基于模糊AHP的汽車再制造企業技術體系研究

張洪浩，詹長書，陳佳璐，儲江偉

(東北林業大學交通學院，哈爾濱150040)

1 研究目的與方法

1．1 研究目的

據統計，造成環境污染的70%廢棄物來自于制造業的排放，每年約產生55億t無害廢物和7億t有害廢物。目前，汽車保有量急劇增加，截至2014年底，我國汽車保有量新增1 707萬輛，目前全國機動車保有量達2．64億輛，其中汽車1．54億輛，以5%的報廢率計算，將有約800萬輛汽車報廢。這些報廢產品引起的生態環境與資源問題日趨嚴重。汽車再制造及再利用已引起專家和學者們的廣泛關注［1-4］。

目前，國外再制造企業發展已有較大規模，美國、日本等國家高度重視再制造產業帶來的經濟和環境效益，技術水平也處于領先地位，已成為獨具特色的新興產業。而我國作為“世界制造中心”，在面臨自然資源匱乏、環境污染嚴重的情況下，再制造產業發展卻較為遲緩，技術發展落后，故需加快再制造產業的發展步伐。完善的汽車再制造企業技術體系對于再制造技術的發展至關重要，進而直接影響著國內再制造業的發展，故汽車再制造企業技術體系的評估和完善顯得尤為重要［5-6］。

層次分析法(AHP)［7-8］是將定性與定量分析相結合的系統分析方法，主要步驟包括明確問題、建立層次分析結構模型、構造判斷矩陣、層次單排序和層次總排序。模糊層次分析法(FAHP)在此基礎上做出了兩點改進:一是通過元素的兩兩比較，構造模糊一致判斷矩陣;二是由模糊一致矩陣表示各元素相對重要性的權重［9］。AHP方法在模糊環境下的擴展使其成為解決復雜系統分析中不確定性問題的有力工具。

1．2 研究方法

本文對汽車再制造企業的發展模式進行綜述;通過FAHP分析方法，將設計技術、生產過程技術和技術管理作為評價指標，以原始設備再制造模式和獨立再制造模式為分析目標，評估汽車再制造企業技術體系中各影響因素的重要度，科學分析影響汽車再制造企業發展的關鍵技術指標，并對研究結果進行總結分析，為我國汽車再制造企業技術發展方向的確定奠定理論基礎。

2 汽車再制造企業技術指標

2．1 汽車再制造企業運作模式

目前，汽車再制造企業多數采用以下4種運作模式:

(1)原始設備再制造模式，即所謂的OEM模式。它是“生產者責任制”的直接形式，屬于集中型再制造運作模式。該模式便于制造商對產品全生命周期進行管理，保證再制造產品的質量一致性，且技術實力雄厚、管理經驗豐富。但投資規模大，再制造企業數量少，回收物流半徑大。

(2)獨立再制造模式，即與OEM制造商無任何關系，不經過OEM授權便對其產品進行再制造，屬于離散型再制造運作模式。該模式再制造的品種多，批量大，規模效益高;資源利用率較高;再制造成本低，價格優勢明顯。但在政府管理體系及知識產權體系尚不完善的情況下，易產生知識產權糾紛和市場混亂。

(3)OEM服務的承包性再制造模式，即再制造企業由OEM以外的企業進行投資，與OEM企業之間屬于合同關系。該模式下，整車廠通過授權其他再制造企業達到間接履行生產者責任的目的，降低了自身投資風險，且可通過建立再制造技術研發企業，通過技術標準來控制產品的質量。但該模式也需要完善的政府管理體系加以支持。

(4)聯合再制造模式，即OEM授權承包再制造商，而承包再制造商通過自身進行再制造生產、向獨立再制造采購再制造產品的形式來進行生產的模式，通過充分的市場競爭機制，實現分工的細化，降低全社會廢舊汽車產品回收物流半徑，把不確定性風險充分分散，利用社會最優勢資源進行再制造的生產，以獲得最佳的經濟效益和社會效益。

