面向制造业服务化数据空间体系构建的多价值链协同创新管理研究

doi:10.16381/j.cnki.issn1003-207x.2022.2525

摘要/Abstract

摘要：

为解决制造业企业如何将客户需求融入多价值链协同创新方案的难题，本文首先利用Python网络爬虫收集用户评论信息，基于隐狄利克雷分布主题模型（latent dirichlet allocation，LDA）从用户评论中识别客户需求主题。其次，借鉴质量功能配置（quality function deployment，QFD）思想，借助概率语义术语集（probabilistic linguistic term set，PLTS）将识别的需求转化为创新要素并进行重要度排序。然后，提出“链-维-法”（chain-dimension-method，CDM）三层耦合创新方案生成方法，从多价值链角度，运用多维技术创新地图对创新要素进行维度划分，并与多个创新法则耦合，生成一系列备选创新方案；并基于方案生成过程构建制造业服务化数据空间体系。最后，以某电力装备制造企业为例验证所提出数据空间体系的有效性。研究结果表明，该制造业服务化数据空间体系的构建能够帮助企业优化多价值链协同创新管理决策。

关键词: 数据空间, 多价值链协同, 制造业服务化, 客户需求, 创新管理方法

Abstract:

Manufacturing enterprises can provide better solutions for customers and gain global competitive advantages through servitization transformation. The rapid development of big data technology has provided the source power for the transformation of data-driven manufacturing industries into services. It is of great significance to study how to use online comments and other Internet information to mine customer potential demand， and put forward a series of methods to transform customer demand into multi-value chain collaborative innovation solutions， so as to solve the problem of integrating customer demand into multi-value chain collaborative innovation solutions for manufacturing enterprises. Taking manufacturing enterprises as the research object， a multi-value chain collaborative innovation management method is proposed oriented to the construction of data space system. Python web crawler is used to collect user comment information， and customer demand topics are identified from user comments based on Latent Dirichlet Allocation （LDA） model. Secondly， by referring to the idea of quality function deployment （QFD）， the identified requirements would be transformed into innovation elements by using the probabilistic semantic term set （PLTS） and then the importance is ranked. Then， a three-layer coupled innovation scheme generation Method called “chain-dimension-method” （CDM） is proposed. From the perspective of multi-value Chain， the dimension of innovation elements is divided by using multidimensional technology innovation map technology， and a series of alternative innovation schemes are generated by coupling with multiple innovation rules. Based on the research results， the data space system of manufacturing servitization is constructed. Finally， taking an electric power equipment manufacturing enterprise as an example， 10，445 user comment data of Tmall e-commerce platform are crawled and the multi-value chain collaborative innovation management method proposed in this paper is used to verify the effectiveness of the proposed data space system. The research results show that the construction of the manufacturing servitization data space system can help enterprises optimize multi-value chain collaborative innovation management decisions.

Key words: data space, multi value chain collaboration, manufacturing servitization, customer demand, innovative management method

中图分类号:

F270

韩洁平,顾美玲,杨晓龙,赵丹,张焕粉. 面向制造业服务化数据空间体系构建的多价值链协同创新管理研究[J]. 中国管理科学, 2024, 32(1): 299-308.

Jieping Han,Meiling Gu,Xiaolong Yang,Dan Zhao,Huanfen Zhang. Research on Multi-Value Chain Collaborative Innovation Management for Manufacturing Servitization Oriented to the Construction of Data Space System[J]. Chinese Journal of Management Science, 2024, 32(1): 299-308.

