售后服务数据的分析和预测_第1页
售后服务数据的分析和预测_第2页
售后服务数据的分析和预测_第3页
售后服务数据的分析和预测_第4页
售后服务数据的分析和预测_第5页
已阅读5页,还剩9页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

产品质量是企业的生命线,售后效劳是产品质量的观测点,如何用好售后效劳的数据

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,假设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,对于的一些故障反应信

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,这对售后效劳具有指导性的

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效劳数据利

用的重要问题。

,__________________________________Q

售后效劳数据的分析和预测

『摘要』

售后效劳数据是观测产品质量的重要依据,合理运用售后效劳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AR1MA非平稳时间序列分别建

立模型并独立对数据进行坦令。横向基于修正后的墨寸米,比拟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;纵向根据修正后的单续

本,给出选用非平稳时间序列的依据,参数确实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停厘同。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170.87o

最后,讨论了模型的优缺点,模型的改良方法,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.......................................................................

••••

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.模型评价及改良方法......................................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,售后效劳是产品质量的观测点,如何用好售后效劳的数据

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,假设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,对于的一些故障反应信

息,需要根据这些少量的一致数据来预测耒来的产品的质量,这对售后效劳具有指导性的

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效劳数据利

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,假设某车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14FI第一次使用的汽车,在02年10月29FI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

的反应数据进行统计。

【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

耳

i次差分

V

平稳序列

非平稳序列

B推移算子

白噪声序列

7

【数据分析及修正】

1.制表原那么分析

题目中给出了2004年4月1日从数据库中整理出来的某个部件的干车故障数(见附表

一)。其中的使用月数一栏是指售出汽车使用了的月数,使用月数0的列中是该批次已售出

的全部汽车在用户没使用前和用户使用当月出现故障所对应的千车故障数,1的列中是某

一批次已售出的全部汽车,其使用时间小于2个月所对应的(统计方法依据假设4,即没

便用时、缺乏1个月以及第1个月中千车故障数的和〕,12的列中是每辆车使用一年内发

生故障的累计千车故障数。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,汽车不断地销售出去,已售出汽车使月一段时间后的千车故障数也能不断

自动更新,再统计出的表中数据也将都有变化。

根据题中条件和表中数据可见,由于统计时间所限,表中数据无法涵盖所有使用月数

的千车故障数,例如,03年12月末出厂的汽车,由于到04年4月1日之前只有最多2个

月,因为根据假设04年1月1日售出的汽车假设在04年3月31日维修,使用月数只被记

为2个月,所以使用月数大于等于3的数据均空缺。

作假设4的原因如下:

根据题中条件,由于附表一是04年4月1日之前的准确数据,假设按照缺乏整月增加

1月的原那么制表,那么会出现以下情况:

0312批次在04年1月售出的所有汽车中存在两种可能:

1)04年1月10日售出,04年3月20日发生故障,这种情况按照假设将被累计入使

用月数为3的统计中;

2)04年1月10日售出,04年4月5日发生故障,这种情况按照假设也将被累计入使

用月数为3的统计中;

但由于情况2逾期未被统计,而情况1是理应被统计的,即该批次使用月数是3的方

空中应该有数据,但表中该数据项为空缺,说明厂家是基于假设4的原那么进行制表的。

下面给出题目中的有关统计概念:

保修总次数

故障率=⑴

迄今已售出的汽车总数

保修总次数

千车故障数=X1000⑵

迄今已售出的汽车总数

2.不合理性分析

对附表一观察发现,从03年02月开始每一批次的最后四个数据都相同,例如:0302

批次9—10月的千车故障数都是143.93c通过分析不难发现汽车故障数没有增长的原因很

可能是由于汽车出厂后的运输是个复杂的事,体积大又贵重,要花费很多时间,导致出厂

后三个月才开始有销售量,于是每个批次的前三个数据(斜三列)可认为是无效数据。

另一方面,故障率的市场反应都是在2004年4月以前得到的。以第0201批次的使

用月数为12的数据项为例,2003年5月之后,可能仍然会有第0201批次的部件售出,而

它的使用月数为12的故障信息反应最早也要等到2004年5月以后才能得到,因此,2004

年4月1日无法全部得到它的使用月数为1的故障信息反应,但是2003年5月一直到统

讦之日所有月份该批次的月销售量,都包含在了计算该批次使用月数为12的千车故障数的

分母中。所以,表中计算千车故障数的方法是不合理的,除使用月数为0的情况外,其它

的原始千车故障数都是不合理的。

3.数据修正

由于假定对于同一批次生产的汽车部件,它的各月策售量相等;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,所以用相应批次在某月销

售的所有汽车的故障率和千车故障数与该批次总销售量的故障率和千车故障数相同,将其

作为分析数据是一种合理的考虑。计算公式如下:

单月的某使用月数的汽车故障数

修正故障率=单月故障率=

单月售出的某批次汽车总数

某批次在某使用月数发生故障的车辆数(增量值)

使用月数

某批次至今已售出的汽车总数

某批次汽车销售总月数

单月的某使用月数的汽车故障数X10Q0

修正千车故障数=单月千车故障数=

单月售出的某批次汽车总数

某批次在某使用月数发生故障的车辆数(增量值)

X1000

使用月数⑷

某批次迄今已售出的汽车总数

某批次汽车销售总月数

例如:对于生产月份为0202的这批汽车,截止到制表日期2004年4月1日为止,共

销售出1670辆,由于假定1和6对于同一批次生产的汽车部件,它的各月销售量相等,以

及所有汽车在出厂后三个月才开始有销售量,销售时间从2002年6月1日到2004年3月

31日,共22个月,每月销售了1670/22=76辆。考察使用月数为11的千车故障数5.99,,

首先计算出这批汽车售出后使用月数为11个月出现故障的汽车有(599-5.39)x1670=

1000

1002辆。销售出去的这批汽车中,很多汽车的使用月数还不到11个月,对于在2003年5

月之后售出的汽车,它们使用时间最长的也只有10个月,而从2002年6月1日到2003

年4月31日共11个合理销售月。因此,在这10个月中每个月销售的汽车中恰好使用了

11个月时发生故障的汽车数为1.002/11=0.091辆,由此推算出全部1670辆汽车在第10个

月出现故障的故障率应该有黑=0.00119,对应的千车故障数为1.19辆,这是修正后

1067

22

的结果。类似的方法,可以求出不同使用月数的修正后的故障车辆数,修正后的千车故障

数增量表(附表二),对应的修正后的千车故障数累计表(附表三)。

【模型建立】

一横向数据分析

建模思想:

1.加权二次移动平均法

加权二次移动平均法⑸是根据跨越期内时间序列数据资料重要性不同,分别给予不同

的权重,再按移动平均法原理,求出移动平均值,并以最后一项的加权移动平均值为根底

进行预测的方法。

0205批次修正累计值加权二次移动平均值计算表

使用月数修正累计值0

03.94

19.207

214.20310.827

317.94315.240

419.94518.32014.796

524.93922.10818.556

626.85425.06421.831

730.17928.19725.123

833.35731.21428.158

937.8635.07931.497

1042.29339.32635.206

1149.77445.29539.900

1255.47451.37747.341

一次加权移动平均法的预测步骤如下:

(1)确定跨越期

选择n=3,其权数由远及近分别为1,2,3.

(2)计算加权一次移动平均值

……,依次类推。K⑴置于月数2的水平上,而后的《⑴,……,紧接在的后面置放。

(3)计算二次移动平均值

……,依次类推。如附表四。

(4)建立预测

A

那么V=55.333+3.996叮

l+T

即根据二次加权移动平均法可预测0205批次使用月数18时的千车故障数为79.309.