2．2 技術指標確定

完善的汽車再制造企業技術體系，是加快汽車再制造企業穩定快速發展的基礎，是提高規模效益，增強資源利用率的重要保障。汽車再制造企業技術是多層次的動態系統，涉及的因素較多、結構復雜，只有從多個角度和層面來設計指標體系，才能準確地反映真實的影響程度。

依據汽車再制造企業發展的內涵，參考以往企業技術評估的經驗，構建其技術體系的層次結構圖。其具有3個層次:目標層，準則層和因素層。

如圖1所示，目標層(G)是汽車零部件再制造企業發展(G1);標準層是設計技術(C1)，生產過程技術(C2)和技術管理(流通技術)(C3)。設計技術包括2個因素，即再制造設計(F1)和市場策略(F2);再制造過程技術包括拆解技術(F3)，清洗技術(F4)，檢驗技術(F5)，修復技術(F6)，加工技術(F7)，裝配技術(F8)和測試技術(F9);技術管理包括人才培訓(F10)，標準制定(F11)，質量認證(F12)，信息管理(F13)，回收網絡(F14)和銷售模式(F15)。

3 評價模型的建立

AHP［10-11］是由美國運籌學家、匹茲堡大學T．L．Saaty教授于20世紀70年代初提出，是一種定性和定量相結合的、系統化、層次化的簡便、靈活而又實用的多準則決策方法。但其在客觀表現事物自身的復雜性和人的思維判斷等方面的局限性。FAHP是一種較好的多屬性決策方法，目前，在FAHP理論方法和應用方面已取得了不少進展［12-17］。現結合上述評價指標體系，建立其FAHP評估模型。評價因素層次結構如圖1所示。

圖1 評判因素層次結構圖Fig．1 Hierarchy diagram of evaluation factors

3．1 模糊基本原理

定義3．1:設矩陣 R=(rij)n×n，若滿足:o≤rij≤1，(i=1，2，…，n;j=1，2，…，n)，則稱R是模糊矩陣。

定義3．2:若模糊矩陣 R=(rij)n×n滿足:rij+rji=1，(i=1，2，…，n;j=1，2，…，n)，則稱模糊矩陣R是模糊互補矩陣。

定義3．3:若模糊互補矩陣 R=(rij)n×n滿足:對任意i，j，k，rij=rik-rjk+0．5，則稱模糊矩陣R是模糊一致矩陣。

3．2 構建模糊判斷矩陣

以上一級的某元素作為評價準則，對本級的要素進行兩兩比較來確定矩陣元素，分別組建G1-C，C1-F，C2-F，C3-F的判斷矩陣。即模糊判斷矩陣:

其中，n表示上一層某準則相關的該層元素的個數;表示三角模糊數，n表示三角模糊數的下界，l表示三角模糊數的上界，m表示三角模糊數的中值。l和n表示兩個指標相對重要程度關系范圍。m表示2個指標相比較的重要程度關系，選取依據表1所示的模糊標度。

3．3 權重系數計算

本文選用置信度排序方法來計算三角模糊數互補判斷矩陣的權重系數，即各指標的權重系數［18］。

表1 模糊標度及其含義Tab．1 Fuzzy scale and meaning

步驟1:根據公式(2)、(3)和(4)，計算概率矩陣B的元素及模糊評判矩陣S。

步驟2:根據公式(5)和(6)，計算調整判斷矩陣T，并得出模糊互補判斷矩陣

步驟4:根據公式(7)和(8)，計算矩陣的合成矩陣。

式中:λs表示各專家的權系數，設λ=1/k;k表示專家數量，s為其各自的序號。

步驟5:根據公式(9)，計算得到各項指標的權重 W=(w1，w2，…，wn)T。

式中:α≥(n-1)/2，i=1，2，…，n。

3．4 一致性檢驗

步驟2:根據公式(10)，計算最大特征值λmax。

步驟3:根據公式(11)和(12)求得CR，進行一致性檢驗，其中RI為平均隨機一致性指標，其取值見表2。

設定CR值不超過0．1，判斷矩陣具備滿意的一致性。

表2 平均隨機一致性指標Tab．2 Mean Random Consistency Index

4 汽車再制造企業關鍵技術分析

目前，汽車再制造企業多數采用原始設備再制造、獨立再制造、OEM服務的承包性再制造、聯合再制造4種生產模式，但比較而言，原始設備再制造模式與獨立再制造模式應用比較廣泛，且生產效益更加優異，故本文以該2種模式為研究目標，分析影響汽車再制造企業發展的關鍵技術，總結技術體系的關鍵影響因素。

