售后服务数据的分析和预测.docVIP

产品质量是企业的生命线，售后服务是产品质量的观测点，如何用好售后服务的数据是现代企业管理的重要问题之一。这些数据主要包含哪个批次生产的汽车（即生产月份）、售出时间、维修时间、维修部位、损坏原因及程度、维修费用等等。通过这样的数据可以全面了解所有部件的质量情况，若从不同的需求角度出发科学整理数据库中的数据，可得到不同用途的信息，从而实现不同的管理目的。 整车或某个部件的“千车故障数”是一个很重要的指标，常用于描述汽车的质量。数据利用的时效性是很强的，厂方希望知道近期生产中的质量情况，对于已知的一些故障反馈信息，需要根据这些少量的一致数据来预测未来的产品的质量，这对售后服务具有指导性的意义，并且为质量管理方面提供决策与咨询，可以归结为一个统计预测问题。 但刚出厂的汽车还没有全售出去，已售出的汽车也没使用几个月，因此数据显得滞后很多。当一个批次生产的汽车的三年保修期都到时，可以对这批汽车的质量情况有了最准确的信息，可惜时间是汽车出厂的四、五年后，这些信息已无法指导过去的生产，对现在的生产也没有什么作用。所以如何更科学地利用少量数据预测未来情况是售后服务数据利用的重要问题。 『摘 要』 售后服务数据是观测产品质量的重要依据，合理运用售后服务数据是现代企业质量管理的关键问题。 关键字：横向 加权二次移动平均法 最小二乘方法 纵向 ARIMA 拟合 累计表 增量表 置信区间 目录 1. 问题综述………………………………………………………………2 2. 模型假设………………………………………………………………2 3. 符号定义………………………………………………………………3 4. 数据分析及修正………………………………………………………3 5. 模型建立………………………………………………………………5 6. 模型评价及改进方法…………………………………………………12 7. 制表方法和建议………………………………………………………13 8. 参考文献………………………………………………………………14 9. 附录……………………………………………………………………14 【问题综述】 产品质量是企业的生命线，售后服务是产品质量的观测点，如何用好售后服务的数据是现代企业管理的重要问题之一。这些数据主要包含哪个批次生产的汽车（即生产月份）、售出时间、维修时间、维修部位、损坏原因及程度、维修费用等等。通过这样的数据可以全面了解所有部件的质量情况，若从不同的需求角度出发科学整理数据库中的数据，可得到不同用途的信息，从而实现不同的管理目的。 整车或某个部件的“千车故障数”是一个很重要的指标，常用于描述汽车的质量。数据利用的时效性是很强的，厂方希望知道近期生产中的质量情况，对于已知的一些故障反馈信息，需要根据这些少量的一致数据来预测未来的产品的质量，这对售后服务具有指导性的意义，并且为质量管理方面提供决策与咨询，可以归结为一个统计预测问题。 但刚出厂的汽车还没有全售出去，已售出的汽车也没使用几个月，因此数据显得滞后很多。当一个批次生产的汽车的三年保修期都到时，可以对这批汽车的质量情况有了最准确的信息，可惜时间是汽车出厂的四、五年后，这些信息已无法指导过去的生产，对现在的生产也没有什么作用。所以如何更科学地利用少量数据预测未来情况是售后服务数据利用的重要问题。 【模型假设】 1．对于同一批次生产的汽车部件，它的各月销售量相等； 2．在同一批次生产，不同月销售的汽车部件，对于相同的使用月数，其故障率是相同的，例如，02年4月生产的汽车从02年8月使用到02年10月和从03年5月使用到03年7月故障率相同； 3．所有汽车在被售出后当月即被用户使用，例如，若某车02年7月14日被售出，它的第一次使用时间不迟于02年7月31日； 4．要求汽车部件故障时间严格按照使用月数（第一次使用与维修时间的月间隔）统计，例如，02年7月14日第一次使用的汽车，在02年10月29日或02年10月1日发生故障，其使用月数均被记为3个月； 5．每一批次的产品都是月末（每月的最后一天）出厂的； 6．所有汽车在出厂后三个月才开始有销售量； 7．用户在汽车发生故障的当天去制造商在当地设立的维修点进行故障维修； 8．每个出现过一次故障的部件不再出现第二次故障，即，不考虑返修的情况。 9．厂家并不跟踪每一辆售出汽车进行维修情况的统计，而是根据各地维修中心和销售中心的反馈数据进行统计。 【符号定义】 表一 常用符号表 符号 意义 第t期加权移动平均值 i次差分 s 平稳序列 Xt 非平稳序列 B 推移算子 白噪声序列 【数据分析及修正】 制表原则分析 题目中给出了200