0 引言
随着信息通信技术(information and communications technology,ICT)的发展应用，如物联网技术[1](internet of things,IoT)、数字孪生技术[2-4](digital twin,DT)等，产品服务系统(product-service system,PSS)作为一种企业负责在产品全生命周期服务内形成的产品与服务高度集成的生产系统[5-6]，产品和服务的集成方式也变得更加数字化、智能化和互联化，产品服务系统衍生出新的服务系统类型，即智能产品服务系统(smart product-service system,Smart PSS)。智能PSS是一个相互关联、相互制约的众因素构成的复杂系统，因其功能日趋丰富，系统内的功能耦合特性、交互特性更为突出。依照传统的概念方案对其进行设计构建，需考虑智能PSS功能耦合、时变特性等特点，形成适合于智能PSS的概念方案模型。针对传统PSS和智能PSS的概念方案构建的问题，AMAYA 等[7]提出利用生命周期分析对PSS进行环境评价，该方法有助于设计阶段的决策，但难以从功能域角度体现系统功能耦合。杨静[8]提出基于AHP(层次分析) -TRIZ理论的产品概念创新设计模型，将AHP的调研评价优势与TRIZ冲突矩阵理论相结合，实现儿童滑板车概念创新设计，但是将其应用于智能PSS，难以体现系统的功能要素，不利于设计者快速做出创新设计对策。ZHENG等[9]提出基于设计结构矩阵方法，克服专家主观性，为智能PSS产品服务创新提供有益指导，但没有考虑产品和服务之间的功能特性。
为解决智能PSS复杂的功能耦合特性，适应用户对智能PSS功能时变的要求，本文提出基于TRIZ功能模型理论和AHP法的概念方案构建方法。从功能角度出发，通过对智能PSS模块划分[10-12]，划分为利益相关者模块、智能产品模块和智能服务模块。借助TRIZ功能模型对其进行功能分解，解决智能PSS存在的复杂的功能耦合特性问题，利用层次分析法对智能服务模块进行分析决策，择优集成相关服务模块。最后，以智能汽车服务系统为例，通过分析决策智能汽车服务系统的服务模块，择优集成服务功能模块构建智能汽车服务系统概念方案，验证本文方法。
1 智能PSS研究现状
智能PSS作为一种独特的PSS类型，通过将智能产品和电子服务集成到单一的解决方案中，为消费者和服务供应商之间创建创新交互带来新的潜力，从而实现较小的环境影响和用户需求的最大满意度[13]。为满足用户最大满意度，实现利益相关者的利益最大化，智能PSS的设计创新受到研究者日益关注。针对上述问题所提方法，其构建过程框架如图1所示。
图1 基于TRIZ功能模型和AHP法的智能PSS概念方案构建框架
Fig.1 Construction framework of smart PSS conceptual scheme based on TRIZ functional model and AHP method
1.1 智能PSS定义
产品服务系统作为向用户提供的一种特定价值主张，既包含有形的产品流，又包含无形的服务流[14]。顾新建等[5]提出PSS是产品与服务高度集成优化的新型生产系统。刘新等[15]随后提出PSS设计目标就是根据不同用户需求整合产品与服务系统的创新性解决方案，以实现系统链条上利益相关人共赢。李浩等[16-18]提出产品和服务模块化设计方法，通过服务模块优化配置设计使得PSS具有可持续性。杨珍等[19]就如何高效向用户推荐产品服务方案提出加权LFM的个性化推荐方案。针对智能PSS这一新兴概念，不同学者也给出了不同定义(表1)。率先提出智能PSS定义的VALENCIA等[20]明确了智能PSS的6个显著特征：消费者赋权、服务个性化、社区感受、服务参与、产品所有权和个人/共享体验，可帮助设计师创建面向消费市场的智能PSS开发工具，从而更有效地集成产品和服务。KUHLENKÖTTER等[21]将智能PSS看作基于数字化的生态服务系统，具有高度的复杂性、动态性以及互联特性。ZHENG等[22]认为智能互联产品是连接制造商、服务供应商和用户的交流门户，推动了由IT驱动和数字孪生支持的服务创新。CHOWDHURY等[23]基于大量文献并综合相关知识，给出智能PSS定义，认为其在设计和再设计方面具有数字动态能力，包括智能能力、连接能力和分析能力。
表1 智能PSS定义
Tab.1 Smart PSS definitions
年份学者主要定义2014VALENCIA等[20]通过ICT技术把智能产品和电子服务集成为单一解决方案2017KUHLENKÖTTER等[21]组件间的数字化连接能够使其自主交互,并且能进一步发展的产品和服务数字化的产物2018ZHENG等[22]以IT主导的价值共创的商业策略,包括以不同利益相关者为参与者、以智能系统为基础设施、以智能互连产品为媒介,并以其所产生的电子服务为主要价值,持续致力于以可持续方式满足客户需要2018CHOWDHURY等[23]基于智能技术、物理产品、服务和商业模型的组合与交互,以此来实现用户需求2018刘成浩等[24]将其理解为特殊的知识密集型的PSS亦或是基于IT的特别系统
刘成浩等[24]基于智慧城市提出产品服务系统的智能化，在资源利用、社会可持续发展等问题上具有更高的优越性。
从智能PSS定义可以看出，智能PSS将产品系统和服务系统数字化连接并通过智能技术赋予智能化特性，通过与用户交互以可持续实现用户需求。虽然其定义不尽相同，但从定义中可以提取出智能PSS具有以下特性：①智能PSS是智能产品和电子服务的有机结合。②智能PSS目的是为满足用户需求，实现可持续发展。而传统PSS是向用户提供个性化产品和增值服务实现产品价值增值和服务增效的[10]。两者在本质上是相同的：都是产品和服务高度集成的整体解决方案；最终目标都是实现用户需求和社会经济的可持续发展。但两者也存在区别，两者在定义、构成、功能、设计方法和用户体验等方面的差异见表2。
