【摘要】：现在， 可以利用所建立起来的模糊模型来对召回累积概率进行预测， 比如某一种汽车可能存在缺陷， 出现缺陷投诉数量为70， 缺陷严重性为A， 而相关车辆发生碰撞次数为0次，6次起火事故，8人受伤， 0人死亡。而且用此预测模型可以给所发生的汽车投诉事件按照预测概率的高低进行排序， 因此， 可以有效地指导政府的行为。
现在， 可以利用所建立起来的模糊模型来对召回累积概率进行预测， 比如某一种汽车可能存在缺陷， 出现缺陷投诉数量为70， 缺陷严重性为A， 而相关车辆发生碰撞次数为0次，6次起火事故，8人受伤， 0人死亡。 利用潜在事故风险模型进行预测， 如图6.18所示。
图6.18 模糊模型的实例的潜在事故风险评价
进而， 再进行事故后果风险模型预测， 结果如图6.19所示。
可见， 潜在事故风险为 “很严重”， 而事故后果风险为 “不严重”，则进行召回概率预测。 代入缺陷召回概率和缺陷事故关联模型中进行运算， 得到如图6.20所示结果。
图6.19 模糊模型的实例的事故后果风险评价
图6.20 关联模型的召回概率预测结果
可见， 召回的累积概率为0.65， 属于可能性很大的情况， 即当汽车投诉的数量为70， 缺陷的严重性为A时， 出现了起火事故6起， 有8人受伤的情况下， 召回发生的可能性很大。
从上面的召回概率等级预测模型来看， 此模型极其简单方便， 且所使用的数据来源于庞大的历史数据库， 具有一定的代表性和准确性。 而且用此预测模型可以给所发生的汽车投诉事件按照预测概率的高低进行排序， 因此， 可以有效地指导政府的行为。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
