基于售后索賠數據的汽車可靠性分析方法研究

于亞杰，胡建成，湛先好

（奇瑞汽車股份有限公司，安徽 蕪湖 241009）

前言

近年來，隨著可靠性理論應用的推廣，越來越多的企業致力于將可靠性理論應用于售后索賠數據分析，以期通過建立可靠性理論模型的方式找出其產品質量的薄弱環節和整車故障規律，進而更好的服務于產品質量提升。基于此，本文提出了利用Weibull++軟件進行售后索賠數據分析的方法。

1 售后索賠數據的特點及分析意義

售后索賠數據是目前絕大部分汽車主機廠進行質量分析的最重要信息來源，其具有以下幾個特點：

1）反映了真實的使用條件和環境下對產品的可靠性影響。

2）使主機廠可以更加清晰地了解其產品的真實可靠性表現。

3）在不增加額外費用的基礎上，可以從企業現有的保修記錄中獲得。

4）包含了客戶使用信息。

5）一種現成的“試驗”結果。

因此，對于汽車主機廠來講，售后索賠數據是其最為客觀也最易獲取的信息來源，通過對售后索賠數據的分析，企業可以：

1）了解產品可靠性現狀。

2）了解產品薄弱環節和潛在改進方向。

3）提升現有產品可靠性的決策依據。

4）考核供應商能力和問題所在。

5）為新產品可靠性設計提供現成的數據支持。

6）作為備件及保修策略制定的依據。

2 售后索賠數據可靠性分析的方法和步驟

近年來，隨著威布爾分布理論研究的深化和信息化的普及，Weibull++軟件成為可靠性和壽命數據分析領域的行業標準，該軟件提供了包括 Weibull分布的所有形式在內的一系列標準的壽命數據分析、繪圖和報表工具，為可靠性工程領域的統計分析提供了極大的便利[1]。下面以某車型（以下稱“*車型”）擔保期內的售后索賠數據為例，具體演示利用可靠性理論開展汽車售后索賠數據分析的步驟和方法。

2.1 確定分析對象及樣本說明

為方便對比，分別選擇2015、2016、2017每年上半年銷售的*車型為分析對象，其中2015和2016年上半年銷售的車輛使用均滿24個月，因此，以使用24個月為可靠性分析截止時間；2017年上半年銷售車輛使用均滿12個月，因此，以使用12個月為可靠性分析截止時間。

2.2 收集車輛銷售及售后索賠數據

從客戶服務部門獲取*車型分別在2015、2016、2017每年上半年銷售給最終客戶的銷量，并從質量信息系統導出這些車輛在使用24、12個月內出現的失效數據，統計結果見下表：

表1 車型不同時間段的銷量及失效數據統計表

2.3 分析樣本車輛使用率

因一般很難獲取所有已售車輛截止 24個月的行駛里程的完整記錄，因此，這里采取的辦法是根據已發生故障車輛的使用率情況，進行分析對象車輛的日均行駛里程的預測，進而測算使用12、24個月（即試驗截止）時的運行里程。

2.3.1 計算已發生故障車輛的日均行駛里程

計算方法：僅發生一次故障的車輛日均里程，按照發生故障時的里程除以運行天數計算；不僅發生一次故障車輛的日均里程取故障時間在 30天以上的每條故障發生時的運行里程除以運行天數的最大值取值，針對每條故障時間均小于30天的，那么，按照最近一次故障發生時間的運行里程除以運行天數計算。