智能PSS由于采用数字化、智能化技术手段(如IoT、DT技术等)，在系统的实时运行状态监控、故障检测等方面，使得系统的信息域与物理域联系更为紧密；并且通过数据的实时动态更新，系统可实现自主优化升级，不断适应用户需求差异性，为用户带来个性化产品服务方案的同时使之更具智能特性。因此，传统PSS和智能PSS并不是孤立的，传统PSS是智能PSS的发展基础，智能PSS是在传统PSS上的拓展创新，两者最终都是为满足用户需求，实现社会、经济和环境效益可持续发展。
表2 传统PSS和智能PSS不同点[5,16,19-23]
Tab.2 Differences between traditional PSS
and smart PSS[5,16,19-23]
传统PSS智能PSS定义为满足用户需求提供个性化产品和服务的整体解决方案通过数字化、智能化等技术手段将智能产品和电子服务集成,以实现用户需求构成由产品系统、服务系统和利益相关者组成由智能产品系统、智能服务系统和利益相关者组成功能减少环境破坏、实现经济可持续发展可与用户实现交互;系统可自主迭代优化升级;同时也减少环境破坏,实现经济可持续发展设计方法或关键技术面向产品服务的用户需求挖掘技术、维修服务技术、信息采集技术、人性化技术等倾向于借助物联网、数字孪生、大数据处理等数字化工具实现智能产品和智能服务的智能化设计集成用户体验可为用户带来个性化产品服务,但不能满足用户对产品服务功能实时动态更新的需求数据的实时动态更新能够满足用户对系统功能时变的要求,用户满意度较高
1.2 智能PSS系统组成
智能PSS作为智能产品-服务包的整体解决方案，主要由利益相关者(人)、智能产品系统以及智能服务系统三部分集合而成，将其划分为3个模块[10-12]，三者间的集成关系可简单描述为图2所示的“人-智能产品-智能服务”系统。
图2 智能PSS系统集成
Fig.2 Smart PSS system integration
利益相关者主要包含用户、生产商和供应商等。在智能制造时代，用户可以在产品的设计、生产、组装和销售等阶段提供信息反馈，生产商可以为用户提供智能产品，以实现用户大规模个性化定制需求；供应商为生产商提供部件支持，生产商则可以为供应商提供应用、实践平台支持。
智能产品系统作为连接利益相关者与智能服务系统的桥梁，与传统产品系统相比，它发生了本质变化，它具有智能感知、智能分析决策、智能控制执行和智能交互等功能，凭借其主动性、反应性和交互能力主动感知环境并及时响应发生的变化[25]，大数据、云计算、物联网、人工智能等新兴信息技术的发展应用[26-28]，智能产品系统呈现出能够进行自主学习、在线升级、人机融合等新特征。
智能服务系统可实现智能产品系统的价值增值，主要以智能服务平台、智能物流平台、智能运控平台等为媒介，包括设计、生产、销售、维护等产品全生命周期在内的服务，均会因人工智能、大数据等技术而被赋予全新内容。通过产品远程服务和故障诊断系统的实施，优化维修、保养等服务的过程管理，以远程方式从用户方获得完整的产品运行数据，这对产品设计改进、故障诊断及用户服务等都有重大意义，可以有效提升企业的核心竞争力[29]。
1.3 相关方法研究
顾新建等[5]和张映锋等[30]、任杉等[31]分别基于产品服务系统理论和智能制造提出面向制造服务的产品智能化设计技术等关键技术，包括远程诊断与维护服务技术、产品自维护及自诊断技术等，为智能PSS的设计创新提供了理论指导。姜杰等[32]提出通过TRIZ理想解确定进化路线，以功能激励作为进化手段的产品服务系统创新设计方法，基于功能蓝图法实现对产品功能域和服务功能域的交互建模，该方法从功能角度对产品和服务两维度对产品服务系统的信息域展示不全面。周有城等[33]从智能产品功能角度出发，提出数字孪生体功能模型构建方法，实现了物理产品在信息域的功能映射。WU等[34]提出基于功能和支持集，考虑系统目的层、效果层和行为层3个层次，对智能产品进行功能结构构建，从物理产品扩展到整个系统以满足用户需求，但是该方法未扩展至服务系统，面向智能PSS功能建模时存在较多不足。HABER等[35]基于构思和任务分析、概念设计、体现设计以及验证发布4个集成设计阶段，提出PSS概念矩阵设计工具，将系统功能分解扩展到活动及其各自的参与者的分类中，并对每个子功能进行建模，该方法应用在PSS概念设计阶段，但是难以解决智能PSS的功能模块耦合特性问题。SCHOLZE等[36]基于情景感知方法，提出产品扩展服务快速协作设计的工程平台，通过定义情景模型并提取产品和用户信息，对当前产品或情境加以识别来对输出进行调整，以更好地满足用户需求，但是该方法未能体现产品服务系统的功能特性，为设计人员带来不便，难以满足用户对系统功能时变特性的需求。
为帮助设计人员对智能PSS概念方案设计的功能能够快速把握，通过考虑智能PSS的复杂性和功能耦合特性等，以适应用户对智能PSS功能时变的特殊需求。本文从智能PSS功能角度出发对其进行功能建模并进行功能模块划分，借助层次分析法对服务模块进行分析决策，并对其进行择优集成，实现服务功能模块的最优化。
2 基于TRIZ功能模型和AHP法的智能PSS概念方案构建
2.1 功能模型和层次分析法相关理论
2.1.1 TRIZ功能模型及建立过程
功能建模旨在描述更为广泛的不同实体间的功能交互，而TRIZ功能模型作为高效功能建模方法的一种，能够满足产品总功能或设计需求需要，具有清晰直观的特点。TRIZ功能模型由元件、制品和超系统通过其间的相互作用组成[37]，见表3。
表3 TRIZ功能模型组成及相应图示
Tab.3 TRIZ functional model composition and corresponding diagrams
元素图示元件、制品和超系统相互作用类型功能模型图示化
