大规模个性化定制研究的知识图谱分析
卢苇 刘丹
摘 要：利用文献计量工具CiteSpace和书目共现分析系统（bibliographic items co-occurrence matrix builder，BICOMB）对2000—2020年CNKI数据库中收录的大规模个性化定制研究的相关文献进行可视化分析，绘制其关键词共现、知识聚类、时区图等图谱，归纳大规模个性化定制研究的关键技术和演变历程。研究发现：大规模个性化定制领域已有一定的理论成果，并在服装、家电等行业进行了实践验证，但研究主要集中在配置设计和模块化上，前沿分支较少;其关键技术有客户需求获取、配置设计、产品平台以及模块化;明确其演化路径是以大规模定制为载体发展为智能制造下的特色分支，依托智能制造技术加深定制程度，实现真正意义上的大规模个性化定制。
关键词：大规模个性化定制;知识图谱;客户需求;智能制造
中图分类号：TP305
文献标志码：A
随着经济的发展和消费水平的提升，多样化产品仍不能满足新一代消费者个性化需求，彰显个性的定制产品的需求越来越迫切，为应对这一需求，大规模个性化定制应运而生，其特点是以接近大规模生产的效率和成本满足客户的个性化需求。1987年，大规模个性化定制的概念被提出[1]，其核心是增加产品多样性和定制化，而不增加其成本，同时满足人们个性化需求的大规模生产[2]。接着更多的研究集中在模块化、产品配置等方面，用以加快产品的成型[3]。现今，大规模个性化定制与物联网、智能制造等技术相结合[4]，以整体优化的思想，指导产生一批客户需求驱动型企业，给客户提供优质、高效、低成本的个性化产品。大规模个性化定制在理论研究上取得一定的成果，但缺少对相关理论的梳理，对了解该领域的发展和研究概貌有一定的限制。因此，利用知识图谱理清大规模个性化定制研究的阶段性成果，通过关键词共现、知识聚类和时区图等来了解该领域的现状、关键技术以及演变历程，以指导企业更好地应用这种新的生产模式，也为学者理解大规模个性化定制内涵和进行更加深入的研究提供参考。
本文拟利用2000—2020年CNKI数据库为数据源，以“大规模个性化定制”为主题，得到718篇文献。用CiteSpace绘制该领域的关键词共现和知识聚类等图谱，用书目共现分析系统（bibliographic items co-occurrence matrix builder，BICOMB）进行计量分析，达到大规模个性化定制研究理论基础的客观分析，以便清楚地展现该领域的研究现状，把握其研究热点和发展趋势。
1 研究方法
CiteSpace是一款能进行复杂网络分析的可视化知识图谱软件[5]，通过图谱中的关键节点、聚类、突显词以及颜色的不同，帮助理解某个领域的研究热点、演变过程、值得关注的学者和机构等信息。为了更好地呈现大规模个性化定制研究的量化结果，利用BICOMB进行辅助分析。该软件可对文献的书目信息进行快速读取，并归类存储、统计，为进一步研究提供全面、准确的基础数据[6]。
2 大规模个性化定制研究文献计量分析
2.1 文献发文量分析
發文量在一定程度上代表该领域的研究进程，还可预测其未来的发展。利用BICOMB2.0得到大规模个性化定制研究的文献发文量时间分布，如图1所示。统计发文量时，为保证数据的完整性，图1中并未对2020年的发文数据进行统计。由图1可以看出：2000—2019年大规模个性化定制研究的发文量共718篇;2000—2004年是大规模个性化定制研究的起步阶段，这个阶段有相关论文136篇，占比18.94%;2005—2009年，发文总量增长速度快，年发文量都在50篇以上，研究进入高速发展的阶段，这个阶段有相关论文305篇，占比42.48%;2010年以后，该领域的发文总量增长放缓，这个阶段有相关论文277篇，总占比38.58%。其中，2016年发文量在第3个阶段中相对较高，这是因为我国的智能制造战略中明确指出，大规模个性化定制是智能制造中重点发展的模式之一，国家层面的政策指向使得研究关注度上升，但总体上看，文献增长量逐渐趋于平稳。
