長城汽車智能駕艙項(xiàng)目管理的風(fēng)險(xiǎn)因素估計(jì)和方案優(yōu)選思考

潘正輝

（華東理工大學(xué)商學(xué)院，上海 200237）

0 研究背景

風(fēng)險(xiǎn)管理一詞由賓西法尼亞大學(xué)的布納博士在1930年提出。作為管理學(xué)科中一門新興的科學(xué)分支，其萌芽于20世紀(jì)30年代，并在隨后的20年間逐步形成基本的理論框架。風(fēng)險(xiǎn)管理理論強(qiáng)調(diào)需要一整套完整管理方案的實(shí)施，才能實(shí)現(xiàn)風(fēng)險(xiǎn)控制目標(biāo)的實(shí)現(xiàn)，這主要集中在風(fēng)險(xiǎn)應(yīng)對、風(fēng)險(xiǎn)評估、風(fēng)險(xiǎn)識(shí)別和風(fēng)險(xiǎn)態(tài)度四個(gè)方面。這就意味著在汽車智能駕艙項(xiàng)目的風(fēng)險(xiǎn)管理上，需要基于系統(tǒng)的視角開展研究，不僅包含對已識(shí)別具體風(fēng)險(xiǎn)的識(shí)別和測度，還包含著對潛在風(fēng)險(xiǎn)的監(jiān)管和控制[1]。

鑒于項(xiàng)目的風(fēng)險(xiǎn)具有不以人的意志為轉(zhuǎn)移的客觀性、難以預(yù)測的偶然性、因時(shí)空因素變化而變化的相對性以及具有很大影響的社會(huì)性和發(fā)生時(shí)間的不確定性等特點(diǎn)，一旦發(fā)生就會(huì)對項(xiàng)目目標(biāo)產(chǎn)生消極或者積極的影響。因此隨著科技進(jìn)步和生產(chǎn)力的提升，風(fēng)險(xiǎn)管理的研究越來越系統(tǒng)和深入。常用的風(fēng)險(xiǎn)管理使用方法有模糊數(shù)學(xué)分析法、德爾菲專家評判法、頭腦風(fēng)暴法、故障樹分析法、遺傳算法、貝葉斯網(wǎng)絡(luò)法、蒙特卡洛模擬法、神經(jīng)網(wǎng)絡(luò)分析法、影像圖形分析法和層次分析法等[2]。

雖然諸多學(xué)者在風(fēng)險(xiǎn)管理理論研究領(lǐng)域取得了巨大成功，但是在應(yīng)用領(lǐng)域，尤其是汽車智能駕艙項(xiàng)目風(fēng)險(xiǎn)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(xiàng)目管理中存在的風(fēng)險(xiǎn)因素進(jìn)行估計(jì)，提出風(fēng)險(xiǎn)改措施，并進(jìn)行項(xiàng)目風(fēng)險(xiǎn)管理的方案優(yōu)化選擇。

1 項(xiàng)目概述

近年來，品牌車企布局新能源汽車市場，向智能網(wǎng)聯(lián)轉(zhuǎn)型，推動(dòng)汽車電動(dòng)化、智能化和結(jié)構(gòu)化。長城汽車作為我國自主品牌的代表，2022年汽車銷售量達(dá)到1 067 523 輛，連續(xù)7年年銷量超過百萬輛。

但隨著汽車市場高速增長的同時(shí)，日益爆發(fā)的汽車產(chǎn)品質(zhì)量問題越來越受人關(guān)注。據(jù)2023年1月發(fā)布的《2022年中國汽車產(chǎn)品質(zhì)量表現(xiàn)研究（AQR）》顯示，2022年投訴排名前10 的質(zhì)量問題數(shù)量中，車機(jī)系統(tǒng)相關(guān)占比達(dá)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(zhì)量問題類別與車機(jī)系統(tǒng)相關(guān)。這就對項(xiàng)目管理，尤其是智能駕艙的項(xiàng)目管理提出了更新、更高、更細(xì)和更嚴(yán)的要求。

表1 2022年汽車典型故障投訴排名

2 項(xiàng)目管理風(fēng)險(xiǎn)因素分析

本研究從長城汽車售后團(tuán)隊(duì)、研發(fā)部門、400 客服組織以及鐵粉聯(lián)盟和線上論壇等渠道，采用了一對一訪談、焦點(diǎn)小組討論、名義小組技術(shù)、問卷調(diào)查和德爾菲技術(shù)專家判斷等方式，進(jìn)行了廣泛調(diào)研和深入分析。在影響長城汽車智能駕艙項(xiàng)目管理的眾多風(fēng)險(xiǎn)因素中，識(shí)別出權(quán)重打分排名前5 位的因子，分別是項(xiàng)目費(fèi)用風(fēng)險(xiǎn)、研發(fā)技術(shù)風(fēng)險(xiǎn)、質(zhì)量風(fēng)險(xiǎn)、事業(yè)環(huán)境風(fēng)險(xiǎn)和國家政策風(fēng)險(xiǎn)。

2.1 項(xiàng)目費(fèi)用風(fēng)險(xiǎn)

一個(gè)項(xiàng)目的成功與否，企業(yè)的資金投入占據(jù)主要的影響地位。如圖1所示，長城汽車2003—2021年期間研發(fā)費(fèi)用投入在整體上呈現(xiàn)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(dá)到26.91%。但是隨著長城汽車的銷量進(jìn)入到慢增長階段，研發(fā)費(fèi)用的支出增幅趨勢也在趨于平和。

圖1 長城汽車2003—2021年期間研發(fā)費(fèi)用投入趨勢圖

為了能更進(jìn)一步分析長城汽車在研發(fā)費(fèi)用的資金投入對汽車銷量的具體拉動(dòng)作用，同時(shí)，鑒于汽車研發(fā)的資源投入需要6～18個(gè)月后才能體現(xiàn)在量產(chǎn)車輛上，故將研發(fā)的資金支出與下一年的銷量匹配，樣本數(shù)量為18 組。本研究采用了回歸分析方法，以研發(fā)支出作為自變量，年度汽車銷量作為因變量，構(gòu)造了數(shù)學(xué)模型和線性關(guān)系。

根據(jù)長城汽車研發(fā)費(fèi)用支出與年度汽車銷量的回歸分析表數(shù)據(jù)顯示（表2），相關(guān)系數(shù)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(qiáng)相關(guān)，可以接受。顯著性水平指標(biāo)F 為79.20，大于Significance F，構(gòu)造的數(shù)據(jù)模型為真，能夠解釋現(xiàn)象。棄真概率P 值小于0.01%，表明此模型的置信度達(dá)到了99.99%以上，模型通過驗(yàn)證。

表2 長城汽車研發(fā)費(fèi)用支出與年度汽車銷量的回歸統(tǒng)計(jì)分析

據(jù)此可以構(gòu)建起研發(fā)費(fèi)用支出與年度汽車銷量的方程：

式中 X—研發(fā)費(fèi)用支出，單位：億元

Y—年度汽車銷量，單位：萬輛

從回歸分析結(jié)論和公式（1）可見，研發(fā)費(fèi)用的資金投入對長城汽車的銷量拉動(dòng)作用系數(shù)為0.3439。兩者呈正相關(guān)，即每增長一個(gè)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(yè)數(shù)據(jù)，這個(gè)系數(shù)并是特別卓越，根本原因在于長城汽車在費(fèi)用上存在如下幾點(diǎn)風(fēng)險(xiǎn)。

2.1.1 研發(fā)費(fèi)用的投入資金不夠

從回歸分析的結(jié)論可見，研發(fā)費(fèi)用對汽車銷量的拉動(dòng)作用并沒有過盈虧平衡點(diǎn)，目前仍有很大價(jià)值的挖掘空間。通過擴(kuò)大研發(fā)投入，一方面能提升汽車產(chǎn)品的品質(zhì)，降低項(xiàng)目的失敗風(fēng)險(xiǎn)；另一方面能繼續(xù)擴(kuò)大市場占有率，搶占新能源細(xì)分市場。

2.1.2 費(fèi)用估計(jì)上過于保守、不夠準(zhǔn)確

制定項(xiàng)目的預(yù)算時(shí)，不能錯(cuò)過任何一個(gè)環(huán)節(jié)和分解后的工作活動(dòng)，經(jīng)過充分研究和論證后自下而上地進(jìn)行估算。在長城汽車的管理中，受限于軍事化的企業(yè)文化、絕對服從的組織體制和對市場的保守態(tài)度，導(dǎo)致在項(xiàng)目預(yù)算的估計(jì)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(zhǔn)確的數(shù)據(jù)為基礎(chǔ)。同時(shí)，時(shí)間成本也是隱藏的費(fèi)用支出，不僅要在財(cái)務(wù)計(jì)劃表上詳細(xì)記錄每一筆花銷，而且也要嚴(yán)格審核研發(fā)和生產(chǎn)過程中財(cái)務(wù)流程造成的時(shí)間成本損耗。因?yàn)榛ㄤN沒有得到控制，項(xiàng)目就無法有足夠的資源開展；而錯(cuò)過了上市窗口，消費(fèi)者對汽車產(chǎn)品的購買意愿就會(huì)發(fā)生變化，導(dǎo)致項(xiàng)目失敗。

2.2 研發(fā)技術(shù)風(fēng)險(xiǎn)

2.2.1 智能駕艙技術(shù)細(xì)分和專精化程度不斷加深

在立項(xiàng)之初技術(shù)可行性分析階段，團(tuán)隊(duì)對通用技術(shù)的理解和評估都是偏樂觀的。但在實(shí)際的項(xiàng)目實(shí)施階段，難免會(huì)在技術(shù)的細(xì)節(jié)和深層次上遇到新的難題或問題。如果沒有做好風(fēng)險(xiǎn)預(yù)案和應(yīng)急措施，必然會(huì)嚴(yán)重制約項(xiàng)目工作的正常開展，嚴(yán)重的會(huì)導(dǎo)致整車項(xiàng)目的延期甚至失敗，導(dǎo)致無法挽回的經(jīng)濟(jì)損失。

2.2.2 智能駕艙產(chǎn)品的生命周期在不斷減少、且越來越短

隨著智能駕艙技術(shù)的不斷升級換代和商業(yè)應(yīng)用，技術(shù)的更新速度已經(jīng)超越了技術(shù)的生產(chǎn)速度。這也就意味著企業(yè)需要不斷進(jìn)行研發(fā)投入，研究新的技術(shù)，進(jìn)行功能迭代升級，才會(huì)延長智能駕艙產(chǎn)品的生命周期。不然，必將被市場和消費(fèi)者舍棄和淘汰，給長城汽車帶來不必要的損失。

2.3 質(zhì)量風(fēng)險(xiǎn)

2.3.1 產(chǎn)品合格率不高

智能駕艙產(chǎn)品在研發(fā)和生產(chǎn)過程中，因其技術(shù)含量高，工藝復(fù)雜，對軟、硬件的依賴度較高，受限于基礎(chǔ)設(shè)備質(zhì)量、結(jié)構(gòu)安裝質(zhì)量、原材料質(zhì)量、工藝管線、應(yīng)用場景復(fù)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(jīng)常出現(xiàn)人工刷機(jī)或者緊急發(fā)版OTA 升級，解決車機(jī)等軟件故障（BUG）問題。另外在生產(chǎn)過程中，很容易出現(xiàn)偏差和錯(cuò)誤，殘次品多，導(dǎo)致產(chǎn)線出現(xiàn)停線卡線等對項(xiàng)目管理產(chǎn)生不利的影響，對風(fēng)險(xiǎn)管控是巨大挑戰(zhàn)。

2.3.2 芯片短缺、保供難度大

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

2.4 事業(yè)環(huán)境風(fēng)險(xiǎn)

匯率波動(dòng)大，金融環(huán)境不穩(wěn)定。2021年12月31日的美元收盤價(jià)格是6.3521 人民幣，在2022年一路高漲，到2022年11月4日達(dá)到峰值，收盤價(jià)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(jià)為6.7302 人民幣。匯率的波動(dòng)對境外業(yè)務(wù)產(chǎn)生了巨大影響。人民幣兌美元的匯率低，會(huì)導(dǎo)致以美元為結(jié)算單位的長城汽車出口業(yè)務(wù)利潤空間被壓縮；人民幣兌美元的匯率高，會(huì)造成以人民幣為結(jié)算的進(jìn)口業(yè)務(wù)成本被拉高，這都不利于項(xiàng)目的風(fēng)險(xiǎn)管理。

2.5 國家政策風(fēng)險(xiǎn)

2.5.1 政策內(nèi)容較為單一化、簡單化

在每年逐步增多的汽車零部件產(chǎn)業(yè)發(fā)展文件中，并沒有及時(shí)根據(jù)市場的經(jīng)濟(jì)反饋進(jìn)行調(diào)整。這就造成了汽車產(chǎn)業(yè)政策缺乏了對細(xì)分消費(fèi)者市場的未來預(yù)判，缺少了對車企的指導(dǎo)作用，政策過于單一化、簡單化。

2.5.2 零部件相關(guān)的針對性政策少

在汽車行業(yè)中，目前的政策多集中于汽車整車制造或產(chǎn)業(yè)布局相關(guān)，沒有針對性的政策、法律法規(guī)來指導(dǎo)零部件企業(yè)或項(xiàng)目。這制約了零部件企業(yè)的生產(chǎn)和發(fā)展，對智能駕艙等零部件企業(yè)或項(xiàng)目來說是不利的。

3 風(fēng)險(xiǎn)評估模型構(gòu)造

3.1 AHP 模型構(gòu)造

美國運(yùn)籌學(xué)家托馬斯·賽蒂（Thomas.L.Saaty）在19世紀(jì)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(gòu)建多層次的分析體系，把復(fù)雜的問題進(jìn)行分解，并將分解后的因素予以量化、賦予對應(yīng)權(quán)重，通過加權(quán)、排序和擇優(yōu)，從而進(jìn)行決策。這種分析方法具備著定性和定量相結(jié)合、系統(tǒng)層次化等特點(diǎn)。AHP 非常適合復(fù)雜問題或者系統(tǒng)的評價(jià)，能夠?qū)⒍嗄繕?biāo)、多準(zhǔn)則和無結(jié)構(gòu)的復(fù)雜問題運(yùn)用數(shù)學(xué)思維進(jìn)行簡化，有著傳統(tǒng)定性分析難以比擬的優(yōu)勢[4]。據(jù)此，本研究的核心執(zhí)行邏輯構(gòu)造如圖2所示[5]。

圖2 AHP 分析法的執(zhí)行流程圖

3.2 模型計(jì)算推導(dǎo)過程

如圖3所示，智能駕艙項(xiàng)目風(fēng)險(xiǎn)管理層次模型分為三層，對準(zhǔn)則層中的因素進(jìn)行兩兩比較，量化在同一層級的比重情況。以aij來表示因素之間的關(guān)系，公式如下：

圖3 智能駕艙項(xiàng)目風(fēng)險(xiǎn)管理層次模型

式中i——第i 個(gè)因素

j——第j 個(gè)因素

對aij參考9 擋標(biāo)度打分法進(jìn)行指標(biāo)量化[6]，即標(biāo)度1 表示兩指標(biāo)具有相等影響，標(biāo)度9 則是i 要絕對重要于j。

匯總長城汽車智能駕艙項(xiàng)目管理中的風(fēng)險(xiǎn)因素打分如表3所示。

表3 長城汽車智能駕艙項(xiàng)目管理的風(fēng)險(xiǎn)因素分析統(tǒng)計(jì)表

將風(fēng)險(xiǎn)因素打分構(gòu)造成判斷矩陣A，如公式（3）所示。

其中，i和j表示為第i個(gè)因素相對于第j個(gè)因素的進(jìn)行比較。

基于判斷矩陣A，計(jì)算每一行要素的幾何平均值Pi，然后可以得到每一個(gè)Pi在所有P 中的權(quán)重ωi，則所有ωi構(gòu)成一組權(quán)重向量：

3.3 一致性檢驗(yàn)

采用最大特征值λmax來進(jìn)行一致性需求檢驗(yàn)，其計(jì)算公式如下：

n=1，2，3……，10

可以得到λmax=5.074

其中，Aω為判斷矩陣A和權(quán)重向量ω的乘積，Aωi為向量Aω的第i項(xiàng)。

衡量判斷矩陣偏離一致性的評價(jià)指標(biāo)CI計(jì)算公式如下所示：

則CI=0.019。

式中CI——判斷矩陣偏離一致性評價(jià)指標(biāo)，CI=0.019

λmax——最大特征值

n——階數(shù)

根據(jù)平均隨機(jī)一致性系數(shù)RI與階數(shù)n的取值對應(yīng)關(guān)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(yàn)[7]。

表4 平均隨機(jī)一致性系數(shù)RI 與階數(shù)n 的取值對應(yīng)關(guān)系表

4.4 風(fēng)險(xiǎn)因素估計(jì)

根據(jù)對ω 值的研究可知，權(quán)重越大的影響因素，對長城汽車智能駕艙項(xiàng)目管理的風(fēng)險(xiǎn)管控影響就越大。因此影響最大的是項(xiàng)目費(fèi)用風(fēng)險(xiǎn)，權(quán)重為0.27；其次是研發(fā)技術(shù)風(fēng)險(xiǎn)，權(quán)重為0.21；然后是國家政策風(fēng)險(xiǎn)，權(quán)重為0.20；第四位的是質(zhì)量風(fēng)險(xiǎn)，權(quán)重為0.19；最后是事業(yè)環(huán)境風(fēng)險(xiǎn)，權(quán)重為0.13。

4 項(xiàng)目管理方案優(yōu)選

根據(jù)本研究的分析過程可見，長城汽車智能駕艙項(xiàng)目管理的風(fēng)險(xiǎn)管控重心應(yīng)放在費(fèi)用風(fēng)險(xiǎn)和技術(shù)風(fēng)險(xiǎn)的管理和控制上。

4.1 項(xiàng)目費(fèi)用因素

4.1.1 風(fēng)險(xiǎn)抑制措施

受大環(huán)境的影響，長城汽車在2022年出現(xiàn)了銷量回落的情況，沒有達(dá)到預(yù)期的銷量。此時(shí)，應(yīng)該重點(diǎn)抓費(fèi)用預(yù)算和利用率，要業(yè)財(cái)融合，在價(jià)值增值原則下積極拉通公司財(cái)務(wù)管理和研發(fā)銷售體系，減少不必要的非增值作業(yè)環(huán)節(jié)。同時(shí)，根據(jù)市場的反饋，及時(shí)、準(zhǔn)確地調(diào)整費(fèi)用預(yù)算和費(fèi)用支出，圍繞主價(jià)值鏈環(huán)節(jié)快速響應(yīng)，抑制費(fèi)用的浪費(fèi)情況或利用率低的困境，促成項(xiàng)目管理的成功和客戶訂單的達(dá)成。同時(shí)，建立有效的項(xiàng)目團(tuán)隊(duì)激勵(lì)制度，從項(xiàng)目目標(biāo)量化考核、項(xiàng)目獎(jiǎng)金分配原則以及項(xiàng)目獎(jiǎng)金分配比例等方面開展細(xì)致工作。

4.1.2 風(fēng)險(xiǎn)轉(zhuǎn)移措施

在智能駕艙項(xiàng)目立項(xiàng)之初識(shí)別出非關(guān)鍵研發(fā)活動(dòng)，尤其是長城汽車本身不擅長但又非核心的技術(shù)領(lǐng)域或者業(yè)務(wù)，可以在已明確需求、風(fēng)險(xiǎn)不大且可精準(zhǔn)計(jì)算的項(xiàng)目采用總價(jià)合同前提下，通過對外采購來轉(zhuǎn)移和緩解費(fèi)用風(fēng)險(xiǎn)的發(fā)生。同時(shí)，通過優(yōu)化項(xiàng)目管理信息體系，時(shí)時(shí)對供應(yīng)商的研發(fā)數(shù)據(jù)、產(chǎn)品設(shè)計(jì)、知識(shí)沉淀和生產(chǎn)流程等進(jìn)行強(qiáng)有力管理，滿足并行開發(fā)的要求。

4.2 研發(fā)技術(shù)因素

4.2.1 風(fēng)險(xiǎn)降低措施

長城汽車應(yīng)在企業(yè)冬天的時(shí)刻，對市場投訴量高的問題進(jìn)行大規(guī)模的采樣分析，通過諸如拆解、模擬實(shí)驗(yàn)等方式找出導(dǎo)致故障的技術(shù)原因，并重新評估技術(shù)方案選擇的正確性和合理性。同時(shí)，加強(qiáng)信息一體化建設(shè)。在項(xiàng)目開發(fā)過程中，項(xiàng)目成員需在在線數(shù)據(jù)庫維護(hù)項(xiàng)目信息和資料，實(shí)現(xiàn)信息共享、透明，規(guī)避信息不對稱，降低搜集信息工作的重復(fù)性和額外花銷。

4.2.2 風(fēng)險(xiǎn)回避措施

應(yīng)增強(qiáng)預(yù)研投入。在立項(xiàng)之初，長城汽車就應(yīng)對項(xiàng)目進(jìn)行深層次的研討，從技術(shù)可行性、財(cái)務(wù)可行性、組織可行性、經(jīng)濟(jì)可行性和社會(huì)可行性等方面綜合考量，定期開展與技術(shù)供應(yīng)商的交流活動(dòng)，并有目的的加強(qiáng)技術(shù)引入，規(guī)避技術(shù)不對稱帶來的未識(shí)別風(fēng)險(xiǎn)。同時(shí)加強(qiáng)項(xiàng)目團(tuán)隊(duì)的文化建設(shè)，保持謙虛、謹(jǐn)慎和務(wù)實(shí)的拼搏態(tài)度，為項(xiàng)目管理方案的優(yōu)化和執(zhí)行奠定堅(jiān)實(shí)的基礎(chǔ)。

5 結(jié)束語

隨著汽車電子化技術(shù)的逐步走向成熟，汽車的新四化進(jìn)程正在加速，數(shù)字化、網(wǎng)聯(lián)化、智能化正成為汽車制造企業(yè)的新目標(biāo)，也是新一代汽車產(chǎn)品的核心競爭力。其中，以基于人工智能包含視覺識(shí)別、語音技術(shù)、手勢算法等核心要素，涉及人機(jī)交互、虛擬化、域控制、大數(shù)據(jù)應(yīng)用和OTA 技術(shù)等場景的智能駕艙成為各大車企和主流供應(yīng)商角逐的戰(zhàn)場。車機(jī)系統(tǒng)作為智能駕艙與用戶的核心交互載體，是汽車零部件項(xiàng)目管理的關(guān)鍵路徑。在項(xiàng)目管理的風(fēng)險(xiǎn)防控上，自主品牌的優(yōu)勢不如外資品牌，尤其是在系統(tǒng)化、細(xì)致化、精準(zhǔn)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(fā)項(xiàng)目管理的過程研究，識(shí)別出五種影響汽車零部件項(xiàng)目的風(fēng)險(xiǎn)因素，找到在管理上的問題和不足，并根據(jù)識(shí)別出來的主要問題建立起一套全新的項(xiàng)目管理方法以解決現(xiàn)實(shí)存在的問題，降低長城汽車零部件項(xiàng)目管理的風(fēng)險(xiǎn)。