基于多指标体系的技术生命周期判断方法研究

王山

关键词：技术功能指标;技术生命周期;多指标测度体系;磷酸铁锂

从世界科技发展趋势来看，新一轮科技革命和产业变革正在重构全球创新版图，重塑全球经济结构。抢占人工智能技术、量子通信技术、能源技术等颠覆性、战略性技术战略制高点，已成为提升企业核心竞争力、推动经济高质量发展的关键，而技术发展战略时常需要根据技术的发展趋势制定相应的调控战略，以便合理分配有限的资源来增强其核心竞争力。技术生命周期恰恰可以反映技术的发展动态与未来发展趋势，技术生命周期的准确判断不仅有助于企业了解技术所处发展阶段、抢占技术先机、降低投资风险;还有助于企业制定技术战略决策、促进产业创新与升级，尤其是对以技术为生命的IT公司而言，能否把握好技术生命周期，在新技术的初期介入，在技术衰退期退出，是IT公司成功與否的关键因素[1]。已有学者在技术生命周期判断方法方面进行了大量的研究，然而这些判断方法在指标全面性与评价维度等方面还存在一定的局限，难以准确、有效地评估技术所处发展阶段。为了面对越来越复杂的技术发展形势，满足技术发展评估和预测的实际需要，如何有效、准确地研判技术生命周期是学者们亟待解决和值得深入思考的问题。

1相关研究及理论基础

1.1技术生命周期判断方法研究现状

国内外关于技术生命周期相关研究已经取得一定的成果，通过对已有研究工作的系统梳理及归纳总结可知，国内外学者们主要集中在以下3种技术生命周期判断方法的研究上。第一种是模型化方法，模型化方法较多使用曲线或构建模型来实现技术生命周期演化阶段的判定，常见的有S曲线[2]、技术生命周期图法[3]、Fish-pry模型法[4-5]、基于TRIZ理论[6]与基于系统动力学[7]的技术生命周期判断方法;第二种是计量法，计量法侧重于文献计量、科学计量及数据挖掘等，常见的有专利指标分析法[8]、相对增长率法[9]、TCT计算法[10]、会议与期刊论文比例法[11]、文献类型变化法[12]与多指标测量法[13];第三种为描述型方法，描述型方法较多进行主观评估度量，如基于TRL的技术成熟度分析方法[14]与德尔菲法[15]。3种判断方法中应用范围最广、最受学者们关注的是模型化方法与计量法，虽然模型化方法在识别技术生命周期发展阶段时是可行的，但仅仅采用单一S型曲线或Fishpry模型对技术生命周期进行判别可能带有一定的片面性，甚至会产生误差，ChristensenCM曾建议采用多指标方法对技术生命周期进行测量[16]。多指标测量法通过采用不同类型数据或不同指标的排列组合在一定程度上能够克服单一指标法或模型曲线在识别技术生命周期发展阶段时不太准确的局限，但其主要停留在基于专利或论文文本外在特征的研究视角对技术生命周期的判定与简单解读上，较少深入到文献内部挖掘体现技术生命周期演化特征的技术功能指标数值信息层面。

针对以上研究不足，本研究结合特定技术研究领域的特点，拟从表征技术功能属性的指标角度出发，抽取出特定研究领域技术功能指标的数值信息，然后在此基础上，结合专利及论文外部特征指标构建了技术生命周期多指标测度体系与技术生命周期指数计算模型，进一步探索技术生命周期发展阶段精确判断的研究方法，为相关研究人员揭示技术领域发展动态、准确定位技术发展方向与制定技术战略决策和对策提供方法参考。

1.2理论基础

1.2.1技术生命周期理论

技术生命周期理论认为一项技术从进入市场到逐渐消失的周期过程中，一般会经历萌芽期、生长期、成熟期与衰退期4个阶段。在萌芽期，因所投入的人力、物力与财力等资源比较有限，此阶段只有少数企业或个人参与研发，可供参考的专利文献或科技论文较少;生长期阶段，随着技术的不断发展与进步，参与研发的企业或个人数量逐渐增多，相应地，科研产出也迅速增长，技术对市场产生不可忽视的影响;成熟期，随着新技术逐渐占领更多的市场，关键性技术已经成型，参与研究的企业与个人数量、申请的专利数量已达到最大值，此时发明专利占比较小，多数为实用新型专利和外观设计专利;当技术进入成熟期一段时间，终将因外部各种因素的影响（如政治因素、经济因素、社会因素等）走向衰退，技术竞争力快速下降，市场占有率开始滑坡，越来越多的研发人员退出技术的研发，专利申请数量下降，逐渐被新的技术取而代之[17]。

