某家庭耐用消費品產(chǎn)品服務(wù)數(shù)據(jù)的運用

1、某家庭耐用消費品產(chǎn)品服務(wù)數(shù)據(jù)的分析運用摘要廠方希望知道近期生產(chǎn)中的質(zhì)量情況，但剛出廠的產(chǎn)品還沒有全賣出去，已售出的產(chǎn)品使用幾個月后的保修情況可能還沒有數(shù)據(jù)反饋，因此數(shù)據(jù)顯得滯后很多。當(dāng)一個批次生產(chǎn)的產(chǎn)品的三年保修期都到時，我們對這批產(chǎn)品的質(zhì)量情況有了最準(zhǔn)確的信息，可惜時間是產(chǎn)品出廠的四、五年后，這些信息已無法指導(dǎo)過去的生產(chǎn)，對現(xiàn)在的生產(chǎn)也沒有什么作用。為了解決廠方對于用少量數(shù)據(jù)預(yù)測未來較長時間的產(chǎn)品故障情況的要求，我們首先對問題以及數(shù)據(jù)進行了分析。通過我們的分析，千件產(chǎn)品故障數(shù)主要受到使用時間、實際月份與生產(chǎn)批次的影響，并且產(chǎn)品的使用時間為主要影響，實際月份和生產(chǎn)批次會對使用時間的預(yù)測值進行修

2、正。我們將已知的部分售出批次在售出后一年的內(nèi)的每一月的累計的千件產(chǎn)品故障數(shù)整理為我們需要的數(shù)據(jù)與制表形式，再通過一系列數(shù)據(jù)處理，得到了用于求解我們模型的數(shù)據(jù)。之后我們利用MATLAB對每一因素進行建模，再將各個因素模型結(jié)合，建立了能夠預(yù)測每一售出批次的產(chǎn)品的任意使用月數(shù)的千件產(chǎn)品故障數(shù)的模型，并用C語言寫出能夠通過輸入希望預(yù)測的生產(chǎn)批次和使用時間就可得到千件產(chǎn)品故障數(shù)預(yù)測值的程序。最后對我們的模型進行了驗證與評估，驗證了我們模型的合理性。關(guān)鍵字：千件產(chǎn)品故障數(shù) MATLAB Curves Fitting 回歸方程 Dev C+某家庭耐用消費品產(chǎn)品服務(wù)數(shù)據(jù)的分析運用摘要廠方希望知道近期生產(chǎn)中的質(zhì)

3、量情況，但剛出廠的產(chǎn)品還沒有全賣出去，已售出的產(chǎn)品使用幾個月后的保修情況可能還沒有數(shù)據(jù)反饋，因此數(shù)據(jù)顯得滯后很多。當(dāng)一個批次生產(chǎn)的產(chǎn)品的三年保修期都到時，我們對這批產(chǎn)品的質(zhì)量情況有了最準(zhǔn)確的信息，可惜時間是產(chǎn)品出廠的四、五年后，這些信息已無法指導(dǎo)過去的生產(chǎn)，對現(xiàn)在的生產(chǎn)也沒有什么作用。為了解決廠方對于用少量數(shù)據(jù)預(yù)測未來較長時間的產(chǎn)品故障情況的要求，我們首先對問題以及數(shù)據(jù)進行了分析。通過我們的分析，千件產(chǎn)品故障數(shù)主要受到使用時間、實際月份與生產(chǎn)批次的影響，并且產(chǎn)品的使用時間為主要影響，實際月份和生產(chǎn)批次會對使用時間的預(yù)測值進行修正。我們將已知的部分售出批次在售出后一年的內(nèi)的每一月的累計的千件產(chǎn)品

