Insights

        不同产品的特性也会衍生不同的保修数据内容，例如iPhone保修数据的结构就明显与大型发动机设备的保修数据不同。不同企业相关保修数据的采集与应用目的也会有所差异。保修数据是对现有产品及新产品进行有效的保修管理的必需资料，基本上可以分为服务与补充数据两大类别。

➤

服务数据（warrantyclaimdata）:

        在保修期内，从索赔过程和维修服务中采集的数据，数据可从售后保修系统中获取。服务数据又称保修申索数据，常见的保修数据是含实际售后保修服务的活动纪录，包含维修作业、失效零件、缺陷位置、失效原因、失效地点、以及客户申请的保修行为及保修费用等。

        来自生产组织内部或外部所获取的数据，包含来自设计、研发、生产、市场等，以及来自供应商或其他地方等外部数据，包含出货数量、产品规格与物料表（BOM）、供应商资讯等。

        透过保修数据及补充数据的采集与分析，可以了解产品失效的模式，进而建立可靠度建模，更可以做有效管理，分析其与预期可靠度的差异并进行改善。

        数据品质对后续保修统计分析及可靠度判定关联性相当大。在数据描述与分析方法开始应用之前，须仔细检查数据的正确性，且是符合研究目标开展的原则。数据初步检查的目的在于核实数据来源，是否包含指定的变数、度量单位，同时删除或纠正明显的错误，汇整出完整数据结构。

➤

数据检核：

        对于出现异常值或异常结果，就应针对缺失数据做检查。异常数据对于处理保修申索数据的分析特别重要。服务数据因来源与系统差异，经常杂乱无章容易出错，如何采集数据，对数据做适当的分析，其关键在于对数据结构的理解。保修申索或其他的补充数据要分析出完善的数据集就必须检查是否为最新且完整性的数据。

         企业采集的保修数据，主要以包含产品的销售日期与失效时间所属的结构一，和以离散时间间隔内的失效总数的结构三为主。

        以产品编号或特定序号进行保修纪录为主。多应用在高价产品的维修历程，了解产品失效的次数与状况，借此估算平均失效时间。表2 为基本结构一数据范例，其中失效时间也可为其他变数，如公里数，使用次数等等。重点在记录产品使用多久后产生失效，最适用于估计失效分布、可靠性、风险函数和相关函数。

➤

结构三（Structure III Dat）:

        如表3，依产品销售或生产时间，记录个别产品的失效次数有效比较不同批次产品在客户使用端的品质变化。可应用于大批量产品保修数据追踪，计算保修申请率（warranty claim rate, WCR）以及品质改善的依据，同时也可计算出产品使用多久后产生失效。为简化计算，假定销售与生产时间间隔不大，可了解产品生产时间与工作时间的关系。

        合适的分析方式取决于分析目的与数据结构，确认数据结构后，首先要定义采集数据的区间，透过设定的周期，让系统自动采集数据来做分析。保修作业也会依客户的保修合约条件有所差异，退回维修、换货或按比例退款等。这些都会影响保修数据采集与可靠度建模的假设。