2.最小二乘法

对修正的千车故障数累积表[附表三)进行横向数据分析,发现随使用月数的增加,

修正的千车故隙数呈递增趋势,且递增趋势平稳,采月最小二乘法对的修正的千车故障数

进行拟合,拟合函数分别采用直线型和双曲线型,比拟两个数学模型的残差平方和,选择

残差平方和较小的数学模型作为最终的模型惊醒预测。

以0205批次为例,如图一

图一纵:修正的千车故障数横:使用月数

为计算方便使用月数。对应横坐标1,月数1对应横坐标2,依次类推。此映射不改变

由线走势及预测结果。

以双曲线型为例,建立拟合函数分别代表图中的横纵坐标)拟合数据力)

(占1,2,…,13)

y=t/(a\+aot)(5)

可以通过变量的代换.

z=\/y,x=\/t(6)

变为线性参数的数学模型z=oo+mx拟合数据(必力(占1,2,…,13)。其中由原始

数据力,9根据变换公式计算出来。我们建立相应的法方程组⑶

13^+3.18«i=0.77(7)

3.18ao+1.57^i=O.38(8)

解此方程组得

«o=O.OOOO49

m=0.24

从而得到拟合曲线

尸〃(0.24+0.000049。(9)

拟合曲线如图二

图二纵:修正的千车故障数横:使用月数

预测0205批次使用月数18时修正的T车故障数为78.86

通过图中数据计算残差平方和为65.03

同理,得直线性拟合曲线

产3.94什0.61(10)

拟合曲线如图三

图三纵:修正的千车故障数横:使用月数

预测0205批次使用月数18时修正的千车故障数为75.42

通过图中数据计算残差平方和为41.93

比拟两个模型的残差平方和大小可见用直线型作拟合曲线好,所以横向数据分析统一

采用直线拟合。

预测0306批次使用的拟合曲线为

y=1.86r-0.67(11)

预测0306批次使用月数9时修正的千车故障数为17.93

由加权一次移动平均法和最小二乘法综合:

横向数据的预测:预测0205批次使用月数18时修正的千车故障数为(75.42+79.309)

/2=77.365

预测0306批次使用月数9时修正的千车故障数为17.93

二、纵向数据的预测

纵向的数据十分符合时间序列的特点,故可归类为对时间序列分析并预测的数学模型。

这里采用Box-Jenkins方法⑴,建立ARIMA(p,d,q)模型。建模和预测使用的是增量表(附

表二)

⑴模型简介:

ARMA(p,q)序列:

S/-乡工]-%染2--(PpS.p=0-6©_1-。2与-2-_°qG-q(⑵

(其中91,心,••・,,",%...。夕为实数,p,q为非负实数,{6}为白噪声序列。{$,}

为平稳时间序列)

推移算子B定义如下:Bs产,力8卜叫=sj=s厂/.£,=s,上

算子多项式火B尸1W/BW2B2-…-纱BP.(13)

6>iB)=l-6>/B-<92B2-...-^Bq.(14)

应用算子多项式,式(12)可改写为

g(B)s产。(B)j,(15)

ARIMA(p,d,q)序列:

设X,是非平稳序列,假设存在d,使得VdX尸“是平稳序列,那么称X,是ARIMA(p,dq)

序列,M满足

8(B)VdM=QB)玛,(16)

⑵建模思想如下:

辨识.对原始数据进行分析,通过平稳性Daniel检验(见附录1)和数据的自相关系

数和偏相关系数⑵来判断原始数据确定的时间序列是否平稳.如果不平稳,使用由假设干次

差分的方法以到达平稳.同时确定差分阶数小转化后的序列符合ARMA(p,q)模型,然

后利用AIC定阶准那么确定其中p,q的值。

二.通过条件最小二乘法确定ARMA(p,q)序列

E-例工]一gs_2--=£t-a%-凡与-2--4产丑(⑺

中的参数力,夕2,…,叫;,,/,…,他的值。

三,诊断检测.监测所估计模型的残差,理想的残差序列应为一随机序列;否那么,需

进一步进行残差分析并加以改良.

四.预测.利用所拟合的模型进行预测.

