汽车质量是汽车企业的核心竞争力,随着互联网的发展,在线用户投诉文本蕴含着大量可挖掘的信息,能够及时有效地反映汽车的质量问题,可以利用其进行汽车质量监控及早期预警,降低企业的召回成本和声誉损失。本文应用Python爬取车质网(全国...汽车质量是汽车企业的核心竞争力,随着互联网的发展,在线用户投诉文本蕴含着大量可挖掘的信息,能够及时有效地反映汽车的质量问题,可以利用其进行汽车质量监控及早期预警,降低企业的召回成本和声誉损失。本文应用Python爬取车质网(全国汽车消费者投诉受理处置服务平台)中的用户投诉数据并处理,融合词频-逆文档频率(TF-IDF)算法、关联规则和专家经验挖掘汽车质量缺陷主题。以汽车月销售量为协变量建立零膨胀泊松回归模型。应用基于Van der Waerden和Klotz检验的Lepage型统计量构建非参数残差控制图对提取的缺陷主题频数进行检测和预警,从而实现对于汽车质量的动态监控。最后以华晨宝马汽车为应用场景,使用本文提出的方法,针对2010-2021年宝马3系在线投诉进行分析和监控,验证了本文方法的可行性与有效性,为汽车企业改进汽车质量提供建议和参考,优化质量管理过程。展开更多
文摘汽车质量是汽车企业的核心竞争力,随着互联网的发展,在线用户投诉文本蕴含着大量可挖掘的信息,能够及时有效地反映汽车的质量问题,可以利用其进行汽车质量监控及早期预警,降低企业的召回成本和声誉损失。本文应用Python爬取车质网(全国汽车消费者投诉受理处置服务平台)中的用户投诉数据并处理,融合词频-逆文档频率(TF-IDF)算法、关联规则和专家经验挖掘汽车质量缺陷主题。以汽车月销售量为协变量建立零膨胀泊松回归模型。应用基于Van der Waerden和Klotz检验的Lepage型统计量构建非参数残差控制图对提取的缺陷主题频数进行检测和预警,从而实现对于汽车质量的动态监控。最后以华晨宝马汽车为应用场景,使用本文提出的方法,针对2010-2021年宝马3系在线投诉进行分析和监控,验证了本文方法的可行性与有效性,为汽车企业改进汽车质量提供建议和参考,优化质量管理过程。