图/表 7

图1

图2

图3

表1

表2

表3

表5

参考文献 30

1	綦良群，刘晶磊，吴佳莹.服务化对先进制造业全球价值链升级的影响机制——基于企业双元能力视角的研究［J］. 中国软科学，2022（4）： 95-104.
	Qi L Q， Liu J L， Wu J Y. Influence mechanism of servitization on GVC upgrade of advanced manufacturing industry： a research based on the perspective of ambidexterity of enterprises［J］. China Soft Science Magazine， 2022（4）： 95-104.
2	蒋军锋，尚晏莹. 数据赋能驱动制造企业服务化的路径［J］. 科研管理，2022，43（4）： 56-65.
	Jiang J F， Shang Y Y. The driving path of data enabling on the servicization of manufacturing enterprises［J］. Science Research Management， 2022， 43（4）： 56-65.
3	李明钰，牛东晓，纪正森，等. 面向数据空间体系构建的电力制造业多价值链经营风险识别与管控研究［J］. 中国管理科学，2023， 31（11）： 349-360.
	Li M Y， Niu D X， Ji Z S， et al. Research on multi-value chain management riskidentification and control of electric power manufacturing industry oriented to the constructionof data space system［J］. Chinese Journal of Management Science， 2023， 31（11）： 349-360.
4	Franklin M， Halevy A， Maier D. From databases to dataspaces［J］. ACM SIGMOD Record， 2005， 34（4）： 27-33.
5	李玉坤，孟小峰，张相於. 数据空间技术研究［J］. 软件学报，2008（8）： 2018-2031.
	Li Y K， Meng X F， Zhang X Y. Research on dataspace［J］. Journal of Software， 2008（8）： 2018-2031.
6	Filieri R， Hofacker C F， Alguezaui S. What makes information in online consumer reviews diagnostic over time？ The role of review relevancy， factuality， currency， source credibility and ranking score［J］. Computers in Human Behavior， 2018， 80： 122-131.
7	Wang W M， Li Z， Tian Z G， et al. Extracting and summarizing affective features and responses from online product descriptions and reviews： a Kansei text mining approach［J］. Engineering Applications of Artificial Intelligence， 2018， 73： 149-162.
8	Htay S S， Lynn K T. Extracting product features and opinion words using pattern knowledge in customer reviews［J］.The Scientific World Journal， 2013： 394758.
9	Jin J， Ji P， Gu R. Identifying comparative customer requirements from product online reviews for competitor analysis［J］. Engineering Applications of Artificial Intelligence， 2016， 49： 61-73.
10	Qi J Y， Zhang Z P， Jeon S， et.al. Mining customer requirements from online reviews： a product improvement perspective［J］. Information & Management， 2016，53 （8）： 951-963.
11	王雪，董庆兴，张斌. 面向在线评论的用户需求分析框架与实证研究——基于KANO模型［J］. 情报理论与实践，2022，45 （2）： 160-167.
	Wang X， Dong Q X， Zhang B. Analytical framework and empirical study of user needs for online reviews： based on KANO model［J］. Information studies： theory ＆ Application， 2022， 45 （2）： 160-167.
12	李翔，胡昀，王毅力. 基于SPSS和在线评论分析的产品用户需求洞察方法研究［J］.包装工程，2022，43（2）： 106-115.
	Li X， Hu Y， Wang Y L. Product user demand insight method based on SPSS and online comment analysis［J］. Packaging Engineering， 2022， 43（2）： 106-115.
13	沈超，王安宁，方钊，等. 基于在线评论数据的产品需求趋势挖掘［J］. 中国管理科学，2021，29（5）： 211-220.
	Shen C， Wang A N， Fang Z， et al. Trend mining of product requirements from online reviews［J］. Chinese Journal of Management Science， 2021， 29（5）： 211-220.
14	赵项，魏峰，白伊莎. 用户需求驱动下的产品设计模型构建及应用［J］. 机械设计，2021，38（S1）： 56-61.
	Zhao X， Wei F， Bai Y S. Construction and application of product design model driven by user needs［J］. Journal of Machine Design， 2021， 38（S1）： 56-61.
15	张芳兰，贾晨茜. 基于用户需求分类与重要度评价的产品创新方法研究［J］.包装工程，2017，38（16）： 87-92.
	Zhang F L， Jia C X. Products innovation method based on classification and importance evaluation of user needs［J］. Packaging Engineering， 2017， 38（16）： 87-92.
16	冯立杰，关柯楠，王金凤. 基于在线评论考虑潜在用户需求的产品创新方案识别研究［J］. 情报理论与实践，2022，45（6）： 129-137.
	Feng L J， Guan K N， Wang J F. Research on product innovation scheme identification considering potential user needs based on online comments［J］. Information Studies： Theory & Application， 2022， 45（6）： 129-137.
17	王金凤，吴敏，冯立杰，等. 基于专利挖掘与多维技术创新地图的技术机会识别路径研究［J］. 情报理论与实践，2018，41（5）： 79-84.
	Wang J F， Wu M， Feng L J， et al. Research on the path of technology opportunities identification based on the patent mining and multi-dimensional technological innovation map［J］. Information Studies： Theory & Application， 2018， 41（5）： 79-84.
18	张文，王强，杜宇航，等. 在线商品评论有用性主题分析及预测研究［J］. 系统工程理论与实践， 2022， 42（10）： 2757-2768.
	Zhang W， Wang Q， Du Y H， et al. Online product reviews helpfulness prediction based on topic analysis［J］. Systems Engineering-Theory & Practice， 2022， 42（10）： 2757-2768.
19	Tirunillai S， Tellis G J. Mining marketing meaning from online chatter： strategic brand analysis of big data using latent dirichlet allocation［J］. Journal of Marketing Research， 2014， 51（4）： 463-479.
20	冯坤，杨强，常馨怡，等. 基于在线评论和随机占优准则的生鲜电商顾客满意度测评［J］. 中国管理科学，2021，29（2）： 205-216.
	Feng K， Yang Q， Chang X Y， et al. Customer satisfaction evaluation method for fresh e-commerce based on online reviews and stochastic dominance rules［J］. Chinese Journal of Management Science， 2021， 29（2）： 205-216.
21	白如江，刘博文，冷伏海. 基于多维指标的未来新兴科学研究前沿识别研究［J］. 情报学报，2020，39（7）： 747-760.
	Bai R J， Liu B W， Leng F H. Frontier identification of emerging scientific research based on multi-indicators［J］. Journal of the China Society for Scientific and Technical Information， 2020， 39（7）： 747-760.
22	Blei D M， Ng A Y， Jordan M I. Latent dirichlet allocation［J］. Journal of Machine Learning Research， 2003（3）： 993-1022.
23	王婷婷，韩满，王宇. LDA模型的优化及其主题数量选择研究——以科技文献为例［J］. 数据分析与知识发现，2018， 2（1）： 29-40.
	Wang T T， Han M， Wang Y. Optimizing LDA model with various topic numbers： case study of scientific literature［J］. Data Analysis and Knowledge Discovery， 2018， 2（1）： 29-40.
24	关鹏，王曰芬. 科技情报分析中LDA主题模型最优主题数确定方法研究［J］. 现代图书情报技术，2016（9）： 42-50.
	Guan P， Wang Y F. Identifying optimal topic numbers from sci-tech information with LDA model［J］. New Technology of Library and Information Service， 2016（9）： 42-50.
25	徐海军，田晓丽，徐泽水. 基于犹豫模糊语言信息的前景决策方法［J］. 中国管理科学，2018，26（8）： 179-185.
	Xu H J， Tian X L， Xu Z S. Prospect decision-making method based on hesitant fuzzy linguistic information［J］. Chinese Journal of Management Science， 2018， 26（8）： 179-185.
26	Liao H C， Jiang L S， Xu Z H， et al. A linear programming method for multiple criteria decision making with probabilistic linguistic information［J］. Information Science， 2017， 415/416： 341-355.
27	潘亚虹，耿秀丽. 基于Mo-RVIKOR的混合多属性决策方法［J］. 中国管理科学，2019，27 （12）： 143-151.
	Pan Y H， Geng X L. Hybrid multiple attribute decision making approach based on Mo-RVIKOR［J］. Chinese Journal of Management Science， 2019， 27（12）： 143-151.
28	Pang Q， Wang H， Xu Z S. Probabilistic linguistic term sets in multi-attribute group decision making［J］. Information Sciences， 2016（369）： 128-143.
29	耿秀丽，潘亚虹. 考虑用户体验的产品服务系统模块重要度判定方法［J］. 计算机集成制造系统，2020，26（5）： 1295-1303.
	Geng X L， Pan Y H. Importance degree determination approach for product service system modules based on user experience［J］. Computer Integrated Manufacturing Systems， 2020， 26（5）： 1295-1303.
30	冯立杰，曾小红，王金凤，等. 一种三级技术机会识别方法及其应用——基于SAO语义分析和多维技术创新地图［J］. 科技进步与对策，2021，38（19）： 1-10.
	Feng L J， Zeng X H， Wang J F， et al. A three-level method for technology opportunity identification and its application based on sao semantic analysis and multidimensional map of technology innovation［J］. Science & Technology Progress and Policy， 2021， 38（19）： 1-10.

主题	主题标签	Top10核心关键词
Topic-1	产品性能R₁	稳定；质量；电压；做工；运行效果；噪音；性能；精细；材质；散热
Topic-2	物流服务R₂	满意；发货；物流；包装；服务态度；客服；服务；速度快；严实；破损
Topic-3	产品设计R₃	电压；功率；做工；材质；精准；接线；外观；外壳；定制；精致
Topic-4	性价比R₄	价格；质量；值得；购买；实惠；推荐；高；性价比；满意；信赖
Topic-5	服务品质R₅	评价；厂家；下次；定做；服务；品质；合作；齐全保障；专业；放心

专家	R₁	R₂	R₃	R₄	R₅
A₁	{S₃（0.4），S₄（0.6）}	{S₂（0.5），S₃（0.5）}	{S₂（0.3），S₃（0.7）}	{S₃（0.2），S₄（0.8）}	{S₃（0.4），S₄（0.6）}
A₂	{S₃（0.2），S₄（0.8）}	{S₂（0.4），S₃（0.6）}	{S₂（0.4），S₃（0.6）}	{S₄（1）}	{S₃（0.3），S₄（0.7）}
A₃	{S₃（0.3），S₄（0.7）}	{S₃（1）}	{S₂（0.2），S₃（0.8）}	{S₃（0.3），S₄（0.7）}	{S₃（0.5），S₄（0.5）}
A₄	{S₄（1）}	{S₂（0.4），S₃（0.6）}	{S₂（0.2），S₃（0.8）}	{S₃（0.4），S₄（0.6）}	{S₃（0.2），S₄（0.8）}
A₅	{S₃（0.5），S₄（0.5）}	{S₂（03），S₃（0.7）}	{S₂（0.5），S₃（0.5）}	{S₄（1）}	{S₃（0.3），S₄（0.7）}
A₆	{S₃（0.3），S₄（0.7）}	{S₂（0.4），S₃（0.6）}	{S₂（0.2），S₃（0.8）}	{S₃（0.3），S₄（0.7）}	{S₃（0.5），S₄（0.5）}

专家	R₁	R₂	R₃	R₄	R₅
A₁	3.26	2.14	2.40	3.57	3.26
A₂	3.57	2.25	2.25	4.00	3.40
A₃	3.40	3.00	2.57	3.40	3.14
A₄	4.00	2.25	2.57	3.26	3.57
A₅	3.14	2.40	2.14	4.00	3.40
A₆	3.40	2.25	2.57	3.40	3.14

多价值链协同创新模块	创新维度划分	创新法则	创新方案	创新方案类型
服务价值	功能维：产品介绍、送货、安装调试、维修、定制、技术培训、产品保证的价值总和	组合与集成	（1）在产品制造时，采用国外先进的制造技术和先进生产设备，保证制造工艺稳定性和测定手段完备性；在产品出售时，向客户提供高品质附加服务，如，针对初期运行可能出现故障的概率较高这一通病，为客户提供设备维护服务等，提升总的顾客价值	多链-单维-单法
产品技术	功能维：局放水平、空载损耗、负载损耗、噪声以及能适应高湿度环境使用等	组合与集成		多链-单维-单法
产品质量	结构维：性能、可靠性、安全性	柔性化	（2）秉承“以人为本、服务创新”的经营理念，邀请电力装备制造企业重要客户参与到产品质量控制全过程中，包括性能测试、可靠性和安全性检验，根据客户反馈结果进行产品质量优化	多链-多维-单法
服务文化	机理维：服务理念、行为规范、服务口号	柔性化		多链-多维-单法
产品成本	结构维：固定成本，变动成本	智慧化替代	（3）充分利用大数据、人工智能等技术，提高设备原材料、零部件需求和产品市场需求的准确性，利用PC，APP等多渠道加强与供应商协作，降低库存水平，有效降低成本，提升产品性价比	多链-多维-多法
资源调控	人机关系维：多渠道交互	智慧化替代		多链-多维-多法

[1]	李明钰,牛东晓,纪正森,施博文,兰心怡,张焕粉. 面向数据空间体系构建的电力制造业多价值链经营风险识别与管控研究[J]. 中国管理科学, 2023, 31(11): 349-360.
[2]	张键,谢庭玉,彭鹏,王宏伟. 制造业多价值链协同数据空间产品知识属性与销量预测关联性研究[J]. 中国管理科学, 2023, 31(11): 341-348.
[3]	牛东晓,斯琴卓娅,王董禹,许晓敏,张焕粉. 基于数据挖掘的电力装备企业多价值链协同数据预处理方法研究及应用[J]. 中国管理科学, 2023, 31(11): 321-331.
[4]	孙立缘, 罗建强, 杨慧. 面向价值共创的服务衍生供需决策优化研究[J]. 中国管理科学, 2019, 27(9): 160-168.
[5]	官子力, 张旭梅, 但斌. 需求不确定下制造商服务投入影响销售的供应链信息共享与激励[J]. 中国管理科学, 2019, 27(10): 56-65.
[6]	解季非. 制造企业服务化路径选择研究[J]. 中国管理科学, 2018, 26(12): 135-145.
[7]	侯立文, 谭家美, 赵元. 求解带时间窗的客户需求可分条件下的车辆路径问题[J]. 中国管理科学, 2007, 15(6): 46-51.