商业银行的信用评分步骤-外文翻译及上海别克汽车发动机控制系统故障解析方案

英文原文：AcreditscoringapproachforthecommercialbankingsectorAhmetBurakEmel,ArnoldReismanandRehaYolalanYapiKrediBank,Levent,80620,Istanbul,Turkey.TheGraduateSchoolofManagement,SabanciUniversity,Istanbul,TurkeyAvailableonline15March2007Theeconomicand,therefore,thesocialwell-beingofdevelopingcountrieswithfairlyprivatizedeconomiesishighlydependentonthebehaviorofacountry'scommercialbankingsector.Banksprovidecredittosustainanufacturing,agricultural,commercialandserviceenterprises.These,inturn,providejobsthusenhancingpurchasingpower,consumption,andsavings.Bankfailures,especiallyinsuchsettings,sendshockwavesaffectingthesocialfabricofthecountryasawholeand,asexperiencedrecently,(LatinAmericaandAsia)havethepotentialofaquickglobalimpact.Thus,itisimperativethatlending/creditdecisionsaremadeasprudentlyaspossiblewhilekeepingthedecisionmakingprocessbothefficientandeffective.Commercialbanksprovidefinancialproductsandservicestoclientswhilemanagingasetofmulti-dimensionalrisksassociatedwithliquidity,capitaladequacy,credit,interestandforeignexchangerates,operatingandsovereignrisks,etc.Inthissense,banksmaybeconsideredtobe“riskmachines”.Theytakerisks,andtransformorembedsuchriskstoprovideproductsandservices.Banksarealso“profit-seeking”organizationsbasicallyformedtomakemoneyforshareholders.Intheirtypicaldecision-makingprocesses(i.e.pricing,lending,funding,hedging,etc.),theytrytooptimizetheir“risk-return”trade-off.Managementofriskandofprofitabilityareverycloselyrelated.Risktakingisthebasicrequirementforfutureprofitability.Inotherwords,today'srisksmayturnupastomorrow'srealities.Therefore,banksmaynotlivewithoutmanagingtheserisks.Amongthedifferentbankingrisks,creditriskhasapotential“social”impactbecauseofthenumberanddiversityofstakeholdersaffected.Businessfailuresaffectshareholders,managers,lenders(banks),suppliers,clients,thefinancialcommunity,government,competitors,andregulatorybodies,amongothers.Intheageoftelecommunications,therippleeffectofabankfailureisvirtuallyinstantaneousandsuchripplesholdthepotentialofglobalimpact.Inordertoeffectivelymanagethecreditriskexposureofamodernbank,thereisthusastrongneedforsophisticateddecisionsupportsystemsbackedbyanalyticaltoolstomeasure,monitor,manage,andcontrol,financialandoperationalrisksandinefficiencies.Consciousrisk-takingdecisionscallforquantitativerisk-managementsystems,which,inturn,providethebankearlywarningsforpredictingpotentialbusinessfailures.Thus,aneffectiverisk-monitoringunitsupportsmanagers’judgmentsand,hence,theprofitabilityofthebank.Apotentialclient'screditrisklevelisoftenevaluatedbythebank'sinternalcreditscoringmodels.Suchmodelsofferbanksameansforevaluatingtheriskoftheircreditportfolio,inatimelymanner,bycentralizingglobal-exposuresdataandbyanalyzingmarginalaswellasabsolutecontributionstoriskcomponents.Thesemodelscanofferusefulinsightanddoprovideanimportantbodyofinformationtohelpabankformulateitsriskmanagementstrategies.Modelsthatareconceptuallysound,empiricallyvalidated,backedbygoodhistoricaldata,understoodandimplementedbymanagement,augmentthebusinesssuccessofcreditquality.Overthepastdecade,severalfinancialcrisesobservedinsomeemergingmarketsenjoyingarecentfinancialliberalizationexperience,showedthatdebtfinancingbuiltoncapitalinflowmayresultinlargeandsuddencapitaloutflows,therebycausingadomestic“creditcrunch”.Experiencewiththeserecentcrisesforcedbankingauthorities,i.e.theBankofInternationalSettlements(BIS),theWorldBank,theIMF,aswellastheFederalReserve.todrawanumberoflessons.Hence,theyallencouragecommercialbankstodevelopinternalmodelstobetterquantifyfinancialrisks.TheBaselCommitteeonBankingSupervision,EnglishandNelson,theFederalReserveSystemTaskForceonInternalCreditRiskModels.LopezandSaidenbergandTreacyandCareyrepresentsomerecentdocumentsaddressingtheseissues.Creditscoringhasbothfinancialandnon-financialaspects.Thescopeofthecurrentpaper,however,islimitedtotheevaluationofabankclient'sfinancialperformance.StudiesattemptingtomeasurefirmperformanceonthebasisofqualitativedataareexemplifiedbyBertelsetal.Formalormathematicalmodelingoffinancetheorybeganinthelate1950s.TheworkofMarkowitzrepresentsamajormilestone.Thepracticereachedits“take-off”stageasasub-disciplineofFinanceduringtheearly1960s.Someoftheearlyeffortsweredirectedatevaluatingafirmforpurposesofmergersandacquisitions;somedealtwithusinginvestmentportfoliostomanagerisk;othersdealtwithimprovement/optimizationofafirm'sfinancingmix.Theywerealldirectedatenhancingextantfinancetheorytowardthegoalofguidingdecision-makers.Oneofthefieldsinwhichformalormathematicalmodelingoffinancetheoryhasfoundwidespreadapplicationisriskmeasurement.Afirm'sfinancialinformationplaysavitalroleindecisionmakingofrisk-takingactivitiesbydifferentpartiesintheeconomy.Anextensiveliteraturededicatedtothepredictionofbusinessfailureaswellascreditscoringconceptshasemergedinrecentyears.Financialratiosarethesimplesttoolsforevaluatingandpredictingthefinancialperformanceoffirms.Theyhavebeenusedintheliteratureformanydecades.Thebenefitsandlimitationsoffinancialratioanalysisareaddressedinawidelyusedtextonmanagerialfinance