从图1的发文总量的增长趋势可以看出：大规模个性化定制的研究放缓，需寻找新的突破口以确保其研究的持续性，也说明该领域的研究已有基础。杜传忠等[7]提出大规模个性化定制是以系统制造、整体优化为思想，发挥大规模生产的高质量、低成本优势，实现大批量生产和个性化定制相结合的生产方式。权锡鉴等[8]提出大规模个性化定制是大规模定制拓展至小批量定制甚至是单件定制。韦莎等[9]认为大规模个性化定制是以物联网为基础、数据为内核、服务为载体的制造业新模式。《国家智能制造标准体系建设指南（2018版）》中提出：大规模个性化定制是智能服务发展的重点对象，是通过新一代信息技术和柔性制造技术，以模块化设计为基础，接近大批量生产的效率和成本，满足客户个性化需求的生产模式[10]。大规模个性化定制中，客户可介入产品的设计、制造和装配等过程中，将自己的个性化需求表现在产品上。对大规模个性化定制内涵的认识也较为统一，即以客户为核心，探讨在规模经济下如何实现客户的个性化需求。
2.2 关键词共现分析
关键词是文献内容的高度提炼，能帮助读者快速地洞悉文章的主题。通过对关键词的分析，可以看出该研究点的重要程度。在CNKI中，将所需的文献下载为Refworks格式，之后利用CiteSpace自带的数据标准化进行转化。
CiteSpace数据标准化算法主要有Cosine、Dice、Jaccard这3种。其中，Cosine算法是计算2个向量的夹角余弦值来评估文本间的相似度;Dice算法是将2个文本放在集合中相互比较，得出2个文本在各自集合中的占比，以此计算2个字符串的相似度;Jaccard算法是比较样本集合的相似性和分散性的一个概率。基于以上算法进行关键词共现分析，得到大规模个性化定制研究的关键词共现图谱，如图2所示。图中字体的大小代表该关键词在所选文章中出现的频次;连线颜色深浅代表出现的时间，颜色越鲜艳出现的时间越晚。
从图2可以看出：大规模定制、模块化、企业等关键词字体较大，连线多，颜色偏浅，说明出现时间较早，联系紧密，是较早的研究热点;颜色较鲜艳的有大规模个性化定制、智能制造等关键词，说明最近几年这方面的研究正被更多的学者关注。大规模个性化定制是一种新的生产模式，与先进制造、信息技术、管理策略相融合后，在企业中发挥出了其独特的优势。其中，海尔针对不同的客户提供了模块定制、众创定制、专属定制，红领集团运营酷特智能个性化定制平台，报喜鸟的私人定制也提供一对一订制服务。企业通过多种方式将客户的个性化需求转换为数据，积累用户数据，建立数据库[11];把顾客的订单信息进行模块化分解，最大程度地满足顾客的个性需求，同时保证工作效率。现阶段的大规模个性化定制大多在服装、家电行业的外观定制上，定制复杂度相对较低，生产周期较短，消费群体基数大。但在产品的功能方面，受企业生产柔性和用户专业知识限制的影响，离大规模个性化定制还有一段距离。
2.3 知识聚类分析
知识聚类是某一领域内有特定联系的研究点的聚集[12]，能揭示相互之间的关联，帮助学者从大体上理解该领域的知识基础及研究方向。CiteSpace中提供Clustering、likelihood rate、Mutual Information这3种聚类算法。Clustering 是层次聚类算法，按照数据的联接规则，反复对数据进行分裂或聚合，以形成一个层次序列的聚类问题解，也是Citespace常用的自动聚类算法;Likelihood Rate聚类算法的核心思想是数学中对数似然法;Mutual Information聚类算法度量2个对象之间的相互性，用度量的特征对主题进行区分。在绘制大规模个性化定制研究的知识聚类图谱时，为使图谱更加清晰展现出来，选取8个较大的知识聚类，如图3所示。知识聚类之间重叠的地方反映2个聚类之间的关联程度。产品的个性化定制模式中，顾客是整个产品生产过程的基础，#2供应链聚类和#3企业管理聚类大多与#7模块化聚类重合，#4智能制造聚类与#6大规模个性化定制聚类在下文中进行探讨。本节主要对#0、#1、#5和#7这几个聚类进行分析，以了解大规模个性化定制研究领域的关键技术。
