基于贝叶斯网络的计算机硬件保修成本分析

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 104-106.

基于贝叶斯网络的计算机硬件保修成本分析

解晶，何桢，冯楠

天津大学管理学院，天津 300072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-21 发布日期:2007-08-21
通讯作者: 解晶

Analysis of warranty cost for computer hardware based on Bayesian networks

XIE Jing，HE Zhen，FENG Nan

School of Management，Tianjin University，Tianjin 300072，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-21 Published:2007-08-21
Contact: XIE Jing

摘要/Abstract

摘要： 提出了一种基于贝叶斯网络的计算机硬件保修成本分析模型。随着计算机硬件厂商保修过程的进行，该保修成本分析模型能够利用不断更新的数据对保修成本进行动态分析，确定故障源并采取适当的应对措施降低保修成本。经实践检验，在厂家保修过程中引入该分析模型能够及时地发现硬件质量问题，达到降低保修成本提高利润的目的。

关键词: 贝叶斯网络, 计算机硬件, 保修成本, 故障源

Abstract: A analysis model of warranty cost for computer hardware based on Bayesian networks is presented in this paper.Using new project data obtained from the warranty process of computer hardware manufacure，it can carry through dynamic analysis of warranty cost ，identify sources of mulfunction，and take proper measure to reduce warranty cost.Practice proves that the model is capable to detect problem of hardware quality in time，and achieve the purpose of reducing warranty cost and maximizing profit.

Key words: Bayesian networks, computer hardware, warranty cost, sources of mulfunction

解晶，何桢，冯楠. 基于贝叶斯网络的计算机硬件保修成本分析[J]. 计算机工程与应用, 2007, 43(24): 104-106.

XIE Jing，HE Zhen，FENG Nan. Analysis of warranty cost for computer hardware based on Bayesian networks [J]. Computer Engineering and Applications, 2007, 43(24): 104-106.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[4]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[5]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[6]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[7]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[8]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[9]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[10]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[11]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[12]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.
[13]	高学攀，廖士中. 基于贝叶斯网络的林火概率预测系统设计与实现[J]. 计算机工程与应用, 2017, 53(13): 246-251.
[14]	刘飞飞，蔺婧娜，刘潇潇. 基于动态贝叶斯网络的复杂网络攻击方法研究[J]. 计算机工程与应用, 2017, 53(11): 18-25.
[15]	杜元伟1，石方园2，杨娜2. 融合专家相对推断的贝叶斯网络构建方法[J]. 计算机工程与应用, 2016, 52(22): 105-112.