.Financialstatementsreportbothonafirm'spositionatapointintimeandonitsoperationsoversomepastperiod.However,therearestillsomelimitationsinusingratioanalysis:(i)manylargefirmsoperateinanumberofdifferentindustries.Insuchcasesitisdifficulttodevelopameaningfulsetofindustryaveragesforcomparativepurposes;(ii)inflationbadlydistortsafirm'sbalancesheet.Moreover,recordedvaluesareoftensubstantiallydifferentfromtheir“true”values;(iii)seasonalfactorscandistortaratioanalysis;(iv)firmscanemploy“windowdressingtechniques”tomaketheirfinancialstatementslookstronger;(v)itisdifficulttogeneralizeaboutwhetheraparticularratiois“good”or“bad”;and(vi)afirmmayhavesomeratioslooking“good”andotherslooking“bad”makingitdifficulttotellwhetherthefirmis,onbalance,strongorweak.Acrossdifferentcountries,sectorsand/orperiodsoftime,financialratiosthathavebeenfoundusefulinpredictingfailuredifferfromstudytostudy.Todealwiththeaboveshortcomingsofunidimensionalfinancialratioanalysis,avarietyofmethodshaveappearedintheliteratureformodelingthebusinessfailurepredictionprocess.AnexcellentcomprehensiveliteraturesurveycanbefoundinDimitrasetal..Inthelate1960s,discriminantanalysis(DA)wasintroducedtocreateacompositeempiricalindicatoroffinancialratios.Usingfinancialratios,Beaverdevelopedanindicatorthatbestdifferentiatedbetweenfailedandnon-failedfirmsusingunivariateanalysistechniques.Altmanestablishedthatratiosfoundnottobeverysignificantbyunivariatemodels,couldprovesomewhatusefulinadiscriminantfunctionwhichconsiderstherelationshipsamongvariables.Hence,heconsideredseveralvariablessimultaneouslyusingmultiplediscriminantanalysis(MDA).HearguedthatMDAhadtheadvantageofconsideringanentireprofileofinterrelatedcharacteristicscommontotherelevantfirms.Thatstudyalsoaimedtopredictfuturefailureonthebasisoffinancialratios.Heconcludedthathisbankruptcypredictionmodelwasanaccurateforecasteroffailureforupto2yearspriortobankruptcyandthatthemodel'saccuracydiminishessubstantiallyasthelead-timeincreases.InspiteofwidespreaduseofMDA,Altman,confessestothefollowingweaknessofdiscriminantanalysis:Uptothispointthesamplefirmswerechoseneitherbytheirbankruptcystatus(Group1)orbytheirsimilaritytoGroup1inallaspectsexcepttheireconomicwellbeing.Butwhatofthemanyfirmswhichsuffertemporaryprofitabilitydifficulties,butinactualitydonotbecomebankrupt.Duringtheyearsthatfollowed,manyresearchersattemptedtoincreasethesuccessofMDAinpredictingbusinessfailure.AmongtheseareEisenbeis;Peeletal.;andFalbo.SuchworkalsoinvolvedTurkishfirms.ExamplesareUnal,andGanamukkalaandKaran.Linearprobabilityandmultivariateconditionalprobabilitymodels(LogitandProbit)wereintroducedtothebusinessfailurepredictionliteratureinlate1970s.Thecontributionofthesemethodswasinestimatingtheprobabilityofafirm'sfailure.Thelinearprobabilitymodelisaspecialcaseofordinaryleast-squaresregressionwithadichotomousdependentvariable.Inthe1980s,studiesutilizingtherecursivepartitioningalgorithm(RPA)basedonabinaryclassificationtreerationalewereappliedtothisproblembyFrydmanetal.andSrinivasanandKim.Inthe1980sand1990s,theuseofseveralmathematicalprogrammingtechniquesenrichedtheliterature.Thebasicgoalsofthesemethodsweretoescapetheassumptionsandrestrictionsofprevioustechniquesandtoimproveclassificationaccuracy.Intheearly1990s,decisionsupportsystems(DSS)inconjunctionwiththeparadigmofmulti-criteriadecision-making(MCDM),wereintroducedtofinancialclassificationproblems.Zopounidis,MareschalandBransZopounidisetal.Diakoulakietal.,Siskosetal.andZopounidisandDoumposwereamongthestudiesthatmeasuredfirmperformanceaimingatpredictingbusinessfailurebymakinguseofDSSandMCDM.TheELECTREmethodofRoyandtheRoughSetsMethodofDimitrasetal.representstudiesaddressingtheseissues.Developmentandapplicationofartificialintelligenceresultedintheuseofexpertsystems.NeuralNetworkmethodswereappliedtothebankruptcyproblemaswell.Inthelate1990s,dataenvelopmentanalysis(DEA)wasintroducedtotheanalysisofcreditscoringasinTrouttetal.,Simak,andCielenandVanhoof.AsopposedtothebroadlyknownMDAapproachforbusinessfailureprediction(whichrequiresextraaprioriinformation,i.e.good/badclassification),DEArequiressolelyex-postinformation,i.e.theobservedsetofinputsandoutputs,tocalculatethecreditscores.Thus,itopenednewhorizonsforcreditscoring.DEA,widelyknownasanon-parametricapproach,isbasicallyamathematicalprogrammingtechniquedevelopedbyCharnes,CooperandRhodes(CCR)toevaluatetherelativeefficiencyof“decisionmakingunits”(DMUs).DEAconvertsamultiplicityofinputandoutputmeasuresintoaunit-freesingleperformanceindexformedasaratioofaggregatedoutputtoaggregatedinput.Aproductivitymaximizationrationaleiselegantlyembeddedinitsoriginalfractionalformulation.Thecapabilityofdealingwithmulti-input/multi-outputsettingsprovidesDEAanedgeoverotheranalyticaltools.Conceptually,DEAcomparestheDMUs’observedoutputsandinputsinordertoidentifytherelative“bestpractices”forachosenobservationset.Basedonthesebestobservations,anefficientfrontierisestablishedandthedegreeofefficiencyofotherunitswithrespecttotheefficientfrontieristhenmeasured.Basedonitsinput-orientedDEAformulation,theresultingperformanceindexvalue(thecredibilityscore,inourcontext)providesanumericalvalueE.Eliesbetweenzeroandone.IfEislessthanone,theDMUisconsidered“inefficient”ascomparedtotheefficientfrontierderivedfrombestpractices.IfEisequaltoone,theDMUislocatedontheefficientfrontier.Therefore,itcanbesaidthatEmeasurestherelativecreditriskinessoffirmswithinthebankportfolio.Anumberofstudieshaveattemptedtousestatisticalmethods(suchasdiscriminant,LogitandProbitanalyses)withfinancialratiostogenerateearlywarningsignalsfordistressedbankinginstitutions…Theideaistodevelopmeaningful“peergroupanalysis”,thatis,todevelopspecificfinancialcharacteristicsthatdistinguishbetweentwoormoregroups,forexample,failedandnon-failedbanks,orproblemandnon-problembanks,withrelatively“good”or“bad”financialconditions.However,exceptwhenapriorigroupsareavailabletoprovidecertainfinancialprofilesforcomparison,identifyingappropriatepeergroupanalysisisadifficulttask.Dataenvelopmentanalysis(DEA),whichcomputesafirm'sefficiencybytransforminginputsintooutputsrelativetoitspeers,mayprovideafinemechanismforderivingappropriatecategoriesforthispurpose...AnadvantageofDEAisthat,itusesactualsampledatatoderivetheefficiencyfrontieragainstwhicheachunitinthesampleisevaluatedwithnoaprioriinformationregardingwhichinputsandoutputsaremostimportantintheevaluationprocedure.Instead,theefficientfrontierisgenerated,whenamathematicalalgorithmisusedtocalculatetheDEAefficiencyscoreforeachunit.AlthoughDEAwasintroducedintheearly1980s,itsapplicationsareacquiringmorewidespreadrecognitioninthefinancialliteratureastimepasses.中文翻译：商业银行的信用评分步骤在经济相当被私有化的发展中国家，经济福利和社会福利与国家的商业银行业的行为有相当高的依赖性。银行给制造业、农业、商业服务和服务企业提供信贷。这些能提供工作、提高购买力、影响消费和储蓄。特别是在此背景下，银行倒闭其冲击波会影响到该国的整个社会结构。因此，这是当务之急，贷款/信贷决定都是一样谨慎，尽量保持决策过程的效率性和有效性。商业银行对客户提供金融产品和服务的同时，还要管理一套联系了流动资产、资本充足、信用、利率及汇率方面、操作和主权风险等多维风险，从这个意义上讲，银行可能会被认为是“风险机器”。他们在提供产品和服务时，必须承担风险，嵌入或改造这种风险。银行也是“追求利润”组织，其股东基本是以赚钱为主要目的。在典型的决策过程（即价格，贷款，资金，套期保值等），他们试图优化其“风险-收益”权衡。风险管理和赢利的关系非常密切。风险追求是未来盈利能力的基本要求，换句话说，今天的风险也许作为明天的现实出现。所以，商业银行部管理好风险就无法生存。在不同的银行业务风险之中，由于赌金保管人数量和变化影响，信用危险有潜在的“社会”冲击。在电讯日趋成熟的现代社会，银行倒闭的波动行为几乎是在瞬间产生全球性冲击。为了有效管理现代银行的信用风险，辅助决策支持系统就需要精密的分析工具来衡量，监测和管理，和控制财务与业务风险和低效率。意识到冒险的决定，呼吁定量风险管理系统提供银行预警来预测潜在的企业倒闭。因此，盈利的银行必须使有效的风险监控单位支持经理人的判断。一个潜在客户的信用风险水平常常用来评价银行的内部信用评分模型。这些目标，以确定申请人是否有能力偿还的评估信用风险贷款，这通常是利用历史数据和统计方法。这些模型能给银行提供一种手段，以及时评估它们的风险信用组合，集中了全球风险数据并对此进行了边际分析。这些模型还可以提供有用的见解，并提供了一个重要的信息，以帮助银行制定风险管理战略。实验验证，数学模型是在概念上健全，辅以良好的历史数据，并且对此执行管理和理解，以充实业务成功的授信品质。过去十年，对几个金融危机的观测说明，在一些新兴市场金融自由化的经验，表明债务融资兴建的资本流入可能导致大资金突然外流，从而造成国内的“信贷紧缩”。纵观这些金融危机的起因表明，信贷扩张的资金主要来自资本流入导致投资过高，使得银行和公司部门易受冲击。最近这些危机迫使银行业监管当局，即国际清算银行、世界银行、国际货币基金组织以及美国联邦储备委员会，吸取一些教训。