缺陷汽車產品召回效果評估方法探討與研究

文/陳 暉 肖 翔 楊茂婷

論文 Thesis

缺陷汽車產品召回效果評估方法探討與研究

文/陳 暉1肖 翔2楊茂婷1

國內缺陷汽車產品召回制度已實施數年。本文從召回實施情況、客戶滿意度、監(jiān)管部門評價三個方面建立缺陷汽車產品召回效果評估指標體系。通過調查問卷等方式對10個二級指標進行評分，運用層次分析法和模糊綜合評價法構建指標權重向量和模糊關系矩陣，從而對缺陷汽車產品召回的效果進行評價。采用靈敏度分析方法找到影響召回效果的主要因素，為提高缺陷汽車產品召回提供對策。

缺陷汽車產品 召回效果 層次分析法 模糊綜合評價法

2016年7月，國家質檢總局缺陷產品召回工作專題新聞發(fā)布會通報數據顯示，自2004年《缺陷汽車產品召回管理規(guī)定》施行以來，我國已累計實施汽車召回1 198次，涉及車輛達到3 417.26萬輛。盡管與缺陷汽車產品召回（以下簡稱“汽車召回”）的次數、數量與召回法律體系及監(jiān)管制度比較完善的美國相比，還存在較大差距，但我國在汽車召回方面的研究與實踐所取得的成績有目共睹。隨著汽車保有量的遞增，缺陷汽車產品可能導致民眾受傷甚至死亡的事件發(fā)生頻次隨之增加，缺陷汽車產品召回的實際效果也引起政府監(jiān)管部門的重視，構建系統的缺陷汽車產品召回效果評價體系刻不容緩。

近年來，有不少對于汽車召回風險分析和評估方法的研究，如：涉及探討了汽車召回響應率的影響因素，開展了汽車召回制度對于減少交通事故發(fā)生率的研究工作；圍繞國內外缺陷汽車召回的實際案例開展系統分析，從汽車召回的發(fā)生率、嚴重程度、技術難度和成本指數四個方面評價汽車召回事件。同時，運用博弈論的方法研究汽車召回問題，針對召回發(fā)起者的認定構建了靜態(tài)博弈模型，并建議政府從加強監(jiān)督監(jiān)管、提高賠償金額兩方面來加強汽車生產者發(fā)起缺陷產品召回的主動性。雖該領域的研究取得了一些成果，但多數研究為定性分析或個案研究，且研究范圍局限于召回管理及預警領域，針對召回效果評估的研究成果極少。

一、評估指標體系的建立

汽車召回的實施及效果評估是汽車生產者、消費者以及政府監(jiān)管部門三方共同博弈的結果。從召回實施情況、客戶滿意度、監(jiān)管部門評價三個方面建立召回效果評估指標體系，通過調查問卷、專家打分等方式，根據不同博弈方的需求，建立以下指標體系（見表1）。

表1 召回效果評估指標體系

二、各級指標的權重分析與評分

通過對某汽車企業(yè)實地調研，獲取真實的汽車召回數據，并在此基礎上運用層次分析法，對一級指標和二級指標進行了權重分析。

1. 一級指標權重的計算

求權重是綜合評價的關鍵，權重分析中層次分析法是一種行之有效的確定權重系數的方法。該方法特別適用于那些需要用定量指標進行分析的復雜問題，能把復雜問題中的各因素劃分為互相聯系的有序層，使之條理化。根據對客觀實際的模糊判斷，就每一層次中相對重要性給出定量的表示，再利用數學方法確定全部元素相對重要性次序的權系數。對于3個一級指標的權重，根據人們對各個指標的重要性的判斷，構造判斷矩陣：

計算得到其最大特征值：λmax= 3。

對判斷矩陣指標進行一致性檢驗，得出

計算結果為0。故隨機一致性比率CR = 0，具有可靠的一致性，其對應的特征向量為：

對特征向量進行歸一化處理，得到一級指標的權重矩陣為：

2.二級指標權重的計算

首先，確定A1、A2指標對一級評價指標A的權重，根據人們對指標A1、A2的重要性認識，構造判斷矩陣：

顯然PA是一致性矩陣，對應的特征值向量為：

歸一化處理得到指標A的權重向量為：

接下來確定指標B1、B2、B3、B4對指標B的權重，構造判斷矩陣：

進行一致性檢驗，認為層次分析排序的結果有滿意的一致性，即權系數的分配是非常合理的。其對應的特征值向量為：

再對特征值向量進行歸一化處理得到指標B的權重向量：

最后確定指標C1、C2、C3、C4對指標C權重指數，根據構造判斷矩陣：

判斷矩陣Pc滿足一致性的要求，相應的特征值向量為：

歸一化處理后得到指標C的權重向量為：

3. 二級指標的評分

設計汽車召回效果評估影響因素的調研問卷，隨機抽取50位汽車質量投訴平臺的消費者對10個二級指標進行評分，采用加權平均法獲得調研評分結果并結合專家經驗值進行優(yōu)化，結果如表2所示。

表2 二級指標的評分結果

4. 評分結果分析

從表1、表2可見，客戶滿意度的二級指標總體評分高于召回實施情況和監(jiān)管部門評價，這與調查問卷的調研對象群體有關，也反映出客戶滿意度不僅僅是汽車銷售量的基石，也是汽車召回實施效果的重要評價指標。二級指標中的召回率評分最低，而召回程序和手續(xù)的便捷性的評分最高，這說明汽車消費者對于汽車召回的實際數量并不關心，更多關注于如何消除自身汽車產品的安全隱患，也反映出當前我國汽車消費者的集體維權意識相對淡薄，而產品召回范圍針對的是批量性的質量問題。

三、模糊綜合評價模型

模糊綜合評價法是一種基于模糊數學的隸屬度理論，對受到多種參數制約的對象或事物做出總體評價的方法。運用模糊綜合評價法構建汽車召回效果評估的指標權重向量和模糊關系矩陣，并對汽車召回的效果實施評估。

1. 因素集與評價集

確定評價對象的因素集 I={A1,A2,B1,B2,B3,B4，C1,C2,C3,C4}，建立評價集，記作V={V1,V2,V3,V4， V5} ，其中V1、V2、V3、V4、V5分別代表評價等級：很不滿意、不滿意、一般、滿意、非常滿意。

2.模糊集與模糊關系矩陣

定義模糊集如下：

將二級指標的評分代入隸屬度函數，建立模糊關系矩陣RA、RB、RC。

3.模糊評價向量

利用合適的算子將W與各被評事物的R進行合成，得到各被評事物的模糊綜合評價結果向量B。即：

其中，bi表示被評事物從整體上看對vj等級模糊子集的隸屬程度，考慮到權數體現程度、評價信息體現程度和綜合程度，這里采用M（●，+）算子：

歸一化處理得：BA*=[0，0.776 2，0.223 8，0，0]。

同理，BB=[0，0.003 5，0.623 6，0.996 6，0.564 6]。

歸一化處理得：BB*=[0，0.001 6，0.285 0，0.455 4，0.258 0]。

同理，BC= [0，0.505 1，0.856 9，0.494 9，0.084 5] 。

歸一化處理得：BC*=[0，0.260 2，0.441 4，0.254 9，0.043 5] 。

② 各個指標的模糊評價最終評判向量：

將上述BA、BB、BC合成為模糊評價矩陣R：

將R與W合成模糊評價最終評判向量：

B=[0，0.289 2，0.642 3，0.710 8，0.346 8]。

再將B歸一化處理得：B*=[0，0.145 4，0.322 9，0.357 3，0.174 4]。

4.模型求解

在模糊評價的結果分析中最常用的方法是最大隸屬度原則，但在某些情況下使用會有些勉強，損失信息很多，甚至得出不合理的評價結果。本文采用加權平均求隸屬等級的方法，將很不滿意、不滿意、一般、滿意和非常滿意5個等級的分數分別定為1、2、3、4、5。所設計的評價定量標準見表3。

表3 評價定量標準表

下面合成各個一級指標的評分：

XA=2.223 8，

XB=4.104 8，

XC=3.081 7。

由上述評分可以得出，召回實施情況評分等級為D4“不滿意”，客戶滿意度評分等級為D2“滿意”，監(jiān)管部門評價評分等級為D3“一般”，而對汽車召回的總體評分與評分等級如表4所示。

表4 各指標評分及對應等級

X=3.560 7。

5.靈敏度分析

為了更好地分析缺陷汽車產品召回效果評估的各個指標對最終評價結果的影響程度，采用靈敏度分析方法，將各個指標得分上漲5%，得到總體的綜合評判分數（如表5所示）。靈敏度分析結果顯示，汽車召回效果的綜合評價分值較高的因素分別是：“同一缺陷產品召回后產生的傷害程度”、“同一缺陷問題召回后發(fā)生的頻次”和“召回率”。

表5 缺陷汽車產品各指標的靈敏度分析

四、結 語

從美國的汽車召回實施現狀可推斷，我國汽車產品召回將形成常態(tài)，汽車生產者與其想方設法通過犧牲消費者利益降低召回成本，承擔召回履行不到位產生的高昂公關成本和持久品牌負面影響的風險，不如完善企業(yè)內部召回體系，盡責落實好產品召回并優(yōu)化流程來節(jié)約召回成本。通過構建汽車召回評價指標體系，基于層次分析法和模糊綜合評級法對汽車召回的效果進行評估，可以得到較為全面的評估結果，既有利于提高汽車企業(yè)管理者對缺陷產品風險防范與控制意識，幫助汽車生產者理清召回思路，也有利于政府監(jiān)管部門節(jié)約監(jiān)管成本，有效把控缺陷汽車產品風險溢出，切實保障汽車消費者權益。

Defective automobile product recall system has been implemented for several years in China. This article establishes an evaluation index system from the aspects of the recall implementation, customer satisfaction, and supervision department assessment. The system scores ten secondary indexes through questionnaires, applies AHP and fuzzy comprehensive evaluation method to build the index weight vector and fuzzy relation matrix, and then evaluates the effect of defective automobile product recall. Furthermore, sensitivity analysis is used to find the main factors that affect the recall, which will provide countermeasures to improve the automobile recall performance.

Defective automobile product; Recall effect; AHP; Fuzzy comprehensive evaluation method

（作者單位：1上海市質量技術監(jiān)督局業(yè)務受理中心2上海工程技術大學）

注:[1] 基金項目:上海市質量技術監(jiān)督局業(yè)務受理中心公益性項目（編號:2016-6）。