基于保修数据的汽车初次故障时间监控方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-12页 |
| 1.1.1 保修与保修数据 | 第9-10页 |
| 1.1.2 保修数据分析 | 第10-11页 |
| 1.1.3 早期缺陷预警问题 | 第11页 |
| 1.1.4 统计过程控制理论 | 第11-12页 |
| 1.2 论文的主要工作和创新 | 第12-13页 |
| 1.3 论文的内容安排 | 第13-14页 |
| 第二章 保修数据与可靠性基础 | 第14-25页 |
| 2.1 汽车保修数据分析基础 | 第14-17页 |
| 2.1.1 汽车寿命周期 | 第14-16页 |
| 2.1.2 汽车保修过程 | 第16-17页 |
| 2.1.3 保修数据特征 | 第17页 |
| 2.2 可靠性理论基础 | 第17-21页 |
| 2.2.1 可靠性的定义 | 第17-18页 |
| 2.2.2 故障模式分类 | 第18-19页 |
| 2.2.3 威布尔分布模型 | 第19-21页 |
| 2.3 控制图基础 | 第21-24页 |
| 2.3.1 控制图原理 | 第21-23页 |
| 2.3.2 控制图的两类误判 | 第23页 |
| 2.3.3 控制图的平均运行长度 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 汽车的寿命分布参数估计 | 第25-37页 |
| 3.1 参数估计概述 | 第25-26页 |
| 3.2 威布尔分布的参数估计方法 | 第26-32页 |
| 3.2.1 极大似然估计法 | 第26-27页 |
| 3.2.2 矩估计法 | 第27-28页 |
| 3.2.3 最小二乘估计法 | 第28-29页 |
| 3.2.4 贝叶斯估计法 | 第29-30页 |
| 3.2.5 人工神经网络估计法 | 第30-32页 |
| 3.3 参数估计实例分析 | 第32-36页 |
| 3.3.1 极大似然估计算法实施 | 第33-34页 |
| 3.3.2 神经网络估计算法实施 | 第34-35页 |
| 3.3.3 两种参数估计法对比实例 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 汽车保修数据分析模型 | 第37-44页 |
| 4.1 保修数据分析的建模方法 | 第37-39页 |
| 4.2 CUSUM控制图 | 第39-41页 |
| 4.2.1 传统CUSUM控制图 | 第39-40页 |
| 4.2.2 基于似然比的CUSUM控制图 | 第40-41页 |
| 4.3 EWMA控制图 | 第41-43页 |
| 4.3.1 传统EWMA控制图 | 第41-42页 |
| 4.3.2 EWMA CEV控制图 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 汽车初次故障时间监控实例 | 第44-52页 |
| 5.1 数据实验方法 | 第44-46页 |
| 5.1.1 实验一参数设定 | 第45页 |
| 5.1.2 实验二参数设定 | 第45-46页 |
| 5.2 实验结果及分析 | 第46-51页 |
| 5.2.1 实验一结果及分析 | 第46-49页 |
| 5.2.2 实验二结果及分析 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结和展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 发表学术论文与参加科研情况 | 第58-59页 |
| 已发表和待发表的学术论文 | 第58页 |
| 参加科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |
