文獻大數據支持的產品服務供應鏈績效評價

郜振華 沈晉弘 周春柳

摘? 要：隨著制造業服務化的推廣，產品服務系統（PSS）越發受到各國制造商的重視，且產品服務供應鏈的應運而生對于服務制造商針對供應鏈的管理更是呈現出良好的勢態。產品服務供應鏈績效的評價對具體的決策實施具有重要意義，文章在引文數據庫Web of Science的文獻大數據支持下，基于軟件CiteSpace的文獻數據可視化功能，通過分析關鍵詞共現網絡和關鍵詞節點信息等方式，構建了關于產品服務供應鏈績效評價的指標體系，并驗證了該指標構建方法的有效性。最后，采用層次分析法以國內XX公司為案例，對體系中各指標重要性進行了判斷。

關鍵詞：產品服務供應鏈；供應鏈績效評價；層次分析法

中圖分類號：F272??? 文獻標志碼：A??? DOI：10.13714/j.cnki.1002-3100.2024.13.026

Abstract： With the promotion of manufacturing servitization， product service system（PSS）is more and more valued by manufacturers in various countries， and the emergence of product service supply chain has shown a good trend for manufacturers' management of supply chain. Therefore， with the support of the literature big data of the citation database Web of Science， based on the literature data visualization function of the software CiteSpace， this paper constructs an index system for the performance evaluation of the product service supply chain and verifies the effectiveness of the index construction method by analyzing the keyword co-occurrence network and keyword node information. Finally， the analytic hierarchy method is used to judge the importance of each index in the system by taking domestic XX companies as a case.

Key words： product service supply chain; supply chain performance evaluation; analytic hierarchy process

0? 引? 言

近些年，制造業通過延伸產品價值鏈，呈現出從以產品制造為導向的組織轉變為以服務為導向的組織的趨勢[1-2]。制造企業希望通過為用戶提供個性化產品和服務，以此給企業帶來更多盈利，PSS便在此背景下應運而生[3]。PSS可以為制造企業提供一個整合有形產品和無形服務來創造高附加值的集成解決方案。然而，企業在該商業模式的實踐中存在的問題是，即便隨著信息技術的熟練應用，傳統供應鏈管理模式仍無法匹配該商業模式各項屬性[4]，于是產品服務供應鏈的出現很好地解決了這個問題。產品服務供應鏈最早由Mark Johnson et al[5]提出，其闡述了服務化企業的供應鏈職能面臨的挑戰和機遇，并指出其戰略、需求、不確定性、風險承受范圍和信息的實時性要求等方面與傳統供應鏈的區別。績效評價是產品服務供應鏈管理的重要組成部分，它對供應鏈的改善和績效管理有著至關重要的作用[6]。因此，開展產品服務供應鏈績效評價研究對制造業具有重要的理論意義與實踐價值。

伴隨著云計算、人工智能[7-8]以及物聯網[9]等技術的興起，數據以前所未有的速度增長和積累，大數據時代已經到來[10]。大數據技術的快速發展對社會經濟和產業模式產生了深遠的影響[11]。大數據方法論也逐漸開始應用在決策過程[12-13]。開源數據分析軟件及工具，如CiteSpace、Pajek、Vosviewer、網絡爬蟲等，為大數據挖掘和復用提供了更便利的手段。因此，如上背景技術使得大數據支持的產品服務供應鏈績效評估決策成為可能。

目前，學者對產品服務供應鏈績效評價的研究較少，并且存在指標選取過于主觀、不夠全面等問題。鑒于以上研究問題，本文提出一種文獻大數據支持的產品服務供應鏈績效評價技術。在獲取引文數據庫Web of Science中與“產品服務供應鏈”的相關文獻數據后，利用文獻數據可視化軟件CiteSpace，通過分析關鍵詞共現網絡和關鍵詞節點信息，再對獲取信息進行篩選、分類和總結，構建了關于產品服務供應鏈績效評價的指標體系。最后，采用層次分析法并以國內XX信息技術公司為案例，對體系中各指標重要性進行了判斷。

1? 基于文獻大數據的產品服務供應鏈績效指標體系構建

1.1? 指標體系構建

軟件CiteSpace作為一款主要使用WOS（Web of Science）文本數據格式的信息可視化分析工具，在映射前會通過內置數據轉換器對文獻數據進行預處理，為保證結果的準確性，會在格式轉換后進行為此篩選，去除重復部分。

