長城汽車智能駕艙項目管理的風險因素估計和方案優選思考

關鍵詞：項目管理；智能駕艙；風險防控；因素估計；方案優選；層次分析

0 研究背景

風險管理一詞由賓西法尼亞大學的布納博士在1930 年提出。

作為管理學科中一門新興的科學分支，其萌芽于20 世紀30 年代，并在隨后的20 年間逐步形成基本的理論框架。風險管理理論強調需要一整套完整管理方案的實施，才能實現風險控制目標的實現，這主要集中在風險應對、風險評估、風險識別和風險態度四個方面。這就意味著在汽車智能駕艙項目的風險管理上，需要基于系統的視角開展研究，不僅包含對已識別具體風險的識別和測度，還包含著對潛在風險的監管和控制[1]。

鑒于項目的風險具有不以人的意志為轉移的客觀性、難以預測的偶然性、因時空因素變化而變化的相對性以及具有很大影響的社會性和發生時間的不確定性等特點，一旦發生就會對項目目標產生消極或者積極的影響。因此隨著科技進步和生產力的提升，風險管理的研究越來越系統和深入。常用的風險管理使用方法有模糊數學分析法、德爾菲專家評判法、頭腦風暴法、故障樹分析法、遺傳算法、貝葉斯網絡法、蒙特卡洛模擬法、神經網絡分析法、影像圖形分析法和層次分析法等[2]。

雖然諸多學者在風險管理理論研究領域取得了巨大成功，但是在應用領域，尤其是汽車智能駕艙項目風險管理上還不夠全面、定位也不夠清晰。本研究基于層次分析法（AHP）對長城汽車智能駕艙項目管理中存在的風險因素進行估計，提出風險改措施，并進行項目風險管理的方案優化選擇。

1 項目概述

近年來，品牌車企布局新能源汽車市場，向智能網聯轉型，推動汽車電動化、智能化和結構化。長城汽車作為我國自主品牌的代表，2022 年汽車銷售量達到1 067 523 輛，連續7 年年銷量超過百萬輛。

但隨著汽車市場高速增長的同時，日益爆發的汽車產品質量問題越來越受人關注。據2023 年1 月發布的《2022 年中國汽車產品質量表現研究（AQR）》顯示，2022 年投訴排名前10 的質量問題數量中，車機系統相關占比達33% 以上（表1）。排名前10的車企車型中，長城汽車有3 款車型在榜，其中2 款的質量問題類別與車機系統相關。這就對項目管理，尤其是智能駕艙的項目管理提出了更新、更高、更細和更嚴的要求。

2 項目管理風險因素分析

本研究從長城汽車售后團隊、研發部門、400 客服組織以及鐵粉聯盟和線上論壇等渠道，采用了一對一訪談、焦點小組討論、名義小組技術、問卷調查和德爾菲技術專家判斷等方式，進行了廣泛調研和深入分析。在影響長城汽車智能駕艙項目管理的眾多風險因素中，識別出權重打分排名前5 位的因子，分別是項目費用風險、研發技術風險、質量風險、事業環境風險和國家政策風險。

2.1 項目費用風險

一個項目的成功與否，企業的資金投入占據主要的影響地位。如圖1 所示，長城汽車2003—2021 年期間研發費用投入在整體上呈現上升趨勢，從2003 年的1.07 億元增長至2021 年的44.90 億元，19 年間的平均增幅比例達到26.91%。但是隨著長城汽車的銷量進入到慢增長階段，研發費用的支出增幅趨勢也在趨于平和。

為了能更進一步分析長城汽車在研發費用的資金投入對汽車銷量的具體拉動作用，同時，鑒于汽車研發的資源投入需要6 ～ 18個月后才能體現在量產車輛上，故將研發的資金支出與下一年的銷量匹配，樣本數量為18 組。本研究采用了回歸分析方法，以研發支出作為自變量，年度汽車銷量作為因變量，構造了數學模型和線性關系。

根據長城汽車研發費用支出與年度汽車銷量的回歸分析表數據顯示（表2），相關系數R 為91.21%，R2 為83.19%，自變量與因變量的擬合效果高于78.00%，表明強相關，可以接受。顯著性水平指標F 為79.20，大于Significance F，構造的數據模型為真，能夠解釋現象。棄真概率P 值小于0.01%，表明此模型的置信度達到了99.99% 以上，模型通過驗證。

據此可以構建起研發費用支出與年度汽車銷量的方程：

Y=0.3439X+2007.9869 （ 1）

式中 X——研發費用支出，單位：億元

Y——年度汽車銷量，單位：萬輛

從回歸分析結論和公式（1）可見，研發費用的資金投入對長城汽車的銷量拉動作用系數為0.3439。兩者呈正相關，即每增長一個億單位的資金投入，帶來的汽車增量為3 439 輛。對比汽車行業數據，這個系數并是特別卓越，根本原因在于長城汽車在費用上存在如下幾點風險。

2.1.1 研發費用的投入資金不夠

從回歸分析的結論可見，研發費用對汽車銷量的拉動作用并沒有過盈虧平衡點，目前仍有很大價值的挖掘空間。通過擴大研發投入，一方面能提升汽車產品的品質，降低項目的失敗風險；另一方面能繼續擴大市場占有率，搶占新能源細分市場。

2.1.2 費用估計上過于保守、不夠準確

制定項目的預算時，不能錯過任何一個環節和分解后的工作活動，經過充分研究和論證后自下而上地進行估算。在長城汽車的管理中，受限于軍事化的企業文化、絕對服從的組織體制和對市場的保守態度，導致在項目預算的估計上過于保守。

2.1.3 成本控制和效率上仍有提升空間

對成本的控制，是需要基于大量的、準確的數據為基礎。同時，時間成本也是隱藏的費用支出，不僅要在財務計劃表上詳細記錄每一筆花銷，而且也要嚴格審核研發和生產過程中財務流程造成的時間成本損耗。因為花銷沒有得到控制，項目就無法有足夠的資源開展；而錯過了上市窗口，消費者對汽車產品的購買意愿就會發生變化，導致項目失敗。

2.2 研發技術風險

2.2.1 智能駕艙技術細分和專精化程度不斷加深

在立項之初技術可行性分析階段，團隊對通用技術的理解和評估都是偏樂觀的。但在實際的項目實施階段，難免會在技術的細節和深層次上遇到新的難題或問題。如果沒有做好風險預案和應急措施，必然會嚴重制約項目工作的正常開展，嚴重的會導致整車項目的延期甚至失敗，導致無法挽回的經濟損失。

2.2.2 智能駕艙產品的生命周期在不斷減少、且越來越短

隨著智能駕艙技術的不斷升級換代和商業應用，技術的更新速度已經超越了技術的生產速度。這也就意味著企業需要不斷進行研發投入，研究新的技術，進行功能迭代升級，才會延長智能駕艙產品的生命周期。不然，必將被市場和消費者舍棄和淘汰，給長城汽車帶來不必要的損失。

2.3 質量風險

2.3.1 產品合格率不高

智能駕艙產品在研發和生產過程中，因其技術含量高，工藝復雜，對軟、硬件的依賴度較高，受限于基礎設備質量、結構安裝質量、原材料質量、工藝管線、應用場景復雜以及軟件特性等諸多制約。因此，軟件灌裝很難一次到位，經常出現人工刷機或者緊急發版OTA 升級，解決車機等軟件故障（BUG）問題。另外在生產過程中，很容易出現偏差和錯誤，殘次品多，導致產線出現停線卡線等對項目管理產生不利的影響，對風險管控是巨大挑戰。

2.3.2 芯片短缺、保供難度大

受中美貿易摩擦和COVID-19 等因素的持續影響，車規級芯片的市場供小于求，芯片現貨緊張，尤其是智能駕艙對芯片的依賴度極高，芯片短缺嚴重制約了零部件生產，拉高了成本，不利于項目管理[3]。

2.4 事業環境風險

匯率波動大，金融環境不穩定。2021 年12 月31 日的美元收盤價格是6.3521 人民幣，在2022 年一路高漲，到2022 年11月4 日達到峰值，收盤價為7.1826 人民幣；然后又一路下跌，截至2023 年1 月16 日，美元的收盤價為6.7302 人民幣。匯率的波動對境外業務產生了巨大影響。人民幣兌美元的匯率低，會導致以美元為結算單位的長城汽車出口業務利潤空間被壓縮；人民幣兌美元的匯率高，會造成以人民幣為結算的進口業務成本被拉高，這都不利于項目的風險管理。

2.5 國家政策風險

2.5.1 政策內容較為單一化、簡單化

在每年逐步增多的汽車零部件產業發展文件中，并沒有及時根據市場的經濟反饋進行調整。這就造成了汽車產業政策缺乏了對細分消費者市場的未來預判，缺少了對車企的指導作用，政策過于單一化、簡單化。

2.5.2 零部件相關的針對性政策少

在汽車行業中，目前的政策多集中于汽車整車制造或產業布局相關，沒有針對性的政策、法律法規來指導零部件企業或項目。這制約了零部件企業的生產和發展，對智能駕艙等零部件企業或項目來說是不利的。

3 風險評估模型構造

3.1 AHP 模型構造

美國運籌學家托馬斯· 賽蒂（Thomas.L.Saaty）在19 世紀70 年代初提出了層次分析法（簡稱AHP）。這種分析方法是通過定性地構建多層次的分析體系，把復雜的問題進行分解，并將分解后的因素予以量化、賦予對應權重，通過加權、排序和擇優，從而進行決策。這種分析方法具備著定性和定量相結合、系統層次化等特點。AHP 非常適合復雜問題或者系統的評價，能夠將多目標、多準則和無結構的復雜問題運用數學思維進行簡化，有著傳統定性分析難以比擬的優勢[4]。據此，本研究的核心執行邏輯構造如圖2 所示[5]。

