Advanced Search

数据分析与知识发现, 2020, 4(2/3): 101-109 doi: 10.11925/infotech.2096-3467.2019.0726

专辑

广东刀剪产业转型升级技术发展路径研究*——基于专利TRIZ分析

胡勇军1, 韦婷婷,,2, 窦子欣1, 黄芸茵3, 梁锐成4, 常会友3

1广州大学工商管理学院 广州 510006

2华南农业大学数学与信息学院 广州 510642

3中山大学数据科学与计算机学院 广州 510006

4广州小云软件科技有限公司 广州 510335

Tech-Development Path of Knife-Scissor Industry in Guangdong with TRIZ Analysis of Patents

Hu Yongjun1, Wei Tingting,,2, Dou Zixin1, Huang Yunyin3, Liang Ruicheng4, Chang Huiyou3

1School of Management, Guangzhou University, Guangzhou 510006, China

2College of Mathematics & Informatics, South China Agricultural University, Guangzhou 510642, China

3School of Data and Compute Science, Sun Yat-Sen University, Guangzhou 510006, China

4Guangzhou Xiaoyun Technology Co., Ltd., Guangzhou 510335, China

通讯作者: 韦婷婷,ORCID:0000-0003-0531-8598,E-mail:weitingting@scau.edu.cn

收稿日期: 2019-06-20   修回日期: 2019-07-29   网络出版日期: 2020-02-25

基金资助: *本文系广东省社会科学“十三五”规划项目“智能制造驱动下广东刀剪产业转型升级技术发展路径研究:基于知识图谱的大数据分析”的研究成果之一.  GD17CGL01

Received: 2019-06-20   Revised: 2019-07-29   Online: 2020-02-25

摘要

【目的】 对广东省刀剪专利数据进行演化规律分析。【方法】 提出一种新“体用”归类体系,建立基于LDA的TRIZ特征主题模型,计算不同年份、主题下概率高的前n个词汇,并预测未来三年的TRIZ专利技术演化路径。【结果】 通过采用新“体用”归类体系指导的人工标注噪声显著下降,达到新手标注噪声低于10%的性能。在分析结果方面,发现广东刀剪产业前期专利主要集中在形体结构、运动方式改变、材质变化等TRIZ规则上,揭示了产业技术演化路径。【局限】 只对广东刀剪产业技术发展路径进行研究。【结论】 有效揭示广东刀剪产业技术发展趋势,对该产业转型升级发展路径提出建议。

关键词: 刀剪产业 ; 转型升级 ; 专利TRIZ分析

Abstract

[Objective] This paper reveals the evolution of patents from knife-scissor industry in Guangdong Province, China.[Methods] Firstly, we proposed a new classification scheme. Secondly, we created a topic model with TRIZ feature based on LDA. Thirdly, we calculated the first n words with high probability in different years and fields. Finally, we predicted the patent evolution path in the next three years.[Results] The new classification method reduced the noise of manual annotation to less than 10%. We also found that patents from knife-scissors enterprises in Guangdong mainly focused on the TRIZ rules, such as shapes, structures, movement modes, and materials.[Limitations] We only studied the knife-scissors industries.[Conclusions] The proposed method identifies key technical developing trends of knife-scissors industries in Guangdong and gives suggestions on their upgrading in the future.

Keywords: Knife-Scissors Industries ; Transformation and Upgrading ; TRIZ Patents Analysis

PDF (735KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

胡勇军, 韦婷婷, 窦子欣, 黄芸茵, 梁锐成, 常会友. 广东刀剪产业转型升级技术发展路径研究*——基于专利TRIZ分析. 数据分析与知识发现[J], 2020, 4(2/3): 101-109 doi:10.11925/infotech.2096-3467.2019.0726

Hu Yongjun, Wei Tingting, Dou Zixin, Huang Yunyin, Liang Ruicheng, Chang Huiyou. Tech-Development Path of Knife-Scissor Industry in Guangdong with TRIZ Analysis of Patents. Data Analysis and Knowledge Discovery[J], 2020, 4(2/3): 101-109 doi:10.11925/infotech.2096-3467.2019.0726

1 引 言

广东省《珠三角国家自主创新示范区建设实施方案(2016-2020年)》中明确指出将构建先进制造业为支撑的产业新体系作为产业转型升级的重要方向。探索传统制造业向智能制造转型,实现传统制造业转型升级,已成为具有全局意义的重要问题,对传统产业转型升级技术发展路径研究具有重大的战略决策意义[1]