4．1 原始設備再制造模式

4．1．1 構建模糊判斷矩陣

相對于汽車再制造企業發展，構建判斷矩陣G1-C，見表3。

表3 判斷矩陣G1-CTab．3 Judgment matrix(G1-C)

相對于設計技術，生產過程技術和技術管理，分別構建判斷矩陣C1-F，C2-F和C3-F，見表4、表5和表6。

表4 判斷矩陣C1-FTab．4 Judgment matrix(C1-F)

表5 判斷矩陣C2-FTab．5 Judgment matrix(C2-F)

表6 判斷矩陣C3-FTab．6 Judgment matrix(C3-F)

4．1．2 因素重要度分析

相對于汽車再制造企業發展的3個因素的重要度及排序結果，見表7。

表7 因素重要度及排序(G1-C)Tab．7 Factors importance and sorting(G1-C)

相對于設計技術的2個因素的重要度及排序結果，見表8。

表8 因素重要度及排序(C1-F)Tab．8 Factors importance and sorting(C1-F)

相對于再制造生產過程技術，其7個因素的重要度及排序結果，見表9。

表9 因素重要度及排序(C2-F)Tab．9 Factors importance and sorting(C2-F)

相對于技術管理，其6個因素的重要度及排序結果，見表10。

表10 因素重要度及排序(C3-F)Tab．10 Factors importance and sorting(C3-F)

基于上述各層次因素的結果，得到汽車再制造企業因素層的各個因素相對于汽車再制造企業發展(目標層)的因素重要度，見表11。

表11 再制造企業的各因素重要度及排序Tab．11 The factor importance of remanufacturing business and sorting

由表11可知，影響OEM再制造企業發展的主要關鍵技術為:F1(可再制造性設計)，F2(市場策略)，F6(修復技術)，F3(拆解技術)和F4(清洗技術)。

4．2 獨立再制造模式

4．2．1 構建模糊判斷矩陣

相對于汽車再制造企業發展，構建判斷矩陣G1-C，見表12。

表12 判斷矩陣G1-CTab．12 Judgment matrix(G1-C)

相對于設計技術、生產過程技術和技術管理，分別構建判斷矩陣C1-F，C2-F和C3-F，見表13、表14和表15。

表13 判斷矩陣C1-FTab．13 Judgment matrix(C1-F)

表14 判斷矩陣C2-FTab．14 Judgment matrix(C2-F)

表15 判斷矩陣C3-FTab．15 Judgment matrix(C3-F)

4．2．2 因素重要度分析

相對于汽車再制造企業發展的3個因素的重要度及排序結果，見表16。

表16 因素重要度及排序(G1-C)Tab．16 Factors importance and sorting(G1-C)

相對于設計技術的2個因素的重要度及排序結果，見表17。

表17 因素重要度及排序(C1-F)Tab．17 Factors importance and sorting(C1-F)

相對于再制造生產過程技術，其7個因素的重要度及排序結果，見表18。

表18 因素重要度及排序(C2-F)Tab．18 Factors importance and sorting(C2-F)

相對于技術管理，其6個因素的重要度及排序結果，見表19。

表19 因素重要度及排序(C3-F)Tab．19 Factors importance and sorting(C3-F)

基于上述各層次因素的計算結果，得到獨立再制造模式下汽車再制造企業因素層的各個因素相對于汽車再制造企業發展的因素重要度，見表20。

表20 再制造企業的各因素的重要度及排序Tab．20 The factor importance of remanufacturing business and sorting

