基于专利相对量分析的技术成熟度评价方法

本发明涉及技术成熟度分析技术领域，具体涉及基于专利相对量分析的技术成熟度评价 方法。

技术成熟度，是人们在大量工程实践基础上，对技术成熟规律的总结。技术成熟度不仅 可以指导企业按照技术成熟规律制定技术发展路线，科学合理的进行产品规划与研发投入决 策，也可以评价当前技术发展状态对于企业商业目标的满足程度，确定当前技术状态与目标 状态的差距。随着经济全球化进程的不断深入，企业竞争日趋激烈，技术成熟度成为企业制 定产品开发和技术革新战略首要考虑的重要指标。准确及时地分析专利数据可以帮助企业了 解行业发展现状和趋势，有利于及时引进、开发有市场潜力的技术，有的放矢地提高自身技 术综合实力，从而避免重复或无效开发。

技术成熟度评价的方法主要包括：①专家意见法，这种方法较为常用，但其准确性对专 家的主观判断有较大的依赖，受专家的认识水平、情绪和主观印象影响很大，不同的专家可 能得出截然不同的结论；②专利分析法，该方法强调对专利数量及质量的分析，该方法的代 表是基于Altshuller的TRIZ理论(发明问题解决理论)的专利分析模型，TRIZ理论将技术 生命周期分为婴儿期、成长期、成熟期和衰退期四个阶段，这四个阶段的技术性能和时间关 系呈现为“S”曲线，这一方法首先对专利信息基于时间轴进行统计分析，然后将所得到的当 前技术的S曲线与标准的S曲线进行对比，从而判断该技术所处在的生命周期的发展阶段。 Altshuller的专利分析法还包括基于专利获利能力及专利创新程度的技术成熟度评估模型， 然而，在实践中发现，专利获利能力受到社会经济大环境、企业经营水平等多种因素的影响， 难以准确反映技术成熟度，而专利创新程度通常由专家阅读专利文献并主观判定，工作量大 且难以做到客观准确。本发明的方法属于专利分析法。③技术成熟度标准(Technology ReadinessLevels,TRL)，是一种比较系统的技术成熟度评价标准，由美国航空航天局(NASA) 于1995年首先提出并在航天领域应用，随后被美国及英国的国防部采纳应用。TRL按技术发 展过程将技术的成熟度划分为九级:TRL1～TRL9。这一方法需要全面考察该项技术的各项活 动，从技术状态、技术在系统中的集成度、进行演示或验证的环境三方面属性综合判断技术 成熟度，需要大量的现场调研工作，并非基于该项技术相关专利的信息进行技术成熟度的评 价，该方法的判断依据及数据来源不同于前两种方法。

我国在2013年13日公布的申请号为201310290635.5，名称为“一种系统技术成熟度评 估方法和装置”的专利，基于上述的方法①提供了一种系统技术成熟度评估方法和装置，该 方法实现多专家对技术进行评价和自动进行数据统计分析，提高了数据存储和处理效率，但 是仍未能克服专家主观因素对分析结果的影响。

2005年3月23日公布的申请号为03146923.X，名称为“专利信息搜索系统及方法”的 专利，基于上述的方法②实现了统计每类专利数量并计算每类专利数所占百分比的功能，并 没有进一步对专利数量信息进行挖掘以判断技术的成熟度。

2013年12月18日公布的申请号为201310391302.1，名称为“专利价值分析方法和系 统”的专利，通过分析专利法律价值、技术价值、经济价值和产业化风险计算得到专利的价 值，它强调非技术因素的分析，重在判断专利的价值而非所对应技术的成熟度。

2013年1月23日公布的申请号为201210411118.4，名称为“一种基于技术成熟属性的 技术成熟度等级确定方法”的专利，基于上述的方法③，实现了通过对技术状态、集成度、 演示验证环境三方面分别进行九级等级的评定，最后根据评价细则符合程度计算出一项技术 的成熟比例。