功能模型建模流程如图3所示，主要分为四大步骤：①功能元的确定。为便于可视化，采用网状树形分解结构模型即功能树模型，首先对系统总功能进行分解，将其分解为若干分功能，直至分解到功能元。②元件、制品和超系统的确定。元件是系统组成部分，小至齿轮、螺母，大至一个由多零件组成的系统；制品是系统要达到的目的，即系统对环境的输出，属于超系统；而超系统作为影响整个系统的要素，不能进行改进或设计。③作用(或连接)分析。元素组成确定完成后进行元件间的相互作用分析，通过判断功能作用是否满足用户要求进而分析作用的类型，即标准作用、不足作用、过剩作用还是有害作用。④功能模型图示化及完善。作用分析完成后通过箭头将元件进行连接以使功能模型图示化表达。图示化完成后，判断所建模型是否能将系统所需功能完整呈现。若不能，定位至问题区域，重新进行功能元划分，确定相关元件组成，直至问题解决，使之可完整呈现系统所需功能。
图3 TRIZ功能模型建模流程
Fig.3 TRIZ functional model modeling process
2.1.2 AHP法基本原理
AHP法最初由美国运筹学家托马斯·萨蒂(T.L.Satty)于20世纪70年代中期提出[38-39]。AHP法评价流程如图4所示，其主要步骤如下。
图4 AHP法评价流程图
Fig.4 Flow chart of AHP evaluation
(1)建立层次结构模型。将决策目标、决策指标(考虑因素)和决策备选方案(决策对象)按其相互关系分为最高层、中间层和最低层，并绘出层次结构图，如图5所示。
图5 层次结构模型图
Fig.5 Hierarchical model diagram
(2)标度及描述。同一层次任两元素进行重要性比较时，对它们的重要性之比做出判断，并给予量化。一般用5个属性表示来定性区分事物，即同样重要、稍微重要、较强重要、强烈重要和绝对重要，当需较高精度时可取两相邻属性之间值，即得到9个标度，见表4。
表4 标度及描述
Tab.4 Scale and description
标度描述(对要素i和j进行比较)1要素i和要素j比同样重要3要素i和要素j比稍微重要5要素i和要素j比较强重要7要素i和要素j比强烈重要9要素i和要素j比绝对重要2、4、6、8两相邻判断因素中间值倒数要素i和要素j之比得判断矩阵aij,则要素j和i之比得aij=1/aji
注：aij表示要素i和要素j相对重要度之比，且满足aij>0;aii=1;aij=1/aji(i,j=1,2,…,n)。故aij越大，表明要素i相对于要素j的重要度越高。
(3)构建判断矩阵。对同属一层次的各要素应以上一级要素为准则进行两两比较，根据评价尺度确定其相对重要度，并依次构建判断矩阵A-B、判断矩阵B1-C、判断矩阵B2-C等。
(4)计算特征值与特征向量。计算判断矩阵特征值和特征向量，确定各层次要素的相对重要度并进行一致性检验。
(5)确定最优决策。获得同层次各要素间相对重要度后，即可计算各级要素对总体的综合重要度。
2.2 面向智能PSS概念方案构建时两者局限性
TRIZ功能模型理论从系统的功能角度出发，在概念设计阶段以模块化的方式对其进行功能分解，将复杂的设计问题简化，以更清晰地展现系统功能所存在的优点与不足。但是TRIZ功能模型具有定性分析的特点，不能对系统进行有效地定量分析。AHP法作为一种系统性强、所需数据信息较少的重要分析决策工具，通过定量方法将复杂系统分解，把多目标、多准则、难处理的决策问题化为多层次、单目标问题，并对其进行有效地定量分析，具有简洁实用的特点。但是AHP法最大缺点是只能从备选方案中选择较优者，不能为决策提供新方案。鉴于此，面向智能PSS概念方案构建时，有必要将TRIZ功能模型理论和AHP法进行集成，前者可以针对系统存在的功能耦合特性以模块化方式进行清晰展示，并使系统复杂性得以简化，通过定性分析阐释系统存在的功能问题；后者则针对系统的复杂性进行层次化分解，化繁为简，通过定量分析处理系统的决策优化问题。
2.3 TRIZ功能模型和AHP法集成
当对同一智能PSS构建有若干方案时，针对智能PSS功能耦合的特点，借助功能树对系统进行初步分解至功能元，为便于对方案中的功能元直观化表示，可进行列表(表5)。为明确方案中各功能元间的相互作用和便于可视化，利用TRIZ功能模型理论对各方案的元件、制品和超系统等要素进行确定，通过要素间的相互作用类型图示化连接进行智能PSS初步功能建模；通过对智能PSS的组成成分分析，对其功能模型进行模块式划分，划分为利益相关者(人)、智能产品和智能服务三大模块，以便功能调整时能够快速定位，如图6所示。
表5 各方案的功能元列表
Tab.5 List of function elements of each scheme
功能元1功能元2功能元3功能元4功能元5…功能元n方案Ⅰ△△△△方案Ⅱ○○○○方案Ⅲ☆☆☆☆方案Ⅳ◇◇◇◇方案Ⅴ□□□…方案n▲▲▲
图6 TRIZ功能模型和AHP法集成过程
Fig.6 Integration process of TRIZ functional model and AHP method
为了决策出概念方案中的新功能元，功能元和方案的选择显得较为重要。鉴于AHP法无法形成新解决方案，只能在备选方案中进行决策，因此，选择功能元并进行决策以择优形成概念方案中的新功能元，并将所选择的功能元作为AHP法中的指标层，选择所要决策的方案作为AHP法的方案层。
由TRIZ功能模型向AHP法过渡的功能元和方案选择完成后，借助AHP法对所选择的功能元和方案进行层次结构建模以便进行决策分析，择优选择决策通过的功能元作为智能 PSS概念方案的新功能元，以形成新的概念方案，若没有通过，则需重复上述步骤重新建模。
