文献大数据支持的产品服务供应链绩效评价

郜振华 沈晋弘 周春柳

摘  要：随着制造业服务化的推广，产品服务系统（PSS）越发受到各国制造商的重视，且产品服务供应链的应运而生对于服务制造商针对供应链的管理更是呈现出良好的势态。产品服务供应链绩效的评价对具体的决策实施具有重要意义，文章在引文数据库Web of Science的文献大数据支持下，基于软件CiteSpace的文献数据可视化功能，通过分析关键词共现网络和关键词节点信息等方式，构建了关于产品服务供应链绩效评价的指标体系，并验证了该指标构建方法的有效性。最后，采用层次分析法以国内XX公司为案例，对体系中各指标重要性进行了判断。

关键词：产品服务供应链；供应链绩效评价；层次分析法

中图分类号：F272    文献标志码：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，制造业通过延伸产品价值链，呈现出从以产品制造为导向的组织转变为以服务为导向的组织的趋势[1-2]。制造企业希望通过为用户提供个性化产品和服务，以此给企业带来更多盈利，PSS便在此背景下应运而生[3]。PSS可以为制造企业提供一个整合有形产品和无形服务来创造高附加值的集成解决方案。然而，企业在该商业模式的实践中存在的问题是，即便随着信息技术的熟练应用，传统供应链管理模式仍无法匹配该商业模式各项属性[4]，于是产品服务供应链的出现很好地解决了这个问题。产品服务供应链最早由Mark Johnson et al[5]提出，其阐述了服务化企业的供应链职能面临的挑战和机遇，并指出其战略、需求、不确定性、风险承受范围和信息的实时性要求等方面与传统供应链的区别。绩效评价是产品服务供应链管理的重要组成部分，它对供应链的改善和绩效管理有着至关重要的作用[6]。因此，开展产品服务供应链绩效评价研究对制造业具有重要的理论意义与实践价值。

伴随着云计算、人工智能[7-8]以及物联网[9]等技术的兴起，数据以前所未有的速度增长和积累，大数据时代已经到来[10]。大数据技术的快速发展对社会经济和产业模式产生了深远的影响[11]。大数据方法论也逐渐开始应用在决策过程[12-13]。开源数据分析软件及工具，如CiteSpace、Pajek、Vosviewer、网络爬虫等，为大数据挖掘和复用提供了更便利的手段。因此，如上背景技术使得大数据支持的产品服务供应链绩效评估决策成为可能。

目前，学者对产品服务供应链绩效评价的研究较少，并且存在指标选取过于主观、不够全面等问题。鉴于以上研究问题，本文提出一种文献大数据支持的产品服务供应链绩效评价技术。在获取引文数据库Web of Science中与“产品服务供应链”的相关文献数据后，利用文献数据可视化软件CiteSpace，通过分析关键词共现网络和关键词节点信息，再对获取信息进行筛选、分类和总结，构建了关于产品服务供应链绩效评价的指标体系。最后，采用层次分析法并以国内XX信息技术公司为案例，对体系中各指标重要性进行了判断。

1  基于文献大数据的产品服务供应链绩效指标体系构建

1.1  指标体系构建

软件CiteSpace作为一款主要使用WOS（Web of Science）文本数据格式的信息可视化分析工具，在映射前会通过内置数据转换器对文献数据进行预处理，为保证结果的准确性，会在格式转换后进行为此筛选，去除重复部分。

本文的统计分析数据来自WOS核心数据库。为保证收集数据的完整性，使用数据库高级检索功能，以“服务型制造相关英文词汇”+“供应链”为检索词组合，确定检索词及检索词组合有："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"。检索语种选为 "All Languages"，文献类型选择论文、综述论文以及会议论文，检索时间跨度自定义为“2013—2023”，检索时间为2023年5月1日，累计检索文献13 861条。在去除重复记录后，由剩余12 372条有效文献形成文章的文献大数据样本库。文献围绕样本库提供的数据内容建立关于产品服务供应链绩效评价指标体系，技术流程如图1所示。

首先，基于软件CiteSpace的“关键词共现功能”，对处理后的样本库进行了概念处理和分词处理，并执行了词频统计，得到高频词目录。在排除目录中没有实际含义或明确指向性的词汇以及合并含义相同但表达形式不同的词汇后，最终筛选出103个有效高频词，得到最终的高频词目录。部分高频词如表1所示。

接着，通过对高频词的社交网络分析，得到103个关键词的关键词共现网络图谱，如图2所示。

基于关键词共现网络可视化图以及图中各节点提供的 "Neighboring Nodes"信息，对高频词进行了总结和分类。根据各关键词呈现的逻辑关系和相互关系抽象出具有相同属性的高频词，对高频词进行了分类，实现将每个高频词分类到一个类别中。如图3中所示，获得的类别是服务供应链绩效评估的方案层，即三级指标。接着，再次对三级指标进行抽象和分类，得到准则层，即二级指标。最终得到服务供应链绩效评价指标体系如图3所示。

1.2  指标体系有效性验证

现有研究中，对于产品服务供应链绩效评价体系的构建并没有一个较为固定的标准，学者们大多从不同维度出发，建立了关于该研究的评价指标体系，下文为现有研究中部分研究方法的简要概述[14-16]：（1）平衡计分卡模型：指标体系建立围绕财务、客户、内部运营以及学习和成长四个维度；（2）SCOR模型：指标体系建立围绕计划、采购和生产3个属性；（3）扎根理论：采用扎根理论定性分析与数理统计定量分析相结合的方法设计并构建指标体系。将本文所构建的指标体系与以上指标体系进行比对发现，基于文献大数据所归纳的三级指标与以上成熟体系所归纳的三级指标多有重合之处，但由于不同方法的着重点不同，使得最终呈现出的体系不尽相同。

在对文献大数据进行处理后得到的高频词汇中，如“资源可持续性”、“绿色物流”、“减少CO2排放”以及“循环经济”等与“环境友好”相关的词汇占有较大比重，这在一定程度上表明了对于产品服务供应链绩效的评价与“环境友好”或是“可持续性”等指标有关联。然而，在本文选取的比对指标体系中大多没有涉及此类指标。根据Baines[17]所提出“PSS不仅对环境造成最小的负面影响，而且通过最大化社会福利和优化经济附加值进一步实现资源的可持续性”，并且越来越多关于PSS的文献也强调了其对环境带来的正面价值[18]，故本文将“可持续性”作为体系中的一项关键指标使得针对于产品服务供应链绩效的评价更加全面。

最终，在经过指标体系比对和文献论证后表明，采用基于文献大数据所构建的指标体系针对于产品服务供应链绩效的评价尚具有效性。

2  基于层次分析法的综合评价结果

本文以XX信息技术公司产品服务供应链为例，采用1～9数值标度法（见表2），将该公司高级管理人员及专家对各层次指标重要性评价进行量化，构建了对应的判断矩阵。接着，利用综合评价工具Spss Pro内置的计算功能，对各判断矩阵的各层次单排序进行计算以及求得一致性检验结果，如表3所示，并根据指标权重进行层次总排序如表4所示。

由表4中数据可以反映出，在产品服务供应链绩效评价层面上，数字化程度对于XX公司是最为重要的，其权重占比为0.43，突显了智慧化转型升级对于企业供应链的重要性。其次，在二级指标中，重要度紧随其后的是顾客满意度，权重占比为0.25，这在一定程度上反映了对于产品服务供应链这样一个闭环系统而言，顾客的参与度以及正向反馈对于整个系统有举足轻重的影响。最后，虽然前两项指标极其重要，但是物流能力、可持续性、供应商合作水平三项指标对于XX公司产品服务供应链整体绩效水平的影响也不容小觑。

3  结  论

PSS是服务型制造企业满足用户多样化需求、提高制造效率以及优化环境保护的新型商业模式，对于产品服务供应链评估决策则是提高企业竞争力的重要途径，对后续决策的实施具有重要意义。针对目前产品服务供应链评价研究的不足，本文探讨了一种文献大数据支持的评估决策技术，并给出了具体步骤。最后以XX信息技术公司为案例，得到了对于该公司而言各项指标的重要性。通过对比分析，本文验证了该大数据支持的评估决策技术的有效性，其对于指标体系的构建更为客观，且能够完善现有方法的一些不足。在今后的研究中将继续完善数据获取的方式，使得实验数据更加具有多样性、完整性和代表性。再结合案例，重点开展产品服务供应链绩效评价的实证研究，加深验证该评估决策技术的科学性与实用性。

参考文献：

[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] 赵涵天，李英龙. 基于扎根理论的产品服务供应链绩效评价指标体系构建[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.