基于主客觀賦權(quán)法的汽車靜態(tài)感知質(zhì)量評分研究

李王宇辰

（一汽奔騰轎車有限公司，長春130000）

主題詞：靜態(tài)感知 權(quán)重計算 層次分析法 熵值法

1 前言

“感知質(zhì)量”是指消費者在自身的使用場景下、依據(jù)一定的使用目的以及使用需求，對產(chǎn)品或服務表現(xiàn)出的主觀印象和感受。而汽車靜態(tài)感知質(zhì)量是以用戶的視角來衡量汽車優(yōu)劣的重要指標，它通過視覺、觸覺、聽覺、嗅覺帶給用戶最直觀的第一感受。為了使用戶需求可以量化，采用評分的方式比較常見，將主觀的感受量化為工程指標，并將整車分割成若干區(qū)域或評價維度分別評分。在實際項目開發(fā)中，給出單一某項評價指標的分值比較容易，但感知質(zhì)量工程師給出對各區(qū)域或維度整體分值卻較難。不同的區(qū)域或評價維度，對于消費者而言具有不同的感知程度，所以要想得到可靠、科學的評價結(jié)果，需要對各評價區(qū)域或維度賦予權(quán)重。

目前，賦權(quán)方法主要可以分為2類：主觀賦權(quán)法和客觀賦權(quán)法。主觀賦權(quán)法是基于決策者的經(jīng)驗和偏好，通過對各項指標重要性進行比較而賦權(quán)法方法，目前常用的是專家咨詢法、層次分析法（AHP）。其中，層次分析法是實際應用中使用最多的方法，它能將復雜問題層次化、將定性問題定量化?？陀^賦權(quán)法是實際數(shù)據(jù)出發(fā)，利用各指標所反映的客觀信息確定權(quán)重的1種方法，目前比較成熟的方法有標準離差法、熵值法、CRITIC法，其中熵值法應用較多。

針對主、客觀賦權(quán)法各自的優(yōu)缺點，為兼顧決策者的偏好，同時又力爭減少賦權(quán)的主觀隨意性,使對賦權(quán)達到主觀與客觀的統(tǒng)一，本文在綜合運用已有的主觀賦權(quán)方法和客觀賦權(quán)方法確定汽車靜態(tài)感知質(zhì)量評價中各評價維度的權(quán)重，進而使決策結(jié)果更加真實、可靠。

2 層次分析法

2.1 層次分析法的概念

美國運籌學家Saaty于20世紀70年代初提出著名的層次分析法（Analytic Hierarchy Process，AHP）。層次分析法是將與決策有關的元素分解成目標、準則、方案等層次，在此基礎上進行定性和定量分析的決策方法。該方法具有系統(tǒng)、靈活、簡潔的優(yōu)點。

2.2 層次分析法的基本原理與步驟

在實際應用中，層次分析法建模的過程如下，包括4個步驟：

步驟1：建立階梯層次結(jié)構(gòu)模型

步驟2：構(gòu)造出各層次中所有判斷矩陣。引用數(shù)字1-9及其倒數(shù)作為標度來定義（表1）。

表1 判斷矩陣標度定義

判斷矩陣中各元素a為行指標相對于列指標進行重要性兩兩比較的值?？梢娕袛嗑仃囀且粋€正交矩陣，其特點為：左上至右下對角線位置上的元素為1，即a=1；其2側(cè)對稱位置上的元素互為倒數(shù)，即a=1/a。

步驟3：判斷矩陣的一致性檢驗。層次分析法對人們的主觀判斷加以形式化的表達和處理，逐步剔除主觀性，從而盡可能地轉(zhuǎn)化成客觀描述。其正確與成功，取決于客觀成分能否達到足夠合理的地步。由于客觀事物的復雜性及決策者認識的主觀性，對判斷矩陣做一致性檢驗，成為不可或缺的環(huán)節(jié)。

（1）計算一致性指標（Consistency Index），如式（1）。

式中，為判斷矩陣的最大特征值。

（2）查找一致性指標（表2）。

表2 平均隨機一致性指標

（3）計算一致性比例。

當＜0.10時，認為判斷矩陣的一致性是可以接受的，否則應對判斷矩陣做適當?shù)男拚?/p>

步驟4：各元素權(quán)重計算。將判斷矩陣A的各行向量進行幾何平均，然后歸一化，得到的行向量就是權(quán)重向量。

（1）A的元素按行相乘得一新向量，如式（3）。

式中，向量中各元素m計算如式（4）。

式中，a為判斷矩陣中第行、第列元素。

（2）將新向量的每個分量開次方，得到一新向量，如式（5）。

式中，向量中各元素w計算如式（6）。

（3）將所得向量歸一化即為權(quán)重向量，如式（7）。

3 熵值法

3.1 熵值法基本理論[12]

