1 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。 2 『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 ：...