建模和预测使用的是增量表(附表二)。下面以该表中使用到5个月这一列数据为例。

数据的自相关系数和偏相关系数图如下(图四、五),可见两图既无拖尾性又无截尾性⑶,

是非平稳序列;也可以通过平稳性Daniel检验p=().()()35<a=0.5,判断为非平稳序列;

图四纵:自相关系数横:步长图五纵:偏相关系数横:步长

经过一阶差分后的数据的自相关系数和偏相关系数图如下(图六、七),根本上可以看

成是平稳的,确定d=l。经平稳化的序列可看作ARMA序列,由AIC准那么,选择p=2,

q=0的模型,预测结果见医八

图六纵:自相关系数横:步长图七纵:偏相关系数横:步长

图八(两侧的蓝线和绿线表示95%的置信区间,两条线之间的红线局

部为预测数据。可以看出预测的数据比拟平稳。)

(3)白噪声检验:

假设拟合模型的残差记为名,它是的估计。

n-k

记九二上-----,k=l,2,…,m.(18)

次

r=i

Ljung-Box的力检验统计量是

人加+噂生.

(19)

/检验法:给定显著水平Q,设由实际算得的力2值是%P值是

P=P{,0).(20)

当p<a,认为£,非白噪声,模型未通过考核;而当时,认为与是白噪声,模型通过

考核。

在SAS软件中得到如下结果:

AutocorrelationCheckofResiduals

ToChiPr>

LagSquareDFChiSq---------------------Autocorrelations----------------------

63.5240.47480.0450.0570.075-0.059-0.139-0.313

123.99100.9478-0.098-0.027-0.047-0.004-0.0120.014

此上为白噪声残差的检验,当Pr大于显著性水平(0.05)时就不能拒绝残差为白噪声的假

设。以上结果明显Pr(即p)大于显著性水平,模型通过考核。

四、由以上模型预测,预测所得增量表经累计相加后得,0306批次在使用到9月时的累计

千车故障率为55.12,0310批次在使用到12个月时的累计千车故障率为170.87。

三、双向数据预测

为了充分使用现有数据,使预测的结果更精确,我们同时使用横向和纵向的预测结果。

为两个方向的预测结果赋予权值,得到最终的预测结果。

公式如下:

inin

(21)

rn+n方〃

。为最终预测结果

%,为水平方向预测的结果,氏为垂直方向预测的结果

防为水平方向现有数据个数与现有数据到预测位置距离之商,〃为垂直方向现有数据个数

与现有数据到预测位置距离之商

0205批次使用月数为1B时,无纵向数据,故横向数据权值为0,横向数据权值为1,

最终预测结果为77.365。0310批次使用月数为12时,无横向数据,故纵向数据权值为1,

横向数据权值为0,最终预测结果为170.87。0306批次使用月数为9时,横向和纵向权值

由(21)决定,最终预测结果为27.63。

注意,此处得出的结果均为修正后的千车故障数,与题目数据表中的千车故障数概念

不同,具体含义可参照数据分析与修正局部。

【模型评价与改良方法】

本模型的突出优点是:

(1)基于同批次每月销售量相等的假设,对数据进行修正,使得修正后的数据更合理;

(2)采用横向最小二乘和纵向非平稳时间序列加权预测的方法,将横向同纵向两种数

据变化趋势均考虑在内,且对拟合产生的误差作为重要依据;

(3)ARIMA(p,q)模型不需要预先确定序列的开展态势,通过预先假设可能的适用样式,

按方法本身规定的程序,通过反复修改,使其逼近于一个理想模型;

