轻型汽车技术2020(11-12)使用与维修53使用与组腊
使用与维修
李龙来
(南京依维柯汽车有限公司）
摘要：为解决企业现有的汽车维修数据统计方法在统计售后百辆车故障数 及单车赔偿费用时存在偏差、无法准确跟踪质量改进效果的问题，在对比分析原有
统计方法、结果的基础上，结合企业实际情况和需求，对售后维修数据统计方法进
行改进：将车辆销售数量折算成满足统计时长的当量销量，进行售后百辆车故障数
及单车赔偿费用统计，同步改进零部件售后故障率的统计方法，以满足企业对售后
维修数据的分析要求，提高质量管理水平。
关键词：F100维修数据统计方法
1引言
随着汽车行业的发展，经销商管理系统D M S (Dealer M anagement System)越来越成熟、完善，它 包含了汽车的销售、维修、配件和服务信息。汽车 销售后，生产厂家根据国家法律法规要求实施车 辆三包，三包期内车辆的每个故障维修记录，维修 站会被要求录人DMS，生产厂家专人对录入信息 审核、审批后，有效维修记录保存在系统中。车辆 维修记录既是汽车生产厂家向维修站支付维修费 用的依据，也是生产厂家获取车辆质量信息的主 要渠道。自维修数据采用DMS管理以来，对售后 维修数据的统计分析越来越得到汽车厂家的重 视，以此来了解产品质量水平和确定产品质量改 进方向。对售后数据的分析会根据需要采取不同 的方法，如按照维修时间开展售后故障、费用统 计，按照销售时间开展售后故障、费用统计等，大 部分企业通常按照车辆制造时间，来统计车辆售 后质量水平的两个重要衡量指标：千辆车或百辆 车故障数及单车赔偿费。
应用
2售后维修数据分析的目的和意义售后维修数据分析在加强企业产品质量管理、实现产品质量提升、降低质量成本、提高用户 满意度等方面具有重要意义。
2.1能够较为全面地跟踪汽车售后各阶段质量 水平及质量趋势
车辆销售后，在使用的不同时间段里会发生 各种故障，企业可以根据需求，在不同的时间段进 行售后维修数据分析，可以统计车辆售后1个月，2个月，3个月，甚至对三包期内的每个月进行统 计分析，以了解车辆的售后质量状况。考虑到实际 情况，一般会跟踪车辆在售后3个月、6个月、9个 月、12个月的质量表现。
对产品售后质量状况，每个月进行统计分析，每个月的质量状况做成趋势线，能反映出各月份 制造的产品售后质量水平的趋势。也可以按照年 度，与往年同期制造的产品质量水平相比较，分析 同期产品的售后质量水平好坏。
2.2能够预测产品质量水平
54 使用与维修轻型汽车技术2020(11-12)
车辆早期(如售后3个月）的质量水平在车辆 制造后较短时间内可以统计出来，但如果想了解 车辆销售较长时间的质量水平时，需要等待的时 间较长，可以借助对3个月、6个月的售后质量水 平分析，对售后9个月、12个月的质量水平进行预 测。
2.3能够及时实施产品质量改进
产品质量改进，是车辆制造企业的日常质量 活动，只有产品质量的不断提升，才能提高顾客满 意度。
当产品质量出现问题或波动异常时，需要对 异常状况进行分析，采取有效措施实施改进。精确 的售后数据分析，有助于快速发现影响质量水平 的主要因素，及时实施改进，减少用户抱怨。
奇瑞v5报价3原有的售后维修数据统计分析方法
3.1计算方法
3.1.1百辆车故障数及单车赔偿费用的计算
在计算售后百辆车故障数及单车赔偿费用时，按照同一制造月份的车辆作为统计对象，统计 其在售后使用了一段时间的质量水平。售后使用 时长，通常把1个月作为一个周期，用M IS(Month In Service)来表Z T C，如车辆售后使用时长3个月，则用@3MIS来表示，售后使用了12个月用@12MIS来表示。
企业原来在计算售后百辆车故障数时，计算 式为：售后百辆车故障数=车辆维修故障数/车 辆销量x 100。统计的“车辆维修故障数”为同一个 制造月份生产的车辆在售后统计时长内发生的故 障，在统计作为分母的“车辆销量”时，直接采用了 到统计时间该月制造车辆的销售数。
