| 售后服务数据的运用 共33页，11618字 摘要 本文以工厂提供的轿车某部件的千车故障数的数据表为研究对象,针对原表中给出的千车故障数的定义的不合理性,对其定义进行了修正,同时给出了更加合理的定义即“修正千车故障数”。并对“修正千车故障数”表中的数据进行了分析和处理。考虑到数据的不合理性和少量性特点，建立对随机性和波动性较大的数据具有较好的预测效果的灰色马尔柯夫模型。 本文的主要工作有: 1 对数据进行了分析，提出了原文中千车故障数的定义存在的几种不合理性,并对其进行了修正,给出了更加合理的千车故障数的概念； 3采用横向最小二乘拟合与纵向卡尔曼滤波方法的联合预测方法数据表进行填充； 4建立了两次拟合参数法灰色马尔柯夫模型,并对0205批次使用月数18时﹑0306批次使用月数9时和0310批次使用月数12时的千车故障数进行了预测。 预测结果为: 0205批次使用月数18时的千车故障数为79.65； 0306批次使用月数9时的千车故障数为32.78； 0310批次使用月数12时的千车故障数为12.57； 5. 利用后验差方方法对预测数据进行了检验； 6．最后，给出了重新制表方法的建议。 关键词：预测 最小二乘法 kalman滤波 平滑 灰色模型 马尔柯夫链 1．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。 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 ...... |
查看评论
已有0位网友发表了看法