4、故障數(shù)整理為我們需要的數(shù)據(jù)與制表形式，再通過一系列數(shù)據(jù)處理，得到了用于求解我們模型的數(shù)據(jù)。之后我們利用MATLAB對每一因素進行建模，再將各個因素模型結(jié)合，建立了能夠預(yù)測每一售出批次的產(chǎn)品的任意使用月數(shù)的千件產(chǎn)品故障數(shù)的模型，并用C語言寫出能夠通過輸入希望預(yù)測的生產(chǎn)批次和使用時間就可得到千件產(chǎn)品故障數(shù)預(yù)測值的程序。最后對我們的模型進行了驗證與評估，驗證了我們模型的合理性。關(guān)鍵字：千件產(chǎn)品故障數(shù) MATLAB Curves Fitting 回歸方程 Dev C+一 問題描述1.1 引言產(chǎn)品質(zhì)量是企業(yè)的生命線，售后服務(wù)是產(chǎn)品質(zhì)量的觀測點，如何用好售后服務(wù)的數(shù)據(jù)是現(xiàn)代企業(yè)管理的重要問題之一?，F(xiàn)以某種

5、家庭耐用消費品生產(chǎn)廠家為例考慮這個問題。假設(shè)該廠的保修期是三年,即在其產(chǎn)品售出后三年中對于非人為原因損壞的產(chǎn)品免費維修。在全國各地的維修站通過網(wǎng)絡(luò)將保修記錄送到統(tǒng)一的數(shù)據(jù)庫里面，原始數(shù)據(jù)主要是這是哪個批次生產(chǎn)的產(chǎn)品（即生產(chǎn)月份）、售出時間、維修時間、損壞原因及程度、維修費用等等。通過這樣的數(shù)據(jù)可以全面了解產(chǎn)品的質(zhì)量情況，若從不同的需求角度出發(fā)科學(xué)整理數(shù)據(jù)庫中的數(shù)據(jù)，可得到不同用途的信息，從而實現(xiàn)不同的管理目的。1.2 提出問題整個產(chǎn)品的“千件產(chǎn)品故障數(shù)”是一個很重要的指標(biāo)，常用于描述產(chǎn)品的質(zhì)量。首先將產(chǎn)品按生產(chǎn)批次劃分成若干個不同的集合，再對每個集合中迄今已售出的全部產(chǎn)品進行統(tǒng)計，由于每個集合

6、中的產(chǎn)品是陸續(xù)售出的，因此它們的統(tǒng)計時間的起點即售出時間是不同的。相同使用時間長度內(nèi)的產(chǎn)品的保修總次數(shù)乘以1000再除以迄今已售出的產(chǎn)品數(shù)量，即為千件產(chǎn)品故障數(shù)。廠方希望知道近期生產(chǎn)中的質(zhì)量情況，但剛出廠的產(chǎn)品還沒有全賣出去，已售出的產(chǎn)品使用幾個月后的保修情況可能還沒有數(shù)據(jù)反饋，因此數(shù)據(jù)顯得滯后很多。當(dāng)一個批次生產(chǎn)的產(chǎn)品的三年保修期都到時，我們對這批產(chǎn)品的質(zhì)量情況有了最準(zhǔn)確的信息，可惜時間是產(chǎn)品出廠的四、五年后，這些信息已無法指導(dǎo)過去的生產(chǎn)，對現(xiàn)在的生產(chǎn)也沒有什么作用。在這種情況下，我們利用已知的部分售出批次在售出后一年的內(nèi)的每一月的累計的千件產(chǎn)品故障數(shù)，建立能夠預(yù)測每一售出批次的產(chǎn)品的任意使

7、用月數(shù)的千件產(chǎn)品故障數(shù)的模型，并且將此模型應(yīng)用于該廠的產(chǎn)品，為其售后服務(wù)以及產(chǎn)品生產(chǎn)監(jiān)督提供改進建議。二 符號說明符號意義F月千件產(chǎn)品故障數(shù)預(yù)測值T(t)使用時間影響M(m)實際月份影響N(n)生產(chǎn)批次影響TH月千件產(chǎn)品故障數(shù)S對應(yīng)生產(chǎn)批次銷售數(shù)量SS已統(tǒng)計數(shù)據(jù)時間內(nèi)銷售數(shù)量總和為SSR月實際產(chǎn)品故障數(shù)RA加權(quán)平均月實際產(chǎn)品故障數(shù)KRA當(dāng)前使用月數(shù)下的一般千件產(chǎn)品故障次數(shù)THM實際月份下的月千件產(chǎn)品故障數(shù)RM實際月份實際產(chǎn)品故障數(shù)RMA加權(quán)平均實際月份實際產(chǎn)品故障數(shù)KRM當(dāng)前實際月份下的一般千件產(chǎn)品故障數(shù)TF累計千件產(chǎn)品故障數(shù)預(yù)測值t使用天數(shù)m實際月份n生產(chǎn)批次三 問題分析根據(jù)題目所給表格（表

8、1）以及結(jié)合生活實際，我們初步認(rèn)定產(chǎn)品在某月累計故障次數(shù)只與T(t)、M(m)、N(n)有關(guān)。其中M(m)為當(dāng)月氣候、社會環(huán)境（如節(jié)假日等）等因素的集合，所有因素共同產(chǎn)生一個固定結(jié)果，并且假設(shè)該影響每年相同。3.1 數(shù)據(jù)處理在研究特定因素對與產(chǎn)品故障次數(shù)影響時，我們暫且忽略掉其他因素的影響，認(rèn)為各個因素之間是互相獨立的，并以一定權(quán)重共同影響最終的產(chǎn)品故障次數(shù)。為了便于我們對各個因素的研究，我們首先對表1中的數(shù)據(jù)進行處理，得到每一生產(chǎn)批次在每一使用月數(shù)的產(chǎn)品故障次數(shù)，并且為了方便在MATLAB中引用數(shù)據(jù)，我們顛倒了使用月數(shù)的順序，得到表2 月千件產(chǎn)品故障數(shù)的數(shù)據(jù)表。3.1.1 在研究T(t)的影

9、響時的數(shù)據(jù)處理在研究T(t)的影響時，我們忽略掉生產(chǎn)批次以及實際月份的影響，將同一使用時間下的所有生產(chǎn)批次的當(dāng)前使用月數(shù)故障次數(shù)根據(jù)其銷售量獲得加權(quán)平均值，然后根據(jù)此值求得當(dāng)前使用月數(shù)下的一般故障次數(shù)，利用該數(shù)據(jù)求得T(t)對產(chǎn)品故障次數(shù)的影響。具體處理過程如下：設(shè)表2中月千件產(chǎn)品故障數(shù)為TH，對應(yīng)生產(chǎn)批次銷售數(shù)量為S，已統(tǒng)計數(shù)據(jù)時間內(nèi)銷售數(shù)量總和為SS。月實際產(chǎn)品故障數(shù) 加權(quán)平均月實際產(chǎn)品故障數(shù) 當(dāng)前使用月數(shù)下的一般千件產(chǎn)品故障次數(shù) 3.1.2 在研究M(m)的影響時的數(shù)據(jù)處理在研究M(m)的影響時，我們忽略掉產(chǎn)品使用時間以及生產(chǎn)批次的影響。我們先將表2的數(shù)據(jù)對應(yīng)整理到每一實際月份下，再計算

10、出每一實際月份實際產(chǎn)品故障數(shù)。之后我們將12、13年但同一月份的數(shù)據(jù)根據(jù)該年月下銷售數(shù)量總和的進行加權(quán)平均處理，根據(jù)此值求得該月份下的一般千件產(chǎn)品故障數(shù)。具體處理過程如下：設(shè)對應(yīng)到每一實際月份下的月千件產(chǎn)品故障數(shù)為THM，對應(yīng)生產(chǎn)批次銷售數(shù)量為S，所有下標(biāo)中12表示2012年對應(yīng)數(shù)據(jù)，13表示2013年對應(yīng)數(shù)據(jù)。實際月份實際產(chǎn)品故障數(shù) 加權(quán)平均實際月份實際產(chǎn)品故障數(shù) 該當(dāng)前實際月份下的一般千件產(chǎn)品故障數(shù) 3.2 T(t)對產(chǎn)品故障次數(shù)的影響由于要研究的是產(chǎn)品的T(t)對產(chǎn)品故障次數(shù)的影響，所以應(yīng)該在研究這一因素時應(yīng)該去掉還未售出時的數(shù)據(jù)，即使用月數(shù)為0的數(shù)據(jù)。之后利用上文所述方法求得每一使用月