有关产业转型升级技术发展路径的研究一直是国内外学者关注的焦点,随着专利数量急速增长,应用专利数据进行技术路径分析成为重要研究方向。其中,郭颖等[2]和Guo等[3]应用专利数据建立技术规划方法,对产业发展路径进行预测;Yoon等[4]和Yoon等[5]采用句法和文本分析方法预测光伏产业技术创新趋势;Zhang等[6]采用主题分析方法对美国通信与计算的技术发展路径进行预测;李向阳等[7]应用专利数据分析中国有机精细化工领域的技术创新;Lai等[8]应用专利数据分析智能家居产业发展;田创等[9]基于专利的相似度与产业类目进行相互映射;Gibson等[10]采用数据包络分析方法对交通中电力应用的影响进行技术预测分析。

然而,由于上述方法过于宽泛,无法准确地提供技术发展路径信息。发明问题解决理论(Teoriya Resheniyva Izobretatelskikh Zadatch, TRIZ)[11]揭示了专利中所蕴含的技术矛盾和解决矛盾所使用的发明原理,借助TRIZ理论进行专利数据分析,有助于更好地从发明质量和更细粒度层面对产业转型升级的技术发展路径进行分析[12,13]

采用TRIZ理论的专利分析和发展路径已有大量研究。Yoon等[14,15]提出基于TRIZ的专利分析法,并设计基于TRIZ语义的专利分析系统;江屏等[16]将IPC聚类方法和TRIZ结合进行专利规避设计;Zhang等[17]采用TRIZ语义相关模型分析中国光伏产业技术发展路径;胡正银等[18]设计基于TRIZ的领域专利技术挖掘系统;张亚斌等[19]根据TRIZ理论的技术进化模式,分析中国物联网关键技术专利的发展路径;罗建强等[20]根据TRIZ理论提出制造业服务衍生的路径;万惠等[21]根据TRIZ理论分析新能源汽车制造业服务衍生发展路径。

上述研究虽然开展了大量工作,然而仍然面临一些问题:

(1)现有研究受限于TRIZ规则标注对大量人工的依赖,难以建立大量的标注数据集,为相关分析带来挑战;

(2)由于TRIZ规则基于对大量前苏联专利数据的抽取分析,受文化背景差异影响,国内普通标注人员难以将专利与TRIZ规则进行准确对应。

针对上述问题,本文开展进一步工作,主要贡献如下:

(1)采集10年(2007年-2016年)内中国刀剪专利数据,建立刀剪专利TRIZ标注数据集,为本文工作和后续相关研究奠定基础;采用TRIZ规则分类方法,对刀剪产业技术变迁进行分析。

(2)在所提出的TRIZ归类体系下,对TRIZ专利演变路径进行分析,发现中国刀剪产业前期专利主要集中在形体结构、运动方式改变、材质变化等少数TRIZ规则上,对刀剪产业下一步转型升级路径给出预见和建议。

2 专利数据采集与预处理

2.1 专利数据采集与标注

(1) 数据采集

本文选择“佰腾(Baiten)专利检索系统”(①https://www.baiten.cn.)作为专利检索数据库,选择申请年为2007年-2016年的5 055件国内刀剪专利为研究对象,内容主要包括名称、摘要、主权项,示例如表1所示。

表1   专利名称、摘要和主权项示例

Table 1  Patent Title, Abstracts and Sovereign Rights Items

专利名称摘要主权项
[实用新型]一种刀座本实用新型设计一种刀座,由座体和芯体所组成,座体是中空的,上部开口,底部设置有底板或者若干个凸起,芯体由若干条塑料条扎成一束放置在座体里面插放刀具,芯体可拆开清洗,使用十分方便、卫生。权利要求书:一种刀座,由座体和芯体所组成,其特征在于座体是中空的,芯体由若干条塑料条扎成一束所组成,并放置在座体里。

新窗口打开| 下载CSV


(2) 人工数据标注

网络上缺少已标注的专利数据,因此需要大量人工对数据进行标注处理。但是,TRIZ数据标注具有隐规则的特点,不同于一般物品识别、文本情感识别等具有明显的情感倾向特征,需要标注人员对专利描述及TRIZ规则有一定的理解,为人工标注带来巨大挑战。个人的理解误差将导致标注误差,从而影响后续的分析误差。本文人工标注采用多次反馈的形式,分批标注一定数量,然后提交审核,审核完毕马上进行反馈,更正标注人员的理解误差。考虑到一个专利内,每个句子最多只有一个发明原理与之对应,因此最初的标注方式为对专利进行分句,然后对每个句子进行匹配,但该方法标注质量仍不够理想,标签质量噪声较大(本文噪声是指不同人独自对同一数据进行标注,标注结果不同的比例),数据初步标注结果如表2所示(其中A,B,C对应TRIZ规则中的亚分类,比如分割中的A,B,C就是这一规则下的三种可能的规则解释,具体参见文献[11])。