用户的需求日益增加，对智能PSS的功能要求日益增加，需要智能PSS根据用户需求不断调整自身功能，即具有功能时变特性。为适应这一特性，考虑到TRIZ功能模型和AHP法集成的功能模块划分过程，直接定位至功能模型中需调整的功能模块(利益相关者模块、智能产品模块和智能服务模块)，并选出需调整的功能模块中的功能元及其所对应的方案，分别将其作为再决策中的判断层和方案层，以此来构建功能调整后的智能PSS新概念方案，如图7所示。再次构建的过程，省去了初次集成过程中的初步功能分解和部分TRIZ功能建模过程，使得智能PSS功能调整并重新集成更具针对性，概念方案的构建更具便利性。
图7 适应功能时变特性的TRIZ功能模型和AHP法集成过程
Fig.7 The integration process of TRIZ function model and AHP method to adapt to the time-varying characteristics
2.4 基于TRIZ功能模型和AHP法进行智能PSS概念方案的构建
本节基于前文提出的TRIZ功能模型和AHP法，就差异化的解决方案如何给出整体最优方案进行决策分析，以便为企业做出参考，以期实现用户满意度最大化。面向智能PSS概念方案构建流程如图8所示。
图8 面向智能PSS概念方案构建流程图
Fig.8 Flow chart of constructing smart PSS conceptual scheme
智能PSS具有智能感知、智能分析决策、智能控制执行和智能交互等智能产品功能,同时还具有用户服务、智能平台运维、远程管理和售后服务等智能服务功能。基于李浩等[6]提出的模块化设计方法，对智能PSS进行功能模型的模块式划分，并基于AHP法对若干差异化方案进行分析以做出最优决策。智能PSS的概念方案构建步骤如下。
(1)功能元、超系统、元件和制品的确定。首先对智能PSS总功能进行分解，由于其存在功能耦合且复杂特性，本文将其分解至三级功能。进行元件分析之前，首先要根据项目约束选择合适系统边界，将系统和超系统元件加以区分，借助功能树对其进行直观可视化展现。
(2)作用分析。智能PSS的超系统、元件和制品确定后，即可进行相应的作用分析。如果两元件间有相互作用，则以“+”标记，否则以“-”标记。对带有“+”的单元一一分析两者的作用，并确定功能描述和功能类型。
(3)功能模型图示化及功能检查。作用分析完成后，以箭头方式将智能PSS的超系统、元件和制品连接，连接时尽量减少作用线弯折交叉，以使图示化模型干净整洁，方便研究或设计人员进行后续问题查找。智能PSS功能模型图示化完成后，与所期望达到的目标功能比较，判断是否能够完整呈现。若能实现，进入下一步；若不能实现，返回至步骤(1)，重新确定超系统、元件和制品是否存在遗漏或冗余，作用分析是否得当，图示化箭头是否指向错误等，直至功能完整呈现。
(4)智能PSS层次结构模型的构建。智能PSS的功能模型确保完整呈现后，选择所要构建概念方案中的功能元作为AHP法中的判断层，选择拟要进行决策的方案作为AHP法中的方案层，并对相关功能模块指标建立对应的层次结构模型。
(5)判断矩阵的构建。智能PSS层次结构模型构建完成后，进行要素两两比较，给出相应标度值，以便构建系统的目标层-判断层即A-B判断矩阵、判断层-方案层即Bi-C判断矩阵(i=1,2,…,n)。
(6) 特征值、特征向量的计算及单层次一致性检验。判断矩阵构建完成过后，首先计算判断矩阵每行元素乘积的n次方根：
(1)
将
归一化得到
(2)
则W=(ω1,ω2,…,ωn)T即判断矩阵的特征向量近似值；然后求出特征向量W对应的最大特征值：
(3)
其中，n为判断层指标的个数，A为判断矩阵，W为特征向量，ωi为归一化的特征向量行值。最后进行一致性检验：
RC=IC/IR
(4)
其中， IR为平均随机一致性指标；RC为一致性指标比率；IC为一致性检验指标，其计算公式为
IC=(λmax-n)/(n-1)
(5)
平均随机一致性指标IR查阅同阶平均随机一致性指标表，见表6。一般认为IC<0.1，IR<0.1，判断矩阵一致性可接受，则进入下一步，否则返回步骤(5)，调整矩阵元素取值，重新进行两两比较。
表6 平均随机一致性指标表[40]
Tab.6 Average random consistency index table
阶数1234567IR000.520.891.121.261.36阶数8910111213IR1.411.461.491.521.541.56
(7) 总层次一致性检验及最优决策的确定。各单层次检验一致性通过后计算三级要素的综合重要度W′i，开始层次总排序并进行总层次一致性检验。设二级有m个要素C1,C2,…,Cm，它们对总值的重要度为W1,W2,…,Wm;它的三级有n个要素P1,P2,…,Pn，令要素Pi对Cj的重要度(权重)为Vij，则三级要素Pi的综合重要度
(6)
i=1,2,…,n j=1,2,…,m
经过层次总排序一致性检验，按照最大权重原则确定智能PSS最优解决方案。通过各方案单层次排序，进行功能指标择优选取，便可获得智能PSS单层次功能择优解决方案。通过综合重要度总层次排序可确定智能PSS整体最优解决方案。
3 案例研究
智能汽车服务系统作为一种典型的智能PSS应用，集成了包含用户在内的利益相关者、智能汽车系统和智能服务系统，具有高度的复杂特性和功能耦合特性。以Uber、Baidu和Waymo三家服务供应商为例，通过概念方案的构建和功能模块分析决策，择优集成智能汽车服务系统的最优解决方案。构建智能汽车服务系统概念方案如下。
对于智能汽车服务系统，其总功能是为用户提供智能出行服务或实现载货，包括汽车启停、智能移动驾驶和智能服务三大子功能，如图9所示。车的启停由电能输入，经动力电池驱动；智能移动驾驶功能包括电能和机械能等能量的输入、智能感知、智能分析决策、智能控制执行和智能通信交互等功能，智能服务功能包括电能输入、智能出行服务、智能物流服务和数据增值服务等功能。
图9 智能汽车服务系统功能树