雷克萨斯 跑车某汽车厂在2019年1月份生产1933台汽 车，在统计售后12个月百辆车故障数时，车辆已 销售1909台，到维修站共计维修故障2036个，则 百辆车故障数为
2036/1909 x 100=106.65
3.1.2售后零部件故障率的统计
零部件售后故障率=零部件售后故障数/零 部件装车数x 100%，计算时没有剔除未销售车 辆，使计算结果较实际水平低。
3丄3统计优点
这种方法维修故障数和车辆销量数易于取 得，计算方便，统计结果反映的是同一个月份制造 的产品的质量水平。
3.1.4统计缺点
不能精确反映产品质量水平。因同批次车辆 不能实现同时销售，有的车辆达不到统计需要的 销售使用时长，如在统计售后12个月质量水平 时，有的车辆仅销售使用了几个月甚至更短，达不 到售后12个月，造成统计结果偏差，影响分析。特 别是销售使用时长很短的车辆，作为一台车辆纳 人计算，容易引起计算结果的较大偏差。
4新的统计方法及其应用
4.1需要解决的问题
根据对原有统计方法进行分析，统计使用的 车辆销量存在问题，将车辆销售使用时长没有达 到统计时长的车辆也作为1台车辆进行计算，致 使车辆销量无形之中被增大，造成统计的结果存 在偏差。要保证售后数据分析的准确性，需要解决 销量统计存在的问题。
4.2新的统计方法
为解决车辆销量统计缺陷问题，对不满足统 计要求时长的车辆，按照销售时间，对数量进行折 算，即把销售时长达不到统计时长的车辆，折算成 满足要求的车辆数，把折算出的车辆销量，称之为 当量销量，根据当量销量计算出的百辆车故障数F100(Failures on 100 units)。
单台车的当量销量计算方法：
y=|x x(d«T，当 d>T时,y=x)(D
汽车新三包法轻型汽车技术2020(11-12)
使用与维修55
表1
售后数据统计
序号销售天数
实际销量
当量销量故障数 (360天内）
备注
1171=17/360X 1^0.0512811=81/360X 1^0.232382
4
=82/360X 4^0.91
4511231=112/360X 31^9.6417
67
35811=358/360X 11^10.9425
8>360105*********
超过360天的每
辆车算1台；超出 360天的维修故障
不纳入计算
合计19091705.902036
式中y ：当量销量
d ：销售时长(天）
T ：统计的售后使用时长(天），如统计售后
1个月，T 取30；统计售后3个月，T 取90，统计售 后12个月，为方便统计,T 取360
x ：销售了 d 天的车辆数
多台车的总当量销量计算见式(2):
式中Y ：总当量销量
d ：销售时长(天）
T ：统计的售后使用时长(天），如统计售后
1个月，T 取30；统计售后3个月，T 取90，统计售 后12个月，为方便统计，T 取360
x ：销售了 d 天的车辆数 X :d >T 的车辆数
售后12个月的百辆车故障数F 100计算见式
Z
统计月份!W iS 的
车后-12个月内发；fe 的故障数
y
统计月份制造的车辆售后12个月的当量销量
100
(3)
(3)：
同样，售后12个月的单车赔偿费用见式(4):
c 〇l , e
x
««
=~
进口poloE 统计月份制造的车辆售后12个月的当量销量~
(4)
为了统计的数据满足可信度要求，要求实际 销量大于产量的25%。某企业制造的车辆，在次月 底累计销量能达到25%以上，故在进行售后质量 水平统计时，采取需统计的售后时长加2个月，如 2019年1月制造的车辆在2020年3月1日后可
计算售后12个月的质量水平。
某汽车生产厂,2019年1月生产1933台车， 在统计车辆售后12个月百辆车故障数F 100时, 已实现销售1909台，统计数据如表1。
