基于模糊AHP的汽车再制造企业技术体系研究

张洪浩，詹长书，陈佳璐，储江伟

(东北林业大学交通学院，哈尔滨150040)

1 研究目的与方法

1．1 研究目的

据统计，造成环境污染的70%废弃物来自于制造业的排放，每年约产生55亿t无害废物和7亿t有害废物。目前，汽车保有量急剧增加，截至2014年底，我国汽车保有量新增1 707万辆，目前全国机动车保有量达2．64亿辆，其中汽车1．54亿辆，以5%的报废率计算，将有约800万辆汽车报废。这些报废产品引起的生态环境与资源问题日趋严重。汽车再制造及再利用已引起专家和学者们的广泛关注［1-4］。

目前，国外再制造企业发展已有较大规模，美国、日本等国家高度重视再制造产业带来的经济和环境效益，技术水平也处于领先地位，已成为独具特色的新兴产业。而我国作为“世界制造中心”，在面临自然资源匮乏、环境污染严重的情况下，再制造产业发展却较为迟缓，技术发展落后，故需加快再制造产业的发展步伐。完善的汽车再制造企业技术体系对于再制造技术的发展至关重要，进而直接影响着国内再制造业的发展，故汽车再制造企业技术体系的评估和完善显得尤为重要［5-6］。

层次分析法(AHP)［7-8］是将定性与定量分析相结合的系统分析方法，主要步骤包括明确问题、建立层次分析结构模型、构造判断矩阵、层次单排序和层次总排序。模糊层次分析法(FAHP)在此基础上做出了两点改进:一是通过元素的两两比较，构造模糊一致判断矩阵;二是由模糊一致矩阵表示各元素相对重要性的权重［9］。AHP方法在模糊环境下的扩展使其成为解决复杂系统分析中不确定性问题的有力工具。

1．2 研究方法

本文对汽车再制造企业的发展模式进行综述;通过FAHP分析方法，将设计技术、生产过程技术和技术管理作为评价指标，以原始设备再制造模式和独立再制造模式为分析目标，评估汽车再制造企业技术体系中各影响因素的重要度，科学分析影响汽车再制造企业发展的关键技术指标，并对研究结果进行总结分析，为我国汽车再制造企业技术发展方向的确定奠定理论基础。

2 汽车再制造企业技术指标

2．1 汽车再制造企业运作模式

目前，汽车再制造企业多数采用以下4种运作模式:

(1)原始设备再制造模式，即所谓的OEM模式。它是“生产者责任制”的直接形式，属于集中型再制造运作模式。该模式便于制造商对产品全生命周期进行管理，保证再制造产品的质量一致性，且技术实力雄厚、管理经验丰富。但投资规模大，再制造企业数量少，回收物流半径大。

(2)独立再制造模式，即与OEM制造商无任何关系，不经过OEM授权便对其产品进行再制造，属于离散型再制造运作模式。该模式再制造的品种多，批量大，规模效益高;资源利用率较高;再制造成本低，价格优势明显。但在政府管理体系及知识产权体系尚不完善的情况下，易产生知识产权纠纷和市场混乱。

(3)OEM服务的承包性再制造模式，即再制造企业由OEM以外的企业进行投资，与OEM企业之间属于合同关系。该模式下，整车厂通过授权其他再制造企业达到间接履行生产者责任的目的，降低了自身投资风险，且可通过建立再制造技术研发企业，通过技术标准来控制产品的质量。但该模式也需要完善的政府管理体系加以支持。

(4)联合再制造模式，即OEM授权承包再制造商，而承包再制造商通过自身进行再制造生产、向独立再制造采购再制造产品的形式来进行生产的模式，通过充分的市场竞争机制，实现分工的细化，降低全社会废旧汽车产品回收物流半径，把不确定性风险充分分散，利用社会最优势资源进行再制造的生产，以获得最佳的经济效益和社会效益。

2．2 技术指标确定

完善的汽车再制造企业技术体系，是加快汽车再制造企业稳定快速发展的基础，是提高规模效益，增强资源利用率的重要保障。汽车再制造企业技术是多层次的动态系统，涉及的因素较多、结构复杂，只有从多个角度和层面来设计指标体系，才能准确地反映真实的影响程度。

依据汽车再制造企业发展的内涵，参考以往企业技术评估的经验，构建其技术体系的层次结构图。其具有3个层次:目标层，准则层和因素层。

如图1所示，目标层(G)是汽车零部件再制造企业发展(G1);标准层是设计技术(C1)，生产过程技术(C2)和技术管理(流通技术)(C3)。设计技术包括2个因素，即再制造设计(F1)和市场策略(F2);再制造过程技术包括拆解技术(F3)，清洗技术(F4)，检验技术(F5)，修复技术(F6)，加工技术(F7)，装配技术(F8)和测试技术(F9);技术管理包括人才培训(F10)，标准制定(F11)，质量认证(F12)，信息管理(F13)，回收网络(F14)和销售模式(F15)。