Fig.9 Function tree of intelligent automobile service system
进行元件分析之前，对系统进行划分，其中，工程系统为智能汽车服务系统，利益相关者(普通用户、制造商、供应商)为制品，属于超系统元件，作为对系统提供硬件和软件的供应商，也是超系统元件，其余要素分析见表7。对各要素功能作用、作用类别等一一进行分析描述，并对存在问题的功能进行标注，以便后续对其进行修改，见表8。
表7 智能汽车服务系统要素分析列表
Tab.7 Analysis list of intelligent automobile service system elements
工程系统系统元件超系统元件智能汽车服务系统动力电池、摄像头、超声波传感器、激光雷达、毫米波雷达、定位惯导元件、摄像头、计算平台、操作系统、集成芯片、算法、集成控制系统、V2X通信模块、电子电器架构、信息安全、云平台、出行服务平台、物流服务平台、数据可视化平台等电能、生态环境、利益相关者(普通用户、制造商、供应商)
表8 智能汽车服务系统功能模型分析表
Tab.8 Functional model analysis table of intelligent automobile service system
要素功能作用作用类别(标准、不足、过剩和有害)问题功能超系统元件电能为动力电池充电标准生态环境为人提供生存环境标准供应商提供软硬件和服务支持标准系统元件动力电池为各种传感器等供电标准污染生态环境有害√摄像头捕捉场景信息,包括人脸识别、实时监控和智能交互等不足√超声波传感器提供计算平台目标距离信息数据不足√激光雷达提供计算平台目标位置、高度、速度等数据不足√毫米波雷达提供计算平台目标的距离、角度和相对速度等数据不足√定位惯导元件提供速度、偏航角和位置等数据不足√计算平台融合各类传感器捕捉到的信息数据标准操作系统管理融合信息,并将其提供给芯片进行数据处理标准集成芯片给控制执行系统发送控制命令标准算法提供芯片解决问题的策略机制不足√集成控制执行系统给交互、服务模块发送执行命令标准V2X通信模块提供给用户车车、车人、车基础设施等交互信息,实现人车路闭环服务体系不足√电子电器架构对汽车电子电气元器件合理排布达到性能最优,成本最低标准信息安全网络确保用户、车辆指令等信息安全不足√云平台提供多端数据同步、远程升级(OTA等技术)、远程管理等标准出行服务平台为用户提供一键叫还车出行服务不足√物流服务平台为用户提供物流服务数据不足√数据可视化平台提供用户、路况、天气等各种信息可视化,以便于管理者制定对策标准制品普通用户享受出行服务标准制造商为供应商提供平台支持标准供应商为制造商提供零部件和服务支持标准
各要素相互作用分析完成后，通过箭头连接将其图示化，如图10所示。对于智能汽车服务系统，用户更倾向于服务功能模块的体验。通过调查择优选择云平台、出行服务、物流服务和数据可视化4个服务模块为判断指标，构建智能汽车服务系统的服务供应商决策层次结构模型，如图11所示。通过调查分析对4个判断指标进行两两比较打分，得到判断矩阵，见表9。在云平台模块、出行服务模块、物流服务模块和数据可视化模块上，对三家供应商两两比较的判断矩阵见表10～表13。
图10 智能汽车服务系统功能模型图
Fig.10 Functional model diagram of intelligent automobile service system
图11 服务供应商决策层次结构模型
Fig.11 Hierarchy model for selecting service providers
表9 判断指标两两比较判断矩阵
Tab.9 Pairwise comparison of judgment matrix of judgment indicators
云平台模块出行服务模块物流服务模块数据可视化模块云平台模块11/51/31/3出行服务模块5123物流服务模块31/213数据可视化模块31/31/31
表10 云平台模块供应商两两比较判断矩阵
Tab.10 Pairwise comparison judgment matrix of cloud platform module suppliers
云平台模块UberBaiduWaymoUber11/51/3Baidu513Waymo31/31
表11 出行服务模块供应商两两比较判断矩阵
Tab.11 Pairwise comparison judgment matrix of travel service module providers
出行服务模块UberBaiduWaymoUber153Baidu1/511/2Waymo1/321
表12 物流服务模块供应商两两比较判断矩阵
Tab.12 Pairwise comparison judgment matrix of logistics service module suppliers
物流服务模块UberBaiduWaymoUber131/2Baidu1/311/5Waymo251
表13 数据可视化模块供应商两两比较判断矩阵
Tab.13 Pairwise comparison judgment matrix of data visualization module suppliers
数据可视化模块UberBaiduWaymoUber11/51/2Baidu513Waymo21/31
对目标层-判断层判断矩阵，由式(1)得
由式(2)对其进行归一化得ω1=0.078 1，ω2=0.473 5，ω3=0.294 6，ω4=0.153 8，故判断矩阵特征向量或权重W=(0.078 1,0.473 5,0.294 6,0.153 8)T。由于比较元素为4个，故n=4，由式(3)得其最大特征值λmax=4.130 9，再进行一致性检验，由表6知，当n=4时，IR=0.89，由式(4)得一致性指标比率为0.049 0(< 0.1)，故该层判断矩阵一致性程度可接受。
