面向汽车旧件再制造组合赋权模糊综合评价模型

王华政

（西南交通大学制造业产业链协同与信息化支撑技术四川省重点实验室，成都 611756）

0 引言

2021 年国务院印发了《关于印发汽车产品生产者责任延伸试点实验方案的通知》［1］，其中明确提出了对汽车产品实施生产责任延伸制度，鼓励生产企业建立逆向回收利用体系，支持回收报废汽车，推广再制造产品。汽车售后服务行业是汽车产业价值链中的关键环节，在售后服务中存在如此现象：大量的汽车旧件（因维修而被更换的零部件）成为三包期内索赔的对象被零件供应商回收，未被再制造利用，甚至放弃旧件回收再制造，导致大多数旧件未能发挥其循环利用的潜在价值。然而汽车旧件是汽车零部件再制造的重要原材料，有效地判断出旧件是否可再制造，决定着零件供应商是否回收该旧件、资金分配及原材料采购决策。针对此类问题，研究旧件再制造决策评价模型，辅助供应商进行旧件回收再制造决策具有一定的现实意义。

1 相关研究

目前国内大部分相关论文对可再制造回收确立的评价指标主要包括可再制造技术可行性、经济可行性、环境可行性、资源利用率、能量损失率、质量等体系指标。文献［2］关于评价模型文献针对报废汽车拆解前的成本评估问题，建立了一种基于拆解难度和模糊聚类的一般性综合成本评价模型。文献［3］提出了一种基于两级模糊计算方法的决策支持系统，该方法结合了产品的定性和定量属性，考虑技术、经济、资源利用和环境四个指标来确定产品的可再制造性。文献［4］建立一种基于实例推理的废旧零/部件可再制造性评价模型。

2 模型构建

本文选取主客观赋权平衡权重融合的方法进行指标赋权。由于各评价指标数据的计量单位不一致，存在定性与定量的数据，故在评价赋权时需进行数据归一化处理，消除数据的差异性。本文对于评价对象及数据的归一化公式如下：

用x表示评价对象，x={x1,x2,…,xn}，其中xi表示第i个对象，i∈{1,…,n}，这里n是评价对象的个数。xi的第j个二级评价指标表示为xij，数据同向归一化公式如下：

旧件的评价结果集定义为T={T1,T2,T3}，T1表示无用旧件，T2表示可再利用旧件，T3表示可修复旧件。无用即无利用价值的旧件、可再利用即还有使用价值，可拆卸使用作为原材料；可修复指经过加工后，可恢复原有的性能。

2.1 指标选取

评价模型的可行性、可靠性及评价结果的有效性很大程度上依赖评价指标体系的建立。评价指标的选取依赖于评价对象的刻画目的，本文参考其他学者在旧件可再制造评价上确定的旧件指标，并依据第三方云平台长期以来服务于汽车产业价值链集聚的旧件相关数据，从技术可行性、经济可行性、环境可行性等方面去刻画旧件是否可再制造，将旧件分为可修复、可再利用、无用等三类。各项指标维度刻画如表1所示。

表1 汽车旧件再制造评价指标

2.2 指标赋权

对于赋权方法的选择，本文选取主观赋权AHP 层次分析法与客观赋权熵权法。用W表示权重矩阵W=[w1…wn]wi表示二级指标的权重值，n是二级指标的个数。

AHP［5］是一种定性和定量相结合的、系统化的、层次化的分析方法。将一个复杂的目标决策问题作为一个系统，将目标分解为多个目标或准则，由专家通过指标相对的重要程度给出判断矩阵，计算指标权重，用一致性指标和一致性比率衡量判断矩阵的有效性，由AHP 得到的权重为W1。

熵权法［6］是根据指标信息熵的大小对指标客观赋值的一种方法，对数据进行同向化归一化处理，再由信息熵公式进行计算，信息熵越小，代表该指标的离散程度越大，包含的信息就越多，所赋予的权重就越大。由熵权法得到的权重为W2。

2.3 指标平衡权重组合

关于权重组合，本文采用权重差异度［7］的思想来平衡组合权重。

第1步：计算主客观总体权重得分，取主观权重为W1，客观权重为W2，取主观权重的平衡因子为θ1，客观权重的平衡因子为θ2，平衡权重为W，W计算如式如下，其中θ1≥0,θ2≥0,θ1+θ2= 1

第3 步：代入优化目标θ1= 1 -θ2，求θ1导数：

令= 0在0 ≤θ1≤1内求解θ1，θ2= 1 -θ1即可。

2.4 模糊评价

第1步：根据上面的值求解，评价数据个体一级指标维度的值及一级指标权重值分别为式（5），式（6），其中m是各一级指标下的二级指标个数。

第2步：根据式（5）得到一级指标赋权得分，根据专家的经验判断，给出一级指标对评价结果集的隶属矩阵R，如Reconomy=[a1a2a3]表示第一级指标经济可行性对评价结果集O的隶属度。一级指标对评价结果集的隶属度梯度函数如下：

第3步：通过隶属函数计算评价对象对于评价结果集的隶属矩阵为这里i表示一级指标。评价对象的隶属度得分为T，如式（7），选择T中最大的值对应的评价即是该评价对象的评价结果。

3 实验分析

3.1 实验数据

本文算法实验数据源于第三方云平台数据空间及相关网站（环境方面是The Eco-indicator 99及其生态数据库［8］获取旧件在加工制造运输等过程中对环境影响的相对负荷数据），进行数据预处理及按式（1）同向化处理，其中再制造成本、损坏程度与污染指数为负向指标，其他均为正向。

3.2 实验结果分析

通过上述方法计算了AHP、EWM 及AHPEWM 组合的权重，得到的权重对比图如图1 所示，AHP-EEM 组合权重结合了主观经验判断和数据客观的熵权信息。

图1 权重对比

根据模糊评价的方法计算AHP-EWM 组合赋权得到模糊评价结果，评价对象对于三种评价结果得分与整体的评价结果如图2所示。在实际的旧件再制造决策通过客观情况分析与实际厂商的实际应用沟通，组合赋权得到的评价结果在辅助决策中效果更佳，综合考虑了数据的客观关系情况与厂商的主观意愿。

图2 评价结果

4 结语

本文以汽车产业价值链旧件管控系统回收再制造辅助决策的需求为基础，分析其所需的旧件再制造决策评价模型与国内外相关的研究情况，设计了基于AHP-EWM 平衡组合赋权的模糊综合评价方法，用于供应商回收再制造辅助决策。实验结果证明，该模型较单一赋权模型的评价效果更佳，为汽车旧件再制造决策评价提供了有效可行的解决方案。