因此，他们鼓励各商业银行发展的内部模式，以更好地量化金融风险。巴塞尔银行监督委员会，English和Nelson、联邦储备系统专责小组内部信用风险模型，Lopez、Saidenberg、Treacy与Carey用最近的一些观点和文献来解决这些问题。信用计分有财政和非财务两个方面。然而，当前文件的范围被限制对银行客户的财政表现的评估，Bertels试图研究以衡量公司业绩的基础上的定性数据。数学建模金融理论始于50年代末，Markowitz的工作是一个重大的里程碑。财政部在60年代初，将其作为一个分学科，使其从实践中达到了“起飞”阶段。早期一些尝试，是针对评价一个公司用于兼并和收购；一些处理利用投资组合风险管理；一些人处理改进/优化企业的融资结构。他们都是针对增强现有金融理论的指导决策者。其中1948年的数学建模的金融理论已广泛应用，称作为风险度量。在决策中形成不同党派经济活动的风险，一家公司的财务信息方面发挥了重要作用。广泛的文献致力企业倒闭的预言，并且近年来涌现了信用计分的概念。财务比率是为评估和预言企业财政表现的最简单的工具，财政比率分析的好处和局限演讲广泛应用在管理财务的文献。财政决算报告坚定了公司的立场和关于过去某一期间的业务。但是，仍然有一些在使用比率分析上的局限：①在许多大公司的运作，在多个不同行业。在这种情况下，很难建立有意义的一套行业平均数为比较目的；②通货膨胀严重扭曲了公司的资产负债表。此外，记录的价值往往大大不同于他们的“真实”的价值观；③季节性因素可以扭曲比率分析；④公司可聘请“门面技巧”，使他们的财务报表中寻找出路；⑤很难一概而论，对某一比率，是“好”或“坏”；⑥公司可能有一些的比例，别人很难权其衡轻重和强弱。不同国家、部门或特定时期，在不同的学习研究中，财务比率已经发现有助于预测企业是否倒闭。在文献中，各种各样方法的出现为塑造企业倒闭进行预测分析。Dimitras等人发现一份全面的文献研究，来探讨这些问题。在60年代晚期，判别分析（DA）被用来研究和创造财政比率综合经验主义。Beaver使用财政比率，开发了在未通过的和非倒闭的企业之间使用单变量的分析技术的显示最大区别。单变量的方法被改进了和以后延伸到由Altman建立的多维分布分析。Altma建立的单变量的模型，能证明一些有判别作用可变量。因此，他同时考虑了几个可变量，并使用多重判别分析（MDA）。他辩称，MDA的优点是考虑了对有关事务所对整个剖面的共同特点，这项研究还旨在预测未来失败的基础上的财务比率。但在另一方面，一项单变量的研究，认为测量只被使用为小组一次一个任务。在选择可变物至于使用在有识别力的作用之内，Altman审查了各种各样的供选择的作用、相互关系在相关的可变物之间，有预测性的准确性各种各样的外形和他自己的评断的统计意义。他认为，在破产的2年之前，破产预言模型是破产的一位准确预测员，并且模型的准确性极大地减少当订货交货的时间的增加。竟管对MDA的普遍用途，Altman交代对判别分析有以下弱点：在随后的岁月里，许多研究者试图提高成功的MDA预测企业倒闭。其中Eisenbeis、Peel和Falbo等。这些工作也牵涉土耳其的公司：Unal、Ganamukkala和Karan。在八十年代，研究利用递归分割算法（RPA）基于二元分类树理被Frydman等人应用到了这个问题，还有Srinivasan和Kim。在80年代和90年代，使用几个数学编程技术，丰富了文献的基本目标和方法，这些人逃避的假设和限制，以往的技术，以提高分类的准确性。在90年代初期，决策支持系统（DSS）与多准决策法（MCDM），在财务分类问题上得到广泛使用。Zopounidis、Mareschal、Brans、Zopounidis、Diakoulaki、Siskos、Zopounidis和Doumpos，这些人都是致力于DSS和MCDM的研究，同时神经网络方法也被运用在了企业破产问题上。在1990年代末期，数据包络分析（DEA）是Troutt引入到分析信用评分上的。相对于目前大致已知的MDA方法，对企业倒闭的预测（其中需要额外的先验信息，即好/坏分类），DEA方法只需要事后信息，即观察组的投入和产出，计算信用分数。因此，它开拓了新的信用评分。DEA是家喻户晓的一个非参数方法，是Charnes用在一种数学的编程技术开发的，DEA的皈依多重输入与输出的措施纳入单位自由的单一性能指标。生产力最大化是嵌入其原始分数表述的一种体现，有能力处理了多条设定DEA的优势比其他分析工具。在概念上，DEA方法运用到投入和产出，以确定相对的“最佳做法”。基于这些最佳观测，对环保的投入型DEA制定所产生的业绩指数值（公信力评分），如果E小于1时，24.7%的被认为是“低效率”，是相对于有效前沿所得最佳做法；如果E等于1，24.7%位于有效值。虽然在八十年代初期，随着时间的推移，对DEA在金融文献的介绍和应用研究是为了获取更广泛的承认。上海别克汽车发动机控制系统故障解析方案上海别克新世纪、GL、GLX、GL8轿车采用2.98L(L46)发动机，该发动机采用SFI顺序多点燃油喷射系统为主的电脑控制系统，其主要控制内容有电控燃油喷射、怠速控制、电控点火、废气再循环控制、燃油蒸发控制等。

1、水温传感器（ECT）及其检修发动机水温传感器（ECT）是双导线的负温度系数热敏电阻型传感器，伸入发动机水套中，与发动机冷却液直接接触，为PCM提供发动机冷却液温度信号。PCM为ECT传感器线路提供5.0V参考电压，随着发动机温度上升，传感器的电阻降低，ECT传感器信号电压下降。在发动机正常工作温度（85℃-95℃）下，ECT传感器的信号电压为1.5V-2.0V。ECT传感器电阻与温度的关系如表所列。PCM运用ECT传感器的信号对下列控制进行修正：液力变矩器控制、点火控制（IC）、爆震控制、怠速控制、活性炭罐（EVAP）阀控制、废气再循环控制和冷却风扇控制等。

ECT传感器电阻与温度的对应关系：

