TWI497428B - 技術趨勢預測的方法 - Google Patents

技術趨勢預測的方法 Download PDF

Info

Publication number
TWI497428B
TWI497428B TW103123718A TW103123718A TWI497428B TW I497428 B TWI497428 B TW I497428B TW 103123718 A TW103123718 A TW 103123718A TW 103123718 A TW103123718 A TW 103123718A TW I497428 B TWI497428 B TW I497428B
Authority
TW
Taiwan
Prior art keywords
development
technology
trend
technical
target technology
Prior art date
Application number
TW103123718A
Other languages
English (en)
Other versions
TW201602926A (zh
Inventor
De Min Wang
Rong Jer Lai
Original Assignee
Univ Nat Kaohsiung Applied Sci
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Univ Nat Kaohsiung Applied Sci filed Critical Univ Nat Kaohsiung Applied Sci
Priority to TW103123718A priority Critical patent/TWI497428B/zh
Application granted granted Critical
Publication of TWI497428B publication Critical patent/TWI497428B/zh
Publication of TW201602926A publication Critical patent/TW201602926A/zh

Links

Description

技術趨勢預測的方法
本發明係有關於一種預測技術趨勢之方法，尤其是指以專利文件預測技術發展趨勢，特別是針對發展之歷史資料並不豐富之新興技術，不必借助專家主觀意見之趨勢預測方法。
「成長曲線」常被採用作為技術預測之工具，其數學模式為形式，其中，Y為待預測之資料，t為時間，L為成長曲線極限值(upper asymptote)，α及β為曲線參數。習知的「成長曲線」或「S-曲線」係將技術發展歷程分為萌芽期、成長期、成熟期及飽和期，如圖一所示。習知的技術成長曲線預測模式，包括Gompertz模式或Pearl模式，通常必須事先決定技術成長曲線的極限值，透過技術發展之歷史資料，以曲線配適(curve-fitting)方式，求取曲線參數。當技術發展之歷史資料越多，技術發展程度越趨近成熟期時，其可靠度較高，然而對於發展歷史資料尚不豐富的新興技術而言，其預測結果往往充滿不確定性，如圖二所示。
關於預測技術發展趨勢之習知技藝：TW 200630839係將專利數列資料以一誤差最小化之模擬曲線，預測某特定時間之專利數量之最大值與最小值。其模擬曲線之數學公式包括，及等形式，其中，Y為專利值，X i 為時間，α i 為X i 的權重係數，β i 為X i 的冪次方。其運算分析方式，係基於將實際專利數量數列與模擬專利數量數列之誤差陣列，將其標準差設定為誤差容許值，其預測結果之不確定性較高，例如：相對於專利數量預測值為14.6，其最大值與最小值差距為5.6。此外，該專利分析工具無法進一步說明構成專利發展趨勢之內涵或組成元素。
US 2011/0131078透過產業取樣(industry sampling)方式，獲得分析資料，包括：潛力技術之技術功能、使用者經驗、效能、可靠度、成本及實施時程等特徵資料，以評估技術採納(technology adoption)趨勢，並參考先前相關技術之採納速率，以決定預測曲線，同時提供新舊技術發展之技術差距(technology gap)及時間差距(time gap)之預測，如圖三所示。
EP 2573722依據「技術成熟度曲線」(technology life cycle graph；hype cycle)之概念，如圖四所示，分析不同來源之異質文獻，擷取文獻涵蓋之技術類別，運用權重方式計算特定技術相關的文獻數量，以建構技術採納趨勢，並使用指數移動平均(exponential moving average)方法，估算技術發展速率，預測特定技術在特定年度之技術成熟階段，或在特定年度之代表性技術。
前述習知技藝，包括「技術採納曲線」或「技術成熟度曲線」在評估技術切入或採納新技術的適切時機方面，存在依賴人為經驗的主觀評估之缺失，且相關資料之取得過程耗費時間，相當不經濟。
專利文件具有資料公開、容易取得及富含技術成份之特性，將之視為技術發展指標，適足以提供技術發展趨勢之預測。