(4)本模型适用范围十分广泛,尤其纵向数据处理的ARIMA根本模型在股市预测,城

市用电量预测,工厂生产产量预测以及其他经济领域,均能运用。

当然,木模型也存在一定的局限性,首先是这种方法的计算过程复杂、繁琐;其次,在

对原始序列进行预处理的过程中,由于使用了差分这一手段,增加了模型的阶数、方程的

数目。由于纵向数据对于时间序列建模来说有点少,影响了模型的精度。

可以在双向预测后,将表格补满后把所有数据看成是一个时间序列,利用季节因子处理对

其进行整体预测,这样可以表达所有数据对某一预测结果的影响。

【制表方法和建议】

根据假设1对月销售量所作的平均假设,由于其与实际的销售情况不符合,而月销售量

对于计算千车故障数是必要的。为了方便统计预测,建议制表的时候应该给出土芹批次、

售出时间、各个批次在各个月的销售量以及各批次不同售出时间的汽车基于不同长度的使

用时间的维修数量。相对科学的制表方法及流程如下:

1)统计出每批次各月的销售量

表二各月销售量表

售量销售时间

生产批沪、

02年7月02年8月•••04年2月04年3月

•••

0203aa>氏0

2)对于每批次不同销售时间销售出的车辆,统计出其在不同使用月数发生故障的车辆总数

表二单月故障统计表

生产\汽车发生使用月数(月)

批次障数

销售、坪)

01・♦♦1112

时间、

020302年7月

•••“2

020302年8月姆

媳b\・♦♦

•••••••••••••••••••••

020304年2月

端%

—

020304年3月

—

依据表和表的统计结果,可以计算出合理的千车故障数,计算方法如下,

以0203批次使用月数为1的统计数据为例:

使用时间为卜个月的千车故障数='100()(22)

4+・,+《9

3)最后将所需要的差分千车故障数制表

表四月千车故障数统计表(增量表)

、寺千车故使用月数

生产批次、\

01•••1112

0203

【参考文献】

[1][美]GoorgQE.P.Box,[英]GwilymM.Jonkins,[美]GregoryC.Reinsol著,顾岚主

径,时间序列分析:预测与控制(第三版),北京:中国统计出版社,1997

⑵杨位钦,顾岚著,时间序列分析与动态数据建模[修订本),北京:北京理工大学出

版社,1988

[3]范金城,梅长林著,数据分析,北京:科学出版社,2002

[4]张池平,施云慧著,北京:计算方法,科学出版社,2002

[5]林根祥,吴桦,吴现立著,市场调查与预测,武汉:武汉理工大学出版社,2005

【附录】

1.平稳性Daniel检验

检验序列平稳性的方法很多,这里使用Daniel检验。Daniel检验方法是建立在Spearman

相关系数的根底上的。对于时间序列的样本

X,%,…,X,

记X,的秩是兄=R(XJ,考虑标量对(t,R),t=l,2,…,〃的Spearman秩相关系数

4,有

(f『

4=1一6支(23)

2

r=ln(n-1)

作以下假设检验:

为序列工漏稳«:序列无非平稳(存在上升或下降趋势)。

Daniel检验方法:对于显著水平Q,由时间序列X计算(t,R),£=1,2,…,〃的

Spearman秩相关系数q?,假设

那么拒绝〃,认为序列非平稳。且当q°>0时,认为序列有上升趋势;《°<0时,认为序列

有下降趋势。又当夕2。时,接受及可以认为人是平稳序列。

q=fX.p(24)

