售后服务数据的应用.doc

售后服务数据的应用 哈尔滨工业大学 陈龙 孙蕊 陈小明 摘要：本文以从维修站提取的某型轿车中某部件的故障数据表为研究对象，在分析了数据表的特征并剔除了表中不合理的数据后，根据数据的不同特点建立了多个模型，对其中3个生产批次的部件的质量状况进行了预测: 本文的主要工作有： 1．分析了原始表中数据横向和纵向的变化规律,给出了此变化的定性描述。 2． 通过将原数据表中的数据作差,分析了作差后的数据,指出了原千车故障数的定义的不足之处,并提出了新的定义方法。 3． 基于新的计算方法对制表提出建议： 4．运用线性回归的方法对表中的数据进行了简单的处理，并分析出不合理的数据。 5．建立威布尔函数模型分别从横向和纵向对数据进行预测。对于0205批次的充分数据，我们采用横向直接预测方法，对于0306批次的残缺数据，我们采用纵向预测的方法。对于0310批次的数据，我们采用先纵向预测再水平预测的方法求出结果： 0205批次使用月数18时的千车故障数为46.38 0306批次使用月数9时的千车故障数为6.2 0310批次使用月数12时的千车故障数为1.51 6、使用误差分析的方法对模型进行检验，对模型的准确度给以检验。 关键词：线性回归 曲线拟合 威布尔分布 优化模型 问题的提出及背景 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。 现以某轿车生产厂家为例考虑这个问题。假设该厂的保修期是三年,即在某轿车售出后三年中对于非人为原因损坏的轿车免费维修。在全国各地的维修站通过网络将保修记录送到统一的数据库里面，原始数据主要是这是哪个批次生产的轿车（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，常用于描述轿车的质量。首先将轿车按生产批次划分成若干个不同的集合（下面表格的同一行数据就来自同一集合），再对每个集合中迄今已售出的全部轿车进行统计，由于每个集合中的轿车是陆续售出的，因此它们的统计时间的起点即售出时间是不同的。但在下面表格中，每一列数据的统计时间的长度却是相同的在相同使用时间长度（例如下表中第5列都是使用10个月的）内的整车或某个部件的保修总次数乘以1000再除以迄今已售出的轿车数量，即为下面表格中的千车故障数。 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，但刚出厂的轿车还没有全卖出去，已售出的轿车使用几个月后的保修情况可能还没有数据反馈，因此数据显得滞后很多。当一个批次生产的轿车的三年保修期都到时，我们对这批轿车的质量情况有了最准确的信息，可惜时间是轿车出厂的四、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。 现有2004年4月1日从数据库中整理出来的某个部件的千车故障数，附表一。其中的使用月数一栏是指售出轿车使用了的月份数，使用月数0的列中是已售出的全部轿车在用户没使用前统计的千车故障数，1的列中是某一批次已售出的每一辆轿车，在它被使用到第一个月结束时统计的，对于该批次售出的全部轿车累计的千车故障数（即没使用时和第一个月中千车故障数的和），12的列中是每辆车使用到恰好一年结束时的累计千车故障数。生产月份是生产批次，如0201表示2002年1月份生产的。随着时间的推移，轿车不断地销售出去，已售出轿车使用一段时间后的千车故障数也能不断自动更新，再打印出的表中数据也将都有变化。 1. 该表是工厂的真实数据，没有修改，反映的情况很多，请你分析表中是否存在不合理数据，并对制表方法提出建议； 2. 利用这个表的数据预测时请注意区分水平和垂直方向。请你设计相应的模型与方法，并预测：0205批次使用月数18时的千车故障数，0306批次使用月数9时的千车故障数，0310批次使用月数12时的千车故障数； 二．合理假设 为了能够更加科学合理的分析和解决这个问题，我们作如下假设： 1．此数据来源能够较准确的反映轿车的故障情况。 2．车主一旦发现轿车出现故障能够及时的去维修。这样才能够保证表格中各月的统计数据不会发生大的延迟，保证数据的准确性。 3．车主在维修车辆的时候，维修站有足够的配件提供支持。 4．轿车的某一部件维修过一次之后在统计时间内不会再次发生故障。 5．同一批车次的轿车在每个月的销售情况大致相同，即顾客买车不受季节性的限制。 6．汽车部件的损坏是由于其质量或使用寿命或制作工艺的不同造成的，即没有人为的因素造成汽车故障。 7. 顾客在买车时对于车次没有倾向性。 参数设定