[发明专利]基于售后大数据的预见性质量问题预防发生方法

说明书

本发明公开了一种基于售后大数据的预见性质量问题预防发生方法，包括如下步骤：S1，通过网联模块T‑BOX获取整车工况数据，并将其上传到大数据平台进行存储；S2，通过大数据平台海量数据分析，筛选出特征信息，并且通过特征数据搭建故障样本模型；S3，通过云平台收集车辆数据，依据建立的预警分析模型，对售后车辆数据进行匹配确认，从而确认售后车辆是否具有该故障风险；S4，通过批次确认与循环监控，确认实际风险，再通过搭建好的预警机制，通知售后市场进行提前围堵，确保车辆的稳定运行。本发明通过网联设备抓取售后车辆数据信号，通过这些信号提取出特征信息，与对应的预警模型进行匹配，使用数据分析模型对车辆早期风险进行预警。

技术领域

本发明涉及一种汽车智能网联技术、大数据分析以及预警模型建立，尤其是涉及一种基于T-BOX抓取的售后大数据--预见性平台质量预防发生方法。

背景技术

在大数据时代，信息技术与汽车诊断分析的融合越来越密切，大数据分析与预见性模型已成为主流趋势，无论在提高车辆诊断效率,还是提供优质的客户服务方面，均发挥了不可忽视的重要作用。在现实情况下，很多汽车电子元器件问题在爆发初期，就已经具有很明显的模型特征：如馈电、联网异常、胎压丢失等问题。以往对于这些问题，往往是故障发生之后，顾客再进站进行检修，并且需要多次往返维修站才能解决问题。

而如果能在这些问题给客户造成实际影响前，进行提前预警与防护解决，防止问题扩大化与严重化，无论是对企业以及用户都是最好的解决方案。

发明内容

本发明针对现有技术不足，提出一种基于售后大数据的预见性质量问题预防发生方法，通过网联设备抓取售后车辆数据信号，通过这些信号提取出特征信息，与对应的预警模型进行匹配，使用数据分析模型对车辆早期风险进行预警。

本发明采用的技术方案：

本发明基于售后大数据的预见性质量问题预防发生方法，通过网联模块T-BOX获取整车工况数据，并将其上传到大数据平台进行存储；通过大数据平台海量数据分析，筛选出特征信息，并且通过特征数据搭建故障样本模型。

同时通过网联设备抓取售后车辆数据信号，通过这些信号提取出特征信息，与对应的预警模型进行匹配。根据符合度进行车辆状态的预警。

可以提前对车辆故障进行风险预警，在发生实际故障前通知经销商与客户对问题进行围堵解决，确保车辆稳定安全的运行。

本发明采用基于云端大数据搭建的模型，通过云平台收集车辆数据，针对海量的数据设定筛选条件。通过海量数据分析，筛选出特征数据，并且通过特征数据搭建故障样本模型。

在搭建好故障风险模型之后，对售后车辆数据进行匹配确认，从而确认售后车辆是否具有该故障风险；通过批次确认与循环监控，确认实际风险，再通过搭建好的预警机制，通知售后市场进行提前围堵，确保车辆的稳定运行。

如图1、图2所示，其工作原理：通过大数据平台海量数据分析，筛选出特征信息，并且通过特征数据搭建故障样本模型。而后依据建立的预警分析模型，对数据进行规整分类，初步筛选出存在故障风险的车辆数据；筛选出风险批次数据后，再对具体数据进行车辆状态分析；通过和故障模型进行类似度匹配，确认是否存在故障还是客户操作问题等其他情况；并同步分析存在故障车辆的问题根本原因，针对可能性的原因制定围堵措施与解决方案；在围堵措施完善后反馈给售后经销商，在问题发生前对问题进行围堵，从而形成一个完整的闭环控制链，达到提前预防与稳定管控的效果。

发明有益效果：

1、本发明基于售后大数据的预见性质量问题预防发生方法，采用汽车网联技术，通过T-BOX抓取的售后大数据，进行大数据分析提取特征信息，建立预警模型，通过网联设备抓取售后车辆数据信号，通过这些信号提取出特征信息，与对应的预警模型进行匹配。根据符合度进行车辆状态的预警。提前对车辆故障进行风险预警，在发生实际故障前通知经销商与客户对问题进行围堵解决，确保车辆稳定安全的运行。