[发明专利]一种基于蒙特卡洛仿真和网格搜索法的汽车二维质保策略的优化方法

说明书

一种基于蒙特卡洛仿真和网格搜索法的汽车二维质保策略的优化方法，包括以下步骤，(1)搜集汽车现场数据，确定汽车基准使用率，建立二维质保期内汽车期望故障模型；(2)对目标用户群体开展市场调研，构建用户群体的使用率分布函数，根据市场调研，构建产品需求量关于二维质保中时间限制W和累计使用量限制U的预测模型；(3)根据二维质保期内汽车期望故障模型、使用率分布函数和预测模型，建立基于制造商利润的二维质保设计策略优化模型；(4)确定最优二维质保策略设计方案。

技术领域

本发明属于汽车二维质保设计领域，具体涉及一种基于蒙特卡洛仿真和网格搜索法的汽车二维质保策略的优化方法。

背景技术

近年来，随着居民长途出行的需求增加及生活水平的日益提高，汽车产品的需求量也在日益增长。消费者在选购汽车时，需要考虑的因素很多，主要包括汽车品牌、汽车外观、价格等，除此之外，汽车质量与可靠性也是消费者考虑的重点因素。由于消费者缺乏产品的专业知识与相关产品的使用经验，制造商为汽车设置的二维质保期大小成为消费者对于产品质量的参考依据。在其余条件不变得情况下，质保时间长，累计驾驶里程高的产品会获得更大的需求量。制造商为了提升旗下汽车产品的市场竞争力，需要制定合适的二维质保策略以在产品销量与单位产品的边际利润之间寻找最优的平衡关系。

蒙特卡洛(Monte Carlo)方法，又称随机抽样方法，发明于上世纪40年代，属于计算数学的一个分支。传统的经验方法对真实世界中许多场景不能准确表达，难以得到满意的结果，所以该方法应运而生。该方法是一种以概率统计理论方法为基础的计算方法，其特征是通随机生成随机数的方法，对复杂的系统或过程进行描述，通过使用随机数来解决许多数学计算问题。使用蒙特卡洛仿真方法是一种实验性质的方法，其核心原理是大数定律，当问题是需要确定某事件发生概率或计算某个随机变量的期望值时，可以通过设计随机数实验的方式来获得事件发生概率或计算期望值，以获得问题的解。蒙塔卡洛仿真的主要步骤分别为1)对概率过程进行构造与描述；2)对已知概率分布进行抽样；3)计算估计量。

网格搜索法是一种在机器学习中经常使用的最优化算法，网格搜索法是一种对指定参数模型进行遍历的穷举搜索算法。网格搜索的含义是将指定范围内的连续变量离散化，按设置好的网格密度(或称为步长)划分为有限个变量取值，然后分别将变量的当前取值代入模型中，计算此时的目标函数值。该方法适用于变量较少的优化问题，通常变量的数量不宜过多，变量数过多会导致组合爆炸，使算法的时间复杂度呈指数上升。

发明内容

针对以上不足，本发明所要解决的技术问题是提供一种基于蒙特卡洛仿真和网格搜索法的汽车二维质保策略的优化方法，通过本优化方法对二维质保设计方案进行优化，提高制造商的期望利润。

为解决以上技术问题，本发明采用的技术方案是，

一种基于蒙特卡洛仿真和网格搜索法的汽车二维质保策略的优化方法，包括以下步骤，

(1)搜集汽车现场数据，确定汽车基准使用率，建立二维质保期内汽车期望故障模型；

(2)对目标用户群体开展市场调研，构建用户群体的使用率分布函数，根据市场调研，构建产品需求量关于二维质保中时间限制W和累计使用量限制U的预测模型；

(3)根据二维质保期内汽车期望故障模型、使用率分布函数和预测模型，建立基于制造商利润的二维质保设计策略优化模型；

(4)确定最优二维质保策略设计方案。

进一步的，步骤(1)还包括以下步骤，

(1.1)搜集汽车现场数据，确定汽车的基准使用率大小，采取加速寿命试验对汽车在不同使用强度下的故障次数及首次故障发生时间和累计使用量进行统计；

(1.2)：对实验数据进行分析，建立二维质保期内汽车期望故障次数关于汽车使用时间和汽车使用强度之间的函数模型；