售后服务数据的分析和预测.docxVIP

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。 1 售后服务数据的分析和预测 『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。在分析了数据表中的不合理数据后，根据数据中的 不合理因素，进行合理的假设和修正，并列出修正后累计表和增量表。 分批次千车故障数可看作非平稳时间序列，它既包含横向的月度变化趋势， 又包含纵向批次起伏趋势，另外还存在平稳的随机误差。 先采用横向加权二次移动平均法和最小二乘方法，纵向?ARIMA?非平稳时间 序列分别建立模型并独立对数据进行拟合。横向基于修正后的累计表，比较几 种不同的曲线最小二乘拟合的优劣，给出较优方法的拟合的精确度，并对模型 做出评估；纵向根据修正后的增量表，给出选用非平稳时间序列的依据，参数 的确定过程及模型的验证方法，以图表的形式列出预测值的走向和置信区间。 两种方法都给出了具体的预测值。 然后将纵向的预测值转换为累加表的形式与横向的预测值加权处理，权值 包含某方向数据个数及与预测数据的距离两方面的影响，得出基于修正后累计 表的最终预测值为：0205?批次使用月数?18?时的千车故障数为?77.365，0306?批 次使用月数?9?时的千车故障数为?27.63，0310?批次使用月数?12?时的千车故障数 为?170.87。 最后，讨论了模型的优缺点，模型的改进方法，并提出了一些关于千车故 障率的制表方法的建议。 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 2 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 3 【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．