对云平台模块指标，由式(1)得
由式(2)对其进行归一化得ω1=0.104 7，ω2=0.637 0，ω3=0.258 3，故判断矩阵特征向量或权重W=(0.104 7,0.637 0,0.258 3)T。由于比较元素为3个，故n=3，由式(3)得其最大特征值λmax=3.038 5，再进行一致性检验，由表6知，当n=3时，IR=0.52，由式(4)得一致性指标比率为0.036 9 < 0.1，故该层判断矩阵一致性程度可接受。
对出行服务模块指标，由式(1)得
由式(2)对其进行归一化得ω1=0.648 3，ω2=0.1220，ω3=0.229 7，故判断矩阵特征向量或权重W=(0.648 3,0.122 0,0.229 7)T。由式(3)得其最大特征值λmax=3.003 7，再进行一致性检验，由表6知，当n=3时，IR=0.52，由式(4)得一致性指标比率为0.003 5(<0.1)，故该层判断矩阵一致性程度可接受。
对物流服务模块指标，由式(1)得
由式(2)对其进行归一化得ω1=0.309 0，ω2=0.109 5，ω3=0.581 5，故判断矩阵特征向量或权重W=(0.309 0,0.109 5,0.581 5)T。由式(3)得其最大特征值λmax=3.003 7，再进行一致性检验，由表6知当n=3时，IR=0.52，由式(4)得一致性指标比率为0.003 5(<0.1)，故该层判断矩阵一致性程度可接受。
对数据可视化模块指标，由式(1)得
由式(2)对其进行归一化得ω1=0.122 0，ω2=0.648 3，ω3=0.229 7，故判断矩阵特征向量或权重W=(0.122 0,0.648 3,0.229 7)T。由式(3)得其最大特征值为λmax=3.003 7，进而进行一致性检验，由表6知当n=3时，IR=0.52，由式(4)得一致性指标比率为0.003 5(<0.1)，故该层判断矩阵一致性程度可接受。最后进行总层次一致性检验：
0.078 1×0.019 2+0.473 5×0.001 8+0.294 6×
0.001 8+0.153 8×0.001 8=0.0032
0.078 1×0.52+0.473 5×0.52+0.294 6×0.52+
0.153 8×0.52=0.52
故总层次一致性指标比率RCtotal=0.006 2<0.1，总层次排序符合一致性检验。由式(6)进行层次总权重计算：
W′Uber=0.078 1×0.104 7+0.473 5×0.648 3+
0.294 6×0.309 0+0.153 8×0.122 0=0.4249
W′Baidu=0.078 1×0.637 0+0.473 5×0.122 0+
0.294 6×0.109 5+0.153 8×0.648 3=0.239 5
W′Waymo=0.078 1×0.258 3+0.473 5×0.229 7+
0.294 6×0.581 5+0.153 8×0.229 7=0.335 6
3家供应商相对云服务平台模块、出行服务模块、物流服务模块和数据可视化模块4项指标层次总排序计算结果见表14。
表14 供应商与指标层次总排序权重结果
Tab.14 Total ranking result of supplier and indicator hierarchy
云平台模块出行服务模块物流服务模块数据可视化模块目标层判断层权重0.078 10.473 50.294 60.153 8层次总排序权重Uber0.104 70.648 30.309 00.122 00.424 9Baidu0.637 00.122 00.109 50.648 30.239 5Waymo0.258 30.229 70.581 50.229 70.335 6
对于智能汽车服务系统的云平台、出行服务、物流服务和数据可视化4个服务功能模块，由单层次服务功能模块排序结果(表10～表13)可知，4个分功能模块中服务供应商权重最高的分别是Baidu、Uber、Waymo、Baidu。由指标层次总排序权重结果(表14)可知，3家服务供应商中较优者为Uber。
Baidu凭借在大数据和人工智能领域多年的技术积累，成为国内第一家在云环境中的应用基础设施服务iPaas平台；Uber将“通过机器学习预测用户状态”技术搭载于智能手机中，学习和熟悉用户平时使用Uber的状态、习惯等来检测其是否处于异常状态，并为用户提供定制版服务，通过筛选服务专业信誉良好的司机实现用户安全抵达目的地；Waymo已经为多辆彼得比尔特半挂式卡车配备无人驾驶硬件和软件，这些车辆目前用于亚特兰大的工厂运输设备，其在无人驾驶物流服务方面具有更多的测试经验。因此，面向智能汽车服务系统的服务功能模块概念方案构建，可以择优集成Baidu的云平台模块和数据可视化模块、Uber的出行服务模块和Waymo的数据可视化模块，实现智能汽车服务系统的服务功能模块概念方案的构建。
4 结语与展望
应用TRIZ功能模型理论与AHP法集成智能PSS概念方案模型进行功能分解，借助AHP工具进行方案排序分析决策，通过在概念设计阶段对智能PSS进行功能择优集成可以有效改善设计带来的盲目性，帮助设计者更加高效地进行最优方案的决策，为相关制造服务企业提供参考。本文主要从功能角度对智能PSS概念方案构建进行分析，由于智能PSS方案构建的复杂性，该系统还有待进一步研究和完善。后续将对数据驱动的智能PSS的信息域进一步研究，以期实现智能PSS概念方案设计在物理域与信息域的闭环映射。
[1] ZHANG Y, TAO F. Optimization of Manufacturing Systems Using the Internet of Things[M]. New York： Academic Press, 2016:1-18.