3 评价模型的建立

AHP［10-11］是由美国运筹学家、匹兹堡大学T．L．Saaty教授于20世纪70年代初提出，是一种定性和定量相结合的、系统化、层次化的简便、灵活而又实用的多准则决策方法。但其在客观表现事物自身的复杂性和人的思维判断等方面的局限性。FAHP是一种较好的多属性决策方法，目前，在FAHP理论方法和应用方面已取得了不少进展［12-17］。现结合上述评价指标体系，建立其FAHP评估模型。评价因素层次结构如图1所示。

图1 评判因素层次结构图Fig．1 Hierarchy diagram of evaluation factors

3．1 模糊基本原理

定义3．1:设矩阵 R=(rij)n×n，若满足:o≤rij≤1，(i=1，2，…，n;j=1，2，…，n)，则称R是模糊矩阵。

定义3．2:若模糊矩阵 R=(rij)n×n满足:rij+rji=1，(i=1，2，…，n;j=1，2，…，n)，则称模糊矩阵R是模糊互补矩阵。

定义3．3:若模糊互补矩阵 R=(rij)n×n满足:对任意i，j，k，rij=rik-rjk+0．5，则称模糊矩阵R是模糊一致矩阵。

3．2 构建模糊判断矩阵

以上一级的某元素作为评价准则，对本级的要素进行两两比较来确定矩阵元素，分别组建G1-C，C1-F，C2-F，C3-F的判断矩阵。即模糊判断矩阵:

其中，n表示上一层某准则相关的该层元素的个数;表示三角模糊数，n表示三角模糊数的下界，l表示三角模糊数的上界，m表示三角模糊数的中值。l和n表示两个指标相对重要程度关系范围。m表示2个指标相比较的重要程度关系，选取依据表1所示的模糊标度。

3．3 权重系数计算

本文选用置信度排序方法来计算三角模糊数互补判断矩阵的权重系数，即各指标的权重系数［18］。

表1 模糊标度及其含义Tab．1 Fuzzy scale and meaning

步骤1:根据公式(2)、(3)和(4)，计算概率矩阵B的元素及模糊评判矩阵S。

步骤2:根据公式(5)和(6)，计算调整判断矩阵T，并得出模糊互补判断矩阵

步骤4:根据公式(7)和(8)，计算矩阵的合成矩阵。

式中:λs表示各专家的权系数，设λ=1/k;k表示专家数量，s为其各自的序号。

步骤5:根据公式(9)，计算得到各项指标的权重 W=(w1，w2，…，wn)T。

式中:α≥(n-1)/2，i=1，2，…，n。

3．4 一致性检验

步骤2:根据公式(10)，计算最大特征值λmax。

步骤3:根据公式(11)和(12)求得CR，进行一致性检验，其中RI为平均随机一致性指标，其取值见表2。

设定CR值不超过0．1，判断矩阵具备满意的一致性。

表2 平均随机一致性指标Tab．2 Mean Random Consistency Index

4 汽车再制造企业关键技术分析

目前，汽车再制造企业多数采用原始设备再制造、独立再制造、OEM服务的承包性再制造、联合再制造4种生产模式，但比较而言，原始设备再制造模式与独立再制造模式应用比较广泛，且生产效益更加优异，故本文以该2种模式为研究目标，分析影响汽车再制造企业发展的关键技术，总结技术体系的关键影响因素。

4．1 原始设备再制造模式

4．1．1 构建模糊判断矩阵

相对于汽车再制造企业发展，构建判断矩阵G1-C，见表3。

表3 判断矩阵G1-CTab．3 Judgment matrix(G1-C)

相对于设计技术，生产过程技术和技术管理，分别构建判断矩阵C1-F，C2-F和C3-F，见表4、表5和表6。

表4 判断矩阵C1-FTab．4 Judgment matrix(C1-F)

表5 判断矩阵C2-FTab．5 Judgment matrix(C2-F)

表6 判断矩阵C3-FTab．6 Judgment matrix(C3-F)

4．1．2 因素重要度分析

相对于汽车再制造企业发展的3个因素的重要度及排序结果，见表7。

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

相对于设计技术的2个因素的重要度及排序结果，见表8。

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

相对于再制造生产过程技术，其7个因素的重要度及排序结果，见表9。

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

相对于技术管理，其6个因素的重要度及排序结果，见表10。

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

基于上述各层次因素的结果，得到汽车再制造企业因素层的各个因素相对于汽车再制造企业发展(目标层)的因素重要度，见表11。

表11 再制造企业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，影响OEM再制造企业发展的主要关键技术为:F1(可再制造性设计)，F2(市场策略)，F6(修复技术)，F3(拆解技术)和F4(清洗技术)。

4．2 独立再制造模式

4．2．1 构建模糊判断矩阵

相对于汽车再制造企业发展，构建判断矩阵G1-C，见表12。

表12 判断矩阵G1-CTab．12 Judgment matrix(G1-C)

相对于设计技术、生产过程技术和技术管理，分别构建判断矩阵C1-F，C2-F和C3-F，见表13、表14和表15。

表13 判断矩阵C1-FTab．13 Judgment matrix(C1-F)

表14 判断矩阵C2-FTab．14 Judgment matrix(C2-F)

表15 判断矩阵C3-FTab．15 Judgment matrix(C3-F)

4．2．2 因素重要度分析

相对于汽车再制造企业发展的3个因素的重要度及排序结果，见表16。

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

相对于设计技术的2个因素的重要度及排序结果，见表17。

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

相对于再制造生产过程技术，其7个因素的重要度及排序结果，见表18。

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

相对于技术管理，其6个因素的重要度及排序结果，见表19。

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

基于上述各层次因素的计算结果，得到独立再制造模式下汽车再制造企业因素层的各个因素相对于汽车再制造企业发展的因素重要度，见表20。

表20 再制造企业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，影响独立再制造企业发展的主要关键技术为:F1可再制造性设计，F2市场策略，F6修复技术，F3拆解技术和F4清洗技术。

5 结论

针对我国汽车再制造企业发展的不确定性和模糊性，运用模糊AHP建立模糊判断矩阵，分别对汽车原始设备再制造企业和独立再制造企业的关键技术进行评估;综合2种企业技术体系的研究结论，得出影响汽车再制造企业发展的关键技术，总结技术体系的关键影响因素。根据表11和表20所示的权重和隶属度的计算结果以及对再制造企业体系的研究，可得:

(1)在2种模式技术评估中，设计技术的权重都达到了0．5左右，故在整个汽车再制造企业技术体系中占有绝对重要的地位，而生产过程技术与技术管理阶段也具有一定的重要性。

(2)采用模糊层次分析法，确定影响汽车再制造企业发展的各技术体系的权重，具有较强的客观性和可操作性，可克服层次分析法的局限性，较好地保证了权重系数的客观性和准确性。通过对模型的求解，对汽车再制造企业技术的相对重要性进行排序。结果显示:可再制造性设计＞市场策略＞修复技术＞拆解技术＞清洗技术。

(3)通过对企业技术的评估，确定影响汽车再制造企业发展的关键技术，即可再制造性设计、市场策略、修复技术、拆解技术、清洗技术。为汽车再制造业的技术研究奠定了理论基础。

［1］徐滨士．再制造工程基础及其应用［M］．哈尔滨:哈尔滨工业大学出版社，2005．

［2］王 琐．基于循环经济理念的汽车零部件再制造工程［J］．森林工程，2007，23(5):25-28．

［3］侯献军，李 健．汽车再制造工程及其工艺技术的研究［J］．武汉理工大学学报，2009，31(1):71-74．

［4］潘福林，刘 磊．汽车再制造产业发展模式研究［J］．经济纵横，2011(2):68-79．

［5］储江伟．中国汽车再制造产业发展模式分析［J］．中国科技论坛，2010(1):33-37．

［6］李德才．汽车零部件再制造工艺研究［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］陆 娟，肖生苓．基于AHP的汽车制造企业逆向物流合作伙伴选择［J］．森林工程，2010，26(2):98-101．

［9］王化吉．基于模糊层次分析法的汽车操纵稳定性主观评价指标权重确定方法［J］．机械工程学报，2011，47(24):83-90．

［10］兰继斌．模糊层次分析法权重研究［J］．系统工程理论与实践，2006(9):107-112．

［11］张吉军．模糊层次分析法(FAHP)［J］．模糊系统与数学，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］乌云娜，卞 青．基于模糊AHP法的核电建设项目费用控制影响因素研究［J］．华东电力，2012，40(8):1303-1306．

［16］宋高峰．基于模糊层次分析法的厚煤层采煤方法选择研究［J］．采矿与安全工程学报，2015，32(1):35-41．

［17］兵光富．基于模糊层次分析法的设备状态系统量化评价新方法［J］．系统工程理论与实践，2010，30(4):744-750．

［18］覃柏英．FAHP的标度系统与排序方法研究［D］．南宁:广西大学，2005．