当PCM在ECT传感器监测到的信号不在正常范围内时，将设置故障代码P0117（ECT传感器线路低电压）、P0118（ECT传感器线路高电压）、P1114（ECT传感器线路间歇性低电压）和P1115（ECT传感器线路间歇性高电压），同时点亮仪表板上的故障指示灯（SERVICEENGINESOON）。注意：PCM在存储故障代码同时，会点亮仪表板上的故障指示灯“SERVICEENGINESOON”。对于装备牵引力控制系统的车型，PCM还通过串行数据线路命令EBTCM关闭牵引力控制功能，并点亮仪表板上的“TRACTIONOFF”灯。

2、进气温度传感器（IAT）及其检修进气温度传感器（IAT）也是双导线负温度系数热敏电阻型传感器，位于发动机进气口处，用以测量进入发动机气缸中的空气温度，为PCM提供进气温度信号。PCM为IAT传感器线路提供5.0V参考电压，在进气温度低时，IAT传感器电阻大，PCM在IAT传感器电路中将监测到一个高的信号电压；在进气温度高时，IAT传感器电阻小，PCM在IAT传感器电路中将监测到一个低的信号电压。IAT传感器电阻与温度的对应关系同水温传感??气温度，特别是当排气歧管和燃油的温度低于发动机工作温度时，对空燃比进行调节；改变点火提前角和进行加速增油；确定启动废气再循环的时间等。当IAT传感器信号电压指示进气温度＞135℃的情况出现20s以上时，PCM将设置故障代码P0112（IAT传感器线路低电压）；当IAT传感器信号电压指示进气温度＜-33℃的情况出现20s以上时，PCM将设置故障代码P0113（IAT传感器线路高电压）。当IAT传感器信号电压指示进气温度间歇性＜-33℃或＞135℃的情况达到5s时，PCM将设置故障代码P1111（IAT传感器电路间歇性高电压）或P1112（IAT传感器电路间歇性低电压），并点亮仪表板上的故障指示灯（SERVICEENGINGESOON）。

3、空气质量流量传感器（MAF）及其检修上海别克轿车对进入发动机气缸的空气量同时采用两种方法进行测量，一种是速度密度法，即通过读出进气歧管压力的变化对进气气流进行测量，PCM利用MAP传感器读出进气歧管的绝对压力，再加上温度和废气再循环等便可以对进气流量进行计算；另一种是流量法，即利用位于进气歧管中的空气质量流量（MAF）传感器，测量进气的容积和密度，计算进气量。流量法能够综合空气的温度、密度和湿度等。所有这些变量能使PCM读得进气量的质量流量，以便计算出更加精确的燃油量。

上海别克轿车采用的空气质量流量（MAF）传感器为热线式空气流量计，热线式MAF传感器使用热线电阻式元件，该热线电阻与RC、RP和RS及环境温度传感器共同组成惠斯登电桥。热线电阻元件被加热到环境温度以上，当进入节气门体内的空气流经MAF传感器时，部分热量被带走，空气流量越大，带走的热量越多。

为使MAF传感器的热线电阻元件的温度与环境温度的关值保持恒定不变，便需要额外的电阻来加热热线电阻元件。MAF传感器通过测量该电流的电压降来确定空气流量的大小。由于空气流量计的输出信号被转换成频率，所以PCM接收到的MAF传感器信号分辨率高，性能好。热线式MAF传感器为三导线型，安装在进气歧管中。MAF传感器测量给定时间内通过MAF传感器进入发动机气缸的空气量。PCM利用空气质量流量信息监视发动机的运行状态，进入发动机的空气质量小表示车辆处于减速或怠速状态。MAF传感器（电路图）提供的频率信号可以用TECH-II等仪器监测到。频率变化范围由怠速时的2000Hz左右到发动机最大负荷时的8000Hz(32Hz-150Hz)左右。当来自MAF传感器的信号表示的空气流量与根据大气压力、节气门位置和发动机转速得到的预测值之差达到6g/s—30g/s时，PCM将设置故障代码P0101（MAF传感器性能不良）；当MAF传感器信号的频率＜1200Hz的时间超过0.5s时，PCM便设置故障代码P0102（MAF传感器线路低频率）；当MAF传感器信号的频率＞11500Hz的时间达12S时，PCM便设置故障代码P0103（MAF传感器线路高频率）。

4、进气歧管绝对压力传感器（MAP）进气歧管绝对压力传感器（MAP）为三导线压变电阻型传感器，安装在进气歧管上。该传感器包括一个3mm2的硅片，硅片上方为真空密封，硅片下方为进气歧管压力。发动机工作时，进气歧管产生真空，硅片下方的进气歧管绝对压力下降，从而使硅片产生变形，其阻值发生变化。MAP传感器测量进气歧管中空气压力的变化，并将其转变为电信号送给PCM。PCM自MAP传感器获取进气歧管压力信息，指示发动机的负荷状况，以便计算喷油量和点火正时。MAP传感器传给PCM的信号电压在怠速状态时较低，小于2V（高真空时）；在发动机不运转或节气门全开时信号电压较高，大约为4V。当PCM监测到的MAP传感器信号指示的进气歧管绝对压力＜12.1Kpa时，便设置故障代码P0107（MAP传感器线路低电压）；当PCM监测到MAP传感器信号指示的进气歧管绝对压力高于91.8Kpa时，便设置故障代码P0108（MAP传感器线路高电压）。当PCM监测到MAP传感器指示的进气歧管绝对压力间歇代码P1106（MAP传感器线路间歇性高电压）或P1107（MAP传感器线路间歇性低电压），并点亮仪表板上的故障指示灯（SERVICEENGINESOON）。

5、节气门位置传感器（TP）及其检修节气门位置（TP）传感器是三导线型可变电阻式传感器，安装于节气门体上，由节气门轴操纵。节气门位置（TP）传感器用来向PCM提供与节气门开度相对应的电信号，PCM利用该入号计算燃油喷射量和点火正时，并用于液力变矩器、换档指示灯、EVAP燃油蒸发系统、废气再循环和空调等的控制。TP传感器的信号电压在节气门关闭时为0.2-0.7V，在节气门全开时为4.0V。当PCM检测到TP传感器信号电压超出正常范围时，将设置故障代码P0121（TP传感器性能不良）、P0122（TP传感器线路低电压）、P0123（TP传感器线路高电压）、P1121（TP传感器线路间歇性高电压）、P1122（TP传感器线路间歇性低电压）。

6、怠速