[2] 陶飞,刘蔚然,刘检华,等. 数字孪生及其应用探索[J]. 计算机集成制造系统,2018,24(1):1-18.
TAO Fei, LIU Weiran, LIU Jianhua, et al.Digital Twin and Its Application Exploration [J]. Computer Integrated Manufacturing System, 2008,24(1):1-18.
[3] 李浩,陶飞,王昊琪,等. 基于数字孪生的复杂产品设计制造一体化开发框架与关键技术[J]. 计算机集成制造系统,2019,25(6):1320-1336.
LI Hao, TAO Fei, WANG Haoqi, et al. Integrated Development Framework and Key Technologies of Complex Product Design and Manufacturing Based on Digital Twin [J]. Computer Integrated ManufacturingSystem,2019,25(6):1320-1336.
[4] 张在房,林炜,程辉,等. 基于数字孪生的航天器舱门展收机构优化设计[J]. 计算机集成制造系统,2019,25(6):1371-1380.
ZHANG Zaifang, LIN Wei, CHENG Hui, et al.Optimal Design of Spacecraft Door Opening Mechanism Based on Digital Twin [J]. Computer Integrated Manufacturing System,2019,25(6):1371-1380.
[5] 顾新建，李晓，祁国宁，等. 产品服务系统理论和关键技术探讨[J].浙江大学学报(工学版)，2009，43(12):2237-2243.
GU Xinjian, LI Xiao, QI Guoning,et al. Discussion on Product Service System Theory and Key Technologies [J]. Journal of Zhejiang University (Engineering Science Edition),2009,43(12):2237-2243.
[6] 江平宇，朱琦琦，张定红.工业产品服务系统及其研究现状[J]. 计算机集成制造系统，2011，17 (9):2071-2078.
JIANG Pingyu, ZHU Qiqi, ZHANG Dinghong. Industrial Product Service System Design and Its Current Research[J]. Computer Integrated Manufacturing Systems,2011,17(9):2071-2078.
[7] AMAYA J, LELAH A, ZWOLINSKII P. Design for Intensified Use in Product-service Systems Using Life-cycle Analysis[J]. Journal of Engineering Design, 2014, 25(7/9): 280-302.
[8] 杨静. 基于AHP-TRIZ的产品概念创新设计方法研究[J]. 机械设计与制造工程, 2017, 46(7): 97-101.
YANG Jing. Research on AHP-TRIZ Based Product Concept Innovation Design Method [J]. Mechanical Design and Manufacturing Engineering, 2017, 46(7): 97-101.
[9] ZHENG P, CHEN C H, SHANG S. Towards an Automatic Engineering Change Management in Smart Product-Service Systems-A DSM-based Learning Approach[J]. Advanced Engineering Informatics,2019,39:203-213.
[10] 李浩，陶飞，文笑雨，等. 面向大规模个性化的产品服务系统模块化设计[J]. 中国机械工程，2018，29(18): 2204-2214.
LI Hao, TAO Fei, WEN Xiaoyu, et al. Modular Design for Large-Scale Personalized Product Service System[J]. China Mechanical Engineering, 2008, 29(18): 2204-2214.
[11] 张卫，丁金福，纪杨建，等. 工业大数据环境下的智能服务模块化设计[J]. 中国机械工程，2019,30(2)：167-173.
ZHANG Wei, DING Jinfu, JI Yangjian, et al.Modular Design of Intelligent Services in the Context of Industrial Big Data[J]. China Mechanical Engineering,2019,30(2):167-173.
[12] WU Chunlong, JI Yangjian, LU Wenbo, et al. The Modular Affordance Deployment Method for Module Clustering Process of the Integrated Service Generalized Product[C]∥Proceedings of the 21st ISPE Inc. International Conference on Concurrent Engineering. Beijing, 2014: 756-767.
[13] VALENCIA A, MUGGE R, SCHOORMANS J P L, et al. Characteristics of Smart PSSs: Design Considerations for Value Creation[C]∥2nd Cambridge Academic Design Management Conference.Cambridge,2013: 351-364.
[14] TUKKER A,TISCHNER U. Product-services As A Research Field: Past, Present and Future. Reflectionsfrom a Decade of Research[J]. Journal of Cleaner Production, 2006, 14(17):1552-1556.
[15] 刘新,刘吉昆.机会与挑战：产品服务系统设计的概念与实践[J].创意与设计,2011(5):15-17.
LIU Xin, LIU Jikun. Opportunities and Challenges—Concept and Practice of Product Service System Design[J]. Creativity and Design,2011(5):15-17.
[16] LI Hao, JI Yangjian, CHEN Liang, et al. Bi-level Coordinated Configuration Optimization for Product-service System Modular Design[J]. IEEE Transactions on Systems, Man, and Cybernetics-Systems,2017, 47(3):537-554.
[17] LI Hao, JI Yangjian, LI Qifeng, et al. A Methodology for Module Portfolio Planning within the Service Solution Layer of a Product-service System [J]. International Journal of Advanced Manufacturing Technology, 2018, 94(9):3287-3308.
[18] 李浩，祁国宁，纪杨建，等.面向服务的产品模块化设计方法及其展望[J].中国机械工程，2013,24(12)：1687-1695.
LI Hao, QI Guoning, JI Yangjian, et al. Method and Prospect of Service-oriented Product Modular Design [J]. China Mechanical Engineering, 2013,24 (12) : 1687-1695.
[19] 杨珍,耿秀丽. 面向个性化产品服务方案的推荐方法与应用[J]. 中国机械工程,2018,29(16):1965-1974.
YANG Zhen, GENG Xiuli. Recommendation Method and Application of Personalized Product Service Scheme[J]. China Mechanical Engineering,2018,29(16):1965-1974.
[20] VALENCIA A, MUGGE R, SCHOORMANS J P L, et al. Challenges in the Design of Smart Product-Service Systems(PSSs): Experiences from Practitioners[C]∥Proceedings of the 19th DMI: Academic Design Management Conference. Design Management in an Era of Disruption.London, 2014:2076-2097.
[21] KUHLENKÖTTER B, WILKENS U, BENDER B, et al. New Perspectives for Generating Smart PSS Solutions-Life Cycle, Methodologies and Transformation[J]. Procedia CIRP, 2017, 64: 217-222.
[22] ZHENG P, LIN T J, CHEN C H, et al. A Systematic Design Approach for Service Innovation of Smart Product-Service Systems[J]. Journal of Cleaner Production, 2018, 201: 657-667.
[23] CHOWDHURY S, HAFTOR D, PASHKEVICH N. Smart Product-Service Systems(Smart PSS) in Industrial Firms: A Literature Review[C]∥10th CIRP Conference on Industrial Product-Service Systems.Linköping, Sweden, 2018: 26-31.
[24] 刘成浩，张青山，王舟,等. 产品服务系统分类现状及智能化[J]. 生产力研究，2018(1):141-144.
LIU Chenghao, ZHANG Qingshan, WANG Zhou,et al. Classification Status and Intelligence of Product Service System[J]. Productivity Research,2018(1):141-144.
[25] MEYER G G, FR
MLING K, HOLMSTRÖM J. Intelligent Products: a Survey[J]. Computers in Industry, 2009, 60(3): 137-148.
[26] KUSIAK A. Smart Manufacturing Must Embrace Big Data[J]. Nature News, 2017, 544(7648): 23.
[27] TAO F, QI Q, LIU A, et al. Data-driven Smart Manufacturing[J]. Journal of Manufacturing Systems, 2018, 48: 157-169.
[28] CHENG J, CHEN W, TAO F, et al. Industrial IoT in 5G Environment towards Smart Manufacturing[J]. Journal of Industrial Information Integration, 2018, 10: 10-19.
[29] 周济，李培根，周艳红，等.走向新一代智能制造[J]. Engineering，2018，4(1):28-47.
ZHOU Ji, LI Peigen, ZHOU Yanhong,et al. Towards a New Generation of Intelligent Manufacturing[J]. Engineering, 2008,4(1):28-47.
[30] 张映锋,张党,任杉. 智能制造及其关键技术研究现状与趋势综述[J]. 机械科学与技术,2019,38(3):329-338.
ZHANG Yingfeng, ZHANG Dang, REN Shan.Research Status and Trend of Intelligent Manufacturing and Its Key Technologies[J]. MechanicalScience and Technology,2019,38(3):329-338.
[31] 任杉,张映锋,黄彬彬. 生命周期大数据驱动的复杂产品智能制造服务新模式研究[J]. 机械工程学报,2018,54(22):194-203.
REN Shan, ZHANG Yingfeng, HUANG Binbin. Research on New Model of Intelligent Manufacturing Service for Complex Products Driven by Life Cycle Big Data[J]. Journal of Mechanical Engineering, 2008,54(22):194-203.
[32] 姜杰，李彦，熊艳，等. 基于 TRIZ 理想解和功能激励的产品服务系统创新设计[J]. 计算机集成制造系统，2013，19(2): 225-234.
JIANG Jie, LI Yan, XIONG Yan, et al. Innovative Design of Product Service System Based on TRIZ Ideal Solution and Functional Incentive [J]. Computer Integrated Manufacturing System, 2013, 19(2): 225-234.
[33] 周有城,武春龙,孙建广,等. 面向智能产品的数字孪生体功能模型构建方法[J]. 计算机集成制造系统,2019,25(6):1392-1404.
ZHOU Youcheng, WU Chunlong, SUN Jianguang, et al. Method of Building Digital Twin Function Model for Intelligent Products[J]. Computer Integrated Manufacturing System,2019,25(6):1392-1404.
[34] WU Chunlong, PENG Qingjin, TAN Runhua,et al. A Structured Approach to Function and Affordance Based Decomposition for Complex Multi-disciplinary Systems of Smart Product[J]. Computer-Aided Design and Applications,2019,16(4):654-663.
[35] HABER N, FARGNOLI M. Design for Product-Service Systems: a Procedure to Enhance Functional Integration of Product-Service Offerings[J]. Int. J. Prod. Dev., 2017, 22: 135-164.
[36] SCHOLZE S, CORREIA A T, NAGORNY K. Services for Development of Situational Aware Intelligent PSS[C]∥2017 International Conference on Engineering, Technology and Innovation (ICE/ITMC).Funchal, 2017: 1154-1161.
[37] 檀润华. TRIZ及应用[M]. 北京: 高等教育出版社，2010: 19-24.
TAN Runhua. TRIZ and Application [M]. Beijing: Higher Education Press, 2010:19-24.
[38] SAATY T L, ERDENER E. A New Approach to Performance Measurement the Analytic Hierarchy Process[J]. Design Methods and Theories, 1979, 13(2): 62-68.
[39] SAATY T L, VARGAS L G. Estimating Technological Coefficients by the Analytic Hierarchy Process[J]. Socio-Economic Planning Sciences, 1979, 13(6): 333-336.
[40] 许树柏.实用决策方法：层次分析法原理[M].天津：天津大学出版社，1988:14-22.
XU Shubo. Practical Decision-making Method—Principle of Analytic Hierarchy Process[M]. Tianjin:Tianjin University Press, 1988.