1.2.2“功能分解”思想

HeebyungK等以信息技术为实证分析案例，选取了度量信息技术进展的3种功能（存储、运输与传输）和6种功能性度量指标（存储信息容量、存储信息成本、带宽、带宽成本、计算速度、计算成本），提出了一种可量化技术功能价值并评估技术发展水平的功能分类体系，其中研究所采用的数据来源于各类书籍、公开期刊文献与美国人口普查局，以这些参考资料为基础开发了一个相对综合全面的数据库，通过所开发的数据库提取每个功能指标的数据信息，进而绘制出每个功能指标时间序列下的演化态势曲线，以便于技术发展水平的量化评估[18]。这种已在特定技术系统设计中使用并对技术及技术子系统主要功能方面进行分类的方法称为通用分类系统[19]，通过对表征技术功能的有限指标数值的提取可以实现特定技术发展状态的分析。

1.2.3S曲线进化法则

TRIZ又称发明问题解决理论，是TheoryofIn⁃ventiveProblemSolving的简称。阿奇舒勒等通过大量专利数据将技术系统进化的一般规律抽象为八大技术进化法则[20]，S曲线进化法则作为八大技术进化法则之一，指技术系统的主要参数或性能变化依赖发展阶段呈S曲线形式进化，如图1所示，而技术系统的进化包含婴儿期、成长期、成熟期与衰退期4个阶段，每个阶段的技术系统特征表现如下：①婴儿期，因新系统存在一系列“瓶颈”问题，产品性能参数的完善进展缓慢，新系统技术参数经常不如旧系统;②成长期，随着阻碍技术系统的主要瓶颈问题逐步得到解决，技术系统的主要性能参数快速提升，产量迅速增加，成本逐渐降低;③成熟期，此阶段技术系统性能参数水平达到最佳，生产量趋于稳定，新出现的矛盾会制约技术系统的进一步发展;④衰退期，技术系统功能逐渐退化，表现为技术系统性能参数与经济效益逐步降低，专利等级、专利数量、市场占有份额与利润率等均呈现快速下降的态势，此时期不仅应该注重降低成本、发展服务功能等，更应该考虑中远期的发展，尤其是替代技术的研究规划[21]。

2技术生命周期多指标测度体系构建

2.1技术生命周期多指标测度体系构建依据

已有关于技术生命周期多指标测度方法的研究较多聚焦于专利指标这一研究视角，考察专利文献外部特征的数量变化趋势对技术生命周期阶段划分的影响。采用的直接专利指标有专利申请量、发明人数、企业参与量、IPC数、MC数、DC数、专利引文数、专利前引次数与专利后引次数等，相关参考文献见GaoLD等[22]、TsengFM等[23];间接专利指标一般由相关的直接专利指标数据加工而来，如专利增长率、企业核心技术占比、当前影响指数、技术强度、技术循环时间、科学连接、科学强度、技术依赖、扩散速度、技术生长率、技术成熟系数等，相关参考文献见李维思等[24]、AltuntasS等[25]、LuchengH等[26]。除专利指标外，论文指标在一定程度上也可以衡量出技术发展水平。常见的论文相关指标有SSCI论文数量、BEI文献数量、SCI、EI论文数量变化、会议论文与期刊论文比例变化，相关参考文献见DaimTU等[27]、李欣等[28]、娄岩等[29]。另外，姬俊昌[30]研究采用专利与论文相关指标相结合的方式实现技术生命周期所处发展阶段的判断。

