基于RVM的汽车服务商维修服务质量评价方法

doi:10.3969/j.issn.1006-2475.2017.11.013

计算机与现代化

基于RVM的汽车服务商维修服务质量评价方法

(西南交通大学信息科学与技术学院，四川成都 610031)

收稿日期:2017-07-04 出版日期:2017-11-21 发布日期:2017-11-21
作者简介:石昀(1986-)，男，湖北黄冈人，西南交通大学信息科学与技术学院硕士研究生，研究方向：人工智能，机器学习，分布式数据处理; 楼新远(1963-)，男，浙江萧山人，副教授，硕士生导师，研究方向：分布式处理; 曾明华(1965-)，女，四川遂宁人，副教授，硕士生导师，研究方向：新能源汽车; 吴艳如(1992-)，女，山东菏泽人，硕士研究生，研究方向：人工智能，机器学习，分布式数据处理。
基金资助:
国家科技支撑计划项目(2015BAF32B05); 四川省科技支撑计划项目(2015GZ0076)

Evaluation Method of Automobile Maintenance and Service Quality Based on Relevance Vector Machine

(School of Information Science and Technology, Southwest Jiaotong University, Chengdu 610031, China)

Received:2017-07-04 Online:2017-11-21 Published:2017-11-21

摘要/Abstract

摘要： 针对汽车制造企业旗下服务站(4S店)维修服务质量业务综合绩效考核的实际需求，利用相关向量机理论模型算法，实现汽车服务商维修服务质量评价。相关实验表明采用相关向量机用作汽车服务商维修服务质量评价效果优于传统人工神经网络、支持向量机、深度神经网络等算法。该评价方法提高了故障处理的有效性、及时性和满意度，为汽车制造厂售后服务部遴选优质服务商，为客户提供契合故障原因的特性服务商提供参考。同时，更加全面、更加细致地进行了评价指标的选取，使得评价模型更有利于实际生产应用。

关键词: 评价方法, 汽车售后服务, 维修服务质量, 相关向量机

Abstract: Aiming at the real performance appraisal requirement of comprehensive performance evaluation for maintenance and service quality at service stations (including 4S shops) which belong to automobile manufacturing enterprise, we use the relevance vector machine theoretical model algorithm to implement the evaluation of maintenance and service quality. Relevant experiments show that the relevance vector machine is better than the traditional artificial neural network, support vector machine and depth neural network for the evaluation of service quality of automobile service providers. This evaluation method improves the validity, timeliness and satisfaction of the fault treatment, and provides a good service provider for the after-sales service department of the automobile manufacturer. It provides a reference for the customers who are in good agreement with the cause of the failure. At the same time, the selection of evaluation indexes is more comprehensive and detailed, which makes the evaluation model more conducive to practical production applications.

Key words: evaluation method, automobile after-sales service, maintenance service quality, relevance vector machine

中图分类号:

TP391

石昀，楼新远，曾明华，吴艳如. 基于RVM的汽车服务商维修服务质量评价方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.11.013.

SHI Yun, LOU Xin-yuan, ZENG Ming-hua, WU Yan-ru. Evaluation Method of Automobile Maintenance and Service Quality Based on Relevance Vector Machine[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.11.013.

参考文献

[1] 李文洁. 论中国汽车工业的发展[J]. 中国科技博览, 2014(18):257.

[2] 智研咨询. 2016-2022年中国汽车市场运行态势及投资战略研究报告[DB/OL]. http://www.chyxx.com/research/201604/407912.html, 2016-04-20.

[3] 李红,朱建平. 综合评价方法研究进展评述[J]. 统计与决策, 2012(9):7-11.

[4] 李斌勇,孙林夫,田冉. 基于SaaS的汽车产业链云服务平台多联盟考核体系[J]. 计算机集成制造系统, 2014,20(11):2882-2892.

[5] Peng J. Research on the optimization of green suppliers based on AHP and GRA[J]. Journal of Information and Computational Science, 2012,9(1):173-182.

[6] 方春明,孔繁森,隽志才. 基于模糊综合评判与灰色关联分析的汽车工业第三方物流服务商评价指标体系[J]. 吉林大学学报(工学版), 2009,39(S1):133-137.

[7] 谢春,李健. 中国特色新型工业化评价指标体系构建及实证分析[J]. 系统工程, 2011,29(3):74-80.

[8] Martorell-Cunill O, Gil-Lafuente A M, Salva A S, et al. Non-equity agreements in the hospitality industry: Analysis from the perspective of the forgotten effects[M]// Soft Computing in Management and Business Economics. Berlin: Springer, 2012:269-285.

[9] Vapnik V N. The Nature of Statistical Learning Theory[M]. New York: Springer, 1998.

[10] Tipping M E. Sparse Bayesian learning and the relevance vector machine[J]. The Journal of Machine Learning Research, 2001,1:211-244.

[11] Bishop C M, Tipping M E. Variational relevance vector machines[C]// Proceedings of the 16th Conference on Uncertainty in Artificial Intelligence. 2000:46-53.

[12] Meng Qinrong. Evaluation of residential loan by combining RVM and logistic regression[C]// Proceedings of the 2011 International Conference on Management and Service Science. 2011.

[13] Gholami B, Haddad W M, Tannenbaum A R. Relevance vector machine learning for neonate pain intensity assessment using digital imaging[J]. IEEE Transactions on Biomedical Engineering, 2010,57(6):1457-1466.

[14] 甘旭升,端木京顺,高建国. 基于相关向量机的飞行安全评价方法[J]. 中国安全生产科学技术, 2012,8(12):143-148.

[15] 赵春晖,张燚. 相关向量机分类方法的研究进展与分析[J]. 智能系统学报, 2012,7(4):294-301.

[16] 王继龙. 基于优化相关向量机的财政支出项目绩效评价[J]. 项目管理技术, 2015,13(1):31-36.

[17] 戚叔林,刘焰. 汽车维修服务[M]. 北京:人民交通出版社, 2010.

[18] 梁宜平. 汽车维修服务质量评价研究[J]. 黑龙江交通科技, 2015(1):181-182.

[19] 朱杰,胡玮祎. 汽车维修服务质量评价指标分析和评价体系研究[J]. 湖北工业大学学报, 2007,22(5):88-91.

[20] 仇春灵. 汽车维修服务质量评价研究[D]. 武汉:武汉理工大学, 2009.

[21] Goodfellow I, Bengio Y, Courville A. Deep Learning[M]. 北京:人民邮电出版社, 2017.

[22] Le Q V, Ngiam J, Coates A, et al. On optimization methods for deep learning[C]// Proceeding of the 28th International Conference on Machine Learning. 2011:265-272.

[23] 姚景新. 深度神经网络算法在尾矿库安全评价中的应用研究[D]. 杭州:浙江工业大学, 2015.

[24] 刘金硕,张智. 一种基于联合深度神经网络的食品安全信息情感分类模型[J]. 计算机科学, 2016,43(12):277-280.

基于RVM的汽车服务商维修服务质量评价方法

Evaluation Method of Automobile Maintenance and Service Quality Based on Relevance Vector Machine

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 6

编辑推荐

Metrics

本文评价

[1]	李军锋，顾滨兵，李海浩. 软件测试质量评价方法[J]. 计算机与现代化, 2018, 0(09): 38-.
[2]	曲晓燕1，张勇亮2，吕晓峰1，马羚1. 基于模糊粒度相关向量机的缓变故障参数区间预测[J]. 计算机与现代化, 2017, 0(8): 5-.
[3]	张勇亮1，李国林1，林珍玉1，李高扬2. 一种基于粒度相关向量机的故障预测方法[J]. 计算机与现代化, 2016, 0(9): 91-95+99.
[4]	陈景柱. 布谷鸟优化混合核相关向量机的网络流量预测[J]. 计算机与现代化, 2015, 0(5): 94-97.
[5]	苏乐群，冯爱民. 代价敏感相关向量机[J]. 计算机与现代化, 2015, 0(2): 19-.
[6]	陈志伟;胡治国;. IP网络语音质量评价方法研究[J]. 计算机与现代化, 2013, 1(2): 185-188.