[优秀毕业设计精品] 数学建模——售后服务数据的运用

《[优秀毕业设计精品] 数学建模——售后服务数据的运用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数学建模——售后服务数据的运用数学建模（论文）题目售后服务数据的运用计算机科学与工程学院信息安全专业摘要本文通过对“轿车某部件千车故障数的数据表”的考察与研究，对其中的数据特征作了详细分析，并利用数学工具剔除其中不合理的数据，最后根据数据特征建立了两种不同的预测模型，分别对3个批次的部件作了质量预测。本文所做研究的内容如下：1．通过对“轿车某部件千车故障数的数据表”的分析，找出该表中数据的特点，并作了理论分析。2．通过对数据的聚类分析修正的数据的有效性，利用线性回归分析对不合理数据进行了剔除。3．建立时序平滑预测模型，根据现有数据找出合适的模型并作出可用性分析。4．建立水平方向上的灰色

2、预测模型GM（1，1），根据聚类分析的结果进行预测。5．对上述两种模型进行求解，针对数据表中所出现的三种情况——充足数据、残缺数据、无数据，分别对其中三个批次的部件的质量使用不同的模型进行平滑预测。6．对充足数据进行Holt-Winters模型进行预测，对残缺数据和无数据情况经过聚类分析处理后进行灰色模型gm(1,1)的预测。最后，得出结果如下：0205批次使用月数18时的千车故障数：51.100306批次使用月数9时的千车故障数：8.970310批次使用月数12时的千车故障数：7.2227数学建模——售后服务数据的运用目录1.问题的提出与分析………………………………………………………

3、………………………41.1问题的提出………………………………………………………………………………..41.2问题的分析………………………………………………………………………………..52.模型假设………………………………………………………………………………………….63.数据分析……………..…………………………………………………………………………..63.1销售量数据分析…………………………………………………………………………..63.2故障数数据分析…………………………………………………………………………..73.3数据总体简单分析…………………………………………………………………

4、……..74.模型建立………………………………………………………………………………………….74.1时间序列平滑预测模型…………………………………………………………………..74.1.1移动平均预测法……………………………………………………………………74.1.2指数平滑预测法……………………………………………………………………84.1.3自适应过滤法………………………………………………………………………84.1.4Holt-Winters预测法………………………………………………………………...84.2灰色模型…………………………………………………………………………………..94.

5、2.1灰色理论及模型简介………………………………………………………………94.2.2水平方向的灰色预测模型………………………………………………………...114.2.3聚类分析原理……………………………………………………………………...124.2.4模型使用过程……………………………………………………………………...135.模型求解…………………………………………………………………………………………135.1充足数据………………………………………………………………………………….135.2残缺数据………………………………………………………………………................

6、145.3无数据…………………………………………………………………………………….166.结果分析…………………………………………………………………………………………177.优缺点分析………………………………………………………………………………………188.参考文献…………………………………………………………………………………………18附录………………………………………………………………………………………………….191．灰色模型Matlab源代码2．充足数据Holt-winters模型的原始数据与预测数据以及参数27数学建模——售后服务数据的运用1.问题的提出与分析1.1问题的提出：

7、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。现以某轿车生产厂家为例考虑这个问题。假设该厂的保修期是三年，即在售出后三年中对于非人为原因损坏的轿车免费维修。在全国各地的维修站通过网络将保修记录送到统一的数据库里面，原始数据主要包含哪个批次生产的轿车（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