一种车辆质量判别方法
【专利摘要】本发明公开了一种车辆质量判别方法，包括：S1、生产月为N月、销售月为N月至N+P月，获取每个销售月的车辆销售台数、每个销售月对应的车辆未交付期间内的赔偿件数、每个销售月对应的在车辆销售后的第1个月内的赔偿件数、每个销售月对应的在车辆销售后的第1个月和第2个月之间的赔偿件数、…、每个销售月对应的在车辆销售后的第K?1个月和第K个月之间的赔偿件数；S2、计算车辆销售后K个月内所销售车辆的索赔发生率，设为KMIS，KMIS＝(0)/(0)’*100％+(1)/(1)’*100％+…+(K?1)/(K?1)’*100％+(K)/(K)’*100％；S3、依据KMIS的值来判断K个月内的车辆质量。
【专利说明】
_种车辆质量判别方法
技术领域
[0001]本发明涉及产品质量判别领域，更具体地说，涉及一种车辆质量判别方法。
【背景技术】
[0002]质量通常是用来表示某一车辆(服务)能够满足顾客期望的能力。那些真正符合消费者要求的车辆，我们认为就是好的车辆，好的质量!而对于质量参数，用一般定义讨论质量问题会很抽象，不具体(好坏，高低来衡量车辆质量的高低)，而从生产企业来说，为了便于企业内部更好的评价车辆质量状况，以便最大程度满足用户的质量要求，就必须把用户的质量要求具体加以落实，需要一种比较具体，明确，更容易衡量的东西，并定量表示，称之为质量参数。把这些参数确定下来就形成了车辆的质量标准。质量参数可分为量化(长度，阻值)，非量化(安全，舒适，美观)。
[0003]现时市场上的用于判断车辆质量好坏的质量参数，大多数只停留在问题个数或者是出现问题比例上，不能很好的反映实际的质量情况。存在一定局限性，例如:产量出现过低，问题出现过高，只统计单个月的个数或比例是无法反映实际的趋势。并且现有的质量参数不能作为以后问题发生的预测，对于已执行的对策无法预测往后的车辆质量的发展。
【发明内容】
[0004]本发明要解决的技术问题在于，针对现有技术的上述用于判断车辆质量好坏的质量参数，大多数只停留在问题个数或者是出现问题比例上，不能很好的反映实际的质量情况的缺陷，提供一种车辆质量判别方法。
[0005]本发明解决其技术问题所采用的技术方案是:构造一种车辆质量判别方法，所述车辆质量判别方法包括如下步骤:
[0006]S1、生产月为N月、销售月为N月至N+P月时，获取每个销售月的车辆销售台数、每个销售月对应的车辆未交付期间内的赔偿件数、每个销售月对应的在车辆销售后的第I个月内的赔偿件数、每个销售月对应的在车辆销售后的第I个月和第2个月之间的赔偿件数、…、以及每个销售月对应的在车辆销售后的第K-1个月和第K个月之间的赔偿件数；
[0007]S2、计算车辆销售后K个月内所销售车辆的索赔发生率，设为KMIS，计算公式为:
[0008]KMIS= (0)/(0)，*100% + ( 1)/(I)，*100%+...+ (Κ-1)/(Κ-1)，*100% + (Κ)/(Κ)，*100% ；
[0009]其中:(O)代表销售月为N月至N+3月时这四个销售月分别对应的车辆未交付期间内的赔偿件数之和，(O)’代表销售月为N月至Ν+3月时这四个销售月的车辆销售台数之和；
(I)代表销售月为N月至N+2月时这三个销售月分别对应的在车辆销售后的第I个月内的赔偿件数之和，(I)’代表销售月为N月至Ν+2月时这三个销售月的车辆销售台数之和；...；(Κ-?) 代表销售月为 N 月和 Ν+1 月时分别对应的在车辆销售后的第 Κ-2 个月和第 K-1 个月之间的赔偿件数之和，(2)’代表销售月为N月和Ν+1月时的车辆销售台数之和；(K)代表销售月为N月时对应的在车辆销售后的第K-1个月和第K个月之间的赔偿件数，(3)’代表销售月为N月时的车辆销售台数；