传统的专利数量模型以年份作为自变量，以专利数量作为因变量，然后对数据进行拟合， 将得到的拟合曲线与标准的技术进化S曲线进度对比，从而可以对当前技术的成熟度进行评 判。但是由于我国专利法从1980年开始施行，实施年限较短，而且我国专利数量受到经济高 速发展的推动而非技术推动，因此传统方法绘制的专利数量曲线都呈现出迅速增长的趋势， 得到的技术的发展评价结果几乎都是处于成长阶段，因此，所绘制出的待分析技术的S曲线 常常不能真正反映该项技术所处在的技术发展阶段。此外，由于不同技术的专利数量不同， 绘制的曲线无法对不同技术的成熟度进行直观的比较。

根据统计学理论，当几个时间序列变量为非平稳变量时，所建立的线性模型可能存在伪 回归的问题。基于上述分析判断，专利数量序列与时间序列存在“伪回归”问题。所谓“伪 回归”即是指变量之间本来没有相互依存关系，而回归结果却显示他们之间存在这种关系的 错误结论。

从曲线上看，存在着专利数量随时间推移而变化的规律，并且通常是迅速增长的情形， 但两个因素之间不一定存在稳定关系，因为存在这种可能性：这两个因素的变化趋势是偶然 共存的，它们并不存在因果关系。专利迅速增长的主要原因可能是经济发展的推动，而非时 间推移或技术成熟度发生变化，因此，专利数量序列与经济发展变量存在相关，而非仅与时 间序列存在相关。所以，需要克服这种“伪回归”，剔除与经济发展变量相关的专利增长量， 寻求仅与时间序列或技术成熟度相关的专利增长量，以这一数据为基准拟合出的S曲线才能 真正反映待分析技术自身的发展规律，才能准确判断该技术所处在的发展阶段。目前未见有 文献对专利增长量时间模型中存在的伪回归的研究。

本研究采用ECM(ErrorCorrectionModel，误差修正模型)来分析专利增长量与时间之间 的协整关系。用ECM计算专利增长量的调整值时，依据的不是专利增长量的观察值，而是 专利增长量离开均衡状态的偏差值。

另一方面，Altshuller提出的TRIZ理论根据发明专利所解决的问题的难易程度，把对 应的专利分为最小型发明、小型发明、中型发明、大型发明、特大型发明五个等级，每个专 利的创新程度不同，价值构成不同。因此，如果将不同质量水平的专利同等对待，所计算出 来的技术成熟度必然不准确。

最后，不同技术的专利总量不同，即使在同一年份，不同技术的专利增长量具有不同含 义，缺乏可比性。如对其进行归一化处理，将进一步增强不同技术的专利增长量的可比性。

因此，如何消除上述社会宏观大环境因素的影响，将专利等级的价值反映到专利数量模 型中，并进行归一化处理，更为准确地评价技术成熟度成为本领域技术人员需要解决的技术 课题。

本发明的技术解决问题是：克服现有基于专利分析法的技术成熟度评价方法的不足，提 供基于专利相对量分析的技术成熟度评价方法，通过专利相对量的计算，包括专利相对数量 与专利相对质量的计算，解决专利数量受到多种外部因素的影响以及不同质量水平的专利在 数量上被同等对待等问题，提高了技术成熟度评价的准确性。

相对数量用于消除传统方法绘制的专利数量曲线受到我国专利法实施年限短及我国专利 数量受到经济高速发展的推动而非技术推动等环境因素的干扰，采用ECM来分析专利增长 量与时间之间的协整关系，用专利增长量离开均衡状态的偏差值来取代专利增长量的观察值， 以剔除受到宏观社会经济环境推动而额外增长的部份，提高技术成熟度评价结果的准确性。 具体地，为了获得离开均衡状态的偏差值，本发明通过对专利增长量进行n阶差分，以获得 专利增长量的平稳序列，以差分的所得值代表离开均衡状态的偏差值。

相对质量用于解决不同质量水平的专利的价值不可比的问题，它通过将不同质量水平的 专利数量折算成基准水平的专利的数量，例如，1项质量水平为5的高质量专利在价值上等 同于5项质量水平为1的低质量专利，将相对质量折算为相对数量，再进一步计算专利的相 对增长量，基于此方法所拟合而成的曲线能提高技术成熟度评价结果的准确性。