熵值法確定權(quán)重的基本思想是：若某項屬性的數(shù)據(jù)序列的變異程度越大，則它相對應的權(quán)系數(shù)就越大。

3.2 熵值的計算

（1）將各指標標準化處理。計算第項指標下，第個評價人員的特征比重p，如式（8）。

式中，為評價人員數(shù)量；x為第個評價人員對對第項指標的評分。

（2）計算第項指標的熵值e。

式中，為評人員數(shù)量；

（3）確定第項指標的權(quán)重e，如式（10）。

式中，為評人員數(shù)量。

4 評價者權(quán)重計算

在實際工作中，常常有會有多位評價者同時評價，各評價者之間的能力水平存在差異、對所評價產(chǎn)品的熟悉程度也不盡相同，若不考慮各個評價者的權(quán)重，必然會影響評價結(jié)果的準確性。

4.1 偏離權(quán)重的計算

定義評價者個體決策結(jié)果與群體決策結(jié)果的偏差Z，如式（11）。

式中，z=|y-x|;=1,2,…;=1,2,…，，y為個體決策結(jié)果，x為群體決策結(jié)果

定義評價者個體決策結(jié)果與群體決策結(jié)果的總偏差R，如式（12）。

式中，=1,2,…;y為個體決策結(jié)果，x為群體決策結(jié)果。

群體決策的結(jié)果是集體智慧的結(jié)晶，代表評價者共同意愿，決策結(jié)果應趨于一致，即Z在理想狀態(tài)下應是零向量。評價者的權(quán)重應隨偏差量的增加而降低，所以定義評價者的偏離權(quán)重r，如式（13）。

式中，=1,2,…。

若單個評價者偏差大，則對應的偏離權(quán)重越小，但為了防止追求意見上的一致而忽略了部分評價者對結(jié)果的影響，還要從評價者個體提供的信息量方面繼續(xù)調(diào)整評價者的權(quán)重。

4.2 權(quán)重的調(diào)整

利用線性加權(quán)的方法，結(jié)合評價者的熵值和偏離權(quán)重，調(diào)整評價者的權(quán)重。調(diào)整后的權(quán)重′計算如式（14）。

式中，

通過對評價者權(quán)重的調(diào)整，由新的權(quán)重值可以計算新的群體評價結(jié)果如式（17）。

定義2次群體結(jié)果的距離如式（18）。

設定其閾值為，若(')≤，則2次結(jié)果偏差很小，認為評價結(jié)果趨于穩(wěn)定一致，調(diào)整過程結(jié)束，將'作為最終評價結(jié)果。否則，令λ=，'重復以上過程，直至(')≤。

5 汽車靜態(tài)感知質(zhì)量評價指標權(quán)重計算流程

圖1給出了本文提出的汽車靜態(tài)感知質(zhì)量評價指標權(quán)重計算流程。首先通過靜態(tài)感知層次模型建立各評價指標的主觀權(quán)重；其次結(jié)合各評價人員權(quán)重、利用各評價人員的評價結(jié)果計算各指標的客觀權(quán)重；再次，將主觀權(quán)重、客觀權(quán)重融合后，根據(jù)各評價人員個人評價結(jié)果與集體評價結(jié)果，計算2者偏離權(quán)重和熵權(quán)，并對評價人員權(quán)重進行優(yōu)化；最后，對比優(yōu)化后集體評價結(jié)果與上一次集體評價結(jié)果，若2者差距不滿足要求，則繼續(xù)優(yōu)化評價人員權(quán)重，直至2者差距滿足要求。

圖1 汽車靜態(tài)感知質(zhì)量評價指標權(quán)重計算流程

6 實例分析

6.1 問題描述

國內(nèi)某公司對比A、B2車型的靜態(tài)感知質(zhì)量，該公司選擇4名感知質(zhì)量工程師同時對這2款車型進行打分。依據(jù)SAE的十分制打分法，結(jié)合該公司的靜態(tài)感知質(zhì)量評價模型，將靜態(tài)感知質(zhì)量定義為8個一級指標、33個二級指標，其AHP結(jié)構(gòu)模型如表3所示。

6.2 構(gòu)造判斷矩陣、一致性檢驗并計算權(quán)重

選取多位經(jīng)驗豐富的感知質(zhì)量工程師按照表1的標度定義，將表3構(gòu)造的各因素兩兩比較，得出判斷矩陣，并按公式（1）、（2）進行一致性檢驗，利用公式（3）~（7）計算各元素權(quán)重，外部評價方案層判斷矩陣見表4，其余方案層判斷矩陣方法同理。根據(jù)方案層判斷矩陣，可以得到各評價指標的主觀權(quán)重，外部評價中各方案層主觀權(quán)重如表5所示，其余同理可得。

表4 外部評價方案層判斷矩陣

表5 各評價指標主觀權(quán)重

6.3 各評價人員權(quán)重初步分配

在該次評價過程中，4名評價工程師中，其中1名工程師經(jīng)驗較豐富，記為工程師；其余3名工程師評價經(jīng)驗相當，但相對于工程師較少，記為工程師、工程師、工程師。由于這四名評價工程師存在差異，需要計算4名工程師的初始權(quán)重。判斷矩陣及權(quán)重如表6所示。該4名工程師依照表3的靜態(tài)感知評價項目進行打分，外部評價打分結(jié)果如表7所示，其余分數(shù)略。

表3 靜態(tài)感知評價指標層次模型

表6 評價人員權(quán)重判斷矩陣

6.4 各評價指標權(quán)重優(yōu)化

根據(jù)表7中每個人的評分矩陣，根據(jù)熵值法分別計算各評價指標的客觀權(quán)重，外部評價各指標客觀權(quán)重如表8所示。根據(jù)各評價指標的主觀權(quán)重，以及表8中的客觀權(quán)重，計算每個評價人員的主客觀融合權(quán)重，計算方法參考公式（15）、公式（16），最后依照各評價人員的權(quán)重，計算主客觀融合權(quán)重的整體結(jié)果，如表9所示。

表7 打分結(jié)果

表8 基于各評價人員評價結(jié)果的客觀權(quán)重

表9 主客觀權(quán)重融合結(jié)果

6.5 各評價人員權(quán)重優(yōu)化

根據(jù)各評價指標主客觀融合整體權(quán)重計算出評價人員個人對A、B2個車型的評分，然后根據(jù)評價人員權(quán)重計算評價人員集體對A、B2個車型的評分（表10），利用公式（8）~（10）計算各評價人員的熵權(quán)，利用公式（13）計算各評價人員的偏離權(quán)重。根據(jù)公式（15）、公式（16）計算、，得到調(diào)整后評價人員權(quán)重′，并計算新的整體評分結(jié)果′。

表10 評價人員個體及集體評分結(jié)果

′=[0.46976 0.15176 0.22068 0.15780]

′=[7.00819 6.67553]

定義2次結(jié)果之間的閾值=0.0001，計算2次結(jié)果之間的距離。

(′)=0.001996

重復6.4-6.5過程，直至(′)≤，迭代結(jié)果如表11所示.

表11 迭代過程評價人員權(quán)重變化

至第4次迭代時，(′)=0.00007≤，迭代結(jié)束，此時各評價人員權(quán)重為最終權(quán)重。由表11可以看出，各評價人員的權(quán)重均產(chǎn)生不同程度的變化。除工程師外，工程師、、初始權(quán)重相同，由于工程師、評分與其他2名工程師評分相比，存在一定出入，在以上迭代過程中，該人員權(quán)重逐步下降，其余人員權(quán)重逐步增加，使結(jié)果更符合實際，調(diào)整結(jié)果也可作為衡量評價人員水平的參考。

7 結(jié)束語

針對目前汽車靜態(tài)感知質(zhì)量評價過程中，針對車輛整體評分較難問題，首先利用層次分析法分析了評價指標的主觀權(quán)重，然后利用熵值法對主觀權(quán)重進行了修正，同時考慮了評價人員的權(quán)重，并利用熵權(quán)和偏離權(quán)重對評價人員的權(quán)重進行了修正。這種計算方法綜合了評價人員的主觀意愿和整車評分的客觀數(shù)據(jù)，既考慮了不同評價人員的評價經(jīng)驗，又使評價結(jié)果趨于統(tǒng)一，從而使評價結(jié)果更科學、更符合時情況。最后通過一個實際案例對計算過程進行了詳盡的說明，驗證了該方法的可行性，為汽車靜態(tài)感知質(zhì)量評分提供了參考。