2.2技术生命周期发展阶段特征表现

基于技术生命周期相关研究理论与方法（技术生命周期理论、S曲线技术进化法则论、功能分类体系），本研究认为技术生命周期各发展阶段可能呈现以下特征：在技术萌芽期，由于技术存在诸多不确定性，基本问题尚未得到完全改善，技术未来走向尚不明确，此阶段可能仅有少数实力较强的企业或研究团队愿意承担较大的风险参与技术的研发与市场开发，因此，萌芽期可能仅有一个或少量申请专利;在成长期，随着技术“热度”的增加和发展趋势的“明朗”，参与研发的企业及研究学者的数量逐渐增多，技术范围不断扩大，阻碍技术系统的主要瓶颈问题逐步得到解决，技术系统的主要性能参数快速提升，会议论文量与期刊论文量快速增加;当技术进入成熟期以后，相关专利及论文文献数量基本维持不变，此阶段的主要特征展现在技术性能参数的数值变化趋势方面，通过完善实验条件，大多数技术性能指标得到较大程度的改善，技术性能指标改善所带来的优势促使产品或企业逐渐获得市场主导地位;衰退期时，多数技术性能指标的数值达到峰值，技术各项发展指标逐渐趋于饱和，此阶段主要关注少数制约技术性能提升的功能指标的表现，如无新的技术突破，该技术的领先优势可能逐渐消失，替代性技术开始出现。

2.3技术生命周期多指标测度体系构建

从系统角度上看，研究技术生命周期发展规律除了需要考虑技术自身发展轨迹外，还要考虑经济、环境、社会、政策等因素对技术演化路径的影响[31]。由于外在的因素（诸如经济、环境、社会、政策等）较为不可控，本研究主要关注技术自身对技术生命周期的影响。将技术功能指标纳入技术生命周期多指标测度体系中实现技术生命周期的判断具有一定的可行性：①动态性特征。技术功能指标的数值会随着时间的推移产生相应的变化，其动态变化与技术生命周期发展阶段类似，均具有动态性特征;②研究对象一致。技术功能指标与技术生命周期均以技术为研究视角，在研究对象上具有一致性，因此将技术功能指标用于技术生命周期发展阶段的判断具有理论可行性。在充分考虑特定技术研究领域技术功能指标发展的特点以及已有方法在判定技术生命周期时的研究不足后，基于功能分解思想与S曲线进化法则，本文新增體现技术发展水平的技术功能指标，构建了包含专利外在特征指标、论文外在特征指标与技术功能指标在内的技术生命周期多指标测度体系。

专利指标选取可以反映出技术发展活动活跃性的优先权年专利申请量（X1）与发明人数量（X2）两个指标，论文指标选择反映应用研究相对基础研究重要程度的EI论文与SCI论文之比与会议论文相对应期刊论文重要程度的会议论文与期刊论文之比两个指标。技术功能指标方面，本研究选择以锂离子电池磷酸铁锂技术作为参考技术来验证技术生命周期多指标测度体系的有效性，通过对锂离子电池磷酸铁锂技术相关文献进行系统梳理可知，表征磷酸铁锂电化学性能特征的属性主要有倍率放电容量、锂离子扩散系数、电导率、振实密度与比表面积等。基于指标选择的代表性、动态性、科学性及可量化性原则和“化繁为简”的思想，本研究选取了7个技术功能指标，分别为：正极材料振实密度、0.1C放电倍率下放电量、5C放电倍率下放电量、10C放电倍率下放电量、离子电导率、锂离子扩散系数与电池质量能量密度[32-33]，如表1所示。其中，材料振实密度是表征正极材料颗粒间相互作用的比较重要的指标。0.1C放电倍率下放电量、5C放电倍率下放电量与10C放电倍率下放电量可在一定程度上反映出低、中、高倍率下电池材料放电状况。离子电导率可以体现正极材料电荷流动难易程度。锂离子扩散系数可以考察出锂离子在电解液中的扩散能力。质量能量密度在一定程度上可以反映出电池储存能量的能力。

2.4技术生命周期指数计算模型

一般情况下，多指标测度体系用于技术生命周期判断之前，需要构建技术生命周期指数计算模型（综合指数模型），目的是将多个指标综合起来，通过主成分分析法获取主成分个数及各指标权重，然后通过指数综合模型来计算综合评价值，观察技术生命周期演化曲线（时间序列下的技术生命周期综合指数值）发展趋势判断技术所处发展阶段。目前关于多指标体系综合指数模型构建已有大量相关研究[34-35]，本研究在参考了相关研究资料后构建的技术生命周期指数模型为：

2.5技术生命周期的判定

根据技术演化的过程，本研究通过以下方法来判断技术生命周期各个发展阶段，如表2所示。首先，计算特定技术研究领域不同年份的技术生命周期指数值并绘制技术生命周期演化曲线。然后，通过分析技术生命周期演化曲线，初步判断该技术所处技术生命周期发展阶段。

在判断萌芽期与成长期的分界点时，一般选择技术生命周期指数斜率（ΔI）最大的点，即ΔI=dI/dt，排除零点及零点附近技术生命周期指数波动较大的点对分界限的影响。在萌芽期时，科研产出较低，技术功能指标数值基本处于原始状态，此时技术生命周期指数数值较低。当技术进入成长期时，随着各项指标数值的提高，技术生命周期指数有明显的增加，因此，寻找技术生命周期指数斜率最大的点即可分辨出萌芽期与成长期的分界限。当技术过渡到成熟期时，各个指标基本趋于稳定，技术性能于当前条件下基本发挥出其最佳性能，此时，技术生命周期指数可能围绕某一个固定的数值上下波动，因此，技术生命周期指数值最大的点可作为区分成长期与成熟期分界限的判定条件之一;另外，由于技术生命周期指数基本处于稳定状态，中心差分的绝对值最小，即Z=（It+1-It-1）/2，满足上述两种判定条件的点即可被视为成长期与成熟期的临界点。对于成熟期与衰退期的分界限则比较容易判断，计算每个点（包括这个点在内）后5年的平均技术生命周期指数增量，当某个点后面所有的点W值均为负值时，则表明该点为成熟期与衰退期的临界点，自此点以后该技术进入衰退期[17]。

3实证分析

正极材料作为锂离子电池最关键的功能材料，是锂离子电池锂离子之源，也是锂离子电池能量密度的基础，决定着锂离子电池整体的电化学性能及其成本。锂离子电池正极材料LiFePO4因铁资源丰富、价格低、无污染等优点成为一种大型能源所需的具有良好发展前景的材料[36-37]。

3.1数据来源与处理

鉴于专利从申请到公开需要经历较长的时间，为了确保检索数据的准确性与完整性，在进行文献检索时剔除因时滞问题而受到影响的数据，本研究的检索时间为2021年5月2日，因此选择2017年年底之前的数据进行分析，LiFePO4正极材料由Goodenough于1997年首次报道，故检索时间段设置为1997—2017年。

通过调研大量文献及结合专家建议制定锂离子通过WebofScience平台与EngineeringVillage数据库共检索出SCI论文6336篇，EI论文1934篇，DerwentInnovationsIndex专利5498件。下载所有数据的全纪录字段保存至Excel中待后续分析处理。

3.2数据处理

在构建技术生命周期指数计算模型之前，需要对原始数据进行无量纲化处理。标准化后的数据能够在一定程度上保证原始数据相对稳定，数据归一化即二级指标实际值除以该指标的最大值，即消除了量纲影响又使得技术生命周期指数值在[0，1]之间。

为使绘制出的曲线更加平滑，本研究首先采用三年移动平均值法对原始数据进行预处理，然后再对预处理数据进行标准化处理。

下一步采用式（2）中预处理后的数据除以每个指标检索区间的最大值，标准化数据计算公式如下：

3.3技术生命周期发展阶段判断

通过对锂离子电池磷酸铁锂技术生命周期多指标测度体系标准化数据进行主成分分析可知，前3个指标的特征值均大于1，如表4所示，累计贡献率达到78%（大于75%），达到运用主成分方法进行分析的要求，因此可以采用主成分分析法对各个指标确权评价。将技术生命周期多指标测度体系中的标准化数据代入技术生命周期指数模型公式中，可计算出时间序列下的技术生命周期指数值，从而绘制出锂离子电池磷酸铁锂技术生命周期演化曲线。根据技术生命周期发展阶段判定计算方法，2000年技术生命周期指数斜率最大，可视为萌芽期与成长期的分界限，即1997—2000年为锂离子电池磷酸铁锂技术萌芽期，2012年技术生命周期指数值最大，且中心差分绝对值最小，因此，2012年可作为成长期与成熟期的分界限，如图2所示，即2001—2012年为磷酸铁锂技术成长期，2013年至今为磷酸铁锂技术成熟期。通过咨询北京理工大学、北汽新能源与比亚迪汽车公司磷酸铁锂研究领域相关专家和学者，一致认为本研究所构建的技术生命周期多指标测度体系是合理的、准确的。

3.4有效性验证

為了验证所构建的技术生命周期多指标体系的优越性，本研究选择技术生命周期判断方法中最为常用的基于专利累计申请量的S曲线，在国内外相关研究文献中，专利累计申请量指标是判断技术生命周期常用的研究方法，因此，本研究通过技术生命周期多指标测度体系与S曲线的对比分析来验证所构建的技术生命周期多指标测度体系的有效性。图3中虚线代表本研究所构建的技术生命周期多指标测度体系萌芽期与成长期判断结果，划线点虚线代表S曲线判断结果。由图3可以看出，基于专利累计申请量的S曲线判定2001年为磷酸铁锂技术萌芽期与成长期的分界限。对于成长期与成熟期分界限，本研究所构建的技术生命周期多指标测度体系判断结果为2012年，而基于专利累计申请量的S曲线判断结果为2014年。相较于本研究所构建的技术生命周期多指标测度体系而言，S曲线模型在判断磷酸铁锂技术萌芽期与成长期分界限、技术成长期与成熟期分界限时比较延迟。因此，本研究所构建的技术生命周期多指标测度体系在划分技术生命周期发展阶段分界限方面更加准确、更加符合实际。

4总结与展望

技术生命周期发展阶段的精确判断有助于国家和企业对技术进行前瞻性管理，及时解决发展过程中的技术规划问题，帮助决策者及时了解技术发展动态，决定资本投资方向。本研究系统梳理了国内外技术生命周期判断方法的研究成果，认为多指标测量法在一定程度上能够克服单一指标法或模型曲线在识别技术生命周期各阶段时间节点不够准确的局限，但其主要停留在基于文献外在特征（如专利申请量、IPC、MC等）的研究视角对技术生命周期的判定与简单解读上，较少深入到文献内部挖掘技术功能指标的数值信息，因此不能更加全面、精确地判断技术所处发展阶段。针对多指标测度体系这一研究不足，本研究结合特定技术研究领域的特点，创新性引入技术功能指标，构建了包含专利指标、论文指标与技术功能指标在内的技术生命周期多指标测度体系;然后，通过确定不同指标权重构建了技术生命周期指数计算模型;最后，通过锂离子电池正极材料磷酸铁锂技术研究领域的实证分析，发现本研究所构建的技术生命周期多指标测度体系较S曲线模型在划分技术不同发展阶段分界点方面更加准确、更加符合实际情况，为技术生命周期不同发展阶段的研判提供了一个新的研究视角。

本研究所构建的技术生命周期多指标测度体系也存在一定的局限性。特定技术研究领域表征技术功能属性的指标有很多，本研究选取了在科技文献摘要内容中存在的并且已量化的技术功能指标进行实验分析，对于较难量化的安全性、可靠性等技术性能指标尚未发现比较合适、有效的计算表达方式，未来可进一步考虑较难量化的技术性能指标的量化与计算;另外，技术生命周期发展阶段的判定会受到多方面因素的影响：论文与专利文献是否足够用来衡量技术发展水平？科技发展的速度、其他可替代技术的快速发展等因素对技术生命周期的判定有何影响？科技论文、专利数据与技术发展实践之间的时间迟滞等因素对技术生命周期的判定又有何影响？为了获得更加全面及科学的研判结果，后续研究将进一步探索其他相关因素对技术生命周期发展阶段判定的影响。

3104500338274