基于Fuzzy-AHP的汽车产品召回效果分析

2020-12-24刘青山兰凤崇董红磊陈吉清王俊峰

重庆理工大学学报(自然科学) 2020年11期

刘青山，兰凤崇，董红磊，陈吉清，王俊峰

（1.华南理工大学机械与汽车工程学院广东省汽车工程重点实验室，广州 510640；2.国家市场监督管理总局缺陷产品管理中心，北京 100101）

汽车召回作为国际通行的产品安全监管制度，是加强事中事后监管的重要举措。我国汽车召回制度实施15年来，消除了大量的安全隐患，维护了用户人身财产和社会公共安全，对企业实施技术改进和产品总体质量水平的提高起到了积极作用。召回效果评估是汽车召回实施与管理工作中非常重要的一环，生产者召回实施的有效性是评价召回制度性能的重要指标。面对日益增长的召回数量，如何有效监督和评价生产者的召回实施情况成为监管部门面临的新问题。召回立法虽已明确由监管机构组织与生产者无利害关系的专家对消除缺陷的效果进行评估，但缺乏理论指导和具体化、精细化的评估体系。

目前常用的综合评价方法［1］有层次分析法、模糊综合评价法、可拓综合评价法、数据包络分析法、TOPSIS、熵权法与人工神经网络评价法。层次分析法是一种被广泛应用的确定指标权重的方法，适用于定量、定性或定性定量相结合的决策问题。模糊综合评价法是以模糊数学为基础，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方法。可拓综合评价法偏向于从数量上刻画何时为两种性态的分界。数据包络分析法、TOPSIS和熵权法适用于多个评价对象之间的比较择优。人工神经网络评价法是用训练好的网络对输入数据给出评价结果的方法，但使用前需要大量的样本集数据对网络进行训练。结合上述方法和汽车召回事件的特点，召回事件中存在大量难以定量表述的属性，所以将模糊综合评价法与层次分析法结合，以改进后的AHP（Fuzzy-AHP）对汽车召回效果进行综合评价。

在过去的15年里，很多国内学者在汽车召回制度及其效果评估方面进行了研究。效果评估的视角较为多样化，包括研究汽车召回对社会带来的效益［2］，对汽车制造商召回主动度的预测［3］，研究汽车召回制度带来的市场价值［4］和对召回效果评估方法的建议［5］。而对汽车召回事件的综合评价［6-8］的研究较少。这些研究存在的普遍问题是二级指标考虑不全面且没有量化公式，使评价不具有可操作性。在进行效果评估时没有实例验证，不能验证模型的正确性，缺乏信服力。美国目前还没有对汽车召回效果评估方面的研究，但美国国家公路交通安全管理局（NHTSA）对召回完成率的预测问题进行了相关研究［9］。日本学者［10-11］对召回事件对企业价值的影响中关于召回申请的增加因素和降低对策的方向性做了相关研究。欧洲学者［12-13］研究了汽车安全召回的模式和趋势，以及自动驾驶技术对产品召回风险的影响。

综合以上分析可知，国内学者对汽车召回效果进行综合评价的研究中考虑到的因素较少，未涵盖汽车召回的全过程。国外学者更偏向于研究召回中某个因素的形成原因或造成的影响，没有从全局的角度对召回事件的影响进行研究。本文中将生产者、用户与监管部门3个相关方和召回对整个社会与市场的影响考虑进去，对23个二级指标中的13个进行量化，无法量化的指标采用专家打分的模糊评价法，旨在为主管部门有效监管汽车召回活动和生产者规范召回实施过程提供评价指南，确保生产者及时有效地规避缺陷产品引发的风险，落实产品安全责任。

1 缺陷汽车产品召回效果综合评价指标体系

缺陷汽车产品召回效果综合评价指标如表1所示。

表1 汽车缺陷产品召回实施效果评价指标

1.1 汽车产品召回效果评价指标确定

1.1.1 生产者P评价指标确定

生产者是汽车召回的责任主体，负责召回事件的实施。从生产者的角度考虑，召回过程分3个阶段，分别是召回准备、召回实施与召回善后。在召回准备方面，为了考察准备的效率与效果，有P1、P2两个二级指标，其中 P1包含 T1、T2和 T3三个三级指标。在召回实施方面，为了考察召回实施的效果，有P3、P4两个二级指标，其中 P3包含E1、E2和E3三个三级指标。在召回善后方面，为了考察召回事件的完成情况，有P5、P6、P7三个二级指标，其中P5包括r1、r2两个三级指标；P6包含A1、A2两个三级指标。由于是综合评价，不仅要考虑召回对三个相关方的影响，还要考虑汽车召回给社会和市场带来的影响。在P8方面，有R1、R2、R3、R4、R5五个三级指标；在市场影响方面，有P9这1个二级指标，而企业价值又包含了V1，V2，V3，V4，V5，V6，V7，V8八个三级指标。

