一、IoT平台的技术架构

1.1 边缘-云端协同架构

设备层（Edge）：每台草本茶饮机内置IoT通信模组（4G CAT.1 或 WiFi 6），机内的传感器网络（温度、湿度、流量、浓度、水质等）通过RS485总线与主控MCU连接，MCU将处理后的结构化数据通过通信模组上传至云端。

平台层（Platform）：云端服务器部署在阿里云IoT平台上，采用微服务架构，包含以下核心模块：

  • 设备接入服务：管理百万级设备的并发接入和身份认证
  • 数据存储服务：时序数据库存储设备传感器数据，支持TB级数据秒级查询
  • 规则引擎：定义设备状态触发规则（如"温度>30℃则告警"）
  • OTA推送服务：远程推送固件更新包至设备端

应用层（Application）：面向运营者的管理后台和面向消费者的小程序。运营者可在PC端或移动端查看设备地图、运营报表、故障工单等；消费者可查看设备位置、在线点单、健康档案等。

1.2 设备数字孪生：让物理设备在云端"重生"

  • 设备硬件配置信息（型号、固件版本、传感器清单）
  • 当前运行状态（正在制作哪种产品、萃取进度）
  • 历史运行记录（累计出杯量、故障记录、维护日志）
  • 耗材状态（滤芯剩余寿命、原料余量预估）
  • 环境数据（当前位置的温湿度、水质参数）

运营者通过管理后台查看数字孪生模型，即可全面了解物理设备的实时状态，无需亲临现场。

二、设备状态实时监控体系

2.1 关键参数监控矩阵

设备运行状态：

  • 设备在线/离线状态
  • 当前工作状态（待机/制作中/清洗中/故障）
  • 当日出杯量、累计出杯量
  • 平均出杯时间（从下单到出杯）

萃取系统状态：

  • 各萃取仓温度（实际值 vs 设定值）
  • 水泵运行状态和流量
  • 浓度传感器实时读数
  • 出水口水温

环境与耗材：

  • 各原料仓温湿度
  • 水箱水位（TDS实时值）
  • 滤芯累计处理量（寿命百分比）
  • 冷凝水收集盒状态

2.2 智能故障分级与告警

IoT平台内置了三层故障分级体系：

一级告警（紧急）：需要立即处理的设备故障，如电气短路、过热干烧、制冷系统失效、食品安全异常等。系统立即：

  • 向运营者手机推送高优先级通知（短信+App推送+电话外呼）
  • 锁定相关产品制作，避免不合格产品流出
  • 生成故障工单并自动派发至最近的运维人员

二级告警（重要）：影响设备效率和用户体验的故障，如萃取温度偏差超标、浓度传感器读数异常等。系统在2小时内：

  • 推送通知至运营者
  • 记录故障日志并在管理后台高亮显示
  • 提示运维人员安排下次巡检时处理

三级告警（提醒）：设备运行中的轻微异常或维护提醒，如滤芯寿命低于30%、原料余量偏低等。系统：

  • 在管理后台生成待办事项
  • 排入运维计划，无需立即响应

三、原料管理的智能化

3.1 实时原料余量监测

动态消耗追踪：每次制作一杯茶饮，系统自动从对应原料仓的重量中减去本次投放量。原料消耗数据精确到±0.1克。

余量预警策略：系统根据每种原料的历史消耗速度和当前余量，自动计算剩余可供应天数。当剩余天数低于预设阈值（默认3天）时，触发补货提醒：

  • 剩余7天：低优先级提醒（运营者可自行安排）
  • 剩余3天：中优先级提醒（运营者应尽快安排）
  • 剩余1天：高优先级提醒（立即补货）

这一机制彻底解决了传统无人设备"卖空"的问题——消费者很少会遇到想喝的产品缺货的情况。

3.2 智能补货路线优化

  • 系统综合各设备缺货情况，生成最优补货顺序
  • 结合地图数据计算最短配送路线
  • 预估每台设备所需补给的原料种类和数量
  • 生成补货清单（精确到每台设备每个原料仓的加料量）

运营人员只需按照系统指引的路线和清单操作，即可高效完成一次多点位补货任务。

3.3 原料批次追溯

每批次原料入库时，操作员扫码录入：供应商名称、批次号、生产日期、检测报告编号。设备加装原料时，操作员扫描原料包装上的批次二维码，系统自动记录该批次原料被安装到了哪台设备、哪个原料仓、何时加装、何时用尽。

当出现质量问题（如某批次原料被检出农药残留超标）时，运营者可通过系统快速查询：该批次原料共配送至哪些设备、已被使用多少、剩余多少，及时下架和回收问题批次，将食品安全风险控制在最小范围。

四、远程诊断与固件升级

4.1 远程故障诊断

  • 查看故障发生前后的完整传感器数据日志
  • 重放设备运行状态变化过程（如同观看回放录像）
  • 执行远程重启（先软重启，失败则定时硬重启）
  • 进行远程参数调整（如修改萃取温度、调整茶水比参数）
  • 通过远程桌面功能查看设备屏幕（如同现场查看）

4.2 OTA固件升级

  • 灰度发布：先向1%的设备推送，观察48小时无异常后全量推送
  • 断点续传：支持在设备意外断网后继续下载，无需重新开始
  • 回滚机制：如果新版本固件出现意外问题，系统支持一键回滚至上一稳定版本

五、数据驱动的运营优化

5.1 消费者行为分析

IoT平台收集的所有点单数据，经过脱敏处理后用于消费者行为分析：

  • 各场景（写字楼、医院、学校等）的消费高峰时段
  • 不同地域消费者对草本茶口味的偏好差异
  • 促销活动对销量的提升效果
  • 用户复购率和流失率分析

这些洞察为运营者的选址决策、定价策略、产品研发提供了可靠的数据支撑。

5.2 预防性维护

IoT平台的终极价值，是将传统的"被动维修"转变为"预防性维护"。通过对设备运行数据的长期分析，AI算法能够识别即将发生故障的早期信号：

  • 加热管效率逐渐下降（表面结垢的特征）
  • 泵的运行电流逐渐升高（机械磨损的特征）
  • 传感器读数漂移加剧（传感器老化的特征）

当系统检测到这些早期信号时，会提前安排运维人员更换相关配件，在消费者实际遇到故障之前完成预防性维护。这种预测性维护策略将设备非计划停机时间降低了60%以上。

  • 官网: https://www.dozzon.com/
  • 地址: 广东省深圳市