的埋點平臺，該平臺定位服務于各端日志埋點的收集并存儲，同時提供一套數(shù)據(jù)加工平臺和BI實時查詢工具。

2.1.1 埋點結構

對流水線檢測過程做了數(shù)據(jù)建模，明確了埋點數(shù)據(jù)結構元素：用戶+行為+時間+業(yè)務公參+操作環(huán)境信息。

2.1.2 埋點上報

上報機制：場景觸發(fā) -> 埋點標準數(shù)據(jù)抽取 -> 數(shù)據(jù)上報 -> 兜底重試 -> 數(shù)據(jù)粗篩 -> 數(shù)據(jù)存儲 -> 大數(shù)據(jù)清洗。

2.2 埋點架構

質(zhì)檢檢測各節(jié)點的操作數(shù)據(jù)上報后，這部分的數(shù)據(jù)在整體架構中的流轉(zhuǎn)以及應用方式是怎樣的，見下圖：

在埋點存儲方面，先存儲至埋點平臺業(yè)務庫，大數(shù)據(jù)側通過CDC同步機制同步數(shù)據(jù)，同時大數(shù)據(jù)也會進行數(shù)據(jù)的二次加工等清洗動作。

3、埋點數(shù)據(jù)應用

基于埋點上報的標準數(shù)據(jù)分析，再結合對應的數(shù)據(jù)標準和數(shù)據(jù)策略，可以達到對于流水線進行數(shù)字化管理的目的。

3.1 場景-執(zhí)行合規(guī)應用

在質(zhì)檢操作合規(guī)判定策略中，需要對質(zhì)檢工程師的動作進行分析并且給出實時判定是否合規(guī)的意見。例如：‘手機外殼外觀’質(zhì)檢合規(guī)判定中有一項是需要判定質(zhì)檢工程師是否按照標準SOP進行多個角度翻轉(zhuǎn)質(zhì)檢，舉例如下：

--《手機外殼外觀》標準質(zhì)檢SOP
s1：屏幕息屏正面對著質(zhì)檢師，從上往下，依次檢查是否有劃痕、瑕疵等。
s2：從中框任意一個點開始，設備環(huán)繞一圈檢查中框情況
s3：屏幕息屏背面對著質(zhì)檢師，從上往下，依次檢查是否有劃痕、瑕疵等。

這個時候就利用了質(zhì)檢過程中手機的傳感器硬件埋點數(shù)據(jù)。

三維(X,Y,Z)空間的角度傳感器數(shù)據(jù)折線圖

結合我們質(zhì)檢操作標準SOP的動作要求和獲取到角度傳感器數(shù)據(jù)，按照標準SOP操作對應到的角度數(shù)據(jù)會呈現(xiàn)對應的變化趨勢的。

例如：在檢查‘四周邊框’時，環(huán)繞一圈檢查，這個過程中X軸的角度值會跟隨著動作呈現(xiàn)出 0°->90°->180°->-180°->-90°->0° 變化，其他軸也是類似變化。于是，我們得出判定角度合規(guī)的角度要求。示例如下：

基于配置的角度差值要求，角度值在連續(xù)滿足起始和結束值的區(qū)間內(nèi)超過設置的時長即可認為合規(guī)。

角度判定合規(guī)示意圖（紅色區(qū)域為合規(guī)區(qū)域）

3.2 場景-智能策略應用

除在上文中提到的實時分析場景，另外一大應用則是對于數(shù)據(jù)的二次加工分析使用。該場景基于大數(shù)據(jù)的數(shù)據(jù)清洗、加工、挖掘等手段形成了一套完備的數(shù)據(jù)分析體系。在質(zhì)檢的部分策略中，在大數(shù)據(jù)和基于數(shù)據(jù)的算法模型的加持下，打破了以往固定配置的策略的局限性，實現(xiàn)了智能策略的自我迭代。

如圖示，業(yè)務數(shù)據(jù)在經(jīng)過一個流程之后又會產(chǎn)生新的業(yè)務數(shù)據(jù)。循環(huán)往復，數(shù)據(jù)在閉環(huán)的機制內(nèi)驅(qū)動著策略自我迭代。換而言之，質(zhì)檢的數(shù)據(jù)策略不再是冰冷的固定閾值配置，而是基于大數(shù)據(jù)和算法加持的智能策略。

智能策略交互示意圖

3.3 場景-BI看板

按照我們標準定義的質(zhì)檢行為上報的埋點數(shù)據(jù)，經(jīng)過數(shù)據(jù)加工后可以實現(xiàn)比較精細且支持多維度的數(shù)據(jù)看板。

4、結語

目前我們處于質(zhì)檢數(shù)字化初期的埋點探索，對于探索質(zhì)檢數(shù)字化未來的諸多可能，我們保持初心。接下來，我們會繼續(xù)深入數(shù)字化，在大數(shù)據(jù)和算法等能力BUF的加持下去實現(xiàn)更廣闊質(zhì)檢數(shù)字化。道阻且長，行則將至。

5、參考鏈接

• https://zhuanlan.zhihu.com/p/577455883
• https://zhuanlan.zhihu.com/p/665167127