圖1 車型已發生故障車輛的日均行駛里程分布

*車型已發生故障車輛日均里程計算結果為：所有已發生故障車輛的日均行駛里程平均值為 57公里，其中，約 80%車輛的日均里程集中在15-85公里，具體分布如圖1。

2.3.2 計算未發生故障車輛的日均行駛里程

針對未發生故障的車輛，假定這些車輛的日均行駛里程分布與已發生故障車輛的分布相同，且在單個分布區間內服從均勻分布，按此原則預測未發生故障車輛的日均行駛里程數據。

2.4 根據 Weibull++軟件的運算要求，整理進行可靠性運算用數據

汽車作為可維修性產品，其可靠性分析的指標包括：平均首次故障里程（MTTF）、平均間隔故障里程（MTBF）、可靠度（R）、失效率（S）、BX%壽命等[2]。因平均間隔故障里程計算過程復雜，因此，本文中暫不進行該指標的計算。利用 Weibull++軟件計算上述其它可靠性指標時需整理的基礎數據包括：

1）試驗期間內已發生故障車輛，從故障明細中篩選每輛車的首次故障，并記錄其首次故障里程。

2）試驗期間內未發生故障車輛，根據2.3.2的日均行駛里程計算其運行到試驗期末的行駛里程，若該計算值小于或等于6萬公里，那么取該值為刪失里程；若2年運行里程大于6萬，則取6萬為刪失里程（假定6萬公里為*車型的質保期）。

3 軟件運行及可靠性結果分析

根據以上兩步，將已發生故障車輛的首次故障里程標記為F，將未發生故障車輛的刪失里程標記為S，代入Weibull++軟件即可運行出平均首次故障里程、可靠度、不可靠度、失效率及 BX%壽命等可靠性指標結果。本例中*車型 2015、2016、2017每年上半年銷售車輛的可靠性指標運行結果對比如下附表2：

表2 可靠性指標對比

結果說明：

a該可靠性計算的數據基礎僅為車輛使用2年且運行里程在6萬公里以內發生的首次索賠數據，而根據車輛的時間運行情況看，大部分車輛運行2年里程一般為4萬左右，因此，上表中4萬公里以內的可靠性指標相對準確，4萬公里以上的指標為可靠性預測結果；

b預測的可靠度結果偏高，可能影響因素：客戶流失或部分故障不產生索賠原因，這里的失效信息可能不全；僅涵蓋運行2年的車輛，失效率仍未到達浴盆曲線底部。

下面分別從不同的可靠性指標表現對比*車型 2015、2016、2017三年的可靠性情況。

3.1 可靠度指標對比分析

通過三年的可靠度指標對比，如附圖2：5000公里以內時，2016年車輛的可靠度指標略好于2017年，2015年最差；10000公里以后，2017年車輛可靠度表現明顯好于2016年和2015年。

圖2 ＊車型3年的可靠度指標對比

3.2 BX指標對比分析

圖3 ＊車型3年的BX%壽命指標對比

通過三年的BX%壽命指標對比：2016年車輛的初期可靠性相對較好，前20%零件的失效里程高于其它兩年；從50%和63.2%車輛的失效里程看，15年、16年車輛相差不大，表明兩者的長期可靠性相差不大。

3.3 可靠度指標與千車故障數（IPTV）關系分析

絕大部分汽車主機廠都采用某段時間生產或銷售的車輛，在使用一定時間后，每1000輛車發生的故障數，即千車故障數（IPTV）指標作為對整車可靠性的主要評價依據，因此，為能通過本文的可靠性分析為各主機廠的IPTV指標預測提供參考，這里針對三年的車輛分別繪制可靠度與 IPTV對比的散點圖（見附圖4），散點圖趨勢顯示兩者負相關，且兩者擬合直線的擬合優度均在0.97以上，因此，可以得出結論IPTV與可靠度強負相關，企業可以根據可靠度分析結果進行IPTV趨勢的預測。

圖4 ＊車型3年的可靠度VS.IPTV

4 結語

本文是基于汽車售后索賠數據進行可靠性分析的初步探索，為汽車售后索賠數據分析提供一種新的思路和方法。但汽車作為可修復產品，平均間隔故障里程也是其可靠性評估方面的重要指標。因此，基于售后索賠數據的可靠性分析仍需進一步探索。