MathArt | 汽车质量出保大数据分析
- 2019 / 08 / 28
- 阅读：7684
- 来源：转载自《汽车商业评论》
让质量问题在市场与客户中的影响能够降到最低，将潜在的质量问题消除在“摇篮”当中。
文 | 董事长兼CEO 张椿琳
高效完备的质量监控体系，对车企而言是必不可少的，而售后质量的反馈作为质量监控体系里最重要的一环，其结果将直接影响终端顾客的产品满意度，从而影响产品的市场销售。
汽车是典型的机械产品，与电子产品不同，质量故障更多体现在可靠性与耐久性方面。以往汽车企业对售后质量问题的关注集中在质保期内，随着国家相关法规对产品全生命周期的要求，以及消费者口碑对长期质量表现的重视，汽车企业逐步开始对质保期外的质量问题开始关注与研究起来。
保外质量问题分析的必要性主要体现在三个方面：
-
国家法规日益严格，召回法规逐步覆盖整车零部件全生命周期；
-
保外车辆的数量剧增。目前保外用户数量已逐渐超越保内用户，未来将远超保内用户，风险车辆多涉及耐久、可靠性问题，问题形态复杂；
-
消费者对产品的质量要求持续提高，保外问题同样受到舆论关注，车企在遭遇重大质量问题时所需付出的代价剧增。
对售后车辆的可靠性、耐久性进行有效地分析，有助于更好地监控、分析保外质量问题，同时对高风险保外质量问题进行预警。对于车辆早期的质量问题，车企通常有完善的索赔分析流程和高质量的索赔数据作为支撑，能通过科学的分析方法快速识别问题，提前高预警风险问题。但对于车辆出保后的中长期质量问题及耐久性问题常常缺乏完整的数据支持，基本上是通过人工对个案进行分析，效率低且成本高。 因此，对保修期外维修数据的探索研究也必不可少。数策的经验是，通过建立大数据分析体系来监控和预警高风险的保外质量问题，同时打通保内保外质量分析，从整个产品生命周期来全面反映产品售后质量的总体情况，以数据科学助力业务团队将产品在质量领域达到先进水平。
根据数策的保外大数据分析的实践，出保数据分析可以从以下三个部分由易到难进行开展：
1、各层级质量指标体系计算与搭建
对于保外车辆数据分析一个重要的特点也是难点，就是数据的分布相对较稀疏，不完备，但是还是与某些关键质量KPI有很强的相关性。通过数据分析显示，随着车辆里程数的升高，部分零件失效率与行驶里程数的相关性会越来越高。以某车型2010模型年为例，TOP50共400个零件中，有279个具有明显拐点，其中34%使用里程IPTV（Incident Per Thousand Vehicles，千车故障率）是可以提前发现拐点的。
引入里程IPTV为主体来搭建保外质量指标体系，不仅可以客观评价保外质量，还可以为延保定价策略提供数据支持，优化和降低延保费率，提升延保销售。
2、安全件异常值识别
国家相关法规新的规定中，汽车企业要对汽车安全相关的质量问题要终生负责，如果发生问题较为普遍或严重，甚至要求车企对相关批次车辆大规模召回。这将会产生极大的质量成本，影响经济效益与产品口碑。
因此，对安全件进行大数据分析，建立有效预警模型将会非常有价值。
一组测量数据中，我们通常将偏离平均值较大的数据则称为“异常值”。格拉布斯（Grubbs）准则作为一个滤除测量数据异常值的统计学方法，可以以较少的试验样本得出较精确的异常数据。通过将各个安全件最近连续12个制造月的FPTV值作为一组数据，滚动计算最新制造月的值是否异常，从而判断该安全件是否表现异常。这样就可以帮助业务人员快速准确地发现重要问题，提升保外工作效率。
某车型 制动助力器12mis失效表现
3、零件寿命预测
汽车关键零部件的寿命将直接影响整车的寿命。然而，相关的零部件寿命数据很难通过三包数据或售后数据获得，若要追踪汽车整个生命周期的失效数据，相关成本又会非常高。因此，我们借助相关的样本数据预测模型，利用有限的数据对零部件的寿命进行预测。
由于不同组别的零件失效时间分布不一致，所以对某一个特定寿命预测模型进行预测很难达到较高的准确率。通过不断的数据探索与数据挖掘实践，数策的智能制造专家发现Weibull分布、Lognormal模型、Log-logistic模型、Gamma分布这四种统计模型能分别对一些组别的零件失效数据进行有效的预测，并且几乎能覆盖所有零件的寿命预测分析。
为提高预测的准确性，我们分别使用这四个模型对每个组别的零件进行预测分析，然后通过非线性回归拟合模型与收敛测度值比较选取四个模型中的最优模型作为该组别的零件寿命预测的推荐模型。这样不仅可以以较少的试验样本得出较精确的失效分析，还可以包容不同零件的多种寿命分布形式。
零件寿命的预测可以为相关重点零件实验标准的制定和新产品的开发提供数据支持，也可以提早识别高风险零件，降低大规模召回成本。
总体而言，质量出保分析，可以在整车、零部件级别上实现失效指标算法，并形成配套的报表体系。它通过整体预警机制，及早地发现潜在的质量问题，提早采取行动，从根本入手推动问题在设计、采购、制造等环节的识别和改进，从而提升整体质量管理能力；通过数据积累和知识积累，提升解决质量问题的能力，有效地控制质量成本。
让质量问题在市场与客户中的影响能够降到最低，将潜在的质量问题消除在“摇篮”当中。这一点，在目前严峻的市场环境中实为重要。
解决方案
成功案例
数策洞察
加入我们