则售后12个月F 100:
F 100@12M IS =2036/1705.90 x 100= 121.52 在售后维修数据统计时，仅将在统计时长内 的维修故障频次及费用，统计时长之外的不纳人 统计，如在统计售后12个月的数据时，车辆在售
后12个月之后发生的维修数据不纳人统计。
当量销量，是动态数值，车辆销售后，在不同
56 使用与维修轻型汽车技术2020(11-12)
图1售后12个月百辆车故障数新旧方法统计结果对比
图2 售后12个月百辆车故障数对比
的时间统计时，使用时长不一样，当量销量不同，直到全部满足统计时长才稳定。
经过与原方法对比，售后百辆车故障数波动 幅度降低(如图1)，统计结果得到优化，统计方法 满足了企业现有分析要求，且采用当量销量的计 算方法也相对简单，人工也能够方便地借助EXCEL等工具 ，根据需要进行更细致的手工计算。4.3新方法的应用
4.3.1产品售后质量水平统计和分析
通过对比分析，采用当量销量计算售后百辆车故障数的方法，能够较精确地统计FIOOXPV，且对几年的产品售后质量水平，开展同期对比。某 企业2017年以来制造的车辆售后12个月的 F100(图2)。同样也可对CPV进行作图分析。4.3.2产品售后质量水平预测
产品销售后，想了解使用了较长时间的质量 水平并查故障形成原因，如果只是等待使用时 间达到要求再进行统计分析，往往因信息滞后，错 过了改进机会。在车辆无异常故障发生时，车辆的上海国际车展
售后质量水平相对比较平稳，根据产品早期质量
轻型汽车技术2020(11-12)使用与维修57
水平，可对后期质量水平进行一般预测。可利用趋 势图分析来达到预测的目的：通过售后3个月来 预测售后6个月质量水平，通过售后6个月质量 水平来预测售后12个月质量水平。
某企业产品售后3、6、9、12个月的售后质量 水平关系如图3。
如图3所示，对于2019年10月及之前，3M IS 和6MIS的F100实际值均已存在，将2019年10 月份(含10月份）向前6个月，即自2019年5月份起的6个月的6MIS、3MIS的F100实际值分别 进行加权平均并相除，得到一个大于1的比值，称 为放大系数，即3MIS的F100乘以放大系数后，即可得到6MIS的F100预测值（一般取4-6个月平 均比值，月份过少，易出现放大系数受F100异常 而波动较大，月份过多，系数过于平稳而不灵敏)。同样，可以通过6个月或9个月的F100，预测售 后12个月的F10(^ CPV也可同样进行预测。
4.3.3售后零部件故障分析和质量改进
企业原来在计算装车的零部件故障率时，采 用的是售后故障零部件数量/装车数量x100%，未考虑所装配的车辆是否销售，是否达到故障里 程或损坏时间点，造成制作的趋势图在靠近统计曰期的故障率非常低，不能判断零部件质量状况 的变化。
汽车降价信息理想的零部件售后故障统计时，装车车辆需 要达到故障发生时间或里程之后，因里程数目前 尚不具
备跟踪条件，故通常按照售后使用时长来 进行统计，可以直接采用当量销量作为车辆销量 来计算零部件售后故障率，即零部件的售后1100=统计期内售后零部件故障数/统计期内的 整车当量销量x 1〇〇。
每个月对售后维修数据统计时，将售后零部 件F100按照数值大小进行排序，对TOP F100、CPV零部件，及时开展故障原因分析，实施质量改 进，如表2。
借助零部件F100趋势图，可直观地观察零部 件的售后质量状况，对发现的异常，及时组织分 析，实施质量改进，并跟踪改进实施后零部件的 F100水平，以验证改进效果。图4中，零件A售后 F100数值较高，经2018年4月份实施改进后,5 月份开始逐步趋于稳定；零件B，在发现F100异 常升高后，从2018年6月份起，数个措施逐步实 施后,F100逐步趋于正常；零件C，自2018年8月份开始,F100逐步升高，
需要实施质量改进。
发布评论