由表20可知，影響獨立再制造企業發展的主要關鍵技術為:F1可再制造性設計，F2市場策略，F6修復技術，F3拆解技術和F4清洗技術。

5 結論

針對我國汽車再制造企業發展的不確定性和模糊性，運用模糊AHP建立模糊判斷矩陣，分別對汽車原始設備再制造企業和獨立再制造企業的關鍵技術進行評估;綜合2種企業技術體系的研究結論，得出影響汽車再制造企業發展的關鍵技術，總結技術體系的關鍵影響因素。根據表11和表20所示的權重和隸屬度的計算結果以及對再制造企業體系的研究，可得:

(1)在2種模式技術評估中，設計技術的權重都達到了0．5左右，故在整個汽車再制造企業技術體系中占有絕對重要的地位，而生產過程技術與技術管理階段也具有一定的重要性。

(2)采用模糊層次分析法，確定影響汽車再制造企業發展的各技術體系的權重，具有較強的客觀性和可操作性，可克服層次分析法的局限性，較好地保證了權重系數的客觀性和準確性。通過對模型的求解，對汽車再制造企業技術的相對重要性進行排序。結果顯示:可再制造性設計＞市場策略＞修復技術＞拆解技術＞清洗技術。

(3)通過對企業技術的評估，確定影響汽車再制造企業發展的關鍵技術，即可再制造性設計、市場策略、修復技術、拆解技術、清洗技術。為汽車再制造業的技術研究奠定了理論基礎。

［1］徐濱士．再制造工程基礎及其應用［M］．哈爾濱:哈爾濱工業大學出版社，2005．

［2］王 瑣．基于循環經濟理念的汽車零部件再制造工程［J］．森林工程，2007，23(5):25-28．

［3］侯獻軍，李 健．汽車再制造工程及其工藝技術的研究［J］．武漢理工大學學報，2009，31(1):71-74．

［4］潘福林，劉 磊．汽車再制造產業發展模式研究［J］．經濟縱橫，2011(2):68-79．

［5］儲江偉．中國汽車再制造產業發展模式分析［J］．中國科技論壇，2010(1):33-37．

［6］李德才．汽車零部件再制造工藝研究［J］．森林工程，2007，23(5):29-32．

［7］ SAATY T L．The analytic hierarchy process［M］．New York:McGrwa-Hill，1980．

［8］陸 娟，肖生苓．基于AHP的汽車制造企業逆向物流合作伙伴選擇［J］．森林工程，2010，26(2):98-101．

［9］王化吉．基于模糊層次分析法的汽車操縱穩定性主觀評價指標權重確定方法［J］．機械工程學報，2011，47(24):83-90．

［10］蘭繼斌．模糊層次分析法權重研究［J］．系統工程理論與實踐，2006(9):107-112．

［11］張吉軍．模糊層次分析法(FAHP)［J］．模糊系統與數學，2000，14(2):80-88．

［12］ Calabrese A，Costa R，Menichini T．Using fuzzy AHP to manage intellectual capital assets:An application to the ICT service industry［J］．Expert Systems with Applications，2013，40(9):3747-3755．

［13］ Tan R R，Aviso K B，Huelgas A P，et al．Fuzzy AHP approach to selection problems in process engineering involving quantitative and qualitative aspects［J］．Process Safety and Environmental Protection，2014，92(5):467-475．

［14］ Torfi F，Farahani R Z，Rezapour S．Fuzzy AHP to determine the relative weights of evaluation criteria and Fuzzy TOPSIS to rank the alternatives［J］．Applied Soft Computing，2010，10(2):520-528．

［15］烏云娜，卞 青．基于模糊AHP法的核電建設項目費用控制影響因素研究［J］．華東電力，2012，40(8):1303-1306．

［16］宋高峰．基于模糊層次分析法的厚煤層采煤方法選擇研究［J］．采礦與安全工程學報，2015，32(1):35-41．

［17］兵光富．基于模糊層次分析法的設備狀態系統量化評價新方法［J］．系統工程理論與實踐，2010，30(4):744-750．

［18］覃柏英．FAHP的標度系統與排序方法研究［D］．南寧:廣西大學，2005．