本发明的目的通过如下技术解决方案实现。

基于专利相对量分析的技术成熟度评价方法，它是一种基于专利相对数量分析的技术成 熟度预测算法，通过对待分析技术的专利进行数量统计，并基于年份对数据进行曲线拟合， 将拟合曲线和标准专利数量曲线图进行对比，从而确定当前的技术成熟度的方法。具体步骤 如下：

基于专利相对量分析的技术成熟度评价方法，包括以下步骤：

1)输入待分析技术关键字，检索专利数据库，得到包含所述技术关键词的专利每年绝对 增长量wx；

2)对所述的wx先进行一阶差分，根据单位根检验判断，如果一阶差分所得值为平稳序列， 则wx的一阶差分所得值即为专利相对增长量nx；如果所得序列仍为非平稳序列，则每次以1 为增量逐次增加差分的阶对wx进行差分，直至获得专利增长量的平稳序列，将所使用的最高 阶(记为n阶)的差分所得值作为该年度待分析技术的专利相对增长数量nx；

3)对专利相对增长数量nx进行归一化处理，将每年相对增长数量除以该技术指定时间内 的专利总量M，使之成为[0，1]的数，得到专利相对数量归一化值yx,；

4)以年份x作为自变量，专利相对数量归一化值yx为因变量进行曲线拟合:拟合方法选 择较为准确且实用的最小二乘法，通过提供一至十次多项式曲线拟合的求解，得到不同的拟 合曲线，并计算各拟合曲线的残差平方和，通过比较从中寻残差平方和最小的一个，作为 最终的拟合曲线f1(x)进行绘制；

5)将所得曲线f1(x)与标准技术进化S曲线对比；

6)用户主观认定该技术所处的技术阶段，并保存。

上述各步骤相关参数及其计算公式如表1。

表1

相关参数 计算公式

年份x ——

统计的起始年份的专利总数H 0 ——

统计的所有年份的专利总量M ——

年份x的专利总数H x ——

专利每年绝对增长量w x w x＝H x-H x-1

每年专利总量增长率k x k x＝w x/H x-1

专利每年相对增长量n x n x＝Δ nw x(注：w x的n阶差分)

专利相对数量归一化值y x y x＝n x/M

本发明还进一步地通过利用质量等级对专利数量进行处理，包括以下步骤：

1)对每一项专利赋予其对应的质量等级i，并统计每年待分析技术的专利总量的平均质 量等级Lx；

2)将该年度下待分析技术专利的绝对增长量wx乘以该年度待分析技术专利的平均质量等 级Lx，得到该年度待分析技术的专利相对质量Sx，即专利的相对增长数量nx；

3)对专利相对质量Sx进行归一化处理，将每年相对质量除以该技术指定时间内的专利相 对质量总量M，使之成为[0，1]的数，得到专利相对质量归一化值yx,；

4)以年份x作为自变量，专利相对质量归一化值yx为因变量进行曲线拟合:拟合方法选 择较为准确且实用的最小二乘法，通过提供一至十次多项式曲线拟合的求解，得到不同的拟 合曲线，并计算各拟合曲线的残差平方和，通过比较从中寻残差平方和最小的一个，作为 最终的拟合曲线f2(x)进行绘制；

5)将所得曲线f2(x)与标准技术进化S曲线对比；

6)用户主观认定该技术所处的技术阶段，并保存。

上述各步骤新引入的相关参数及其计算公式如表2所示。

表2

相关参数 计算公式

年份x ——

质量等级i ——

年份x的专利总数H x ——

年份x的专利相对质量S x S x＝w xL x

每年专利的平均质量等级L x L x＝∑i/H x

由于采用以上方案，本发明与现有技术相比，具有如下优点和技术效果：本发明使用专 利相对数量的归一化值进行数据拟合得到专利数量曲线图，使不同技术的专利增长量具有可 比性，消除了环境因素对曲线图趋势的影响，并基于专利质量等级对专利数量信息进一步处 理，通过专利相对质量的计算，进一步增强不同技术之间专利增长量的可比性，便于相关人 员对当前的技术成熟度作出准确的评价。综上所述，本发明提高了技术成熟度评价的准确性。