#0聚类为顾客忠诚度，即客户认可的产品，也就是客户需求得到了满足。大规模个性化定制的服务理念是以客户为中心，只有真正地了解了客户的需求，才能为其提供个性化的产品。客户无法准确描述产品的某一具体的参数时，就需将消费者表达转换为产品参数。但斌等[13]将客户需求信息分为二元型、选项型、参数型、描述型和解释型5类，探讨不同类型的客户需求信息相应的语义描述方法。实践中，客户的消极反馈是需求还没有得到满足的地方，可帮助企业找准消费痛点。所以，可利用客户需求的分解、描述型客户需求的参数转换、消极评论反馈等方法来获取客户的需求。
#1产品配置聚类与#5产品平台聚类和#7模块化聚类有重合的地方，可得出，基于模块化与产品族的产品配置设计方法能快速设计出满足客户个性化需求的产品，缩短产品上市时间。对于大规模个性化定制来说，要想以大规模的成本为顾客提供个性化的产品，降低产品成本是至关重要的。产品配置设计过程无需创新设计，只需对现有设计进行组合和应用，至多对预先设计的零部件进行变型设计[14]。#1聚类主要集中在产品配置的流程管理和新设计的零部件的详细设计[15]，以快速满足客户需求和提高效率，缩短产品设计周期，降低库存，扩大产品的适应范围。
#5产品平台聚类与#0顾客忠诚度聚类和#1产品配置聚类有较多重合的地方，说明此聚类在客户需求和产品配置这两个方面都得到了研究，并将这两个研究领域联系起来，起到承上启下的作用。此聚类利用产品平台， 匹配不同的模块，建立产品族设计方案的评价指标，满足大规模个性化定制以短周期、低成本向市场提供不同系列的产品的需求。
#7模块化聚类的目的就是缩短产品制造周期，提高生产率，灵活地应对变异产品，在成本可控的范围类快速地向市场提供产品[16-17]，以满足消费者多样化的需求。模块就像编写程序时调用各种已内嵌的程序包或者函数一样，在需要的时候直接调用，可以大大提高编程效率;同样，模块也就是一个完整的产品里面的各种“包”，当需要时，在一定的规则下直接调用，大大提高生产效率，降低成本。在大规模个性化定制的生产中，更多的则是强调优势竞争力之间的协同工作。这种协同并不需要一个面面俱到的大企业的内部协同生产，而是企业之间的协同生产。企业肯定有优势的技术和相对不足的地方，用各个企业最优势的技术生产对应的模块。企业的技术蕴含在这些相对独立的模块内，企业依旧拥有自己的核心技术和知识产权。而这些模块之间连接的设计规则是一样的，也就是接口是一样的，各企业间基于这些相同的接口规则进行合作。各个生产企业生产自己负责的部分模块，只是模块之间的接口是标准的。这样即保护各生产企业的知识产权，又能使各企业发挥自己的特长，使得产品的质量达到最优，有利于复杂产品的快速成型，及时响应客户的要求，有助于在大规模个性化定制中实现规模经济。模块化可改善供求关系，改进供应链管理，协调产品制造过程，提高工厂柔性，形成合理的产品体系，最终辅助实现大规模个性化定制。模块化技术是连接企业柔性生产能力与客户个性化需求的桥梁。模块化是一个解决客户多样性的需求和企业内部复杂度的较好方案，并符合产品制造集成化[18]、智能化[19]和敏捷性[20]发展的要求。
通过对重点知识聚类图谱的分析，得出大规模个性化定制的关键技术有客户需求获取、配置设计、产品平台以及模块化。
3 大规模个性化定制的演化
在完成聚类以后，可进行主题文献的可视化分析。CiteSpace基于主题词首次出现的时间绘制时间线视图或时间区域视图。根据文献的发表时间，结合CiteSpace 的聚类算法寻求文献中的凸顯词，从而绘制主题词随时间的变化趋势。利用CiteSpace绘制2000—2020年大规模个性化定制研究的时区图，洞察其演化路径，如图4所示。图中的关键词出现的位置对应在所选文献中首次出现的时间。从关键词首次出现的时间来看：大规模定制、产品族、企业等作为大规模个性化定制的载体被最早关注;紧接着就是个性化需求、产品配置、模块化等作为大规模个性化定制的关键技术开始涌现;之后产品平台、变型设计、定制程度等研究点陆续出现;最近几年，大规模个性化定制、智能制造等研究受到了更多的关注。从热点领域的演变来看，大规模个性化定制相关的研究最早主要集中在大规模生产、企业、供应链等基础支撑方面;之后的研究集中在模块化、客户需求、产品配置等深层次技术方面;最近几年集中在个性化定制、智能制造等新兴领域的研究上。