1.1.2 用户U评价指标确定

用户是缺陷车辆的风险承担者与召回事件的受益人。从用户的角度考虑，用户参与的召回过程分为3个阶段，分别是缺陷投诉、等待召回、响应召回。在缺陷投诉方面，为了考察监管部门对用户U的重视程度，有U1这个二级指标与T4、A4两个三级指标；在等待召回方面，为了考察生产者与监管部门进行召回准备的效率，有U2这个二级指标与T5这个三级指标；在响应召回方面，为了考察召回程序及服务的情况，有U3、U4两个二级指标与 T6、A3、A5三个三级指标，其中 U3包含 C2这个三级指标。为了考察召回事件对用户带来的影响，U5包含了B1，B2，B3三个三级指标；U6会影响今后的购车方向，也会对汽车市场产生影响，所以也作为1个二级指标。A3、A4和A5从属于二级指标U7，T4、T5和 T6从属于二级指标 U8。

1.1.3 监管部门S评价指标确定

监管部门S负责监督生产者P及时进行召回，使其更好地完成召回任务。从监管部门的角度考虑，其对召回的影响有3个阶段，分别是投诉处理、缺陷调查与召回监督。从投诉处理方面，为了考察监管部门对缺陷信息的处理效率，有S1这个二级指标与T7这个三级指标；从缺陷调查方面，为了考察缺陷调查的情况，有S2这个二级指标与T8、T9两个三级指标，其中S2包含C3、C4两个三级指标；从召回监督方面，为了反映召回事件的实施情况，有S3、S4与S5三个二级指标，其中S3包含A6、A7两个三级指标。T7，T8和 T9从属于二级指标S6。

1.2 评价指标关键影响因素分析

在生产者的各个指标中，P5作为最重要的指标之一，代表着有多少比例的缺陷车辆被召回，该指标直接决定召回效果的优劣。但P5可能受多种因素的影响，包括需召回缺陷车辆的数量n3、车辆使用年限t2、生产者的类型、召回类型和缺陷车辆品牌等。接下来通过统计已提交召回总结报告的551起召回活动，分析影响召回完成率的关键因素。

P5与n3的关系如图1所示。P5随着n3的增加而降低，在n3≤50万辆时，P5下降趋势不明显，在n3＞50万辆后才有相对明显的下降趋势。在n3＞50万辆的召回事件中，绝大多数事件是因为“高田气囊”事件，受影响车辆的使用年限大部分超过10 a，这是真正导致r2中值有明显下降的因素。这说明P5对n3并不很敏感，即n3并不是影响P5的关键因素。

P5与t2的关系如图2所示。P5随着t2的增加而降低，使用年限在7 a以内时，P5下降缓慢。而在7 a以后，P5急剧下降。这是因为随着汽车的使用，车辆有可能会被偷盗、转卖或报废。这些情况的出现会让生产者通过经销商向用户发出召回通知时无法联系实际车主。随着t2的增加，上述情况更加严重，成功通知车主的概率越来越低。无法通知到实际使用的车主导致无法进行召回操作。r2明显低于r1，说明生产者考虑不充分。据Stout Risius Ross，Inc.统计，美国3 a以内车辆的r2在80%～90%，3～5 a的 r2在50%～80%，5 a以上r2小于50%。据汽车制造商联盟数据显示，10 a以上车辆的r2为15%，与我国统计数据基本一致。因此，P5对t2的变化十分敏感，即t2是P5的关键影响因素。

P5与生产者类型、召回类型的关系如图3所示。从生产者的类型和召回类型看，国产车辆的P5略好于进口车辆，合资品牌的r2中值较高，自主品牌的r2均值较高；是否受调查影响对P5影响不大，主动召回的r2略高。这说明P5对两者的变化并不是很敏感，即生产者的类型与召回类型并不是影响P5的关键因素。

P5与车辆品牌的关系如图4所示。从缺陷车辆品牌看，各品牌车辆的P5相当。意大利品牌的r2中值最高，这是因为意大利品牌的汽车都是高端跑车，在中国售出的数量很少，不具有参考性。以色列品牌的r2均值较高，但是这类汽车的数量较少，价格高昂，也不具有参考性。在销售量较大的车辆品牌中，各品牌的r2差异不大，因此P5对车辆品牌的变化并不很敏感，即车辆品牌并不是影响P5的关键因素。

从以上分析可知，对P5有重大影响的因素为t2，需召回缺陷车辆的数量n3、生产者的类型、召回类型和缺陷车辆品牌等对P5影响较小。

1.3 评价指标关键影响因素系数确定

结合常识可知，缺陷综合风险水平等级Li越高的车辆需要的召回率也越高，所以t2和Li是影响r2的关键因素。分析这2个因素对P5的影响。由于r2与Li呈正相关、与t2呈负相关，所以构造式（1）对r1进行评价，以考察生产者P对召回完成率设置是否合理。

