汽车市场故障监控IT自动化的应用范文

本站小编为你精心准备了汽车市场故障监控IT自动化的应用参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：汽车的质量关乎口碑和销量甚至影响品牌的形象，如何能尽快的发现批量问题进而快速解决是汽车生产厂一定要面对的问题。本文对目前汽车市场故障监控方式存在的弊端进行分析，提出解决方案即故障监控自动化，对如何构建自动化底层模型进行深入分析，对开发故障模式词库、构建筛选器进行探讨。

关键词：自动化；故障；探索

1汽车市场故障监控目前存在的问题

目前各大汽车公司售后监控故障方面，售后质量分析人员都会从系统上获取成千上百的抱怨信息，按照不同车型、不同零部件、不同故障模式三个层级进行分类汇总。针对批量故障问题发送质保部门推进生产改进。目前的监控方式存在以下几个问题。

1.1监控周期长，不能及早识别问题

由于汽车厂丰富的车型布局、巨大的产销量，导致质量问题的规模也是较大的，由于人员以及监控方式的限制，想要完全将所有车型所有故障模式的市场情况监控一次的周期大约为一个月，这也就造成了批量问题不能及时发现，如下示意图从出现批量问题（绿色箭头）到发现批量问题延迟了2周的时间，如果能提前2周甚至更早发现问题就可以更早去解决问题，进而减少问题车辆的生产，降低索赔成本，提高产品质量，见图1。

1.2无法实时掌握故障发展趋势、整体规模

质量问题出现后，还要知道问题在市场中的增长趋势和整体规模，以便分配资源处理更严重的问题。要想知道一个问题的变化趋势或规模，只能根据需求由工作人员通过excel表格自动统计，不能实时掌握其动态，工作效率极低。

1.3人工进行“故障模式”的筛选，消耗大量时间

大多数厂家的现状都是只能统计到零部件层级，这就需要人工进行故障模式的分类，同一车型、同一零件、同一故障模式的故障达到一定数量后即定义为批量问题，显然这一过程耗时、耗力、耗成本。针对上述存在的问题，提出将IT自动化应用到汽车故障监控领域。

2搭建IT自动化底层模型

为将IT自动化在故障监控领域真正发挥出其优势和作用。特此需要解决以下三个问题：如何让系统拥有结构化的数据；如何计算这些数据；计算的结果如何使用。

2.1数据基础结构化

结构化的数据对系统是有好的，基层数据结构化有2种途径：①建立故障模式词库。优势是定义故障全面准确、只需要一层选择即可，简单不易出错、可以随时更新故障模式库；缺点是需要人工定义故障模式词库并更新、需要管理经销商填报。②语义识别智能分词。优点适用于完全非结构化的CRM/PR/12365等数据；缺点是需要人工定义大量汽车维修相关的专业字典供机器使用，且需要不断迭代，目前分词效果不理想。因此，本文选择第一方式。

2.2监控方式。

建立筛选器，筛选器需要具备以下3种监控方式：问题识别、趋势预警、阀值预警。所谓问题识别指的是能够自动识别批量质量问题并报警,计数方式遵循厂家监控原则，即出现了同一车型同一零件同一故障模式多少例之后，即认定为批量质量问题。所谓趋势预警，通过计算短时间段增长率的方式实现突增预警，加快解决问题。所谓阀值预警指的是，同问题识别类似但主要针对大批量问题。

2.3通知方式

通过后台数据的维护定点发送邮件通知相应的质量分析人员，并告知某车型、某零件、发生了某故障模式多少例达到了批量问题或增长趋势达到了XX%或故障总量达到了多少例，请及时关注。

3IT自动化模型的具体设计

3.1故障模式词库开发

故障模式词库：是指“故障代码”和“故障模式”的对应关系数据库。包含3个主要字段：故障代码、故障模式代码、故障模式名称。故障模式代码为4位数字以便系统处理。针对汽车各个系统故障率相对较高的零件，建立相应的故障模式词库，由经销商在建单时，在系统里选择相应故障模式。故障模式词为中文名以便经销商选择，词库是可以随时更新的，见表1。

3.2筛选器的结构

筛选器从8个数据维度筛查所有数据，包括：车型、KD码、零件号、故障模式代码、措施VIN、诊断地址码、诊断故障码、诊断症状码。从这8个维度去筛查数据，能够准确锁定同一车型在同一时间段内同一零件发生同一故障模式下的频率。

3.3筛选器监控规则

趋势预警，增量时段为多少个周，连续多少个周每周数量增量都达到XX%以上，进行趋势预警，如示意图2。

4IT自动化监控的优势

4.1提早发现问题降低索赔成本

采用IT自动化后，大大提早发现问题，减少生产故障车辆，降低索赔，保证产品质量，提高品牌口碑。

4.2精准返件，降低返件成本

返件系统可以由原来的参照故障代码返件，转换成参照故障模式返件，减小不必要的返件，降低成本。

4.3提高系统的精准度

故障监控层级精确到故障模式之后，对于后期的数据分析多形式展示报告生成以及大数据应用搭建了坚实的基础。

作者：庞佳帝 单位：一汽大众汽车有限公司