3.2 模型計算推導過程

如圖3 所示，智能駕艙項目風險管理層次模型分為三層，對準則層中的因素進行兩兩比較，量化在同一層級的比重情況。

匯總長城汽車智能駕艙項目管理中的風險因素打分如表3 所示。

將風險因素打分構造成判斷矩陣A ，如公式（3）所示。

其中，i 和j 表示為第i 個因素相對于第j 個因素的進行比較。

基于判斷矩陣A ，計算每一行要素的幾何平均值Pi，然后可以得到每一個Pi 在所有P 中的權重ωi，則所有ωi 構成一組權重向量：

3.3 一致性檢驗

采用最大特征值λmax 來進行一致性需求檢驗，其計算公式如下：

根據平均隨機一致性系數RI 與階數n 的取值對應關系可知（表4），5 階矩陣RI 為1.12，則CR =CI /RI =0.017，小于0.1，所以判斷矩陣A 通過一致性檢驗[7]。

4.4 風險因素估計

根據對ω 值的研究可知，權重越大的影響因素，對長城汽車智能駕艙項目管理的風險管控影響就越大。因此影響最大的是項目費用風險，權重為0.27；其次是研發技術風險，權重為0.21；然后是國家政策風險，權重為0.20 ；第四位的是質量風險，權重為0.19 ；最后是事業環境風險，權重為0.13。

4 項目管理方案優選

根據本研究的分析過程可見，長城汽車智能駕艙項目管理的風險管控重心應放在費用風險和技術風險的管理和控制上。

4.1 項目費用因素

4.1.1 風險抑制措施

受大環境的影響，長城汽車在2022 年出現了銷量回落的情況，沒有達到預期的銷量。此時，應該重點抓費用預算和利用率，要業財融合，在價值增值原則下積極拉通公司財務管理和研發銷售體系，減少不必要的非增值作業環節。同時，根據市場的反饋，及時、準確地調整費用預算和費用支出，圍繞主價值鏈環節快速響應，抑制費用的浪費情況或利用率低的困境，促成項目管理的成功和客戶訂單的達成。同時，建立有效的項目團隊激勵制度，從項目目標量化考核、項目獎金分配原則以及項目獎金分配比例等方面開展細致工作。

4.1.2 風險轉移措施

在智能駕艙項目立項之初識別出非關鍵研發活動，尤其是長城汽車本身不擅長但又非核心的技術領域或者業務，可以在已明確需求、風險不大且可精準計算的項目采用總價合同前提下，通過對外采購來轉移和緩解費用風險的發生。同時，通過優化項目管理信息體系，時時對供應商的研發數據、產品設計、知識沉淀和生產流程等進行強有力管理，滿足并行開發的要求。

4.2 研發技術因素

4.2.1 風險降低措施

長城汽車應在企業冬天的時刻，對市場投訴量高的問題進行大規模的采樣分析，通過諸如拆解、模擬實驗等方式找出導致故障的技術原因，并重新評估技術方案選擇的正確性和合理性。同時，加強信息一體化建設。在項目開發過程中，項目成員需在在線數據庫維護項目信息和資料，實現信息共享、透明，規避信息不對稱，降低搜集信息工作的重復性和額外花銷。

4.2.2 風險回避措施

應增強預研投入。在立項之初，長城汽車就應對項目進行深層次的研討，從技術可行性、財務可行性、組織可行性、經濟可行性和社會可行性等方面綜合考量，定期開展與技術供應商的交流活動，并有目的的加強技術引入，規避技術不對稱帶來的未識別風險。同時加強項目團隊的文化建設，保持謙虛、謹慎和務實的拼搏態度，為項目管理方案的優化和執行奠定堅實的基礎。

5 結束語

隨著汽車電子化技術的逐步走向成熟，汽車的新四化進程正在加速，數字化、網聯化、智能化正成為汽車制造企業的新目標，也是新一代汽車產品的核心競爭力。其中，以基于人工智能包含視覺識別、語音技術、手勢算法等核心要素，涉及人機交互、虛擬化、域控制、大數據應用和OTA 技術等場景的智能駕艙成為各大車企和主流供應商角逐的戰場。車機系統作為智能駕艙與用戶的核心交互載體，是汽車零部件項目管理的關鍵路徑。在項目管理的風險防控上，自主品牌的優勢不如外資品牌，尤其是在系統化、細致化、精準化等管理方法上，還有很大的提升空間。

本研究基于對自主品牌長城汽車的智能座艙研發項目管理的過程研究，識別出五種影響汽車零部件項目的風險因素，找到在管理上的問題和不足，并根據識別出來的主要問題建立起一套全新的項目管理方法以解決現實存在的問題，降低長城汽車零部件項目管理的風險。