r=l,2,…几(设X0=X—l=3=Xl—p=0)。

2.附表

附表一轿车某部件千车故障数的数据表

使用月数1211109876543210

生产制表时

月份销售量

020124574.884.884.884.484.074.073.662.442.441.221.220.410.41

()20216705.995.995.395.395.395.394.194.193.592.992.41.80

020315804.433.83.83.83.83.83.162.532.531.270.6300

0204370413.7712.1511.619.729.187.836.755.674.322.431.350.540

0205380636.7834.6831.5329.4327.0625.2223.1221.8118.1316.5513.48.933.94

0206291041.5839.1836.0832.9931.6228.8724.7423.0218.915.4613.49.284.47

0207161472.4969.3962.5854.5247.7143.9940.2734.730.3626.6422.313.013.72

0208198575.5771.5469.0264.4856.9352.9453436.7828.2120.6513.67.561.51

02092671112.32110.45.08.57104.0895.8484.61743865.8952.0442.3127.33J.231.87

021()2107121.97119.6II6.28115.33107.7496.3584.4869.2954.1139.3922.7X.1.392.85

0211139995.7895.7894.3592.2185.7882.272.1961.4747.1840.0325.7312.873.57

0212403101.74101.7494.2991.8189.3384.3781396752.1144.6732.267.447.44

0^016450122.79122.79,22.48121.55119.84115.5108.0698.29R2.6466.9844.0622.023.72

03022522143.93143.93:43.93143.93141.95139.57135.21125.69106.6684.4662.2525.381.59

0303290060.3460.3460.3460.346058.2855.8651.7246.2133.116.551.03

0304112718.6318.6318.6318.6318.6316.8615.9713.317.992.660

030581814.6714.6714.6714.6713.4513.4513.45118.561.22

030611995.845.845.345.845.845.8451.670

0307183113.6513.6513.6513.6513.1110.387.10.55

030817545.75.75.75.74.561.710

030921630.920.920.920.920.460.46

0310238900000

()31124340000

03121171000

附表二修正千车故障率增量表

使用月数1211109876543210

生产制表时

月份销售量

02012457000.7080.67400.5901.65101.47700.88700.41

0202167001.20001.7600.7760.7330.6830.661.890

()2(1315801.4700000.960.88201.5560.7470.69600

020437044.051.23.780.9822.251.6621.5431.82.36251.2710.90.5680

020538065.77.4814.4334.5033.1783.3251.9154.9942.0013.7414.9965.2673.94

020629107.27.9716.9532.744.956.7582.585.7054.4232.4724.6355.0934.47

0207161410.5419.29519.57414.4717.0276.3248.6086.1484.8655.2710.5289.8713.72

0208198516.128.06412.10717.2578.0613.4413.69612.46610.088.6776.9036.4531.51

020926719.357.0513.4720.624.06418.24414,98320.77513.26818.72518.57710.0291.87

0210210716.5915.4933.32521.25226.57723.7426.58323.61320.60821.1413.2889.1972.85

0211139909.2959.27320.8989.30«21.6X819.90923.22110.32818.5913.19810.0733.37

021240389.414.889.9214.885.95229.7825.52611.1616.54729.78407.44

0301645010.239.40515.91320.4621.49428.69224.60930.27828.03820.133.72

0302252219.811.914.53323.838.063731.72946.08826.4331.59

()3(1329(X)3.067.747.269.3159.91«19.66521.27917.461.03

0304112707.082.3735.328.5127.1073.040

03058188.54004.2883.4168.5631.22

03061199001.684.9952.0040

()3(1718312.76.8255.4678.1880.55

030817544.565.72.280

030921631.3800.46

0310238900

()31124340

03121171

附表三修正千车故障率累计表

使用月数1211109876543210

生产制表时

月份销售量

020124576.3956.3956.3955.6875.0135.0134.4252.7732.7731.2971.2970.410.41

020216707699769964996499649964904.739473939622.2292546I.RR60

020315806.3114.8414.8414.8414.8414.8413.8813.0003.0001.4430.69600

02(14370422.36818.31817.11813.33812.35610.1058.4446.9015.1012.7391.4680.5680

0205380655.47449.77442.29337.86033.35730.17926.85424.93919.94517.94314.2039.2073.94

0206291065.95058.75050.77943.82641.08636.13629.37726.79721.09316.67014.1989.5634.47

02071614126.24115.7096.40776.83262.36155.33449.01040.40234.25329.38924.11913.5903.72

()2(181985134.83118.71110.6198.54181.28473.22459.78446.08933.62323.54314.8667.9631.51

02092671⑼.00181.65174.6)161.13140.53116.4798.22783.24362.46949.20030.47611.8991.87

02102107224.26207.67192.17188.85167.60141.01117.2890.69767.08346.47525.33512.0472.85

02111399171.35

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论