基于汽車維修數(shù)據(jù)的預(yù)測模型(最終修改版)-全文預(yù)覽
【正文】 （ 圖二）在制表方式上，表中給出的銷售量都是制表時的銷售量，而不同批次的整車或部件的銷售時間是不相同的，我建議制表時應(yīng)給出經(jīng)過相同時間后各整車或部件的銷售量，這樣也與維修次數(shù)的制表方式相呼應(yīng)，而且有利于評價不同批次的整車或部件的質(zhì)量優(yōu)劣，方便公司針對產(chǎn)品的質(zhì)量狀況做出相應(yīng)的調(diào)整措施。（3）對于0310批次的轎車出現(xiàn)的千車故障數(shù)，根據(jù)所給出的數(shù)據(jù)，若用多項式很顯然使用月數(shù)12時的千車故障數(shù)為 0， 這顯然是不合理的。如果得出現(xiàn)階段生產(chǎn)的部件質(zhì)量不高，則我們可以通過對該部件的生產(chǎn)環(huán)節(jié)進行質(zhì)量控制，使該部件的質(zhì)量合格率得以提高，還可以對該部件生產(chǎn)流程中的原料供應(yīng)環(huán)節(jié)、質(zhì)量檢驗環(huán)節(jié)、人員管理等方面加以控制，提高汽車部件的質(zhì)量。特別是對于完全缺省的數(shù)據(jù)，方案二中是利用的多項式擬合來確定回歸曲線中的系數(shù)，為進一步使得預(yù)測合理化，我們還可以將前十組完整的數(shù)據(jù)得到的曲線作加權(quán)平均法，為使得擬合的總誤差最小，來確定各曲線的權(quán)系數(shù)，從而轉(zhuǎn)化成最優(yōu)化問題的求解。對配件的運送可以建立多目標規(guī)劃模型，求得滿足各維修站對配件需求的情況下，使運輸費用最小。 具體做法如下： 對0201到0210批次的出現(xiàn)的千車故障數(shù)都單獨進行三次多項式擬合 （） ③對于0310批次我們同樣用三次多項式進行擬合，于是需要確定多項式的系數(shù)，可以取平均值法 = 問題2模型的求解 （1）對于0205批次的轎車出現(xiàn)的千車故障數(shù)，用MATLAB軟件求解①式得：=0205批次的轎車使用月數(shù)為18時的千車故障數(shù)為：用MATLAB出的擬合圖如下（2）用MATLAB做最小二乘擬合求出系數(shù) GM(1,1)灰色微分方程的時間響應(yīng)序列為[]+，取，則（）+，還原值用MATLAB做最小二乘擬合求出系數(shù) 序號原始數(shù)據(jù)模擬數(shù)據(jù)殘差相對誤差1 25 3 4預(yù)測0306批次使用月數(shù)9時的千車故障數(shù)為： （3） 用MATLAB對0201到0210批次的數(shù)據(jù)進行三次多項式擬合對10組擬合后的三次多項式系數(shù)取平均值，作為總體的系數(shù)，所得： =0310批次使用月數(shù)12時的千車故障數(shù)為：用MATLAB做出的模擬圖如下：方案二 .1問題2模型的建立及求解 由于表中的數(shù)據(jù)存在一定的偶然性，不妨將表中數(shù)據(jù)移動平均法進行數(shù)據(jù)的預(yù)處理，考慮到數(shù)據(jù)的缺失，我們只做三項的平均，其具體做法是:對該批次的數(shù)據(jù)做如下處理，對表中0、2月的數(shù)據(jù)求平均，結(jié)果放到1月對應(yīng)的表中，3月的數(shù)據(jù)求平均，結(jié)果放到2月對應(yīng)的表中，以此類推，將112月的數(shù)據(jù)求平均，結(jié)果放到11月對應(yīng)的表中，數(shù)據(jù)經(jīng)過這樣處理之后，數(shù)據(jù)雖然減少了兩個，但在一定程度上減少了數(shù)據(jù)的偶然性因素。GM(1,1)模型原始數(shù)據(jù)：累加之后的數(shù)據(jù)： 其中 ，取臨近平均值之后的數(shù)據(jù)：其中 =+GM(1,1)的灰微分方程模型為
高考資料相關(guān)推薦
鄂ICP備17016276號-1