论文部分内容阅读
汽车作为消费产品,质量是决定其成功与否的关键。顾客对于汽车质量的认知过程是由对主观质量的感知开始的。为了保证生产过程能够如实地将设计意图转化为产品主观质量属性以满足顾客需求,各汽车厂商都开发出各自的主观质量评价体系,这些主观质量评价体系有不同的特点,导致这些评价体系在适用范围和评价效果上存在差异。由于各种原因,我国自主品牌厂商普遍存在混合使用多种主观质量评价体系的情况。在实际生产过程中,不同的主观质量评价体系难免出现评价结果不一致,甚至不同体系间评价结果互相矛盾。本文旨在建立一套方法体系,以提高不同质量评价体系间的相关性和可诊断性。为了达到以上目标,本文主要进行了以下研究工作:(1)对现有的几个典型主观质量评价体系,包括AUDIT、GCA、VES进行了深入的调研。通过研究发现,现有的主观质量评价体系各自有不同的优点和缺点,存在一定互补性,综合使用这些评价体系将提高主观质量评价体系的效能。(2)针对AUDIT-GCA评价体系在综合使用时存在的不一致性,本文使用AHP-TOPSIS方法对AUDIT和GCA体系进行了改进。首先根据AHP方法的分层思想,统一AUDIT和GCA体系的评价对象;在此基础上,使用AHP方法使AUDIT和GCA体系的评价尺度趋于一致;最后,使用改进的AHP-TOPSIS方法得到AUDIT和GCA评价体系的归一化的评价结果。(3)针对AUDIT-GCA评价体系间可诊断性弱的问题,本文使用BP神经网络对AUDIT和GCA评价对象间的传递关系进行了建模。以归一化的AUDIT和GCA的评价结果作为网络的输入与输出,使用历史质量评价数据对BP神经网络进行训练。通过使用神经网络模拟而得的缺陷和诊断集合建立了线性的诊断模型模型。(4)最后,本文将以上方法应用到主观质量评价体系与客观评价体系之间的相关性分析中,对实际案例进行了研究分析,验证了上述方法的可行性。