11、數(shù)下的一般千件產(chǎn)品故障次數(shù)KRA。經(jīng)過數(shù)據(jù)處理，我們已經(jīng)得到了除0月外每一使用月數(shù)下的一般千件產(chǎn)品故障次數(shù)，得到表3。表3 除0月外每一使用月數(shù)下的一般千件產(chǎn)品故障數(shù)使用月數(shù)123456KRA0.4891878480.6125030920.5647123470.4594090980.5227141790.372367532使用月數(shù)789101112KRA0.3334448150.2524611770.1816982440.1316265970.1054427140.098316785我們認(rèn)為T(t)對產(chǎn)品故障次數(shù)影響可反映至使用月數(shù)與當(dāng)前使用月數(shù)下的一般千件產(chǎn)品故障數(shù)的關(guān)系，即可通過數(shù)據(jù)模擬出

12、回歸方程來初步確定T(t)的影響。3.3 M(m)對產(chǎn)品故障次數(shù)的影響由于在研究M(m)對產(chǎn)品故障次數(shù)的影響時同樣與產(chǎn)品未售出時無關(guān)，所以仍要去掉使用月數(shù)為0時的數(shù)據(jù)。利用上文所述方法求得每一實際月份下的一般千件產(chǎn)品故障次數(shù)KRM。經(jīng)過數(shù)據(jù)處理，我們已經(jīng)得到了每一實際月份下的一般千件產(chǎn)品故障次數(shù)，得到表4。表4 每一實際月份下的一般千件產(chǎn)品故障次數(shù)實際月份123456KRM4.8278784317.4288012087.8997635919.0704688836.4092729395.21041854實際月份789101112KRM3.0576983822.2353646051.3714369

13、31.2161396011.2349447641.145021654我們認(rèn)為M(m)對產(chǎn)品故障次數(shù)的影響可反映至實際月份與當(dāng)前實際月份下的一般千件產(chǎn)品故障數(shù)的關(guān)系，即可通過數(shù)據(jù)模擬出回歸方程來初步確定M(m)的影響。3.4 N(n)對產(chǎn)品故障次數(shù)的影響由于生產(chǎn)批次的影響是可影響到產(chǎn)品售出前的故障次數(shù)的，所以在分析這一因素時不舍去使用月數(shù)為0的故障次數(shù)。所以我們直接分析原表格中的每一使用月數(shù)下的所有生產(chǎn)批次與產(chǎn)品故障次數(shù)的關(guān)系，做出每一使用月數(shù)的生產(chǎn)批次與產(chǎn)品故障次數(shù)的關(guān)系圖，并且比較所有使用月數(shù)的生產(chǎn)批次與產(chǎn)品故障次數(shù)的關(guān)系圖，分析得到N(n)對產(chǎn)品故障次數(shù)的影響。四 模型建立與求解4.1 基

14、本假設(shè)在建立模型之前，我們首先有幾個基本假設(shè)：產(chǎn)品故障次數(shù)僅受產(chǎn)品使用月數(shù)、實際月份和生產(chǎn)批次影響。影響產(chǎn)品故障次數(shù)的各個因素不互相干擾且獨立作用。在研究實際月份這一影響時認(rèn)為產(chǎn)品故障只與此月有關(guān)，并且每年同一月影響相同。4.2 模型的建立與求解設(shè)F表示模型中的月千件產(chǎn)品故障數(shù)預(yù)測值，結(jié)合我們的基本假設(shè)，我們可以構(gòu)建出基本模型 在我們的基本模型中，T(t)的影響為主要影響，M(m)與N(n)的影響為使T(t)的影響上下波動，即通過求得數(shù)據(jù)的擬合方程，再在數(shù)據(jù)范圍內(nèi)求出均值，每一個數(shù)據(jù)和均值作差再求與均值的比例即為該影響因素的對數(shù)據(jù)的影響。而我們?nèi)粝氆@得如表1中的累計千件產(chǎn)品故障數(shù)預(yù)測值，則將使