[0010]S3、依据KMIS的值来判断K个月内的车辆质量。
[0011]在上述车辆质量判别方法中，所述车辆质量判别方法还包括如下步骤:
[0012]计算生产月为N月、在销售月为N月至N+P月时的成熟度系数，设为(N+P)MF，计算公式如下:
[0013](n+P)MF=(N月销售台数+." + (Ν+Ρ-θ月销售台数)+0.75*(奸？-5月销售台数)+
0.5*(Ν+Ρ-4月销售台数)+0.25*(Ν+Ρ-3月销售台数))/Ν月的车辆生产台数；
[0014]其中:Ρ取大于等于6的自然数。
[0015]实施本发明的车辆质量判别方法，具有以下有益效果:依据生产月为N、销售月为N月至Ν+Ρ月时所获得的销售数据和赔偿数据，可算出在车辆销售后K个月内对象期间内所销售车辆的索赔发生率KMIS，因此可通该KMIS的值来判断K个月内车辆质量的好坏，即不同的时间段内如三个月内、六个月内甚至是一年内质量的好坏，能够反映实际的趋势，从而根据问题发生的部件、责任单位等可以作为质量改善的方向。
【附图说明】
[0016]下面将结合附图及实施例对本发明作进一步说明，附图中:
[0017]图1是本发明一种车辆质量判别方法实施例的流程示意图；
[0018]图2是车辆销售后6个月内对象期间内所销售车辆的索赔情况的表格图；
[0019]图3是车辆销售后K个月内对象期间内所销售车辆的索赔情况的表格图；
[0020]图4是车辆销售生产的成熟度系统的第一个表格图；
[0021 ]图5是车辆销售生产的成熟度系统的第二个表格图；
[0022]图6是前20的PFP记录的数据的表格图。
【具体实施方式】
[0023]为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的【具体实施方式】。
[0024]如图1所示，为本发明一种车辆质量判别方法实施例的流程示意图，在本实施例中，该车辆质量判别方法包括如下步骤:
[0025]S1、生产月为N月、销售月为N月至Ν+Ρ月时，获取每个销售月的车辆销售台数、每个销售月对应的车辆未交付期间内的赔偿件数、每个销售月对应的在车辆销售后的第I个月内的赔偿件数、每个销售月对应的在车辆销售后的第I个月和第2个月之间的赔偿件数、…、以及每个销售月对应的在车辆销售后的第K 一 I个月和第K个月之间的赔偿件数；
[0026]S2、计算车辆销售后K个月内所销售车辆的索赔发生率，设为KMIS，计算公式为:
[0027]KMIS= (0)/(0)，*100% + ( 1)/(I)，*100%+...+ (Κ-1)/(Κ-1)，*100% + (Κ)/(Κ)，*100% ；
[0028]其中:(O)代表销售月为N月至Ν+3月时这四个销售月分别对应的车辆未交付期间内的赔偿件数之和，(O)’代表销售月为N月至Ν+3月时这四个销售月的车辆销售台数之和；
(I)代表销售月为N月至N+2月时这三个销售月分别对应的在车辆销售后的第I个月内的赔偿件数之和，(I)’代表销售月为N月至Ν+2月时这三个销售月的车辆销售台数之和；...；(K-I)代表销售月为N月和Ν+1月时分别对应的在车辆销售后的第κ-2个月和第K-1个月之间的赔偿件数之和，(2)’代表销售月为N月和Ν+1月时的车辆销售台数之和；(K)代表销售月为N月时对应的在车辆销售后的第K-1个月和第K个月之间的赔偿件数，(3)’代表销售月为N月时的车辆销售台数；
[0029]S3、依据KMIS的值来判断K个月内的车辆质量。
[0030]进一步地，为了更好地说明上述KMIS的计算公式，现以车辆销售后3个月内对象期间内所销售车辆的索赔发生率为例，如图2所示，生产月为N月、销售月为N月至Ν+6月时，SP这里的P取6，Κ取3。
[0031 ]则3MIS的实绩值的确定的时期是在Ν+6月，具体地:
[0032]3MIS= (0)/(0)，*100% + ( 1)/(I)，*100% + (2)/(2)，*100% + (3)/(3)，*100% ；
[0033]上述当K = O 时，0MIS=(0)/(0)，*100%;
[0034]当K= I时，IMIS= (0)/(0)’*100% + (I)/(1)’*100%;
[0035]当K= 2时，2MIS= (0)/(0)，*100% + ( 1)/(1 )，*100% + (2)/(2)，*100%
[0036]这里的(O)代表销售月为N月至N+3月时这四个销售月分别对应的车辆未交付期间内的赔偿件数之和，如图2，销售月为N月时对应的车辆未交付期间内的赔偿件为为2台，销售月为N+1月时对应的车辆未交付期间内的赔偿件数为2台，销售月为N+2时对应的车辆未交付期间内的赔偿件数为3台，销售月为N+3时对应的车辆未交付期间内的赔偿件数为O台；
(O)’代表销售月为N月至N+3月时这四个销售月的车辆销售台数之和，如图2所示这四个销售月分别对应的销售台数为200台、300台、300台和100台。
[0037](I)代表销售月为N月至N+2月时这三个销售月分别对应的在车辆销售后的第I个月内的赔偿件数之和，如图2，在销售月为N月时对应的车辆销售后的第I个月内的赔偿件数为8台，销售月为N+1时对应的车辆销售后的第I个月内的赔偿件数为10台，销售月为N+2时对应的车辆销售后的第I个月内的赔偿件数为11台；(I) ’代表销售月为N月至N+2月时这三个销售月的车辆销售台数之和，分别对应为200台、300台和300台。
[0038](2)代表销售月为N月和N+1月时分别对应的在车辆销售后的第I个月和第2个月之间的赔偿件数之和，如图2所示，销售月为N月时对应的在车辆销售后的第I个月和第2个月之间的赔偿件数为7台，在销售月为N+1月时对应的在车辆销售后的第I个月和第2个月之间的赔偿件数为12台；(2)’代表销售月为N月和N+1月时的车辆销售台数之和，分别为200台和300台；(3)代表销售月为N月时对应的在车辆销售后的第2个月和第3个月之间的赔偿件数，如图2所示为1台；(3) ’代表销售月为N月时的车辆销售台数，为200台。
[0039]因此通过上述计算公式即可算出车辆销售后3个月内对象期间内所销售车辆的索赔发生率，所需的基础数据包括销售数据和赔偿数据，这里的销售数据包含不同车型的车辆每个月的销售台数，赔偿数据包含保修单数据，保修单数据又包含销售月、生产月、追偿发生月、PFP、责任单位、故障零件等具体信息，可以依据这些数据统计出对应不同销售月时在车辆销售后K个月内发生的赔偿件数。根据该计算出的索赔发生率从而可以判断某一车型的质量好坏，反映该车辆实际的趋势。
[0040]另外，上述计算车辆销售后K个月内对象期间内所销售车辆的索赔发生率还有另一种表达方式，如图3所示，这里仍然以生产月为N月、销售月为N月至N+6月、车辆销售后3个月内发生的索赔发生率为例。
[0041]从图中可以看出，分别计算出车辆销售后O个月内的索赔发生率、车辆销售后第O个月至I个月之间的索赔发生率、车辆销售后第I个月至第2个月之间的索赔发生率以及车辆销售后第2个月至第3个月之间的索赔发生率，之后再相加得出车辆销售后3个月内对象期间内的索赔发生率，其也是通过上述计算公式得出，只是表达方式有所不同，且图中的数据也是不一样的，但只是作计算参考。
[0042]上述车辆质量判别方法还包括计算车辆销售生产的成熟度系数，其值越大，KMIS的值可参考性越大，也说明通过该KMIS值来判别车辆质量的可信度就越高，同时如果某乘用车公司计算出的MF值达到95%以上，该计算出的KMIS的值还可作为以后问题发生的预测，即预测今后一段时间内该车辆的质量好坏。
