基于逻辑回归的破坏性创新设计方案评价模型

郭 靖，孙建广，梁添才，檀润华＋

（1.河北工业大学 国家技术创新方法与实施工具工程技术研究中心，天津 300130；2.广州广电运通金融电子股份有限公司，广东 广州 510000）

0 引言

破坏性创新（Disruptive Innovation，DI）的概念由Christensen于1997年首次正式提出［1］，是以提高系统买方价值为目标，通过引入异于主流产品的特征组合，以吸引低端用户或新市场用户为主的一类创新活动［2－5］。与现有市场中的主流产品相比，破坏性创新产品允许产品在某一或几项性能指标上的降低［6］，通常具有结构简单、体积小、易操作等特征［7］。

随着用户需求不均匀特性［8］的动态变化，破坏性创新逐渐受到广泛关注［9］。然而，历史经验表明，破坏性创新的成功应用多发生在新兴企业，在位企业在实施破坏性创新过程中遇到了障碍［1］。Christensen［1］研究表明，在位企业通过对破坏性创新与渐进性创新［7］所获得预期回报的分析，更多地将资源分配倾向于渐进性创新，因此错失了破坏性创新的机会。Gilbert等［10］指出，企业管理人员对破坏性创新的评价直接影响了企业应用破坏性创新的时期和成败。Thomond等［11］将破坏性创新的障碍归纳为战略意识缺乏等四个方面。结合我国的实际情况，张玉利等［12］提到由于资源配置的限制，作为创新关键推动力量的企业中层管理者，出于职业风险、创新成功可能性等因素的综合考虑，优先将渐进性创新设想提交给组织高层，甚至将某些具有破坏性潜能的设想修改成渐进性设想后再提交给高层。邱兆斌等［13］将破坏性创新实施障碍概括为市场的原因、主流用户的影响、组织能力的障碍三个方面。汪旭晖等［14］概括了零售企业实施破坏性创新的制约因素，包括行为采纳障碍、思想障碍、风险障碍、创新过程的先期障碍四个方面。

由上述概括得知，破坏性创新的实施障碍主要源自缺少对破坏性创新设计方案的客观评判依据，人为主观臆断因素导致企业错失破坏性创新机会。Borgianni等［15－16］基于理想化水平的定义［17］，通过对蓝海战略案例进行特征提取和线性回归分析，提出了对产品成功潜力进行评估的方法。本研究从产品设计的角度，基于对系统买方价值的分析，应用多项逻辑回归分析方法建立破坏性创新设计方案的事前评价模型，为在位企业对比分析、选择和实施破坏性创新设计方案提供指导意见，增添产品创新机会，降低企业投资风险。

1 产品关键特征的提取及变化特征因子的分析

1.1 产品的价值分析

发明问题解决理论（Theory of Invention Problem Solving，TRIZ）提出了理想化水平的概念，并定义系统的理想化水平趋于无穷大的状态为最终理想解。最终理想解是真实系统存在的一种极限状态，在实际生活中很难或不可能实现［18－19］。然而，任何事物都是向提高系统理想化水平的方向进化的，从技术系统进化的角度，TRIZ理论将系统的理想化水平［14］定义为：

式中：Ideality为系统的理想化水平；∑Benefits为效益之和；∑Cost为成本之和；∑Harms为危害之和。式（1）表示系统的理想化水平与效益之和成正比，与成本之和及危害之和成反比。

价值工程理论将产品的价值定义为功能与实现该功能所耗成本的比值［20］，可表示为：

式中：V为系统的价值；F为系统的功能；C为功能实现所耗成本。式（2）表明系统的价值与产品的有用功能成正比，与全生命周期的费用之和成反比。

式（1）从技术系统进化的角度，提供了对系统进行对比分析的方法；式（2）从全生命周期的角度，提供了评价系统价值的方法。两种方法都适用于对已有产品的改进设计或对已有产品进行评价及对比分析，但从产品设计的角度分析，有两点不足：①缺少对功能实现程度的度量因素，②所涉及的成本要素包括的范围过于广泛。

功能是用户购买产品的本质需求，是产品设计的基本要素［21］，因此，功能设计是产品设计的重要阶段［22］。功能设计包括对产品子功能［23］的列举以及功能实现程度的确定，由于对子功能项的列举是根据设计要求确定的，本研究中的功能是指有用功能。功能实现程度是通过性能指标（通常包括可靠性、稳定性、便捷性、易操作性、节能性等）及其水平来表述的，性能水平提高，功能的实现程度增加；性能水平降低，功能的实现程度则降低。本研究为清晰对比破坏性创新产品相对于主流产品的特征变化，将性能特征单独提取为产品的关键特征之一。

Christensen将破坏性创新分为低端破坏性创新和新市场破坏性创新两类，并指出很多成功的破坏行为来源于两者的融合［2］，称为混合破坏性创新。低端破坏性创新通过降低被过度满足的产品性能而大幅度降低产品成本，从而满足低端用户的需求。新市场破坏性创新主要是为满足新市场用户需求而进行的产品创新活动。新市场用户能够接受传统的主流性能的降低，但希望产品的非主流特征得到改进，且产品的价格易被接受。相比于当前市场中的主流产品，新市场破坏性创新产品在功能或性能特征上的变化主要包括以下几方面［2，5］：①增加产品的辅助功能；②功能简化或单一化；③降低产品的主流性能，提高产品的非主流性能。

功能及其所对应的性能是通过资源［18，24］实现的，TRIZ中将资源定义为“系统内部或外部可被应用到最大潜力的一切事物的总和”，并提供了基于资源列表形式的资源分类方法，将资源划分为空间资源、时间资源、物质资源、能量资源、信息资源五类［24］。在产品设计阶段，资源的选取和应用直接影响到产品的设计成本，而当产品的子功能相同或相似［23］、各项子功能所对应的性能水平也相近时，产品的成本会影响新用户对该产品相对于其他主流产品是否具有破坏性吸引力的判断。由于相对于市场中的主流产品，破坏性创新产品具有体积小、结构简单等特征，在破坏性创新设计过程中，资源既是功能、性能实现的载体，也是限制约束，构成了影响产品价值的第三项关键特征元素。

综合考虑功能、性能和资源三项特征元素，从破坏性创新产品设计的角度，宏观上定性分析系统的价值：

式中：VC为系统价值；∑F为有用功能之和；∑P为性能水平之和；∑RES为功能与性能实现所应用的资源总和，包括资源应用的类别及数量。式（3）表示破坏性创新产品的价值、功能及性能总和与所应用的资源总和的比值有关，比值增大，则系统的价值提高；反之，系统的价值降低。

1.2 产品特征的提取及对比分析

功能（F）、性能（P）、资源（RES）构成了对破坏性创新产品的系统价值进行分析的关键特征元素，在对设计方案进行分析时，由内向外，从功能、性能、资源三个层面先后进行分析，三者关系如图1所示。功能元素是产品的基层元素，位于产品关键特征元素构成的饼形图的最内层。性能层是功能分析完成后，对产品特征进行提取的研究对象，位于中间层。功能与性能间的对应关系包括一对一、多对一和一对多三种类型，如图1所示，功能F1和F5的表象特征分别对应性能P1和P5，功能F2和F3拥有相同的表象特征P2，功能F4表现为P3和P4两个性能特征。资源层位于饼形图的最外层，资源的选取和应用是由功能层元素、性能层元素综合决定的。

破坏性创新设计的破坏作用是相对于当前市场中的主流产品实施的，通过分析并提取现有市场中的主流产品和破坏性创新设计方案中的各项关键特征，应用添加、去除动作对功能的变化进行描述，应用提高、降低操作描述性能的变化作用，应用增加与去除动作对资源应用的数量变化进行描述。功能、性能、资源三类特征的变化分析是顺次进行的。对功能和性能特征的对比分析在功能分解［25］结果的基础上进行，功能特征的变化反映了产品子功能数量的变化，而性能特征的变化反映了功能实现程度的改变。将某项子功能与其对应的性能指标和水平以及相应的实现资源视为一个子系统，分别对功能或性能特征发生变化的子系统进行资源特征对比分析，进而统计资源特征的变化数量。为有效统计资源特征变化的数量，对资源特征的提取和变化数量统计给出了明确规则，如表1所示。

表1 资源特征变化数量统计规则

通过对比分析，提取出破坏性创新设计技术方案相对于市场中主流产品的变化特征因子分别为：添加/功能（C/F），去除/功能（E/F），提高/性能（I/P），降低/性能（D/P），增加/资源（I/RES），去除/资源（E/RES）。对各类特征因子的变化数量分别进行统计，可将其分别表示为：Num（C/F），Num（E/F），Num（I/P），Num（D/P），Num（I/RES），Num（E/RES），如表2所示。功能、性能、资源三类特征元素之间的关系不是相互独立的，但是这六项变化特征因子之间的关系是相互独立的。

表2 动作特征因子

2 破坏性创新设计方案的评价模型

2.1 多元逻辑回归分析模型

逻辑回归分析包括二元逻辑回归（Binary Logistic Regression，BLR）和多元逻辑回归（Mutiple Logistic Regression，MLR）的分析［27］，前者应用于解决因变量为二分分类变量的逻辑回归的基本问题，因变量为二点分布，通常用1和0来表示两种结果，1表示发生，0表示未发生；后者应用于因变量为多项分类变量的逻辑回归的基本问题，概率p可从0～1间任意取值，因变量与自变量间为非线性关系，逻辑回归分析的模型［25］为：

逻辑回归模型恰当地表达了事件y＝1发生的可能性与m个自变量之间的关系。将逻辑回归模型进行线性转换［28］：

2.2 基于逻辑回归分析的破坏性创新设计方案评价模型的建立

根据破坏性创新的定义和特征，本研究选择迷你音箱、儿童手机、零钱兑换机等24个破坏性创新案例作为样本，依据1.2节中给出的各项特征提取过程，通过对破坏性创新案例及其所对应的主流产品（传统音箱、传统手机、自动取款机）进行特征提取和特征对比分析，分别确定所涉及的6类变化特征C/F，E/F，I/P，D/P，I/RES，E/RES，并逐类进行数目统计。以各项动作特征的变化数量Num（C/F），Num（E/F），Num（I/P），Num（D/P），Num（I/RES），Num（E/RES）作为自变量X1，X2，X3，X4，X5，X6。以破坏性创新案例在市场中的成功概率为因变量，因变量数值p通过对该破坏性创新产品的应用调查及其与同类产品在市场中受欢迎程度的对比分析最终确定，最终获取24组破坏性创新案例的样本数据，如表3所示。对于自变量的数值统计在实例中将有较详细的过程，在此不再赘述。对于因变量数值的获取，根据产品出现的时期不同，采取不同的获取方式，例如，以某款便携式扫描仪在市场中的成功概率为例进行说明，首先分别统计此款扫描仪与价格相近的其他便携扫描仪（也为破坏性创新产品）在某销售网站中的随机选择的单月销售数据，通过计算可知此款扫描仪在销售量中所占的百分比约为96.88%；再在生活中将这几款便携式扫描仪进行对比并展示给50位被调查的用户（其中包括30位新用户和20位主流用户），对其反馈意见中“愿意购买”的产品数量进行统计，结果为50名用户全部愿意购买此款便携式扫描仪。将网上统计结果和生活中调查的数据以各占50%的比例再求和，即0.968 8×50%＋1.0×50%＝0.984 4，约为0.98，因此最终获取此款便携式扫描仪的受欢迎程度近似值为0.98。

表3 破坏性创新案例样本数据

由自变量的提取过程及因变量的取值可知，自变量的取值范围为｛x｜x≥0，x∈Z｝，概率p的取值范围为｛p｜0＜p＜1，x∈R｝，自变量与因变量之间存在着非线性关系。应用多元逻辑回归分析方法，建立模型如下：

式中：P为事件发生的概率；β0为回归常数；βi为第i个变量对应的回归系数（i＝1，2，…，6）。

针对式（6）建立的逻辑回归模型，本研究分别应用以下两种方法求取回归常数β0及各自变量回归系数β1，β2，β3，β4，β5，β6。

（1）最小二乘法

最小二乘法的原理是通过使误差的平方和最小确定回归参数的估计值［28］，通常应用于求取线性回归或可转化为线性回归模型的参数最优估值问题。由式（5）逻辑回归分析模型的线性转换过程可知，中间变量Z与自变量X之间为线性关系，因此可应用最小二乘法对数据进行拟合，求取最优参数估计值。

应用 MATLAB 7.0编程，引入X0＝1，应用最小二乘法对24个样本数据进行拟合，得出回归常数β0及各自变量回归系数β1，β2，β3，β4，β5，β6的数值，保留三位小数后，结果为：

根据式（7）中的各回归系数数值，得出破坏性创新设计方案在未来市场中成功概率p的评估公式：

（2）最大似然估计法

最大似然估计法是基于最大似然原理提出的，最大似然原理的思想是寻找最合理的参数估计量，使得从总体中抽取该n组样本的概率最大［29］。为求得似然函数的最大值，采用梯度上升算法［29－30］确定最优参数估计值。在该算法中，步长的选择较为关键，若步长选得太小，则算法收敛很慢；若步长选得太大，则会使修正过分，甚至引起发散［29］。

本研究基于MATLAB 7.0软件编程，应用自适应步长［31］进行迭代计算，最终得出常数项β0及自变量系数β1，β2，β3，β4，β5，β6。保留三位小数后，结果为：

根据式（9）中的各回归系数数值，得出评估破坏性创新设计方案在未来市场中成功概率p的公式如下：

2.3 回归系数检验及对比分析

2.3.1 回归系数的误差对比分析

通过拟合数据与样本数据因变量的误差值估计回归系数的可靠性，计算公式如下：

式中：pk为样本数据中第k（1≤k≤24）个案例的因变量为拟合数据中第k个案例的因变量，Δ｜｜为拟合数据相对于样本数据的误差值。

根据式（11），应用 MATLAB 7.0编程，分别计算最小二乘法与最大似然估计两种方法下拟合结果的因变量误差，结果分别为0.168 1、0.145 9，由于0.145 9＜0.168 1，优选式（10）作为破坏性创新设计方案成功概率的事前评价模型，当概率值p＞0.5时，表示该设计方案成功，否则失败。

2.3.2 回归系数的合理性分析

由式（9）可知回归常数β0及各自变量系数的数值。基于多元逻辑回归分析模型的特征，根据破坏性创新的定义及式（3），对各系数的合理性进行如下理论分析：

（1）回归常数β0的合理性分析。由式（10）的理论含义可知，当各自变量均为0时，表示产品无特征变化，概率p表示当前市场主流产品的成功概率，计算结果应大于50%，因此，令X1＝X2＝X3＝X4＝X5＝X6＝0，根据式（10）计算出p＝84.01%＞50%，表明回归常数β0是合理的。

（2）自变量回归系数β1，β2，β3，β4，β5，β6的合理性分析。由于各自变量相互独立，在此只分析自变量与因变量之间的关系。破坏性创新产品通过引入异于主流产品的特征组合，主要吸引低端用户或新市场用户，最终提高系统的价值。系统价值提高的程度越高，则越易被用户接受，该破坏性创新产品在市场中成功的概率也就越高。根据式（3）可知，假设资源总和不变，则系统的价值与有用功能及性能总和成正比；假设系统的有用功能及性能总和不变，则系统价值与所应用的资源类别及数量总和成反比。因此，自变 量Num（C/F），Num（I/P），Num（E/RES）与概率p成正相关，其所对应的回归系数β1，β3，β6应均大于0；而自变量Num（E/F），Num（D/P），Num（I/RES）与概率p为负相关，β2，β4，β5均小于0。由式（10）中的各自变量系数可知，分析结果与公式中各自变量回归系数的符号一致，表明回归系数在合理范围内。

2.4 破坏性创新设计方案的评价模型

通过分析破坏性创新设计方案相对于主流产品的变化特征，对特征因子变化数目进行统计并选作自变量，应用多元逻辑回归分析方法对破坏性创新样本数据进行回归分析，拟合得出特征因子的系数。破坏性创新设计方案事前评价模型的建立过程包括如下几个步骤（如图2）：

步骤1 对当前市场中的主流产品及破坏性创新设计方案进行分析，依次分别提取产品的功能、性能及资源特征。

步骤2 对破坏性创新设计方案相对于主流产品在功能、性能、资源三类特征元素上的特征变化进行分析，确定添加/功能（C/F）、去除/功能（E/F）、提高/性能（I/P）、降低/性能（D/P）、增加/资源（I/RES）、去除/资源（E/RES）六类变化特征因子下的各项变化特征，并对其数量逐一进行统计，最终得出各类变化特征的数量值：Num（C/F），Num（E/F），Num（I/P），Num（D/P），Num（I/RES），Num（E/RES）。

步骤3 将六类变化特征的数量值代入式（10），事前评估破坏性创新设计方案在未来市场中的成功概率。若计算结果＜50%，则表明设计方案是失败的，因此淘汰此设计方案；若计算结果＞50%，则表明设计方案是成功的，而且计算结果越接近于1，说明方案的成功概率越高，为企业投资生产提供参考。

3 工程实例

3.1 已有产品分析

目前市场中应用广泛的存取款设备，本文中称其为传统金融装备，是一种高度精密的机电一体化智能装置，通过磁性代码卡或智能卡实现金融交易的自助服务，以代替银行柜面人员的工作［32］。如图3所示，持卡人可通过此类金融装备，应用信用卡或储蓄卡，根据密码办理存款、取款、查询余额和转账划拨等业务。

为便于对比分析破坏性创新案例与此传统金融装备的功能、性能和资源特征，对传统金融装备进行特征分析。产品总功能为传输可靠的有价文件，将总功能分解至二级子功能模块。第一级功能分解结果包括：F1提供操作指令输入端，F2识别账户，F3传输有价文件，F4存储有价文件，F5账户间转存有价文件，F6出具凭证。其中，功能F1～F4可继续进行二级分解，结果分别为：功能F1分解为F11提供客户端、F12接收信号、F13反馈信号，功能F2分解为F21读取账户信息、F22验证账户信息，功能F3分解为F31传入有价文件、F32传出有价文件，功能F4分解为F41提供存储空间、F42叠放有价文件。如图4中的功能层分析结果所示。

根据功能分解的结果，提取性能指标并确定功能与性能间的对应关系，建立性能层，结果如图5中的性能层建立结果所示，其中实线箭头由功能项指向其所关联的性能指标。根据功能和性能层的分析结果建立资源层，虚线箭头将系统中的各应用零部件S1、S2、S3、S4、S5、S6与其涉及的资源类型相连接，由于各系统零部件的配置均会影响到物质资源的应用和设备的工作时间，物质资源与时间资源为资源层的共同特性。传统金融装备的关键特征分析结果如图4所示。

3.2 破坏性创新设计方案1—小型金融装备

传统的金融设备已遍布城市、城镇的大街小巷，提供24小时全天服务，为人类日常生活提供便利。为使在偏远农村的百姓也同样享受到如此便利的服务，避免因交通不便而影响日常生活的状况，工程技术人员为这部分新用户设计了一款破坏性创新产品。相对于传统金融装备，该款小型金融装备在某些性能上有所降低，但能够存储多种面额的纸币，且存储容量大，具有体积小、易维护、成本低的特点。

相对于传统的金融装备，分别对小型金融装备的功能、性能和资源三类特征逐一进行分析。首先对最内层的功能特征要素进行分析，相对于传统金融装备，此设备去除了转存功能。此外，由于设备应用地域具有交通不便的特点，添加了循环存取功能，用户通过此设备能够取出他人存进的有价文件，以解决加钞难的问题。其次，对位于中层的性能特征元素进行分析：①为了增强产品的用户体验，提高了客户操作界面的灵敏度；②由于该装备为用户提供多种面额的纸币，对传输机构的适应性有较高要求，提高了传入/出有价文件功能的适应性特征；③针对交通不便利所带来的加钞难问题，增大了有价文件存储空间的容量；④为实现破坏性创新设计低成本的设计目标，考虑到这部分用户生活节奏慢的特点，在设计过程中降低了传输有价文件的速率，即降低了传入/出有价文件功能对应的工作速率与稳定性。再者，对系统的资源变化特征进行了分析：①为提高客户操作界面的灵敏度，应用触摸面板取代机械式按钮面板，两者均属于外购单元，物质资源数量未变，但所占空间减小；②通过力学计算分析，在安装时调整传输轮组的角度和间距，在未增加任何元件的情况下，即可提高传入/出有价文件功能的适应性特征；③通过存储装置的替代，转换了介质堆叠方式，装置同样包括接收介质组件、叠放介质组件和按压介质组件，在并未添加物质资源数量的情况下，增大了有价文件存储空间的容量，节省了空间；④相对于传统金融装备，此款破坏性创新产品裁剪［33］了部分传输零部件，缩短了能量流路径，整机结构更加紧凑，减小了体积。由以上对资源的变化特征过程可知，此款破坏性创新产品的物质资源减少数量为1，节省了空间资源，变化数量记为1。通过计算各应用资源的成本之和，与传统金融装备相比，此款设备的成本略有降低，但不足30%，因此不计入资源变化数量。