表2   部分专利基于TRIZ标注的数据集统计信息

Table 2  Patent Statistics Based on TRIZ Labeled Dataset

类别“是”的数目(件)“否”的数目(件)标签质量
分割A2441 293噪声>16%
B35240 965
C2241 295
抽取A041 317噪声>50%
B141 316
组合A1 65539 662噪声>50%
B44840 869
C1 51239 805
多用性A1 41039 907噪声>50%
反向作用A841 309噪声>16%
B2141 296
C241 315
动态特性A141 316噪声>16%
B73540 582
C10941 208
反馈A6741 250噪声>16%
B041 317

新窗口打开| 下载CSV


为得到更好的标注效果,本文提出新的归类方法,TRIZ标注效果为新手噪声<10%,相对最初标注方式(新手噪声>50%,熟手噪声>16%)有显著改善。

2.2 预处理

专利文本数据无法直接处理分析,需要对其进行预处理,去除无关信息,如文本分词、去除停用词。

(1) 文本分词

本文采用Python中的结巴分词(Jieba)对专利文本进行分词处理,遍历每一个专利文本,对其进行精确分词处理。分词后的结果示例如表3所示,其中,“/”表示分隔。

表3   训练集部分分词结果示例

Table 3  Segmentation Results on Training Set

文本编号分词结果
1一种/ 刀具/ 本/ 实用新型/ 公开/ 了/ 一种/ 刀具/ ,/ 包括/ 刀柄/ 及/ 连接/ 在/ 刀柄/ 上/ 的/ 刀片/ ,/ 刀柄/ 表面/ 设有/ 装饰/ 片/ ,所述/ 的/ 装饰/ 片/ 为/ 透明/ 或/ 半透明/ 状/ ,/ 装饰/ 片/ 内/ 镶嵌/ 有/ 带/ 装饰/ 条纹/ 的/ 金属片/ ,/ 所述/ 的/ 金属片/ 为/ 铜片/ 、/ 铝片/ 、/ 铁片/ 或者/ 其他/ 金属片/ ……

新窗口打开| 下载CSV


(2) 去停用词

专利文本中存在大量只起到语法作用的词语(如:的、是等),以及对专利分类无贡献价值的词语(如:专利、刀具等),还有对文本分类无意义的标点符号,将这些都称为停用词,大量停用词会对分类分析造成影响,同时,网络上的常用停用词中也包含可能对分类产生影响的词汇,如“对称”可能与发明原理的非对称相关。因此需要统计词频,对停用词进行筛选。通过建立停用词表去除停用词,表中包含大约1 500个停用词。去除停用词后的专利文本示例如表4所示。

表4   训练集去停用词结果示例

Table 4  Results of Stop Words in Training Set

文本编号分词并去停用词结果
1一种/ 实用新型/ 公开/ 刀柄/连接/刀柄/刀片/刀柄/表面/装饰/片/装饰/片/透明/半透明/装饰/片/镶嵌/装饰/条纹/金属片/金属片/铜片/铝片/铁片/金属片/实用新型/透明/ 装饰/片/镶嵌/装饰/条纹/金属片/结构/简单/紧凑/美观/性能/高/装饰/条纹/时间/环境因素/变形/褪色/……

新窗口打开| 下载CSV


3 专利TRIZ归类方法

3.1 一种新的TRIZ归类体系

TRIZ理论创始人Altshuller通过分析大量专利数据,从中归纳出40个发明原理,如表5所示。

表5   40个发明原理

Table 5  Forty Invention Principles

序号发明原理序号发明原理
1分割21快速通过
2抽取22变害为利
3局部质量23反馈
4非对称24中介勿
5组合25自服务
6多用性26复制
7嵌套27廉价替代品
8重量补偿28机械系统替代
9预先反作用29气压和液压结构
10预先作用30柔性壳体或薄膜
11事先防范31多孔材料
12等势32改变颜色
13反向作用33同质性
14曲面化34抛弃或再生
15动态特性35物理/化学状态变化
16不足或超额行动36相变
17空间维数变化37热膨胀
18机械振动38强氧化剂
19周期性作用39惰性环境
20有效作用的连续性40复合材料

新窗口打开| 下载CSV


通过40个发明原理,能体现出专利的价值[22]。但由于当前大部分的专利文本内容比较晦涩难懂,部分专利描述未能显式地与TRIZ规则对应,给计算机分析专利数据带来极大困难,如表6所示。

表6   标注示例

Table 6  Annotation Example

专利摘要分析标注
本发明公开了加工碳纤维复合材料和钛合金叠层构件大直径孔螺旋铣孔专用刀具,它包括由切削刃部、颈部和刀柄组成的刀体,在刀具刃部设置有四个不等距切削刃,所述的第一切削刃和第三切削刃的侧刃前角取7°~9°,第二切削刃和第四切削刃的侧刃前角取8°~10°,四个切削刃的侧刃第一后角取13°~15°,四个切削刃的侧刃第二后角取19°~21°,所述的侧刃第一后角的长度为0.8~1.2mm,四个切削刃的螺旋角为39°~41°,刀具四个切削刃的刃倾角为3°~5°,第一切削刃的底刃和第三切削刃的底刃有两个刃带。本刀具切削复合材料力约为53N,切削钛合金约为248N,延长了刀具的寿命。1.碳纤维复合材料和钛合金叠层构件→复合材料的使用;40
2.设置有四个不等距切削刃→组合;5
3.侧刃前角、第一后角、第二后角的角度变化→空间维数17

新窗口打开| 下载CSV


因此,需要对TRIZ发明原理进一步归纳,从中抽象出更一般的分类方式。通过对大量专利研究分析,笔者发现可以对TRIZ做三层归纳,如图1所示。

图1

图1   TRIZ三层归纳示意图

Fig.1   Schematic Diagram of Three Layers of TRIZ


第一层:分为体变、用变。体变,即外观、形体、结构的变化;用变,即方法、工艺、技术上的改变。

第二层:对应第一层用变或体变下的二级分类。

第三层:第二层分类下对应的具体TRIZ规则分类。

(1)体变又可以分出形体之变、动静之变、材质之变、维数之变、物相之变、化合之变、位势之变、自身之变。

①形体之变,指改变其空间形状结构,从而适应不同情况、获取多种功能等。

②动静之变,指通过改变物体结构,使原本静止的物体可以发生运动、转动,或改变其运动方式。

③材质之变,指改变原材料的组成成分,工具材质、性质的改变,如采用特种合金分子。

④维数之变,指改变物体空间维度,直线变成曲线、二维平面变成立体空间。

⑤物相之变,指对物体部分固体结构用液体或流体代替,或者热胀冷缩等物理相位变化等改变物体结构。

⑥化合之变,指利用化学作用替换、改变原材料。

⑦位势之变,指改变其结构使其位置发生改变,或改变其位置利用位势差达到某一目的。

⑧自身之变,指改变自身结构、通过辅助功能、维护功能为自身服务,舍弃自身部分零部件,或者作为自身中介物进行间接服务。

(2)用变又可以分为环境之变、聚合之变、反向之变、时序之变、维数之变、度量之变、频率之变、信息之变、场相之变。

① 环境之变,指改变生产环境、性能,使其适应不同情况,以达到最佳效果。

②聚合之变,指将多种功能、用途融合到同一物体。对应TRIZ规则第6项。

③反向之变,指利用与原来性质相反的方式执行,比如方向、相对运动、利害转换等。

④时序之变,指在时间维度上作处理,或者提高对流程中空挡时间的利用。

⑤维数之变,指利用物体的多面性。

⑥度量之变,指在操作上以饱和式提供物料用量。对应TRIZ规则第16项。

⑦频率之变,指改变设备、流程、运作上的频率、周期,或者利用机械振动方式达到目的。

⑧信息之变,指利用信息反馈及时进行调整响应。

⑨场相之变,指系统环境的变换如电磁场变换、时变场变恒定场等。

3.2 基于LDA的专利TRIZ分类表示模型

(1) LDA主题模型

LDA模型因其能够有效地模拟大规模文档集或语料库中的语义特点,被引入到专利技术演化研究中,并且受到国内外研究学者的青睐。LDA模型由Blei等[23]提出,其具体描述如下:

对任意一篇文档d,其词汇数目为N;

假设d的主题的先验分布是Dirichlet分布,则主题分布参数 θd,如公式(1)所示。

θd=Dirchlet(α)

对于任意一个主题Z,假设其主题中词的先验分布是Dirichlet分布,则主题词分布参数 βk,如公式(2)所示。

βk=Dirchlet(η)

d的第n个词,从 θd的推导中得到所属主题的多项式分布 zdn,如公式(3)所示。

zdn=multi(θd)

d的第n个词,从 βk的推导中得到具体词汇 wdn,如公式(4)所示。

wdn=multi(βk)

(2) TRIZ特征词提取

专利中有大量无助于区分其TRIZ规则指向的词,给专利自动向TRIZ规则进行归集带来困难。在Shannon提出的信息熵[24]基础上进行改进,采用互信息熵对此类词进行过滤,如公式(5)所示。

I(wkn,CTrizj)=k,n,jp(wkn,CTrizj)logp(wkn,CTrizj)p(wkn)p(CTrizj)

其中, wkn表示对应LDA模型训练后第k个主题上的第n个词, CTrizj表示第j个TRIZ规则对应的分类。将满足 I(wkn,CTrizj)>δ条件的 wknj*作为 Trizj的主题特征词,再将 W*=k,jwknj*作为TRIZ特征词。

(3) 基于TRIZ特征词的主题表示

由LDA模型中的主题公式(3)得到的 zdn是在全语料词全集上的表示,提取主题特征词 W*上的主题概率分布,归一化后得到新的TRIZ特征词的主题表示 zdn*,对第j类TRIZ专利子集进行LDA训练后可以得到相应TRIZ规则上的主题 zjk*, k[1,K]

(4) TRIZ规则上的代表主题

在Kullback等[25]提出的相对熵基础上进行改进,如公式(6)所示。通过对TRIZ规则上的不同主题 zjk*进行距离度量,将与同一 Triz-j上其他主题 zj,-k*平均相对距离最小,而与非同一规则 Triz-j上其他主题 z-j,k*, k[1,K]平均相对距离最大的主题作为该规则对应的代表主题 zj**

KL(zjk,zik')=np(zjkwn*)logp(zik'wn*)p(zjk'wn*)

得到TRIZ规则上的代表主题后,可以通过专利与该主题的相对距离进行演变路径以及专利质量分析等。

(5) TRIZ归类下专利技术路径分析

为更好地对刀剪产业专利数据的路径演化进行可视化分析,根据“体用”TRIZ归类,采用公式(6)提取“体用”TRIZ归类下的代表主题,分别得到一级、二级、三级的代表主题。以“体用”二级归类为例,运用LDA模型可以提取到该归类下专利文本中高概率出现的共性词语,例如,动静之变的专利文本常出现“折叠”“活动”“拆卸”等词语;形体之变的专利文本常出现“镶嵌”“嵌套”等词语。通过对2007年-2016年的刀剪专利文本在TRIZ归类体系下的分布情况进行特征提取和分析,计算每年每一类别所拥有的专利数目在该年专利总数中所占的比例,得到每年每组发明原理的使用率,从整体数量上分析2007年-2016年间广东刀剪专利所使用TRIZ发明原理的总体情况,以及预测不同TRIZ发明原理的使用发展趋势和路径。

4 实 验

4.1 各时间切片主题概率分布分析

采用Python语言进行编程,版本为Python 2.7.12。采用Python的Jiaba分词工具包进行、分词停用词过滤和词性标注工作,得到较为纯净的文本数据。LDA主题建模过程中,主题数设置如表7所示。其中,主题数设置采用困惑度(Perplexity)评价函数进行评估,困惑度越小,证明模型的泛化能力越强,效果越好。

表7   数据集在各个时间切片分布情况

Table 7  The Distribution of Data Set at Each Time Slice

年份专利数(件)词汇数(个)最优主题数(个)
2007-20083 163377 89750
2009-20103 131216 33460
2011-20121 838221 61560
2013-2014994116 46350
2015-201647152 89860

新窗口打开| 下载CSV


各个时间切片根据表7的最优主题数建立LDA主题模型,选取“文档-主题”概率分布结果中分布概率前8的主题的“主题-词”分布表示文档的主题内容。2015年-2016年广东刀剪专利的热点主题如表8所示。

表8   2015-2016广东刀剪专利热点主题

Table 8  Hot Topics of Guangdong Knife-Scissor Patents in 2015-2016

主题主题词
Topic29切削刀面端面刀轴输出工件通孔限位
Topic1固定进行螺钉问题矩形铰链增大白雾
Topic11部件操作旋转轴钻孔行业鼓形白雾不锈钢管
Topic32刀柄具有支撑涉及能够平面质量产生
Topic6安装形状齿形裁剪出现周向操作者轴头
Topic37刀体支架配合导向轴线刀身回转环形

新窗口打开| 下载CSV


可见,2015年-2016年广东刀剪专利文本主要集中在切削设计、刀剪牢固性、旋转轴、刀柄设计、安装方法和刀体设计等主题上。应用相同方法,不同时间段专利文本的主题关键词如表9所示,选取“文档-主题”分布概率前6的主题词作为主题关键词。

表9   各时间切片的主题关键词

Table 9  Topic Keywords for Each Time Slice

年份主题关键词
2007-2008刀具部分切削动力平面壳体
2009-2010刀头刀体刀刃部件刀片切削
2011-2012刀具螺旋部分切削支架齿轮
2013-2014刀具定位简易连接刀片固定
2015-2016切削固定部件刀柄安装刀体

新窗口打开| 下载CSV


不同的时间切片中的主题内容不尽相同,如表10所示。可以看出,虽然切削主题一直是刀剪专利技术的主流,但其每年主题内容一直在变化,从切割效果渐渐集中到刀体结构的设计上,这种变化与现实产业刀剪的结构多样化和技术创新发展趋势相吻合。