图1是本发明基于专利相对量分析的技术成熟度评价方法实现的硬件结构图。

图2是本发明基于专利相对量分析的技术成熟度评价算法实现硬件的专利数量分析服务 器的功能模块图。

图3是本发明基于专利相对数量分析的技术成熟度评价方法流程图。

图4是本发明基于专利相对质量分析的技术成熟度评价方法流程图。

图5是标准技术进化S曲线图。

以下结合附图和实例对本发明的具体实施作进一步说明。

图1是本发明基于专利相对量分析的技术成熟度评价方法实现的硬件结构图。该硬件系 统部分包括：专利数据库1，专利相对量分析服务器2，客户端3。专利数据库1用于存储专 利，专利相对量分析服务器2通过开放式数据库连接(OpenDatabaseConnectivity，ODBC) 与专利数据库1连接，用于获取专利信息，统计某种技术的专利数量或专利质量，并实现本 发明基于专利相对量分析的技术成熟度评价方法或一种基于专利相对质量分析的技术成熟度 评价算法。

图2是本发明基于专利相对量分析的技术成熟度评价方法实现硬件的专利数量分析服务 器的功能模块图。该服务器2包括：专利数量质量信息获取模块4，拟合曲线生成模块5，图 形输出模块6。其中专利数量质量信息获取模块4用于读取专利数据库1中的专利数量信息 或专利质量信息。拟合曲线生成模块5根据模块4获取的专利数量信息或专利质量信息，基 于专利相对数量或专利的相对质量进行数据拟合。图形输出模块6输出拟合曲线图形至客户 端3。

以下以T技术这一主题为例详细说明本发明所涉及的基于专利相对量分析的技术成熟度 评价方法。

图3是本发明基于专利相对数量分析的技术成熟度评价方法流程图，至少包括以下步骤：

1)在客户端界面输入待分析技术的关键字，设定时间为1980年至当前年的前一年，检 索专利数据库，得到1980年至当前年的前一年间每年关于所述技术的专利增长量，计算每年 关于所述技术的专利总量增长率，如果专利总量增长率处于上升趋势，则可认为专利增长量 序列为非平称序列；

步骤1)中，根据关键字检索专利数据库，可选择根据专利名称或者专利摘要进行检索， 并且可以输入多个关键字，根据“and”、“or”进行不同的关键字组合，提高检索效率。

2)统计关于所述技术的专利绝对增长量，所要计算的年份的专利绝对增长量即等于当年 专利总量减去前一年的专利总量；

3)计算关于所述技术的专利相对数量，所要计算的年份的专利相对数量即等于对专利增 长量的n阶差分，具体地，先对专利增长绝对量wx进行一阶差分，根据单位根检验判断，如 果一阶差分所得序列为平稳序列，则专利绝对增长量wx的一阶差分所得值即为专利相对增长 量nx；如果一阶差分所得序列为非平稳序列，则每次以1为增量逐次增加差分的阶，直至获 得专利增长量的平稳序列，将所使用的最高阶(记为n阶)的差分的所得值代表离开均衡状 态的偏差值，即专利增长相对量nx；计算模型：

nx＝Δnwx(其中n为差分的阶数)

4)对关于所述技术的专利相对数量进行归一化处理，将每年的专利相对数量除以所述技 术在1980年至当前年的前一年的专利总量，得到范围在[0，1]内的专利相对数量归一化值；

5)以1980至当前年的前一年的年份作为自变量，对应的专利相对数量归一化值为因变 量，对数据进行曲线拟合：根据得到的专利数据{(xi,yi),(i＝1,2,",m)}其中xi为年份，yi为 该年的专利数量，m为开始年份到结束年份期间的时间长)，拟合曲线的多项式模型：

$f\left(x\right)=\underset{k=0}{\overset{n}{\Sigma }}{a}_k{x}^k(i=1,2,...,m,k=0,1,2,...,n)$ (其中n为多项式次数)

为满足拟合曲线的残差值

$I=\underset{i=0}{\overset{m}{\Sigma }}{[f\left(x_i\right)-y_i]}^2=\underset{i=0}{\overset{m}{\Sigma }}{(\underset{k=0}{\overset{n}{\Sigma }}{a}_k{x}_i^k-y_i)}^2=min$