大规模个性化定制与智能制造正在积极地融合，企业借助智能制造技术构建透明工厂、智能工厂，能使客户实时掌握定制产品的状态，提升用户体验。智能化的网络信息集成和共享，可以帮助企业对消费者数据进行采集、处理，将生产与服务深度融合，加深定制程度。个性化定制涉及产品设计、制造、装配和销售服务的任一过程，消费者越早介入，产品的定制化程度越高;消费者介入越晚，则通用零部件越多，定制化的程度越低。从消费端个性化拓展到产品装配制造的个性化，再到设计的个性化，甚至全产业链流程的个性化，是一个逐渐深入的过程。依托智能制造实现从产品的外观定制到功能个性化定制，推动生产模式向大规模个性化定制转变。
4 结语
大规模个性化定制作为一种新的制造模式，具有极强的生命力，理论研究方面已形成几个较大的知识聚类，有了基础的理论支撑，但研究相对集中，前沿分支少。基于知识聚类图谱对大规模个性化定制中的关键技术进行阐述，结合大规模个性化定制研究热点时区图来看，其演化路径是以大规模定制、企业为载体，以配置设计、模块化等为关键技术再到发展为智能制造下的特色分支。在智能制造时代，除了对产品的外观定制，还可深入到产品的整个生产流程中，实现对产品功能的个性化定制。
本文认为在大规模个性化定制中还应加强以下两个方面的研究：一是获取客户需求方式应多样化。对用户的需求获取不一定要企业去做，特别是现今网购已经融入平常百姓的日常生活中，各大电商有用户基础，有平台，有数据，生产企业委托电商平台或与之合作进行用户的个性化、差异化的需求获取。对用户来说，在已经使用过的电商平台上反馈自己的定制需求不会显得陌生，熟悉的界面操作用户能更好地表达自己的需求;对电商平台来说，本身就拥有庞大的用户群体，企业内也有很多与信息技术相关的人才，与用户的交互是一项天然的优势;对生产企业来说，企业的用户数据不足，无法精准地获取用户需求情况下，直接使用电商平台提供的数据，节约了企业成本，加快产品的成型。二是加大模块间接口技术的研究与实践，大规模个性化定制离不开模块，而模块之间的连接就是靠不同类型的接口，接口可使模块的组合更加多样化，增加产品的可选择性。若使模块之间的接口规范化、标准化，使相对独立的模块间有标准的接口，从而增加模块之间配合的灵活性和可拓展性。
参考文献：
[1]徐扬. 基于大规模个性化定制策略的信息服务模式研究[J]. 情报理论与实践， 2015， 38（4）：
110-113.
[2] 刘玉平， 孙新涛， 牟堂峰， 等. 大规模个性化定制模式探索与实践[J]. 中国仪器仪表， 2020（2）：
29-33.
[3] 王鹏. 面向大规模定制的电梯产品配置设计[J]. 中国电梯， 2019， 30（4）：
41-44.
[4] 郑建菲. 汽车大规模个性化定制的智能制造新模式研究[J]. 中国集体经济， 2018（16）：
152-154.
[5] 陈悦， 陈超美， 刘则渊， 等. CiteSpace知识图谱的方法论功能[J]. 科学学研究， 2015， 33（2）：
242-253.
[6] 周晓分， 黄国彬， 白雅楠. 科学计量可视化软件的对比与数据预处理研究[J]. 图书情报工作， 2013， 57（23）：
64-72.
[7] 杜传忠， 杨志坤， 宁朝山. 互联网推动我国制造业转型升级的路径分析[J]. 地方财政研究， 2016（6）：
19-24.
[8] 权锡鉴， 杜元伟. “互联网+”下大规模个性化定制产品的三元证据融合配置方法[J]. 科技进步与对策， 2016， 33（21）：
83-89.
[9] 韦莎， 马原野， 张通， 等. 大规模个性化定制技术与标准研究[J]. 信息技术与标准化， 2017（8）：
15-19.
[10]工业和信息化部. 国家智能制造标准体系建设指南（2018年版）（续一）[J]. 机械工业标准化与质量， 2019（1）：
7-14.
[11]PACURARI D， NECHITA E. Some considerations on cloud accounting[J]. Studies & Scientific Researches Economics Edition， 2014， 18（2）：
25-37.
[12]徐威， 郑长江， 马庚华， 等. 基于k-means聚类的城市轨道交通站点分类研究[J]. 贵州大学学报（自然科学版）， 2018， 35（6）：
106-111.
[13]但斌， 王江平， 刘瑜. 大规模定制环境下客户需求信息分类模型及其表达方法研究[J]. 计算机集成制造系统， 2008（8）：
1504-1511.
[14]赵海贤. 基于产品平台的产品配置方法研究[D]. 天津：
河北工业大学， 2006.
[15]朱佳栋， 苏少辉， 陈昌， 等. 面向产品配置设计的改进交互式遗传算法[J]. 中国机械工程， 2018， 29（20）：
2474-2478.
[16]童時中. 模块化研究及实践的现状和发展[J]. 电子机械工程， 2011， 27（2）：
1-8.
[17]卢纯福， 柴灏. 机电产品模块化设计重用的博弈决策[J]. 浙江工业大学学报， 2019， 47（4）：
406-410.
[18]李强， 刘计良， 张迎楠. 基于QFD的个性化定制产品规划模型[J]. 现代电子技术， 2018， 41（9）：
137-141.
[19]黄海松， 陈启鹏， 李宜汀， 等. 数字孪生技术在智能制造中的发展与应用研究综述[J]. 贵州大学学报（自然科学版）， 2020， 37（5）：
1-8.
[20]魏宏静， 李少波. 云制造中产品个性化定制研究综述[J]. 工程设计学报， 2018， 25（1）：
12-17.
（责任编辑：周晓南）
Knowledge Graph Analysis on the Research of Mass Personalization
LU Wei， LIU Dan*
（Key Laboratory of Modern Manufacturing Technology Ministry of Education， Guizhou University， Guiyang 550025， China）
Abstract：
Bibliometric tools CiteSpace and BICOMB were used to analyze the relevant literature on mass personalization visually which were published from year 2000 to 2020 in CNKI database， and knowledge graphs such as keyword co-occurrence， knowledge clustering， time zone map were drawn. The key technologies and evolutionary of mass personalization were summarized. In the field of mass personalization， the researchers have achieved some theoretical research results， which has been verified in industries successfully， but these researches are more concentrated on one or two fields such as configuration design， modularization， with few frontier branches. The key technologies of mass personalization include customer demand acquisition， configuration design， product platform and modularization etc. It is clear that the evolutionary path of mass personalization is based on mass customization as a carrier to develop a special branch of intelligent manufacturing， relying on the technology of intelligent manufacturing to deepen the degree of customization， and then realize the really mass personal customization.
Key words：
mass personalization; knowledge graph; customer demand; intelligent manufacturing
收稿日期：2020-10-12
基金項目：
作者简介：卢 苇（1996—），男，在读硕士，研究方向：先进制造技术及其信息管理，E-mail：2533307355@qq.com.
通讯作者：刘 丹，E-mail：172605426@qq.com.
猜你喜欢 知识图谱智能制造 新世纪以来我国幼儿游戏研究的知识图谱分析幼儿教育·教育科学版(2017年11期)2017-12-13“互联网+”驱动实体经济转型升级的技术理论研究商业经济研究(2017年18期)2017-09-30基于大数据的社交网络分析主题演化及热点的可视化研究新世纪图书馆(2017年8期)2017-09-06智能制造与工匠精神研究创新科技(2016年12期)2017-08-10我国近十年体育教学改革研究的可视化分析中文信息(2017年1期)2017-05-11MOOC文献知识图谱的可视化分析中国教育信息化·高教职教(2016年12期)2017-04-15智能制造的市场前景及技术发展电子产品世界(2017年3期)2017-04-13以智能制造促进机械装备制造产业转型升级路径中国科技纵横(2017年1期)2017-03-10基于CSSCI的国内公共安全研究知识图谱分析现代情报(2017年2期)2017-02-27中国高等教育学研究重点及前沿分析重庆大学学报(社会科学版)(2016年4期)2016-10-27