本發明之目的，在於以專利為技術指標，不必借助技術領域專家主觀意見之情況下，進行特定技術發展趨勢之預測，特別是針對發展時間不長，累積資料不足之新興技術。
本發明之另一目的，在於分析構成技術發展趨勢之次系統或組成，透過次系統或組成發展狀況之比較，求取預測曲線，以提升技術預測的精確度。
該資料輸入步驟是輸入特定目標技術主題之技術特徵歷年發展資料。該次系統分析步驟是藉由特定技術特徵之歷年發展資料，統計分析特定目標技術涵蓋之次系統族群數量，並依序排列顯示其分析結果，供使用者依需求選擇 適當數目之主要次系統族群。
該次系統趨勢預測步驟是針對前述步驟選定之主要次系統族群之歷年發展資料，逐一以習知之成長曲線模式，進行個別次系統之發展趨勢預測，計算個別次系統曲線相關參數，之後，將個別次系統之發展趨勢曲線並列比較，以設定目標技術之系統飽和時間。
該系統趨勢曲調運算步驟是根據目標技術之系統發展起始時間t 0 及前一步驟求得之系統發展飽和期t s ，計算目標技術之系統發展轉折點t m ，依據習知成長曲線模式，預測目標技術之系統發展趨勢，包括目標技術之成長曲線極限值。
該趨勢分析結果輸出步驟是進行目標技術之系統趨勢預測結果的輸出。
本發明之效果在於：分析構成技術發展趨勢之次系統或組成，透過次系統或組成發展狀況之比較，求取預測曲線，以提升技術預測的精確度。
1‧‧‧資料輸入步驟
2‧‧‧次系統分析步驟
3‧‧‧次系統趨勢預測步驟
4‧‧‧系統趨勢曲線運算步驟
5‧‧‧結果輸出步驟
圖一係習知成長曲線預測之示意圖。
圖二係習知成長曲線預測之不確定性示意圖。
圖三係習知技術採納曲線之示意圖。
圖四係習知技術成熟度曲線預測之示意圖。
圖五係本發明之技術發展趨勢預測方法之流程圖。
圖六係本發明之次系統分析示意圖。
圖七係本發明之次系統發展趨勢分析結果之比較示意圖。
圖八係本發明之預測結果與習知模式預測結果之比較示意圖。
本發明之技術發展趨勢預測方法之流程，請參閱圖五，包含一資料輸入步驟1、一次系統分析步驟2、一次系統趨勢預測步驟3、一系統趨勢曲調運算步驟4、及一趨勢分析結果輸出步驟5。
首先針對某一特定目標技術主題，例如：發光二極體(light-emitting diode,LED)，以特定專利資料庫為對象，例如：美國專利商標局(USPTO)或歐洲專利局(EPO)，或其他習知之專利資料庫，進行專利檢索。資料輸入步驟1係將檢索得到之專利數列，以特定年份及對應之專利數量，例如：2005年78筆，2006年102筆...等成對形式，逐一輸入特定目標技術之歷年發展資料。
之後，進行次系統分析步驟2。藉由特定技術特徵，例如：前述發光二極體之「螢光屏」、「塗層材料」等或專利分類代碼，例如：國際專利分類代碼(international patent classification,IPC)、美國專利分類代碼(US patent classification,UPC)，或其他習知專利分類系統，如Derwent World Patents Index(DWPI)classification system，統計分析特定目標技術涵蓋之次系統族群數量，並依序排列顯示分析結果，如圖六所示，供使用者依需求選擇適當數目之主要次系統族群，例如：次系統一、次系統二、次系統三。
一旦選定主要次系統族群後，接著進行次系統趨勢預測步驟3。針對步驟2選定之主要次系統族群之歷年發展資料，逐一以習知之成長曲線模式，包括Gompertz模式或Pearl模式，進行個別次系統之發展趨勢預測，計算個別次系統曲線相關參數，例如：成長曲線的極限值L、曲線轉折點及成長時間△t，其中，成長時間△t定義為從成長曲線極限值的10%發展到90%所需要的時間，可以依照公式計算得知，並將曲線轉折點設定為達到成長曲線極限值一半的時間。之後，將個別次系統之發展趨勢曲線並列比較，如圖七所示，次系統二最早進入技術發展飽和期，其次是次系統一，最後是次系統三。本發明以發展時間延續最久，亦即最晚進入發展飽和期之次系統飽和時間設定為目標技術之系統飽和時間，例如：若次系統三之發展飽和期為t 3 ，則設定目標技術之系統發展飽和期t s =t 3 。
接著，進行目標技術之系統趨勢曲線運算步驟4。本發明根據目標技術之系統發展起始時間t 0 及前一步驟求得之系統發展飽和期t s ，計算目標技術之系統發展轉折點t m ，亦即。接著，可以依據習知成長曲線模式，預測目標技術之系統發展趨勢，包括目標技術之成長曲線極限值。
最後，進行目標技術之系統趨勢預測結果之輸出步驟，如圖七所示。本發明之技術趨勢預測方法之預測結果，不論就與歷史資料之吻合程度或成長曲線極限值之合理程度，均優於習知之預測模式。特別是不必借助技術領域專家之主觀意見，適用於發展之歷史資料並不豐富之新興技術。
雖然本發明以較佳實施例揭露於上，然其並非用以限定本 發明，任何熟悉此項技藝者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，因此本發明之保護範圍當視後附之申請範圍所界定者為準。
1‧‧‧資料輸入步驟
2‧‧‧次系統分析步驟
3‧‧‧次系統趨勢預測步驟
4‧‧‧系統趨勢曲線運算步驟
5‧‧‧結果輸出步驟