对I求ak的偏导值，使其为0，即：

$\frac{\partial I}{\partial a_j}=2\underset{i=0}{\overset{m}{\Sigma }}(\underset{k=0}{\overset{n}{\Sigma }}{a}_k{x}_i^k-y_i)x_i^j=0,j=0,1,...n$

变换得到：

$\underset{i=0}{\overset{m}{\Sigma }}\left(\underset{k=0}{\overset{n}{\Sigma }}{x}_i^{k+j}\right)a_k=\underset{i=0}{\overset{m}{\Sigma }}{x}_i^j{y}_i,j=0,1,...n$

由此求解方程组可得到ak唯一解，从而确定最终的拟合曲线f(x)；

6)客户端界面输出拟合曲线，将最终所得的所述技术专利数量曲线与标准技术进化S曲 线对比，标准技术进化S曲线如图4所示，S曲线分为婴儿期、成长期、成熟期、衰退期四 个阶段；

7)根据拟合曲线的终点在形态上等同于标准技术进化S曲线的阶段位置，用户主观认定 所述技术所处的技术阶段，并保存。

图4是本发明的基于专利相对质量分析的技术成熟度评价算法流程图，至少包括以下步 骤：

1)对每待分析技术的每一项专利赋予其对应的质量等级i，并统计每年所述技术的专利 的平均质量等级Lx；

专利属性值的百分位表示具有某一属性和小于该属性值的专利占统计对象总专利数的百 分比。下文以Altshuller提出的五个等级为例说明，也可根据国际标准的九个等级成熟度。 不管等级数如何变化，都落入本发明的保护范围。

专利类型的评分依据如表3所示。

表3

以上百分位数的选择是依据Altshuller的TRIZ理论对专利创新级别的定义：1级创新 度的技术占32％；2级创新度的技术占45％；3级创新度的技术占18％；4级创新度的技术占 4％；5级创新度的技术占1％。

2)计算所述技术的每年专利绝对增长量wx，所要计算的年份的专利绝对增长量即等于当 年专利总量减去前一年的专利总量；

3)计算所述技术的专利相对增长量，所要计算的年份的所述技术专利相对增长量即等于 将该年度下待分析技术专利的绝对增长量wx乘以该年度待分析技术专利的平均质量等级Lx， 得到该年度待分析技术的专利相对增长数量nx。

4)对关于T技术的专利相对增长量进行归一化处理，将每年的专利相对增长量除以所述 技术在1980年至当前年的前一年的专利总量，得到范围在[0，1]内的归一化值,；

5)以1980至当前年的前一年的年份作为自变量，对应的专利相对增长量归一化值为因 变量，对数据进行曲线拟合得到基于相对质量的拟合曲线f2(x)，方法如前一算法的步骤5)， 此处不再赘述

6)将所得曲线f2(x)与标准技术进化S曲线对比，方法同前一算法的步骤6)；

7)用户主观认定该技术所处的技术阶段，并保存，方法同前一算法的步骤7)。

通过采用以上的算法，可以极大地消除了环境因素对曲线图趋势的影响，并基于专利质 量等级对专利数量信息进一步处理，进一步增强不同技术之间专利增长量的可比性，便于相 关人员对当前的技术成熟度作出准确的评价或预测。

如图5所示，是本发明一种基于专利相对量分析的技术成熟度评价方法进行技术成熟度 评判所依据的标准技术进化S曲线。Altshuller的TRIZ理论(发明问题解决理论)的专利 分析模型将技术生命周期分为婴儿期、成长期、成熟期和衰退期四个阶段，这四个阶段的技 术性能和时间关系呈现为“S”曲线。如果当前的技术处于图中S曲线的前期，那么在研发 过程中会面临较大的风险，但有较大的垄断市场的机会，此时可以考虑增加投入，进行技术 研发；反之，如果当前的技术处于图中S曲线的后期，那么在研发过程中只需面对较小的风 险，但缺少市场潜力，此时可以考虑引入新的技术。