本文的統計分析數據來自WOS核心數據庫。為保證收集數據的完整性，使用數據庫高級檢索功能，以“服務型制造相關英文詞匯”+“供應鏈”為檢索詞組合，確定檢索詞及檢索詞組合有："TS=Product-service Supply Chain"、 "TS=Servitization*AND Supply Chain"、"TS=Service-oriented Manufacturing*AND Supply Chain"、"TS=Servicing*AND Supply Chain"、"TS

=Product-service Systems*AND Supply Chain"。檢索語種選為 "All Languages"，文獻類型選擇論文、綜述論文以及會議論文，檢索時間跨度自定義為“2013—2023”，檢索時間為2023年5月1日，累計檢索文獻13 861條。在去除重復記錄后，由剩余12 372條有效文獻形成文章的文獻大數據樣本庫。文獻圍繞樣本庫提供的數據內容建立關于產品服務供應鏈績效評價指標體系，技術流程如圖1所示。

首先，基于軟件CiteSpace的“關鍵詞共現功能”，對處理后的樣本庫進行了概念處理和分詞處理，并執行了詞頻統計，得到高頻詞目錄。在排除目錄中沒有實際含義或明確指向性的詞匯以及合并含義相同但表達形式不同的詞匯后，最終篩選出103個有效高頻詞，得到最終的高頻詞目錄。部分高頻詞如表1所示。

接著，通過對高頻詞的社交網絡分析，得到103個關鍵詞的關鍵詞共現網絡圖譜，如圖2所示。

基于關鍵詞共現網絡可視化圖以及圖中各節點提供的 "Neighboring Nodes"信息，對高頻詞進行了總結和分類。根據各關鍵詞呈現的邏輯關系和相互關系抽象出具有相同屬性的高頻詞，對高頻詞進行了分類，實現將每個高頻詞分類到一個類別中。如圖3中所示，獲得的類別是服務供應鏈績效評估的方案層，即三級指標。接著，再次對三級指標進行抽象和分類，得到準則層，即二級指標。最終得到服務供應鏈績效評價指標體系如圖3所示。

1.2? 指標體系有效性驗證

現有研究中，對于產品服務供應鏈績效評價體系的構建并沒有一個較為固定的標準，學者們大多從不同維度出發，建立了關于該研究的評價指標體系，下文為現有研究中部分研究方法的簡要概述[14-16]：（1）平衡計分卡模型：指標體系建立圍繞財務、客戶、內部運營以及學習和成長四個維度；（2）SCOR模型：指標體系建立圍繞計劃、采購和生產3個屬性；（3）扎根理論：采用扎根理論定性分析與數理統計定量分析相結合的方法設計并構建指標體系。將本文所構建的指標體系與以上指標體系進行比對發現，基于文獻大數據所歸納的三級指標與以上成熟體系所歸納的三級指標多有重合之處，但由于不同方法的著重點不同，使得最終呈現出的體系不盡相同。

在對文獻大數據進行處理后得到的高頻詞匯中，如“資源可持續性”、“綠色物流”、“減少CO2排放”以及“循環經濟”等與“環境友好”相關的詞匯占有較大比重，這在一定程度上表明了對于產品服務供應鏈績效的評價與“環境友好”或是“可持續性”等指標有關聯。然而，在本文選取的比對指標體系中大多沒有涉及此類指標。根據Baines[17]所提出“PSS不僅對環境造成最小的負面影響，而且通過最大化社會福利和優化經濟附加值進一步實現資源的可持續性”，并且越來越多關于PSS的文獻也強調了其對環境帶來的正面價值[18]，故本文將“可持續性”作為體系中的一項關鍵指標使得針對于產品服務供應鏈績效的評價更加全面。

最終，在經過指標體系比對和文獻論證后表明，采用基于文獻大數據所構建的指標體系針對于產品服務供應鏈績效的評價尚具有效性。

2? 基于層次分析法的綜合評價結果

本文以XX信息技術公司產品服務供應鏈為例，采用1～9數值標度法（見表2），將該公司高級管理人員及專家對各層次指標重要性評價進行量化，構建了對應的判斷矩陣。接著，利用綜合評價工具Spss Pro內置的計算功能，對各判斷矩陣的各層次單排序進行計算以及求得一致性檢驗結果，如表3所示，并根據指標權重進行層次總排序如表4所示。

由表4中數據可以反映出，在產品服務供應鏈績效評價層面上，數字化程度對于XX公司是最為重要的，其權重占比為0.43，突顯了智慧化轉型升級對于企業供應鏈的重要性。其次，在二級指標中，重要度緊隨其后的是顧客滿意度，權重占比為0.25，這在一定程度上反映了對于產品服務供應鏈這樣一個閉環系統而言，顧客的參與度以及正向反饋對于整個系統有舉足輕重的影響。最后，雖然前兩項指標極其重要，但是物流能力、可持續性、供應商合作水平三項指標對于XX公司產品服務供應鏈整體績效水平的影響也不容小覷。

3? 結? 論

PSS是服務型制造企業滿足用戶多樣化需求、提高制造效率以及優化環境保護的新型商業模式，對于產品服務供應鏈評估決策則是提高企業競爭力的重要途徑，對后續決策的實施具有重要意義。針對目前產品服務供應鏈評價研究的不足，本文探討了一種文獻大數據支持的評估決策技術，并給出了具體步驟。最后以XX信息技術公司為案例，得到了對于該公司而言各項指標的重要性。通過對比分析，本文驗證了該大數據支持的評估決策技術的有效性，其對于指標體系的構建更為客觀，且能夠完善現有方法的一些不足。在今后的研究中將繼續完善數據獲取的方式，使得實驗數據更加具有多樣性、完整性和代表性。再結合案例，重點開展產品服務供應鏈績效評價的實證研究，加深驗證該評估決策技術的科學性與實用性。

參考文獻：

[1]? GEBAUER H， GUSTAFSSON A， WITELL L. Competitive advantage through service differentiation by manufacturing companies[J]. Journal of Business Research， 2011，64（12）：1270-1280.

[2]? ROMERO ROJO F J， ROY R， SHEHAB E， et al. A cost estimating framework for electronic， electrical and electromechanical： （EEE） components obsolescence within the use-oriented product-service systems contracts[J]. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2012，226（1）：154-166.

[3]? JIANG Z Z， FENG G， YI Z， et al. Service-oriented manufacturing： A literature review and future research directions[J]. Frontiers of Engineering Management， 2022，9（1）：71-88.

[4]? SHEN J， ERKOYUNCU J A， ROY R， et al. A framework for cost evaluation in product service system configuration[J]. International Journal of Production Research， 2017，55（20）：6120-6144.

[5]? JOHNSON M， MENA C. Supply chain management for servitised products： A multi-industry case study[J]. International Journal of Production Economics， 2008，114（1）：27-39.

[6]? XU Z， ELOMRI A， ZHANG Q， et al. Status review and research strategies on product-service supply chain[J]. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2020，234（8）：1075-1086.

[7]? HASHEM I A T， YAQOOB I， ANUAR N B， et al. The rise of "big data" on cloud computing： Review and open research issues[J]. Information Systems， 2015，47：98-115.

[8]? TANG B， CHEN Z， HEFFERMAN G， et al. Incorporating intelligence in fog computing for big data analysis in smart cities[J]. IEEE Transactions on Industrial Informatics， 2017，13（5）：2140-2150.

[9]? QU T， LEI S P， WANG Z Z， et al. IoT-based real-time production logistics synchronization system under smart cloud manufacturing[J]. The International Journal of Advanced Manufacturing Technology， 2016，84：147-164.

[10]? CHEN C L P， ZHANG C Y. Data-intensive applications， challenges， techniques and technologies： A survey on big data[J]. Information Sciences， 2014，275：314-347.

[11]? GANDOMI A， HAIDER M. Beyond the hype： Big data concepts， methods， and analytics[J]. International Journal of Information Management， 2015，35（2）：137-144.

[12]? WANG H， XU Z， FUJITA H， et al. Towards felicitous decision making： An overview on challenges and trends of big data[J]. Information Sciences， 2016，367：747-765.

[13]? DUAN Y， EDWARDS J S， DWIVEDI Y K. Artificial intelligence for decision making in the era of big data-evolution， challenges and research agenda[J]. International Journal of Information Management， 2019，48：63-71.

[14]? PAN J N， NGUYEN H T N. Achieving customer satisfaction through product-service systems[J]. European Journal of Operational Research， 2015，247（1）：179-190.

[15]? SHEN G， GOU J， CHAI R. Service-oriented catering supply chain performance evaluation model[C] // LISS 2012： Proceedings of 2nd International Conference on Logistics， Informatics and Service Science. Springer Berlin Heidelberg， 2013：1135-1140.

[16] 趙涵天，李英龍. 基于扎根理論的產品服務供應鏈績效評價指標體系構建[J]. 物流科技，2020，43（2）：139-143.

[17]? BAINES T， LIGHTFOOT H， PEPPARD J， et al. Towards an operations strategy for product-centric servitization[J]. International Journal of Operations & Production Management， 2009，29（5）：494-519.

[18]? SCHALTEGGER S， HANSEN E G， L？譈DEKE-FREUND F. Business models for sustainability： Origins， present research， and future avenues[J]. Organization & Environment， 2016，29（1）：3-10.