← 返回目录

遥控器 SN 寿命分析 — 可行性评估

日期:2026-09-08
问题:能否按单台遥控器累计时长与频次做大数据分布,并制定寿命指标?
结论:知晓 SN,而且本地就能做;建议先做「使用寿命分布」,不要直接叫故障寿命。

1. 我是否知晓日志里的遥控器 SN?

知晓,而且生产分析器已经有统一解析。

来源 字段 本地 history CSV
OSS JSON 头 remoteSn(如 RC300060202020、231AAAA5C000565) 不在 CSV 里,在 JSON 里
文件名 object_key 末段第一截:…/RC300060202020_1_10000024_….txt 未删除 20,953 条全有
后台设备表 surf_device_basic_remote.remote_sn(经 remote_id) 本地没有设备表
分析表 surf_motion_trajectory_analysis.remote_sn 本地无全量 dump

解析优先级(trajectory-log-analyzer/tla/metadata.py):

  1. object_key 文件名且像硬件 SN
  2. 设备表 remote_sn
  3. JSON remoteSn
  4. 否则退回能拿到的字符串

硬件 SN 形态:231AAAA… / 230AAAA… / RC3000…(以及少量 221A… 板号误进文件名的规则)。
非正式串(随机字母、0123456789ABCDEF)不当作一台遥控器。

不必先下 OSS。 用 object_key 就能在全量未删除记录上取出 SN。


2. 本地粗核(2026-09-08 跑过)

未删除 20,953 条:

项 数
能解析出 SN 20,953(100%)
硬件 SN 航次 20,793(99.2%)
硬件遥控器台数 573
非硬件(应剔除) 160 条:A5B072… 两台 + 测试 0123456789ABCDEF
系列 231AAA 20,664 条 · 230AAA 108 · RC3000 21
remote_id 574 个,与 SN 几乎 1:1(2 个 id 对上 2 个 SN;没有一台 SN 对多个 id)

按台累计(头字段 cumulative_sailing_time 相加,未校准、未封顶):

指标 P25 P50 P75 最大
航次 9 25 53 268
累计小时 5.4 15.8 36.0 2,300(异常)
台数:航次≥5 / ≥20 496 / 328
台数:累计≥10h / ≥50h 357 / 101

最大那台 59 次累计 2,300 小时(约合单次 39 小时),是头字段脏数据,不是真骑了三年。寿命分析必须先封顶或改用校准航时。


3. 能不能做?建议怎么做

能做。 573 台、99% 航次有硬件 SN,样本量够画分布。
不能直接当「坏了才算的寿命」。 日志没有报废/返修/进水死亡事件,观察窗只有约 15 个月(2025-05 — 2026-08)。

目标 现有数据 建议
单台累计次数、天数、日历跨度 够 立刻做
单台累计时长 半够 用头字段但 单次封顶 120 min,或优先校准表航时
使用强度分布(P50/P90/P99) 够 可作「设计使用寿命」输入
真故障 MTBF / 质保寿命 不够 要售后/维修/进水记录
按 RC2000 vs RC3000 分系列 弱 RC3000 本地只有 21 条;大量是 231AAAA 老遥控

建议的寿命指标(使用寿命,不是失效寿命)

在「硬件 SN + 未删除 + 单次航时 0–120 min」上,按台汇总:

  1. 累计有效航时(小时)— 主指标
  2. 有效航次 — 频次
  3. 活跃日历跨度(首末次间隔)
  4. 活跃天数
  5. 周均航时 = 累计小时 / max(跨度周数, 1)

分布用 P50 / P90 / P99,不要用被脏数据拉爆的均值。

设计口径建议(确认分布后再落数,下面是预期形态):

不建议

推荐路径

  1. 现在:按 object_key 解析 SN,出 573 台时长/频次分布 + 上述分位数(单次封顶)。
  2. 更好:同一套口径换校准表航时,去掉重复上传。
  3. 以后:对上售后单,才升级成失效寿命。

总建议:这件事成立,先做使用寿命分布,再谈指标数。 你点头后我就按封顶口径出第一版分布和指标草案。