Claims (4)

  1. 一種技術發展趨勢之預測方法，包含：一特定目標技術主題之技術特徵之歷年發展資料之輸入步驟；一藉由前述特定技術特徵之歷年發展資料，統計分析前述特定目標技術涵蓋之次系統族群數量，並依序排列顯示其分析結果，供使用者依需求選擇適當數目之主要次系統族群之次系統分析步驟；一針對前述步驟選定之主要次系統族群之歷年發展資料，逐一以習知之成長曲線模式，進行個別次系統之發展趨勢預測，計算個別次系統曲線相關參數，之後，將個別次系統之發展趨勢曲線並列比較，以設定前述特定目標技術之系統飽和時間t s 之次系統趨勢預測步驟；一根據前述特定目標技術之系統發展起始時間t 0 及前一步驟求得之系統發展飽和時間t s ，計算該特定目標技術之系統發展轉折時間t m ，依據前述習知之成長曲線模式，預測該特定目標技術之系統發展趨勢之系統趨勢曲線運算步驟；及一進行該特定目標技術之系統趨勢預測結果之輸出步驟。
  2. 如申請專利範圍第1項所述之技術發展趨勢之預測方法，其中，輸入步驟之特定目標技術之技術特徵之歷年發展資料可以為該特定目標技術之歷年專利申請或核准件數。
  3. 如申請專利範圍第1項所述之技術發展趨勢之預測方法，其中，次系統分析步驟之統計分析對象可以為國際專利分類代碼，或美國專利分類代碼，或其他習知之專利分類代碼，如Derwent World Patents Index。
  4. 如申請專利範圍第1項所述之技術發展趨勢之預測方法，其中，系統趨 勢曲線運算步驟之預測該特定目標技術之系統發展趨勢，包括該特定目標技術之技術發展轉折時間、技術飽和時間及成長曲線極限值。
TW103123718A 2014-07-10 2014-07-10 技術趨勢預測的方法 TWI497428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW103123718A TWI497428B (zh) 2014-07-10 2014-07-10 技術趨勢預測的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW103123718A TWI497428B (zh) 2014-07-10 2014-07-10 技術趨勢預測的方法

Publications (2)

Publication Number Publication Date
TWI497428B true TWI497428B (zh) 2015-08-21
TW201602926A TW201602926A (zh) 2016-01-16

Family

ID=54343363

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103123718A TWI497428B (zh) 2014-07-10 2014-07-10 技術趨勢預測的方法

Country Status (1)

Country Link
TW (1) TWI497428B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220842A1 (en) * 1999-09-14 2004-11-04 Barney Jonathan A. Method and system for rating patents and other intangible assets
TW200630839A (en) * 2005-02-23 2006-09-01 Gainia Intellectual Asset Services Inc Tendency prediction device for patent analysis
US20070276796A1 (en) * 2006-05-22 2007-11-29 Caterpillar Inc. System analyzing patents
US20120191508A1 (en) * 2011-01-20 2012-07-26 John Nicholas Gross System & Method For Predicting Outcome Of An Intellectual Property Rights Proceeding/Challenge
US20130282599A1 (en) * 2010-11-02 2013-10-24 Kwanggaeto Co., Ltd. Method of generating patent evaluation model, method of evaluating patent, method of generating patent dispute prediction model, method of generating patent dispute prediction information, and method and system for generating patent risk hedging information

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220842A1 (en) * 1999-09-14 2004-11-04 Barney Jonathan A. Method and system for rating patents and other intangible assets
TW200630839A (en) * 2005-02-23 2006-09-01 Gainia Intellectual Asset Services Inc Tendency prediction device for patent analysis
US20070276796A1 (en) * 2006-05-22 2007-11-29 Caterpillar Inc. System analyzing patents
US20130282599A1 (en) * 2010-11-02 2013-10-24 Kwanggaeto Co., Ltd. Method of generating patent evaluation model, method of evaluating patent, method of generating patent dispute prediction model, method of generating patent dispute prediction information, and method and system for generating patent risk hedging information
US20120191508A1 (en) * 2011-01-20 2012-07-26 John Nicholas Gross System & Method For Predicting Outcome Of An Intellectual Property Rights Proceeding/Challenge

Also Published As

Publication number Publication date
TW201602926A (zh) 2016-01-16

Similar Documents

Publication Publication Date Title
JP6129028B2 (ja) 建物動力設備のエネルギー消費量予測方法
CN111754024B (zh) 一种基于回归分析的电力行业时间序列的预测方法和系统
CN109961248B (zh) 运单投诉预测方法、装置、设备及其存储介质
US20190251458A1 (en) System and method for particle swarm optimization and quantile regression based rule mining for regression techniques
RU2008147223A (ru) Способ и устройство для определения болезненного состояния с помощью биомаркеров
CN109961165B (zh) 件量预测方法、装置、设备及其存储介质
JP2008146621A (ja) 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
CN107423496B (zh) 一种新的降雨事件随机生成方法
CN107292455A (zh) 用电量预测方法、装置、可读存储介质和计算机设备
CN108829718A (zh) 一种数据处理的方法和装置
EP1672578A1 (en) Method and system for analyzing the risk of a project
JP2008021020A (ja) 販売計画作成支援システム
JP2018206291A (ja) 省エネルギー効果算出装置および方法
KR101278135B1 (ko) 확률론적 특허 인용 분석에 기반한 미래 유망 특허 탐색 장치 및 그 방법
JP2021193563A (ja) 資産の予測健全性解析を実行するための方法およびコンピューティングシステム
Erdoğan et al. More effective sprint retrospective with statistical analysis
Gantner et al. Probabilistic approaches to the measurement of embodied carbon in buildings
TWI497428B (zh) 技術趨勢預測的方法
CN109460474B (zh) 用户偏好趋势挖掘方法
EP2851851A1 (en) A computer implemented tool and method for automating the forecasting process
Wang et al. Using type IV Pearson distribution to calculate the probabilities of underrun and overrun of lists of multiple cases
CN111695625A (zh) 一种基于多级注意力机制网络的移动应用流行度预测方法
WO2022222230A1 (zh) 基于机器学习的指标预测方法、装置、设备及存储介质
CN116362792A (zh) 一种销量预测方法、装置和计算机可读存储介质
JP6733656B2 (ja) 情報処理装置、情報処理システム、プラントシステム、情報処理方法、及び、プログラム

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees