本文是面向可穿戴行业的产品故障分析方法研究论文。根据可穿戴行业的产品应用要求,分析了用户特征及使用习惯等可能造成的产品故障。在此基础上对用户数据进行了定义,并进一步研究了用户数据的采集方式。采用统计分析及支持向量机算法进行了用户数据与产品故障关系的分析,并在手环产品中进行了应用验证。最后基于故障分类及预测模型开发了产品故障分类及预测平台,并对该平台未来在企业中的实际应用进行了初步探索。基于用户数据的可穿戴产品故障分析方法,本文主要从以下几个方面进行了研究:首先论文梳理了造成可穿戴产品故障的用户数据种类。分析了可穿戴行业产品的应用要求以及因用户特征或行为可能造成的产品故障。在此基础上,梳理出用户的体型特征,使用环境温湿度,是否临海,使用过程中发生的特殊事件等几方面是需要进一步关心和研究的方向。其次论文针对故障分析这一需求,对用户数据进行了定义并研究了数据采集方法,确定了数据采集的两种方式。一种是在产品退货环节记录故障相关信息,另一种是利用可穿戴产品采集的数据进行用户行为分析,基于行为分析结果再进一步进行产品故障分析。最后论文研究了基于用户数据的可穿戴产品故障分析的数据分析方法。本文首先应用数理统计分析方法,确定用户数据与产品故障的关联关系。然后应用支持向量机算法进行故障分类及预测。最后将这一方法在智能手环产品中进行了应用验证。本文提出了可穿戴产品行业中产品质量需要提升这一问题,以及基于用户数据进行故障分析的这一研究思路,分析了行业内产品应用要求以及由此决定的故障分析需要采集的用户数据,进行了用户数据的定义及采集方法研究,最后进行了数据分析方法的研究。这一系列方法在手环产品中的应用显示,该故障分析方法可行,且一旦建立了准确率较高的故障预测模型,未来可以辅助企业提高备品备件库存管理水平,产品质量设计水平等,具有一定的实际应用价值。