汽车售后服务故障件管理及数据挖掘技术应用研究

论文摘要

随着汽车行业竞争的日趋激烈,汽车制造企业通过提高产品质量赢得客户忠诚度的同时,更加注重对汽车提供的售后服务,售后服务已经成为企业赢得客户忠诚度和取得利润的主要来源。汽车售后服务故障件管理是汽车售后服务系统的子系统,本课题以中小型汽车制造企业为研究对象,结合某汽车制造企业（下文简称目标企业）信息化过程中对故障件管理的需求,分析了故障件管理业务及业务流程;建立了故障件管理功能模型;根据功能需求、用户的信息环境及计算机应用的特点,进行了体系结构设计;建立了基于ASP平台的系统体系结构模型、功能部署模型以及数据库概念模型和逻辑模型;详细描述了系统主要功能模块的功能实现;实现了可配置的数据交换系统。随着故障件信息化管理的实施,企业希望从故障件信息中发现规律（即知识的发现）以支持企业决策。通过查询统计功能只能发现故障件信息中的表层知识,论文根据企业对故障件管理知识发现的需求,使用数据挖掘技术发现故障件信息中的知识以达到支持企业决策的目的。选择以“服务站费用分析”为主题,采用BP神经网络算法对服务站服务费用进行深度分析辅助服务站稽查人员对服务站进行稽查以加强对服务站的监控。选择以“车型故障分析”为主题,首先应用K-means聚类分析技术对车辆行驶里程与车辆使用时间进行量化处理,然后结合FP-Growth关联规则算法挖掘隐藏在故障件信息中的知识支持企业营销决策。这些技术的应用对于故障件管理的科学性具有重要意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景
• 1.2 课题来源及研究现状
• 1.2.1 课题来源
• 1.2.2 研究现状
• 1.3 选题的意义
• 1.4 课题的主要内容和工作
• 1.5 论文结构
• 第二章 汽车售后服务故障件管理分析
• 2.1 维修作业流程
• 2.2 业务分析
• 2.3 功能建模
• 2.4 本章小结
• 第三章 汽车售后服务故障件管理设计
• 3.1 总体架构设计
• 3.2 功能体系设计
• 3.2.1 汽车产业链协作ASP平台故障件管理模块设计
• 3.2.2 企业内部模块设计
• 3.3 数据库设计
• 3.3.1 概念数据库模型
• 3.3.2 逻辑数据库模型
• 3.4 关键技术
• 3.4.1 数据交换技术
• 3.5 主要功能模块时序图
• 3.5.1 自动生成旧件台账时序图
• 3.5.2 旧件台账管理时序图
• 3.5.3 服务站旧件盘点时序图
• 3.5.4 服务站金额盘点时序图
• 3.6 本章小结
• 第四章 数据挖掘技术在故障件管理中的应用
• 4.1 问题的提出
• 4.2 企业故障件数据挖掘目标分析
• 4.3 总体方案设计
• 4.4 数据挖掘的数据来源
• 4.4.1 基于数据仓库的数据挖掘
• 4.4.2 基于ODS的数据挖掘
• 4.4.3 基于逻辑数据仓库的数据挖掘
• 4.5 数据来源分析
• 4.5.1 基于“服务站费用分析”的数据挖掘分析
• 4.5.2 基于“车型故障分析”的数据挖掘分析
• 4.5.3 数据来源解决方案选择
• 4.6 相关数据挖掘算法
• 4.6.1 BP神经网络算法
• 4.6.2 K-means聚类分析技术
• 4.6.3 FP-Growth关联规则算法
• 4.7 主题相关参数选取
• 4.7.1 “服务站费用分析”参数选取
• 4.7.2 “车型故障分析”参数选取
• 4.8 数据抽取、清洗、转换
• 4.8.1 “服务站费用分析”数据抽取、清洗、转换
• 4.8.2 “车型故障分析”数据抽取、清洗、转换
• 4.9 “服务站费用分析”实现
• 4.10 “车型故障分析”实现
• 4.10.1 K-means聚类分析算法实现
• 4.10.2 FP-Growth关联规则算法实现
• 4.11 数据挖掘在故障件管理中的应用结果分析
• 4.11.1 “服务站费用分析”数据挖掘结果分析
• 4.11.2 “车型故障分析”数据挖掘结果分析
• 4.12 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果