15、用月數(shù)為0至所需求得的月數(shù)的所有月千件產(chǎn)品故障數(shù)進行加和即可。4.2.1 T(t)模型的建立與求解通過對數(shù)據(jù)的觀察，我們發(fā)現(xiàn)月千件產(chǎn)品故障數(shù)隨著使用月數(shù)的增加會遞減，并趨近于0。通過對常識的分析，累計故障數(shù)最終會穩(wěn)定在一個由各因素影響下的值。將每一使用月數(shù)下的一般千件產(chǎn)品故障數(shù)與使用月數(shù)代入MATLAB，得到一般千件產(chǎn)品故障數(shù)與使用月數(shù)的圖像（圖1）。圖1根據(jù)我們的假設(shè)，T(t)只受使用時間t的影響，從圖像形狀來看，我們可以大致認(rèn)為T(t)的函數(shù)為T(t)=a*exp(b(t)的形式。利用MATLAB中的Curves Fitting插件，我們可以求得回歸方程根據(jù)Curves Fitting中對

16、于擬合程度的評估(圖2)，R-square=0.9615，可以認(rèn)為這條曲線擬合程度較好，可以接受。圖24.2.2 M(m)模型的建立與求解根據(jù)我們基本模型部分所述，M(m)的影響為修正T(t)的影響，所以我們M(m)的模型目的是利用已處理好的數(shù)據(jù)得到與真實數(shù)據(jù)最為擬合的曲線，再對這段曲線在1,12上積分再除以12得到均值，每一月的值與均值的差與均值的比例即是我們所想要的修正值。首先我們將每一實際月份的一般千件產(chǎn)品故障次數(shù)代入到MATLAB中，得到了每一實際月份下的一般千件產(chǎn)品故障次數(shù)與實際月份的圖像（圖3）。圖3由于不作為在1,12外進行預(yù)測，所以我們只需要得到擬合程度最好的一個圖像，并利用這

17、個圖像求得均值即可。利用MATLAB中的Curves Fitting，我們可求到回歸方程根據(jù)Curves Fitting中對于擬合度的評估(圖4)，R-square=0.9857，可以認(rèn)為這條曲線擬合程度是很好的。圖4利用MATLAB的定積分求解，我們求得該曲線在1，12上的定積分為：ans=(2559*cos(799/1000)/3995-(2559*cos(2397/250)/3995+(418*cos(799/2000)/47-(418*cos(2397/500)/47-(1439*cos(2397/2000)/23970+(1439*cos(7191/500)/23970+(1152*

18、sin(799/1000)/799-(1152*sin(2397/250)/799-(4654*sin(799/2000)/3995+(4654*sin(2397/500)/3995+(547*sin(2397/2000)/3995-(547*sin(7191/500)/3995+40117/1000=0.640488406043-0.631602799546+8.89340083159-8.862503738313-0.060020241635+0.058152003613+0.020105541321-0.240149807867-0.008122696522+0.097359455383

19、+0.002863876442-0.034009240371+40.117=39.9930所以我們可得到均值由此我們可以得到實際月份對預(yù)測值的影響為4.2.3 N(n)模型的建立與求解根據(jù)我們基本模型部分所述，生產(chǎn)批次N(n)的影響為修正T(t)的影響，所以我們N(n)的模型目的是利用已處理好的數(shù)據(jù)得到與真實數(shù)據(jù)最為擬合的曲線，由于最多的數(shù)據(jù)是有24個生產(chǎn)批次，所以要再對這段曲線在1,24上積分再除以24得到均值，每一月的值與均值的差與均值的比例即是我們所想要的修正值。將每一使用月數(shù)下的所有生產(chǎn)批次的月千件產(chǎn)品故障數(shù)代入到MATLAB中，我們會得到13個生產(chǎn)批次和月千件產(chǎn)品故障數(shù)的圖像，由于圖

20、像過多，圖像將在附錄中展現(xiàn)。根據(jù)這些圖像，我們發(fā)現(xiàn)幾乎所有圖像大致相同，所以我們使用數(shù)據(jù)最多的使用月數(shù)為0、1、2的三組數(shù)據(jù)進行同等批次的產(chǎn)品求均值，再對均值作出其擬合圖像，求出其回歸方程。再求出方程在1,24上的積分，在除以24得到均值，進而得到N(n)對T(t)的修正。將數(shù)據(jù)求均值之后利用Curves Fitting求得回歸方程根據(jù)Curves Fitting中對于擬合度的評估(圖5)，R-square=0.9685，可以認(rèn)為這條曲線擬合程度較好，可以接受。圖5利用MATLAB定積分求解，我們求得該曲線在1,24上的定積分為：ans =(2744*cos(2749/2000)/2749-(