表10   “切削”主题内容演化

Table 10  “Cutting” Topic Content Evolution

年份主题内容演化
2007-2008切削形成使用控制器切屑质量抽吸少于
2009-2010切削提供达到结合减小颗粒成分面积
2011-2012切削刀片摆动镜面压料边腿弧向宽大
2013-2014切削刀片配合夹角内壁压出触发柜本
2015-2016切削刀面端面刀轴输出工件通孔限位

新窗口打开| 下载CSV


4.2 主题关键词的相关词结果分析

通过对各个时间切片的主题关键词进行Word2Vec计算,可预测刀剪专利的未来研究热点。选取2007年-2008年的主题关键词进行模型训练,2012年的研究热点作为测试集,预测结果如表11所示。其中,每个关键词相似度按大小排名前8的词汇作为预测词。

表11   关键词预测结果

Table 11  Keyword Prediction Test Results

关键词预测词
刀具对准精度 减耗 杆周 密齿 旋削 咬入 沿待 烟花
部分倍率 导送 位差 水圈 电源接口 样式 内陷 版具
切削附值 轻易 环盘 夹柄 承压 高低压 面角 单台
动力恢复 扫描枪 叶轮 玻璃管 牵引车 缩减 采油 螺升角
平面输液管 纬线 湿磨 座周 模架 拖车 最大 中压
壳体致密 内柄 草坪 划痕 顶孔 锅具 偏高 盖合

新窗口打开| 下载CSV


验证模型预测结果准确性后,以2015年-2016年数据作为Word2Vec模型输入数据,对未来三年刀剪专利技术发展的主题词进行预测,结果如表12所示。

表12   未来三年刀剪专利技术发展预测词

Table 12  Words for the Development of Patented Knife-Scissor Technology in Next Three Years

关键词预测词
切削附值 轻易 环盘 夹柄 承压 高低压 面角 单台
固定避让 木柄 取芽 圆料 缺水 离子 盾体 承合
部件格栅 纤维结构 带段 可行 吸风 可换 外形 尺寸 废水
刀柄铣刨机 支持 压件 机冲 砂粒 弯度 分区 炉腔
安装开创 质量 加紧 压差 轴滑 位块 撬酒 工法
刀体缸内 监测技术 形核 切油线 控制键 旋于 电信号 对准

新窗口打开| 下载CSV


(1)切削方面的技术偏向于刀具使用的简易性和高附加值再利用功能的探索研究;

(2)固定方面的技术将会在避让槽和木柄设计领域有所发展;

(3)部件方面,专利技术发展主要会集中在新型结构格栅以及纤维型结构上的创新应用;

(4)刀柄方面的技术探索主要是在铣刨机上的应用以及如何更好地支持刀具以便操作者进行工作的问题探究;

(5)安装方面的技术主要在开创新型安装方法和提高刀具整体质量的领域比较有潜力;

(6)刀体方面,有关刀具在液压缸内壁动力系统的应用以及数控机床监测技术的应用未来会有很大的技术发展潜力。

5 结 语

近年来,基于专利的发展路径分析已成为重要研究方向,但专利的分类多是以其所涉及的领域而划分,无法准确地提供技术路径信息。而TRIZ理论则揭示了专利中所蕴含的技术矛盾和解决矛盾所使用的发明原理。因此,本文基于TRIZ理论对专利进行主题分析,并在此基础上研究专利发展的技术路径,为TRIZ理论使用者提供专利分析的新方向。本文的核心工作为:

(1)对10年内的刀剪专利数据进行TRIZ归类的标注。

(2)建立一种新的TRIZ分类体系。当前大部分的专利文本内容比较晦涩难懂,部分专利描述未能显式地与TRIZ规则对应,给计算机分析专利数据带来极大困难。本文通过对大量专利研究分析,对TRIZ作三层归纳,从中抽象出更适合机器学习的分析方式。

(3)在所提出的TRIZ归类体系下,对TRIZ专利演变路径进行分析,发现中国刀剪产业前期专利主要集中在形体结构、运动方式改变、材质变化等不多的几个TRIZ规则上,经过一系列分析,通过广东省2007年-2016年刀剪专利文本,预测未来三年基于TRIZ的发展趋势,并提出对其未来发展方向的建议。

广东刀剪传统产业尚处于大规模转型升级技术发展的前夕,广东作为制造业大省,在粤港澳大湾区背景下,对传统制造业升级有着迫切需求,广东应该抓住机遇,从多方面推进刀剪传统产业转型升级技术发展进程。

(1)政府对相关企业进行政策扶植和资金资助时,可重点引导其向高价值技术方向演进,积极促进广东传统制造企业技术提升,鼓励传统企业建立技术提升路径。

(2)刀剪产业的各研发企业可考虑形成技术合作联盟,提升刀剪产业基础科学发展,促进刀剪产业的技术创新。

(3)研究机构应着力关注刀剪传统产业技术发展的过程,充分利用其专利数据进行分析,对其技术发展进行持续关注,提高该产业产品的附加值。

本文还存在一些不足之处:没有考虑专利主题的强度变化;只研究刀剪产业的专利数据,所采用的方法对其他制造业专利数据分析的普适性仍需通过产业案例数据进行验证。在以后的研究中,将进一步解决上述问题。

作者贡献声明

胡勇军:提出研究思路,设计研究方案,提出“体用”TRIZ归类体系,提出TRIZ主题表示模型,论文最终版本修订;

韦婷婷:进行实验,数据分析,修改论文框架;

窦子欣:论文起草;

黄芸茵,梁锐成:数据预处理;

常会友:设计研究方案。

利益冲突声明

所有作者声明不存在利益冲突关系。

支撑数据

支撑数据由作者自存储,E-mail: hyjsdu96@126.com。

[1] 胡勇军.体用数据集.xlsx.体用TRIZ分类数据.

参考文献

广东省人民政府.

珠三角国家自主创新示范区建设实施方案(2016-2020年)

[R/OL]. [ 2016- 04- 25]. http://www.gd.gov.cn.

URL     [本文引用: 1]

( People’s Government of Guangdong Province.

Implementation Plan of Pearl River Delta National Independent Innovation Demonstration Zone (2016-2020)

[R/OL]. [ 2016- 04- 25]. http://www.gd.gov.cn.)

URL     [本文引用: 1]

郭颖, 汪雪锋, 朱东华 , .

“自顶向下”的科技规划——基于专利数据和技术路线图的新方法

[J]. 科学学研究, 2012,30(3):349-358.

[本文引用: 1]

( Guo Ying, Wang Xuefeng, Zhu Donghua , et al.

“UP-to-Down” Science &Technology Planning: A New Approach Based on Patent Data and Technology Roadmapping

[J]. Studies in Science of Science, 2012,30(3):349-358.)

[本文引用: 1]

Guo Y, Zhou X, Porter A L , et al.

Tech Mining to Generate Indicators of Future National Technological Competitiveness: Nano-Enhanced Drug Delivery(NEDD) in the US and China

[J]. Technological Forecasting and Social Change, 2015,97:168-180.

[本文引用: 1]

Yoon J, Kim K .

Detecting Signals of New Technological Opportunities Using Semantic Patent Analysis and Outlier Detection

[J]. Scientometrics, 2012,90(2):445-461.

[本文引用: 1]

Yoon B, Park I, Coh B , et al.

Exploring Technological Opportunities by Linking Technology and Products: Application of Morphology Analysis and Text Mining

[J]. Technological Forecasting and Social Change, 2014,86:287-303.

[本文引用: 1]

Zhang Y, Zhang G, Chen H , et al.

Topic Analysis and Forecasting for Science, Technology and Innovation: Methodology with a Case Study Focusing on Big Data Research

[J]. Technological Forecasting and Social Change, 2016,105:179-191.

[本文引用: 1]

李向阳, 刘小平 .

我国有机精细化工领域技术创新与科学研究关系的专利计量分析

[J]. 科技管理研究, 2016,36(6):163-169.

[本文引用: 1]

( Li Xiangyang, Liu Xiaoping .

Patentometric Analysis of the Relations Between Technological Innovation and Scientific Research in the Field of Chinese Organic Fine Chemical Industry

[J]. Science and Technology Management Research, 2016,36(6):163-169.)

[本文引用: 1]

Lai C A, Xu C L .

The Application of Patent Mining in the Forecast of Smart Home Industry

[J]. Management Science and Engineering, 2016,10(1):67-75.

[本文引用: 1]

田创, 赵亚娟 .

一种基于相似度的专利与产业类目映射模型——以《国际专利分类》与《国民经济行业分类》为例

[J]. 图书情报工作, 2016,60(20):123-131.

[本文引用: 1]

( Tian Chuang, Zhao Yajuan .

A Similarity-based Model for Mapping Between Patent and Industrial Classifications—Mapping Between the International Patent Classification and the Industrial Classification for National Economic Activities

[J]. Library and Information Service, 2016,60(20):123-131.)

[本文引用: 1]

Gibson E, Van Blommestein K, Kim J , et al.

Forecasting the Electric Transformation in Transportation: The Role of Battery Technology Performance

[J]. Technology Analysis & Strategic Management, 2017,29(10):1103-1120.

[本文引用: 1]

孙永伟, 谢尔盖·伊克万科 . TRIZ:打开创新之门的金钥匙[M]. 北京: 科学出版社, 2015.

[本文引用: 2]

( Sun Yongwei, Sergei Ikovenko. TRIZ: The Goleden Key to Innovation[M]. Beijing: Science Press, 2015.)

[本文引用: 2]

李更, 范文, 赵今明 .

TRIZ创新流程与专利检索系统的结合探索

[J]. 情报杂志, 2013,32(2):79-81.

[本文引用: 1]

( Li Geng, Fan Wen, Zhao Jinming .

On Combination of TRIZ Innovation Process with Patent Retrieval System

[J]. Journal of Intelligence, 2013,32(2):79-81.)

[本文引用: 1]

赖朝安, 钱娇 .

基于知识图谱的专利挖掘方法及其应用

[J]. 科研管理, 2017,38(S1):333-341.

[本文引用: 1]

( Lai Chaoan, Qian Jiao .

A Method for Patent Mining Based on Knowledge Map and Its Application

[J]. Science Research Management, 2017,38(S1):333-341.)

[本文引用: 1]

Yoon J, Kim K .

An Automated Method for Identifying TRIZ Evolution Trends from Patents

[J]. Expert Systems with Applications, 2011,38(12):15540-15548.

[本文引用: 1]

Yoon J, Kim K .

TrendPerceptor: A Property-Function Based Technology Intelligence System for Identifying Technology Trends from Patents

[J]. Expert Systems with Applications, 2012,39(3):2927-2938.

[本文引用: 1]

江屏, 王川, 孙建广 , .

IPC聚类分析与TRIZ相结合的专利群规避设计方法与应用

[J]. 机械工程学报, 2015,51(7):144-154.

[本文引用: 1]

( Jiang Ping, Wang Chuan, Sun Jianguang , et al.

Method and Application of Patented Design Around by Combination of IPC Cluster Analysis and TRIZ

[J]. Journal of Mechanical Engineering, 2015,51(7):144-154.)

[本文引用: 1]

Zhang Y, Zhou X, Porter A L , et al.

How to Combine Term Clumping and Technology Roadmapping for Newly Emerging Science & Technology Competitive Intelligence: “Problem & Solution” Pattern Based Semantic TRIZ Tool and Case Study

[J]. Scientometrics, 2014,101(2):1375-1389.

[本文引用: 1]

胡正银, 刘春江, 隗玲 , .

面向TRIZ的领域专利技术挖掘系统设计与实践

[J]. 图书情报工作, 2017,61(1):117-124.

[本文引用: 1]

( Hu Zhengyin, Liu Chunjiang, Wei Ling , et al.

Design and Practice of Domain Patent Tech Mining System Oriented to TRIZ

[J]. Library and Information Service, 2017,61(1):117-124.)

[本文引用: 1]

张亚斌, 王洵迪 .

基于TRIZ理论的物联网关键技术专利发展态势及预测分析

[J]. 系统工程, 2015,33(3):130-136.

[本文引用: 1]

( Zhang Yabin, Wang Xundi .

The Developing Trend and Forecast Analysis of IOT’s Key Technology Patents Based on TRIZ Theory

[J]. Systems Engineering, 2015,33(3):130-136.)

[本文引用: 1]

罗建强, 赵艳萍, 彭永涛 .

基于TRIZ的制造企业服务衍生研究

[J]. 管理评论, 2016,28(5):35-46.

[本文引用: 1]

( Luo Jianqiang, Zhao Yanping, Peng Yongtao .

Research on Manufacturing Enterprises’ Service Derivative Based on TRIZ

[J]. Management Review, 2016,28(5):35-46.)

[本文引用: 1]

万惠, 侯光明 .

基于TRIZ理论的新能源汽车制造业服务衍生研究

[J]. 工业技术经济, 2018,37(2):51-57.

[本文引用: 1]

( Wan Hui, Hou Guangming .

Research on New Energy Automobile Manufacturing Service Derivatization Based on TRIZ Theory

[J]. Journal of Industrial Technological Economics, 2018,37(2):51-57.)

[本文引用: 1]

Mann D .

An Introduction to TRIZ: The Theory of Inventive Problem Solving

[J]. Creativity & Innovation Management, 2010,10(2):123-125.

[本文引用: 1]

Blei D M, Ng A Y, Jordan M I .

Latent Dirichlet Allocation

[J]. Journal of Machine Learning Research, 2003,3:993-1022.

[本文引用: 1]

Shannon C E .

A Mathematical Theory of Communication

[J]. Bell System Technical Journal, 1948,27(3):379-423.

[本文引用: 1]

Kullback S, Leibler R A .

On Information and Sufficiency

[J]. The Annals of Mathematical Statistics, 1951,22(1):79-86.

[本文引用: 1]

/

版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn