专利地图与TRIZ融合技术创新指标体系构建及影响因素分析

杨利峰，王金凤

(1.开封大学 财政经济学院，河南 开封 475000；2.郑州大学 管理工程学院，河南 郑州 450001)

专利地图与TRIZ作为两种行之有效的创新工具，虽然二者应用的侧重点不同，但均建立在专利信息检索和挖掘的基础上。融合专利地图与TRIZ两种创新工具开展技术创新工作，具有良好的理论基础。目前针对专利地图与TRIZ融合技术创新的研究成果，既有理论层面的探讨，也有实践应用层面的尝试。

理论探讨层面的研究主要集中于专利地图和TRIZ的内在联系分析，探索专利地图与TRIZ融合技术创新方法的可行性等。冯立杰等[1]提出基于TRIZ和专利地图的技术创新模式，并将其应用于矿用潜水电泵的创新设计。彭茂祥等[2]探讨了大数据时代背景下TRIZ、数据挖掘在协同创新技术研发中的应用，并提出构建基于大数据和TRIZ理论的高效智能化专利技术开发运营模式。张雷等[3]提出基于TRIZ与专利分析的绿色产品创新设计方法，并以冰箱的降噪设计为例验证了方法的可行性。江屏等[4]以提高新产品设计起点为目标，应用TRIZ理论方法构建待规避专利技术的原理解模型，并以完井工具封隔器为例验证方法的可行性。李辉等[5]将TRIZ创新方法与专利组合设计思想进行集成，构建基于企业核心技术的专利组合设计模型。胡正银等[6]通过分析面向TRIZ的专利技术挖掘需求和现有工具的不足，构建领域专利技术挖掘系统的体系架构，并将其应用于大口径光学元件领域专利技术挖掘，以验证可行性。

实践应用方面的研究主要集中于尝试将专利地图和TRIZ融合技术创新方法运用于工程实践问题的解决和技术预测。冯立杰等[7-8]将TRIZ理论、专利管理地图应用于止推轴承创新设计和煤层气开采技术研究，探索了专利地图和TRIZ应用于技术创新的可行性。李睿等[9]将TRIZ思维方式应用于新能源汽车充电技术的专利文本挖掘，以期为该领域发明人指明创新向导。张亚斌等[10]运用TRIZ理论识别我国物联网关键技术专利的发展现状，并预测物联网关键技术发展进化路径。LI等[11]将TRIZ应用于按照发明等级对动态磁信息存储或检索相关专利进行分类。丁志坤等[12]将TRIZ理论应用于分析典型的建筑模板类专利文献，用以识别最常用的通用工程参数和发明创造原理。

现有关于专利地图与TRIZ融合技术创新的研究，初步梳理了专利地图与TRIZ融合技术创新方法的思路，验证了综合运用两种工具进行技术创新的可行性，而深入剖析专利地图与TRIZ之间的内在关联过程，挖掘专利地图与TRIZ融合技术创新影响因素及其关键指标的研究成果尚未见到。

有鉴于此，本文综合前人研究成果，构建出较为完善的专利地图与TRIZ融合技术创新影响因素指标体系，设计运用粗糙集理论识别专利地图与TRIZ融合技术创新关键影响因素的步骤，并通过实证研究验证方法的可行性，以期为企业提高技术创新资源利用率，提升企业技术创新能力提供指导。

1 指标体系构建

1.1 专利地图与TRIZ融合技术创新的思路

专利地图是技术分析和预测的重要工具，是一种对某技术领域的专利技术信息进行数据源检索、数据归纳和统计，制作出来的包含可解读专利信息情报的图表。

TRIZ理论是一套通过对专利文献的大量检索、搜集整理和归纳提炼，总结出专利发明共同性和思维逻辑特点，以具体应用为主题，能够从系统角度解决发明创造问题的理论体系和具体方法。专利地图与TRIZ融合技术创新充分发挥了两种方法的优势，实现了方法与工具的完美结合。运用TRIZ理论对某一技术领域专利地图数据源进行数据挖掘，发现该领域已有技术存在的矛盾或空白区域,以实现有目的的技术创新。依据专利地图和TRIZ各自特点和应用范围，结合现有关于专利地图与TRIZ融合技术创新的研究成果，本文对专利地图与TRIZ融合技术创新方法的思路进行了梳理，如图1所示。

图1 专利地图与TRIZ融合技术创新思路图Figure 1 The idea of technological innovation of patent map and TRIZ integration

1.2 专利地图与TRIZ融合技术创新影响因素指标体系

专利地图与TRIZ融合技术创新方法是一种充分利用专利地图海量数据信息和TRIZ科学理论进行创新的方法，其创新效果受专利地图质量和TRIZ理论工具应用效果的双重影响。

TRIZ理论是企业开展技术创新活动的有效工具，其对企业技术创新活动的影响，主要通过企业经济效益的提高和创新能力的提升等反映技术创新效果的因素间接表现出来。反映技术创新效果的因素众多，例如，有学者认为反映技术创新效果的因素应细化到产品创新率、创新产品销售率、产品创新工艺数等具体方面；也有学者认为技术创新效果主要体现在企业经济效益增长、市场占有率提高、生产制造能力提升和创新管理水平提升等方面[13]。在参考前人研究的基础上本文作者分析了TRIZ理论推广应用特点，将技术创新经济效益、技术创新管理能力和技术产出水平，作为衡量企业应用TRIZ进行技术创新效果的主要方面[14]。

专利地图是有效揭示和形象化表示专利信息的各种表格、分布图等，能够为企业技术创新活动提供数据基础，专利地图的质量是制约企业技术创新效果的基本影响因素[15]。专利地图的质量既受专利数据源完整性和准确性等数据因素的影响，同时也受专利数据源分析方法和工具的影响，而专利数据源分析方法和工具对专利地图质量的影响主要表现在专利数据检索策略、专利分类科学性、专利文献分析研究能力、专利信息解读能力和专利分析结果有效性等方面[16-17]。因此，从专利地图视角，本文作者认为影响企业技术创新的因素主要包括专利数据源完整性、专利数据源准确性、专利数据检索策略、专利分类科学性、专利文献分析研究能力、专利地图信息解读能力和专利分析结果有效性7个方面。

综上所述，本文构建的专利地图与TRIZ融合技术创新影响因素指标体系见表1。

表1 专利地图与TRIZ融合技术创新指标体系Table 1 Technical innovation index system of patent map and TRIZ integration

2 基于粗糙集的影响因素分析方法

依据专利地图与TRIZ在技术创新方面的应用特点，专利地图与TRIZ融合技术创新方法建立在海量专利信息检索和挖掘的基础上，整个技术创新过程任务复杂、影响因素众多，各因素与技术创新之间作用关系复杂且呈现较强的模糊性。此外，TRIZ理论对企业技术创新活动的影响，主要通过反映企业技术创新效果的因素间接表现出来，而对于企业技术创新活动成效的评价既有定量指标，又有定性指标，评价结果受评价者主观因素影响较大。现有用于企业技术创新影响因素分析的因子分析法、支持向量机等方法不能消除数据模糊性和不确定性对计算结果的影响。

粗糙集作为一种能够有效分析处理模糊、不完备信息的定量分析工具，仅利用现有数据进行分析，不需要任何先验知识，且计算结果较为客观，针对模糊数据进行处理，能够显著提高数据分析的准确性和有效性，其属性重要度思想常被用于分析研究对象指标重要性[18]。

2.1 粗糙集基本理论

信息系统S=(U,A,V,f)，其中U=(x1,x2,…,xm)称为论域，表示对象的非空有限集合；A=C∪D={a1,a2,…,an}是属性集合，且C∩D=φ，C={c1,c2,…,cn}称为条件属性集，D={d}称为决策属性集；f:U×A→V是信息函数，它为每个对象的每个属性赋予一个信息值。可辨识矩阵为m×n阶矩阵，其第i行第j列元素tij为[18]

对于一个可辨识矩阵TD(ij)=(tij)m×n，属性a∈A，则属性a在A中的重要度为[19]

其中，|tij|表示tij包含属性个数；当atij时，λij=0；当a∈tij时λij=1。

通过可辨识矩阵计算公式可以看出，表明属性a∈A在A中的重要性是由A中去掉{a}后所引起的信息量变化的大小来度量的。可辨识矩阵中某项的长度越短，该项对分类所起的作用就越大，且该项出现得越频繁，该项就越重要[18]。因此，属性在可辨识矩阵中出现的次数越多，出现的项越短，则属性的重要度越大。