[0043]具体地，在计算生产月为N月、销售月为N月至N+P月时的成熟度系数设为(N+P)MF，计算公式如下:
[0044](n+P)MF=(N月销售台数+." + (Ν+Ρ-θ月销售台数)+0.75*(N+P-5月销售台数)+
0.5*(N+P-4月销售台数)+0.25*(N+P-3月销售台数))/N月的车辆生产台数;其中:P取大于等于6的自然数。
[0045]为了更好的说明该车辆销售生产的成熟度系统，现分别以P取6和P取7时为例，分别如图4和图5所示，其中0MIS、1MIS和2MIS分别为当K取0、1和2时所对应的MIS的值。参见图4，生产月为N月，其生产的车辆台数为10000台，销售月为N月至N+6月。
[0046]依上述MF的计算公式可以得出
[0047](奸6)]\^=0月销售台数+0.75*(奸1月销售台数)+0.5*(奸2月销售台数)+0.25*(N+3月销售台数))/N月的车辆生产台数；
[0048]如图4所示，不同销售月的销售台数前的百分比系数100%、75%、、50%和25%分别为:各个经过月计算出的MIS的故障件数区域面积/故障件数的区域面积，这里的销售月为N月时，该月的销售台数为1000台，且该月对应的MIS的故障件数区域面积/故障件数的区域面积为100% ;销售月为N+1月时，该月的销售台数为1500台，且该月对应的MIS的故障件数区域面积/故障件数的区域面积为75%;销售月为N+2月时，该月的销售台数为2000台，且该月对应的MIS的故障件数区域面积/故障件数的区域面积为50%;销售月为N+3月时，该月的销售台数为3000台，且该月对应的MIS的故障件数区域面积/故障件数的区域面积为25%。因此在销售月为N月至N+6月时，(N+6)MF= (1000+0.75*1500+0.5*2000+0.25*3000)/
10000ο
[0049]当P大于6时，即随着销售月的推移，各个经过月对应的MIS的故障件数区域面积/故障件数的区域面积为100%的会越多，如图5所示，以生产月为N月、销售月为N月至N+7月为例。
[0050]依上述计算成熟度系数的公式可以得出:
[0051 ] (N+7)MF=( 1000+1500+0.75*2000+0.5*3000+0.25*1000)/10000。
[0052]依此类推，在销售月增加时，对应的百分比系数为100%的会随着增多，在此不再赘述。
[0053]因此，通过上述公式还可计算出车辆销售生产的的成熟度系数，其所需基础数据包括销售数据、索赔数据和生产数据，销售数据包含车辆每个月的销售台数，当然车型不同，数据也会有所不同，索赔数据包含保修单数据，该保修单数据又包含销售月、生产月、追偿发生月、PFP、责任单位、故障零件等信息，从这些数据中可以统计出对应不同销售月时车辆销售后K个月内发生的赔偿件数。
[0054]另外，本发明还可实现对MIS值的预测，即通过以往车辆质量的好坏，以及对策执行后的效果来预测今后一段时间内该车辆的质量好坏。这里进行预测所需的基础数据包括索赔数据、对策数据和MIS的值，索赔数据中包含了车型、PFP、项目、机能组、责任单位信息，对策数据包含每个项目的对策日期及对策效果，MIS的值是依据上述公式计算得出。这里的对策效果值在发行TPR时填写，如果有对策日期但没有填写对策效果，那么默认值为:如果是设计类问题则为50%，制造类问题则为30%。基于这些数据，其MIS预测的具体步骤为:
[0055]计算预测车型的PFPJ^目、机能组条件下的MIS值；
[0056]按照MIS值排序取前20的PFP记录；
[0057]依取出的前2 O的PFP记录，再利用项目、PFP关联对策数据即可得到PFP、车型、项目、对策日期及对策效果。可以理解的是，这些数据均是可以通过现有方法获取的，比如对策效果是通过乘用车工程师对于项目所表现的问题进行百分比的预估等，在此不再一一赘述。
[0058]通过图6不难看出，通过前20的PFP记录即可得到相应的PFP、车型、项目、对策日期及对策效果等对应的数据。再依这些得出的数据计算相应预测月的预测值，其计算方法如下:如果预测月内有对策日期，则对策日期前的月份预测值为查询月的MIS值，而对策日期当月的MIS值为对策日期前月值乘以剩余值，该剩余值为1-对策效果所得出的值，如图6所示，后面如果没有对策则不再减。因此通过以往计算出的MIS值，以及对策以及对策日期预测往后质量，可有效的设立质量改善的目标。
[0059]相较于现有技术，本发明依据生产月为N、销售月为N月至N+P月时所获得的销售数据和赔偿数据，可算出在车辆销售后K个月内对象期间内所销售车辆的索赔发生率KMIS，因此可通该KMIS的值来判断不同的时间段内如三个月内、六个月内甚至是一年内质量的好坏，能够反映实际的趋势，从而根据问题发生的部件、责任单位等可以作为质量改善的方向。
[0060]上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的【具体实施方式】，上述的【具体实施方式】仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
【主权项】
1.一种车辆质量判别方法，其特征在于，所述车辆质量判别方法包括如下步骤: 51、生产月为N月、销售月为N月至N+P月时，获取每个销售月的车辆销售台数、每个销售月对应的车辆未交付期间内的赔偿件数、每个销售月对应的在车辆销售后的第I个月内的赔偿件数、每个销售月对应的在车辆销售后的第I个月和第2个月之间的赔偿件数、…、以及每个销售月对应的在车辆销售后的第K-1个月和第K个月之间的赔偿件数； 52、计算车辆销售后K个月内所销售车辆的索赔发生率，设为KMIS，计算公式为: KMIS= (0)/(0)，*100% + ( 1)/(I)，*100%+...+ (Κ-1)/(Κ-1)，*100% + (Κ)/(Κ)，*100% ； 其中:(O)代表销售月为N月至Ν+3月时这四个销售月分别对应的车辆未交付期间内的赔偿件数之和，(O)’代表销售月为N月至Ν+3月时这四个销售月的车辆销售台数之和；(I)代表销售月为N月至Ν+2月时这三个销售月分别对应的在车辆销售后的第I个月内的赔偿件数之和，(I) ’代表销售月为N月至Ν+2月时这三个销售月的车辆销售台数之和；(Κ-1)代表销售月为N月和Ν+1月时分别对应的在车辆销售后的第Κ-2个月和第K-1个月之间的赔偿件数之和，(2)’代表销售月为N月和Ν+1月时的车辆销售台数之和；(K)代表销售月为N月时对应的在车辆销售后的第K-1个月和第K个月之间的赔偿件数，(3)’代表销售月为N月时的车辆销售台数； 53、依据KMIS的值来判断K个月内的车辆质量。2.根据权利要求1所述的车辆质量判别方法，其特征在于，所述车辆质量判别方法还包括如下步骤: 计算生产月为N月、在销售月为N月至Ν+Ρ月时的成熟度系数，设为(N+P)MF，计算公式如下: (N+P)MF=(N月销售台数+." + (Ν+Ρ-θ月销售台数)+0.75*(N+P-5月销售台数)+0.5*(N+P-4月销售台数)+0.25*(N+P-3月销售台数))/N月的车辆生产台数； 其中:P取大于等于6的自然数。
【文档编号】G06Q10/04GK105868838SQ201610032939
【公开日】2016年8月17日
【申请日】2016年1月18日
【发明人】陆明时
【申请人】深圳联友科技有限公司