21、6163*cos(2749/1250)/21992+(9495*cos(2749/2500)/5498+(10910*cos(2749/5000)/2749-(2744*cos(8247/250)/2749-(10910*cos(8247/625)/2749+11390*cos(8247/1250)/2749-(11390*cos(2749/10000)/2749-(6025*cos(8247/5000)/8247-(9495*cos(16494/625)/5498-(11560*cos(8247/10000)/2749+(6025*cos(24741/625)/8247+(11560*cos

22、(24741/1250)/2749+(1011*cos(19243/10000)/2749+(6163*cos(32988/625)/21992-(1011*cos(57729/1250)/2749-(1755*sin(2749/1250)/5498-(3696*sin(2749/2000)/2749+(3690*sin(2749/2500)/2749-(9323*sin(2749/5000)/5498+(3696*sin(8247/250)/2749+(9323*sin(8247/625)/5498-(93440*sin(8247/1250)/2749+(93440*sin(2749/100

23、00)/2749+(6700*sin(8247/5000)/8247-(3690*sin(16494/625)/2749-(8198*sin(8247/10000)/8247-(6700*sin(24741/625)/8247+(8198*sin(24741/1250)/8247+(1489*sin(19243/10000)/192430+(1755*sin(32988/625)/5498-(1489*sin(57729/1250)/192430+189313/1000=188.1733所以我們可得到均值由此我們可以得到實際月份對預(yù)測值的影響為4.2.4 預(yù)測模型根據(jù)我們的分析，影響月千件產(chǎn)品

24、故障數(shù)的主要因素為T(t)，M(m)與N(n)對主要因素進行修正，得到最終預(yù)測值。所以我們的對于任意生產(chǎn)批次在任意使用月數(shù)、任意實際月份下的月千件產(chǎn)品故障數(shù)預(yù)測為其中t為使用月數(shù)，m為預(yù)測實際月數(shù)，n為生產(chǎn)批次。4.3 模型的驗證與評估經(jīng)過我們代入部分生產(chǎn)批次以及使用月數(shù)，結(jié)果與表3中的數(shù)據(jù)相近，但是與實際數(shù)據(jù)中有一部分生產(chǎn)批次的故障數(shù)較多的數(shù)據(jù)比較時會產(chǎn)生較大差距。我們認(rèn)為由于結(jié)果符合一般結(jié)果，所以該模型是成立的。當(dāng)廠家生產(chǎn)質(zhì)量穩(wěn)定時將會與模型較好擬合，并且通過對H(n)的研究，如果將其視作預(yù)測模型的話，廠家的生產(chǎn)會趨向故障數(shù)較小，會比較適用于我們模型得到的數(shù)據(jù)。由上所述，我們的模型局限性在

25、于適用數(shù)據(jù)僅為一般情況下數(shù)據(jù)，并且該一般情況是結(jié)合廠家生產(chǎn)產(chǎn)品質(zhì)量的的趨向的，所以對于距離統(tǒng)計數(shù)據(jù)較近的生產(chǎn)批次的產(chǎn)品，我們的模型是比較適合的。五 問題解答5.1 問題一該表是工廠的真實數(shù)據(jù)，沒有修改，反映的情況很多，請你分析表中是否存在不合理數(shù)據(jù)，并對制表方法提出建議。解答：（1）題中不合理數(shù)據(jù)： 對比全表數(shù)據(jù)，1212批次生產(chǎn)的已售出的高檔耐用品中，在用戶沒使用前，千件產(chǎn)品故障數(shù)為7.44，但由于最終穩(wěn)定的千件產(chǎn)品故障數(shù)與其他批次相近，故認(rèn)為此組數(shù)據(jù)雖有異常，但可以接受，不影響最終結(jié)果。（2）制表改動：題中表頭使用月份，從左到右依次遞減，不符合正常人閱讀數(shù)據(jù)的習(xí)慣，應(yīng)當(dāng)改為從左到右依次遞增

26、的表示方式，這樣使人閱讀方便，并且也方便數(shù)據(jù)之間的對比（同一批次累積使用不同月份時千件產(chǎn)品故障數(shù)進行比較)。由于表頭為高檔耐用品使用的總的月數(shù)，應(yīng)此可以得到使用第N個月份時，該月的千件產(chǎn)品故障數(shù)。5.2 問題二利用這個表的數(shù)據(jù)預(yù)測時請注意區(qū)分水平和垂直方向。請你設(shè)計相應(yīng)的模型與方法，并預(yù)測：1205批次使用月數(shù)18時的千件產(chǎn)品故障數(shù)，1306批次使用月數(shù)9時的千件產(chǎn)品故障數(shù)，1310批次使用月數(shù)12時的千件產(chǎn)品故障數(shù)。解答：1205批次使用月數(shù)18時的千件產(chǎn)品故障數(shù)為304.9480971306批次使用月數(shù)9時的千件產(chǎn)品故障數(shù)為11.7081481310批次使用月數(shù)12時的千件產(chǎn)品故障數(shù)為3.

27、2965835.3 問題三如果有所有部件的千件產(chǎn)品故障數(shù)的數(shù)據(jù)表，你可以為質(zhì)量管理方面提供那些決策與咨詢？解答：如果有所有部件的千件產(chǎn)品故障數(shù)，則從表中可清晰地看出每個部件在使用過程中對該產(chǎn)品的性能優(yōu)劣的影響，這意味著每個部件生產(chǎn)部門的產(chǎn)出情況可一望而知，對企業(yè)進行部門間的管理時有重大的意義。企業(yè)可根據(jù)千件產(chǎn)品故障數(shù)制定一系列的獎罰政策，總體來說，對于總體千件產(chǎn)品故障數(shù)小的部門以及相應(yīng)的質(zhì)檢部門應(yīng)予以獎勵，對總體千件產(chǎn)品故障數(shù)較大的部門以及相應(yīng)的質(zhì)檢部門采取一定的勉勵政策。 質(zhì)量管理的三大目標(biāo)分別是：提高顧客滿意度、縮短流程和減少缺陷。具體來說，企業(yè)可根據(jù)所有部件的千件產(chǎn)品故障數(shù)從以下兩個方面

28、對質(zhì)量管理方面進行改進： 1.提高產(chǎn)品質(zhì)量 品質(zhì)是制造出來的，而非檢驗出來的，因此在加強質(zhì)檢強度前企業(yè)首先需要關(guān)注的是產(chǎn)品制造過程中的質(zhì)量把關(guān)問題。重視質(zhì)量問題，要做到：(1)加強技術(shù)指導(dǎo)。在產(chǎn)品投入制造前，應(yīng)由相應(yīng)領(lǐng)域的專業(yè)人員進行質(zhì)量評估，為產(chǎn)品制造計劃的實施提出建議，對于每一個配件的選用都應(yīng)盡量選擇在預(yù)算可承擔(dān)的范圍內(nèi)的最高水平，以減少產(chǎn)品售出后的維修次數(shù)。(2)引進先進的工藝設(shè)備?，F(xiàn)今的工藝設(shè)備在一定程度上能夠保證產(chǎn)品的質(zhì)量，因此在企業(yè)所能承擔(dān)的范圍內(nèi)，應(yīng)盡可能地引進先進的工藝設(shè)備，以提高產(chǎn)品的質(zhì)量。(3)實施適當(dāng)?shù)莫劻P政策。眾所周知，即便是作為一個整體售出的產(chǎn)品，其構(gòu)成部件的質(zhì)量也會

29、有優(yōu)劣之分，因此，若企業(yè)擁有個部件的千件產(chǎn)品故障數(shù)，便可據(jù)其進行適當(dāng)?shù)莫剳?，使得不同的部門間、同一個部門間的不同員工以間形成良性競爭，使其自覺地提高對所制造產(chǎn)品的要求，進一步地提高產(chǎn)品的質(zhì)量。 2.嚴(yán)格進行質(zhì)量檢查 部件制造完成后，部件的質(zhì)量檢查也成為影響最終用戶使用情況的一大因素之一，因此，為減少產(chǎn)品售出后的維修次數(shù)，企業(yè)應(yīng)進行嚴(yán)格的質(zhì)量檢查： (1)提高質(zhì)檢員素養(yǎng)：企業(yè)應(yīng)加強對質(zhì)檢員的專業(yè)水平的檢驗，應(yīng)對質(zhì)檢員的水平進行定期的考察以及不定期的抽查，確保每一個質(zhì)檢員不會因為專業(yè)知識的疏漏而無法及時發(fā)現(xiàn)產(chǎn)品或部件的質(zhì)量問題。 (2)提高檢查的頻率：在產(chǎn)品或部件未完全制造好之前，就應(yīng)根據(jù)相應(yīng)的專

30、業(yè)知識，對產(chǎn)品進行定期的檢查，避免在產(chǎn)品制造完成后才發(fā)現(xiàn)錯誤導(dǎo)致的錯誤難以判定，可在一定程度上減少產(chǎn)品生產(chǎn)完成后的檢查工作。5.4 問題四你還有什么想法和建議。（比如配件的生產(chǎn)組織、運送等等）解答：（1）關(guān)于產(chǎn)品運送方面的想法與建議： 由題目描述可知，該廠的保修期為三年，因此，從廠家的角度出發(fā)，希望在這段時間內(nèi)產(chǎn)品的千件產(chǎn)品故障數(shù)越小越好。結(jié)合生活常識以及上述分析，我們可以得出結(jié)論：隨著使用時間的累積，產(chǎn)品的故障數(shù)總體呈遞增趨勢；即使該產(chǎn)品沒有得到使用，隨著時間的推移，各部件的性能也會有所下降，則在投入使用后，相同的使用月數(shù)內(nèi)，發(fā)生故障的可能就更大，對廠家的利益有所影響。因此若能夠減少產(chǎn)品出廠

31、到產(chǎn)品成功出售的這段時間，即讓產(chǎn)品在制造完成后盡快使用，則可在一定程度上減少三年內(nèi)的總體產(chǎn)品千件故障數(shù)。因此，由上述分析，若產(chǎn)品制造商能在不同地區(qū)設(shè)立工廠，尤其是在需求量大的地區(qū)加大工廠規(guī)模以及工人的雇傭數(shù)，則可減少產(chǎn)品制造完成到運輸至有需求的地區(qū)所耗費的時間，這樣便可確保產(chǎn)品制造完成后盡快得到使用，一定程度上降低產(chǎn)品故障數(shù)。（2）關(guān)于產(chǎn)品使用說明的想法與建議：由生活經(jīng)驗可知，一件產(chǎn)品由許多不同的部件構(gòu)成，而這些部件大多都有其適用的使用環(huán)境，若是在某些環(huán)境下使用，可能導(dǎo)致某些部件的加速衰老。因此廠家在將產(chǎn)品出售時就應(yīng)向用戶清楚指示出該產(chǎn)品的適用環(huán)境以及保修的條件，例如：某些筆記本電腦的保修不包

32、括進水等人為引起的故障，若是由于用戶的使用失誤引起的產(chǎn)品故障，廠家可根據(jù)產(chǎn)品使用說明書要求一部分的款項，同時，若是在產(chǎn)品出售前就向用戶強調(diào)了保修范圍，用戶在使用過程中必定會有所注意，這在一定程度上可降低產(chǎn)品出現(xiàn)故障的次數(shù)。附錄附錄一 生產(chǎn)批次N(n)模型求解過程圖片附錄二 預(yù)測模型F求解C語言程序#include<stdio.h>#include<math.h>int main()char tmp5;/暫存生產(chǎn)批次int n,t,m;/n生產(chǎn)批次 t使用月數(shù) m實際月份的開始月份數(shù)double T,M,N;/T使用月數(shù)產(chǎn)生的影響 M實際使用月數(shù)的影響 N生產(chǎn)批次的影響int i,temp;do