2.2 专利地图与TRIZ融合技术创新影响因素分析步骤

设X=[x1,x2,x3,· ····,xn]T为采用专利地图与TRIZ融合技术创新方法进行创新的企业的组合，n为正整数，分析方法如下：

步骤1确定属性分类规则。根据所研究问题，将研究对象属性按照一定规则分为条件属性C和决策属性D两类。

步骤2构建指标体系。根据所选择的属性分类规则，筛选条件属性和决策属性，构建研究对象指标体系，设为影响因素的组合，m为正整数。

步骤3决策属性特征化。选用合适的特征值表示决策属性，将企业运用专利地图与TRIZ融合技术创新的创新能力划分为s个等级，对应的评语集为D=[d1,d2,· ····,ds]，其中s为不小于2的正整数。

步骤4数据收集处理。针对研究对象指标体系收集数据，选用合适的方法对指标数据C′=[c1′ ,c2′ ,···cm′ ]进行归一化处理，归一化处理后的指标数据集合用C=[c1,c2,···cm]表示，则A=C∪D={a1,a2,···,an}为所收集数据的集合；对企业运用专利地图与TRIZ融合技术创新的创新能力及影响因素所组成的数据集合A=C∪D=[a1,a2,···,an]进行离散化处理。

步骤5根据式(1)构建可辨识矩阵TD，在此基础上采用式(2)计算属性a在A中的重要度f(a)，依据各属性重要度，判定企业运用专利地图与TRIZ融合技术创新的关键影响因素。

3 实证研究

3.1 数据收集处理

选取河南省高新技术企业中的12家典型企业为研究对象，邀请行业内具有权威和代表性的专家组成专家小组，采用10分制方法对指标打分，并对打分数值进行离散化处理，将分值划分为[9,10)，[8,9)，[7,8)，[0,7) 4个区间，分别用离散化数据3、2、1、0表示各分值区间。同时，将企业技术创新能力分为优、良、中、差4个等级，并分别用离散化数据3、2、1、0表示。数据离散化处理结果见表2。

表2 数据离散化信息决策表Table 2 Data discretization information decision table

3.2 指标重要度计算

依据表2和式(1)构建可辨识矩阵，结果见表3。

由式(2)计算各指标重要度，结果见表4。

3.3 结果分析

由表4可知，各指标重要度排序为：专利分析结果有效性f7＞技术创新经济效益f1＞专利数据源准确性f5＞专利数据源完整性f4＞专利文献分析研究能力f8＞专利分类科学性f9＞专利数据检索策略f6＞技术产出水平f3＞技术创新管理能力f2＞专利地图信息解读能力f10。

表3 可辨识矩阵Table 3 Discernible matrix

表4 指标重要度计算结果Table 4 Calculation results of index importance

从指标重要度计算结果来看，各影响因素对专利地图与TRIZ融合技术创新的影响作用并不相同。专利分析结果有效性、技术创新经济效益、专利数据源准确性、专利数据源稳定性、专利文献分析研究能力、专利分类科学性、专利数据检索策略等因素对技术创新的影响作用较强，其中专利分析结果有效性对技术创新影响作用最大，其重要度为f7=6.1365。而技术产出水平、技术创新管理能力、专利地图信息解读能力等因素对技术创新的影响作用相对较弱，其中专利地图信息解读能力对技术创新的影响作用最小，其重要度为f10=4.4976。研究结果符合企业技术创新实际情况，为企业技术创新活动提供理论指导。

4 结论

本文在构建专利地图与TRIZ融合技术创新影响因素指标体系的基础上，将粗糙集应用于专利地图与TRIZ融合技术创新影响因素分析，识别各影响因素的重要度，得出的结论主要有如下两点。

1) 企业运用专利地图与TRIZ融合技术创新方法进行技术创新的影响因素众多，且各影响因素对技术创新效果的重要性表现出一定的差异，专利数据源准确性、完整性，专利分析结果有效性以及技术创新经济效益对企业技术创新影响作用较大，其他影响因素对技术创新的影响相对较弱。

2) 将粗糙集理论应用于专利地图与TRIZ融合技术创新方法影响因素分析，能够提高数据分析结果的准确度和有效性，具有方法上的可行性。

研究结果对于企业提高自身技术创新能力和效率具有重要的启示意义：企业在运用专利地图与TRIZ融合技术创新方法进行技术创新活动过程中，首先要以经济效益为主导，其次应重点关注专利数据源的准确性、稳定性和专利分析结果的有效性。最后要保证所选用方法和工具的科学性、有效性。同时，本研究也存在一定的不足之处，在对专利地图与TRIZ融合技术创新方法影响因素进行识别时，选取样本仅为河南省的12家高新技术企业，样本数据量较小，研究结果的普适性有待进一步提高。