式中：μ是缺陷车辆服役时间系数；δ为缺陷综合风险水平等级系数。由于Li有5级，分别为低L1、较低 L2、中 L3、较高 L4和高 L5，根据 GB/T 34402—2017对相应Li的风险控制措施，令Li的系数 δ分别对应为 0.96、0.98、1、1.02和1.04。汽车的风险严重等级判定标准参阅文献［14］。根据缺陷产品管理中心提供的r2统计数据可以计算出对应t2的系数 μ，r2与 t2相关事件统计如表2所示。

根据表2将t2划分为5部分，求出不同时段t2所对应的r2，以这些数值作为r2评价值A评分的及格线。根据专家讨论确定t2对应A为满分的P5，t2与不同A值对应的r2如表3所示。

表2 r2与t2相关事件统计

表3 t2与不同A值对应的r2

根据式（2）（3）计算出不同t2对应的μ值。

式中：i=1，2，j=1，2，3，4，5；r2ij为表 3中第 i行，第j列的r2；μij为第i行，第j列的r2对应的μ。得到t2与不同A值对应的μ，如表4所示。

表4 t2与不同A值对应的μ

将Li为高时的δ=1.04代入表4中的公式，并取两者中的较大值可得t2对应的系数μ分别为0.99、1.10、1.29、1.77和 3.14。

1.4 汽车产品召回各指标的权重确定

评价模型的层次结构如图5所示。模型中各指标的权重值均通过层次分析法中的特征向量法求解，并通过一致性检验，得到的各指标重要性权重评价结果如表5所示。

2 汽车产品召回各项指标数值的确定标准

2.1 P、U、S各项定性指标确定标准

对于只能定性评价的指标采用专家打分法。评语论域为｛很好，较好，一般，较差，差｝，对应的分值为v=｛Ⅴ Ⅳ Ⅲ Ⅱ Ⅰ｝。

P中的定性指标有P6、P8、P9。U中的定性指标有 U4、U5、U6、U7。S中的定性指标有 S1、S5。

表5 各指标重要性权重评价结果

2.2 P各项指标的确定标准

设定量指标的计算结果为x。x≥9，8≤x＜9，7≤x＜8，6≤x＜7，x＞6对应的评价等级分别为Ⅴ、Ⅳ、Ⅲ、Ⅱ、Ⅰ。对于可以量化的指标，在此给出公式进行计算。

2）P2

P所发动的汽车召回是否包括所有缺陷车辆：是表示等级为Ⅴ，否表示等级为Ⅰ。

3）P3

E1表示召回实施后，缺陷是否再次发生或产生新的缺陷，否表示等级为Ⅴ，是表示等级为I。E3表示召回实施后，缺陷是否引发其他非缺陷质量问题，否表示等级为Ⅴ，是表示等级为I。E2根据P对经销商的召回实施情况抽查判断：

式中：n1为P抽查的经销商数量（个），不少于召回涉及经销商总数量的10%；n2为抽查合格的经销商数量（个）。

式中：C1为此次召回事件花费的经济成本（万元）；n3是需召回缺陷汽车的数量（万辆）。

式中：A为r1的打分，按式（1）计算；B为 r2与 r1的比值。

6）P7

生产者P是否在规定时间内完成预定的召回计划：是，即不延期则等级为Ⅴ；否，即延期则具体评价等级按延期月份数t3确定。当t3为1～2、3～4、5～6和＞6时，对应的评价等级分别为Ⅳ、Ⅲ、Ⅱ和Ⅰ。

2.3 U各项指标的确定标准

1）U1

式中n4为S收到的U投诉数量（件）。

式中i1为车主通知成功率。

2.4 S各项指标的确定标准

式中：si为第i次提交阶段性报告的及时率；ti6为P第i次提交阶段性报告的日期与应提交日期的工作日之差。设s为提交被认可的召回总结报告的及时率，若召回总结报告在完成召回计划后的15个工作日内提交，s值为10，超出则为0。

式中n为P提交阶段性报告的次数。

式中c4为S对违法的P进行罚款的金额（万元）。

3 汽车缺陷产品召回实例分析

3.1 案例信息

某汽车有限公司在2018年9月向缺陷产品管理中心备案了1起召回信息，部分召回信息见表6。

表6 某汽车有限公司某召回事件信息

3.2 各项指标数值的单属性隶属度评价

在得到案例信息后，为获得各属性的评价等级，邀请10位专家对模型中的定量指标进行打分，最后收集到各个指标构成的评价等级集的隶属向量。以“A1”的等级隶属度评价结果为例，［0，0.5，0.3，0.1，0.1］表示“A1”这项指标被评为“很好”这一等级的概率为0，意味着没有专家认为此次召回事件特别令人满意。同理，即50%的专家认为比较满意，30%的专家认为一般。应用这种方法对模型中的所有指标进行隶属度评价，得到各评价指标隶属于评价等级的测度值，见表7。表7中要素层各指标的括号内数字为该指标的权重。