由上述分析可知，相对于传统金融装备，此款破坏性创新产品在功能、性能和资源各类别特征上的变化及调整如图5所示。对变化的特征因子数目进行统计，结果如表4所示。

将数目统计结果代入式（10），Z＝1.639，p1≈83.74%，则此款小型金融装备在市场中的成功概率值约为83.74%，结果大于50%，表明此破坏性创新设计方案是成功的，投资风险小，可安全生产。截止目前，该款设备已成功应用于国内外部分乡镇的便利店，产品外观模型图如图6所示。

表4 小型金融装设备的特征因子变化数目统计

3.3 破坏性创新设计方案2—高速金融装备

为满足人们日常生活的消费需求，通常情况下，商场停止营业的时间较晚，柜台收银工作人员下班时需要对当日的营业额进行结账清算，有大量的现金需要存储，若使用传统的金融存储设备，则一般耗时较长。针对此状况，工程技术人员为此部分新市场用户设计研发了一款破坏性创新产品。相对于传统金融装备，此款设备的功能被简化，但在某些性能指标上有所提升。由于其具有高速传输有价文件的特征，可被称为“高速金融装备”。

首先对最内层特征要素进行分析，相对于传统金融装备，该款设备去除了传出有价文件功能、转账功能。其次，分析产品的中层特征元素，为便于存储大量现金操作的执行，此款装备具有反应灵敏、存入现金速度快、故障率低、存储容量大的特点，此外，由于有价文件的质量不同，文件传输机构对文件的适应性强。性能指标的变化特征包括：①提高提供客户端功能对应的灵敏度；②提高传入有价文件功能的工作速率、适应性及稳定性特征；③提高提供存储空间功能对应的容量特性。相对于传统的金融设备，此款设备的资源特征包括：①由于去除了传出有价文件功能，裁剪掉了换向机构，减少了实现传出有价文件功能的物质资源，计数为1；②欲提高提供客户端功能对应的灵敏度，将机械式的按钮面板替换为触控面板，物质资源数量未变，但面板体积大大减小；③欲提高传入有价文件的适应性，采取与上例中相同的方式，资源数量未改变；④欲提高传入有价文件的稳定性，通过将部分传动组件替换为质量更高的同类组件，以避免因磨损严重而导致的有价文件在通道内卡死的状况发生，未改变物质资源数量。由以上分析可知，相对于传统金融装备，此款设备的物质资源减少数量为1，节省了空间资源，计数为1。通过对应用资源的成本计算，此款设备与传统金融装备成本近乎相等，因此不计入资源变化数量。

综合分析此款设备相对于传统金融装备在功能、性能和资源各特征上的变化情况，如图7所示。对各类变化特征因子的数目进行统计，结果如表5所示。

将数目统计结果对应代入式（10），Z＝2.353，p2≈91.32%，即此款高速金融装备在市场中的成功概率约为91.32%，结果大于50%，而且接近100%，说明产品风险极小，可安全投放市场。截止目前，此款设备已成功应用于部分国家或地区的大型商场中，产品实物图如图8所示。

表5 高速金融装备的特征因子变化数目统计

续表5

此外，两项破坏性创新设计案例的成功概率近似值分别为83.74%和91.32%，模型的计算结果显示p1＜p2，说明破坏性创新案例2在市场中的受欢迎程度高于案例1。通过市场销售部门反馈，高速金融装备的受欢迎程度确实高于小型金融装备，说明此模型可作为破坏性创新设计方案的评价理论依据。

4 结束语

本文为对比破坏性创新产品与主流产品的特征变化，将产品的关键特征提取为功能、性能、资源特征三项，并给出了从宏观角度定性分析破坏性创新产品价值的方法。针对破坏性创新在企业中实施受阻碍的现实问题，应用逻辑回归分析模型建立了对破坏性创新设计方案进行事前评价的计算公式，为在位企业评估、对比分析破坏性创新设计方案提供了理论依据。选择小型金融装备和高速金融装备两个破坏性创新案例，应用此研究提供的事前评价破坏性创新设计方案的模型计算产品在市场中的成功概率，通过将计算结果与真实销售数据对照，验证了模型的合理性及有效性。

本研究也存在不足：①由于所选取的案例数量有限，应用回归分析方法所确定的各项变化特征因子的系数存在着一定误差；②资源特征的提取及对比分析依赖于扎实的TRIZ资源知识，方法的普及应用尚受到限制。因此，扩充样本库以确定更精确的回归系数及对资源特征的转化，将是后期研究工作的主要内容。

［1］ CHRISTENSEN C M.The innovator's dilemma：when new technologies cause great firms to fail［M］.Boston，Mass.，USA：Harvard Business School Press，1997.

［2］ CHRISTENSEN C M，RAYNOR M E.Innovator's solution：creating and sustaining successful growth［M］.Boston，Mass.，USA：Harvard Business School Press，2003.

［3］ RONALD N，KOSTOFF R B，GENE R S.Disruptive technology roadmaps［J］.Technological Forecasting and Social Change，2004，71（1/2）：141－159.

［4］ SUN Jianguang，TAN Runhua.Method for forecasting DI based on TRIZ technology system evolution theory［J］.International Journal of Innovation and Technology Management，2012，9（2）：1250010（1－20）.

［5］ TAN Runhua，SUN Jianguang.Ex－ante generation mechanism of disruptive innovative technologies［M］.Beijing：Science Press，2014（in Chinese）.［檀润华，孙建广.破坏性创新技术事前产生原理［M］.北京：科学出版社，2014.］

［6］ DANNEELS E.Disruptive technology reconsidered：a critique and research agenda［J］.Journal of Product Innovation Management，2004，21（4）：246－258.

［7］ SUN Jianguang，TAN Runhua，LI Xiaoting，et al.Methods for roadmapping mutational innovation based on technological evolution bifurcations［J］.Computer Integrated Manufacturing Systems，2013，19（2）：253－262（in Chinese）.［孙建广，檀润华，李晓婷，等.基于技术进化分支理论的突变性创新事前产生方法［J］.计算机集成制造系统，2013，19（2）：253－262.］

［8］ ADNER R.When are technologies disruptive？a demand－based view of the emergence of competition［J］.Strategic Management Journal，2002，23（8）：667－688.

［9］ SCHMIDT G.When is a disruptive innovation disruptive？［J］.The Journal of Product Innovation Management，2008，25（4）：347－369.

［10］ GILBERT C，BOWER L J.Disruptive change：when trying harder is part of the problem［J］.Harvard Business Review，2002，80（5）：94－101.

［11］ 11THOMOND P，HERZBERG T，LETTICE F.Disruptive innovation：removing the innovators dilemma［EB/OL］.［2013－02－05］. http：//insightcenter.co.uk/resources/BAM2003forDisruptit.pdf.

［12］ ZHANG Yuli，CHEN Lixin.Strategy and resource commitment of disruptive innovation［J］.Economic Management，2005，31（23）：28－30（in Chinese）.［张玉利，陈立新.破坏性创新战略与资源承诺［J］.经济管理，2005，31（23）：28－30.］

［13］ QIU Zhaobin.Probe into research sequence of destructive creation theory and its progress［J］.Journal of Anhui Science and Technology University，2009，23（3）：65－70（in Chinese）.［邱兆斌.破坏性创新理论研究脉络及其进展探析［J］.安徽科技学院学报，2009，23（3）：65－70.］

［14］ WANG Xuhui，CUI Qianqian.Disruptive innovation in retail enterprises and its constraints：a theoretical framework［J］.Contemporary Economy ＆ Management，2010，32（8）：25－29（in Chinese）.［汪旭晖，崔倩倩.零售企业破坏性创新及其制约因素：一个理论框架［J］.当代经济管理，2010，32（8）：25－29.］

［15］ BORGIANNI Y，CARDILLO A，CASCINI G，et al.Systematizing new value proposition through a TRIZ－based classification of functional features［C］// CAVALLUCCI D.Proceedings of the ETRIA TRIZ Future Conference.the Netherlands：Elsevier Ltd.，2011：103－118.

［16］ BORGIANNI Y，CARDILLO A，CASCINI G，et al.Design of innovative product profiles：anticipatory estimation of success potential［C］//CULLEY S J.Proceedings of the 18th International Conference on Engineering Design.Denmark：The Design Society，2011：246－256.

［17］ MANN D L.Hands－on systematic innovation［M］.Belgium：Creax Press，2002.

［18］ TAN Runhua.Innovative design：TRIZ—Theory of inventive problem solving［M］.Beijing：China Machine Press，2002（in Chinese）.［檀润华.创新设计：TRIZ—发明问题解决理论［M］.北京：机械工业出版社，2002.］

［19］ ZHANG Peng，TAN Runhua.Rapid acquirement method for ideal result of system complexity［J］.Computer Integrated Manufacturing Systems，2010，16（4）：746－754（in Chinese）.［张 鹏，檀润华.系统复杂性理想解快速获取方法［J］.计算机集成制造系统，2010，16（4）：746－754.］

［20］ YANG Jianhao，JIN Lishun.The generalized value engineering［M］.Beijing：National Defence of Industry Press，2009（in Chinese）.［杨建昊，金立顺.广义价值工程［M］.北京：国防工业出版社，2009.］

［21］ LI Jian，DENG Jiati.Research of product design process based on function［J］.Computer Integrated Manufacturing Systems，2002，8（4）：289－293（in Chinese）.［李 健，邓家禔.基于功能的产品设计过程研究［J］.计算机集成制造系统，2002，8（4）：289－293.］

［22］ PAHL G，BEITZ W.Engineering design－a systematic approach［M］.2nd ed.London，UK：Springer－Verlag，2000.

［23］ LIU Fang，JIANG Ping，ZHANG Ruihong，et al.Platform design of function similar products based on bottom－up method［J］.Computer Integrated Manufacturing Systems，2005，11（7）：947－952（in Chinese）.［刘 芳，江 屏，张瑞红，等.基于自底向上法的功能相似产品平台设计［J］.计算机集成制造系统，2005，11（7）：947－952.］

［24］ ZLOTIN B，ZUSMAN A.The concept of resources in TRIZ：past，present and future［EB/OL］.https：//ideationtriz.com/new/materials/finalconceptresources.pdf，2005－03－20/2012－09－05.

［25］ YUAN Feng，WANG Taiyong，NIE Huijuan.Function and principle innovative design of mechanical products based on TRIZ/FA［J］.Computer Integrated Manufacturing Systems，2006，12（2）：204－209（in Chinese）.［袁 峰，王太勇，聂惠娟.基于创新设计理论/功能分析的机械产品功能原理创新设计［J］.计算机集成制造系统，2006，12（2）：204－209.］

［26］ SUN Jianguang，TAN Runhua.Product innovative design methodology based on disruptive technologies［J］.Journal of Engineering Design，2011，18（1）：1－10（in Chinese）.［孙建广，檀润华.基于破坏性技术的产品创新设计方法研究［J］.工程设计学报，2011，18（1）：1－10.］

［27］ ZHU Xingyu，CHEN Yongqiang.SPSS multivariate statistical analysis method and application［M］.Beijing：Tsinghua U－niversity Press，2011（in Chinese）.［朱星宇，陈勇强.SPSS多元统计分析方法及应用［M］.北京：清华大学出版社，2011.］

［28］ CHEN Jiading，SUN Shanze，LI Dongfeng.Notes of mathematical statistics［M］.Beijing：Higher Education Press，1993（in Chinese）.［陈家鼎，孙山泽，李东风.数理统计学讲义［M］.北京：高等教育出版社，1993.］

［29］ BIAN Zhaoqi，ZHANG Xuegong.Mode recognition［M］.Beijing：Tsinghua University Press，1999（in Chinese）.［边肇祺，张学工.模式识别［M］.北京：清华大学出版社，1999.］

［30］ ANDREW N.Stanford University Public Class［EB/OL］.［2013－05－10］.http：//v.163.com/movie/2008/1/B/O/M6SGF6VB4＿M6SGHJ9BO.html.

［31］ PANDEY M，PAL B L.Adaptation to best fit learning rate in batch gradient descent［J］.International Journal of Science and Research，2014，3（8）：16－20.

［32］ Brief introduction of cash recycling system in baidu wikipedia［EB/OL］.［2013－10－05］.http：//baike.baidu.com/view/3748091.htm.（in Chinese）.［百度百科—自动存取款一体机简 介 ［EB/OL］.［2013－10－05］.http：//baike.baidu.com/view/3748091.htm.］

［33］ YU Fei，TAN Runhua，CAO Guozhong，et al.Study on trimming priority based on system functional model［J］.Computer Integrated Manufacturing Systems，2013，19（2）：338－347（in Chinese）.［于 菲，檀润华，曹国忠，等.基于系统功能模型的元件裁剪优先权研究［J］.计算机集成制造系统，2013，19（2）：338－347.］