基于事實型數(shù)據(jù)的技術(shù)生命周期判斷方法綜述

□ 王新 喬曉東 徐碩 韓紅旗/中國科學(xué)技術(shù)信息研究所 北京 100038

基于事實型數(shù)據(jù)的技術(shù)生命周期判斷方法綜述

□ 王新 喬曉東 徐碩 韓紅旗/中國科學(xué)技術(shù)信息研究所 北京 100038

了解技術(shù)所處的生命周期，跟蹤技術(shù)發(fā)展，是技術(shù)決策者的主要決策依據(jù)，也是整個技術(shù)發(fā)展變革中有力的事實支撐。文章從新的角度對技術(shù)生命周期各階段進行劃分，分析了科技論文和專利兩大科研產(chǎn)出事實型數(shù)據(jù)的在各階段的表現(xiàn)；隨后歸納了常用的技術(shù)生命周期判斷方法，分析各個方法的優(yōu)缺點，并形成系統(tǒng)的方法體系。

事實型數(shù)據(jù)，技術(shù)生命周期，判斷方法

1 引言

技術(shù)生命周期（Technology Life Cycle，TLC）是由Arthur D. Little提出，通過競爭影響力和產(chǎn)品或過程的整合力來衡量技術(shù)變化的過程[1]。判斷技術(shù)生命周期，跟蹤技術(shù)發(fā)展，了解技術(shù)各個階段的發(fā)展特點，是在整個技術(shù)發(fā)展變革中有力的事實依據(jù)。隨著技術(shù)的不斷發(fā)展，技術(shù)作為產(chǎn)品的重要組成部分，成為決策者需要考慮的主要決策依據(jù)[2]。而事實型數(shù)據(jù)資源為技術(shù)決策提供最基本、準(zhǔn)確的數(shù)據(jù)支撐。

事實型數(shù)據(jù)是經(jīng)過長期積累形成的、與科技創(chuàng)新整個過程相關(guān)的各類科技信息資源總稱[3]。事實型數(shù)據(jù)客觀地描述科技創(chuàng)新決策及創(chuàng)新活動全過程，具有多種表現(xiàn)形式。主要的形式除了科技基礎(chǔ)設(shè)施和研發(fā)機構(gòu)及力量外，還包括科研產(chǎn)出（科技論文、專利文獻等）、技術(shù)產(chǎn)出（技術(shù)成果、標(biāo)準(zhǔn)和貿(mào)易額等）、政府企業(yè)科研投入、國內(nèi)外領(lǐng)域發(fā)展資料、研究案例等。作為創(chuàng)新活動的第一手資料，事實型數(shù)據(jù)更能夠準(zhǔn)確反映技術(shù)發(fā)展的各個階段，也能夠更好地反映領(lǐng)域?qū)＜覍夹g(shù)不同的關(guān)注程度以及國家對相關(guān)技術(shù)的認(rèn)可和政策支持的程度。

目前關(guān)于技術(shù)生命周期判斷方法的相關(guān)綜述主要論述專利分析法在技術(shù)生命判斷的應(yīng)用，且對于新方法沒有及時更新，也沒有形成一個系統(tǒng)的方法體系。本文在論述新方法的基礎(chǔ)上，從新的角度對技術(shù)生命周期及其判斷方法進行論述。本文首先概括論述了技術(shù)生命周期階段不同的劃分觀點，隨后分析了科技論文和專利兩大科研產(chǎn)出事實型數(shù)據(jù)的特點，并總結(jié)了當(dāng)下幾種技術(shù)生命周期的判斷方法，最后對幾種判斷方法的優(yōu)缺點進行了分析、討論。

2 TLC階段劃分

關(guān)于技術(shù)生命周期階段的劃分理論，目前主流的觀點有兩種：四階段論和五階段論。

2.1 四階段論

四階段論又可進一步分為兩種主要的觀點：一種是根據(jù)市場需求和產(chǎn)業(yè)發(fā)展進程中技術(shù)表現(xiàn)出來的社會屬性，劃分技術(shù)的發(fā)展演變過程，本文將此觀點稱為社會四階段論；一種是將技術(shù)看成自然界的事物，根據(jù)其自然屬性的觀點來劃分，本文將此觀點稱為自然四階段論。

(1) 社會四階段論

社會四階段論[4]認(rèn)為新技術(shù)產(chǎn)生于技術(shù)非連續(xù)狀態(tài)，經(jīng)過技術(shù)間的激烈競爭產(chǎn)生主導(dǎo)設(shè)計范式，并隨后進入漸進變革階段，直到一個新的非連續(xù)技術(shù)狀態(tài)的出現(xiàn)，從而將技術(shù)生命周期分為技術(shù)非連續(xù)狀態(tài)、激烈競爭階段、主導(dǎo)范式階段和增值變革階段，如圖1所示。

技術(shù)突破和產(chǎn)品更新致使技術(shù)產(chǎn)生不連續(xù)的狀態(tài)，促進新技術(shù)的產(chǎn)生。隨著新技術(shù)的產(chǎn)生，技術(shù)的多樣性和應(yīng)用的不確定性產(chǎn)生了激烈的競爭，使得主導(dǎo)技術(shù)隨之產(chǎn)生。主導(dǎo)技術(shù)逐漸形成產(chǎn)業(yè)的技術(shù)標(biāo)準(zhǔn)，開始被推廣和廣泛采用。然而隨著市場的競爭，主導(dǎo)技術(shù)開始進行增值變革，導(dǎo)致了技術(shù)的細(xì)化、延伸。一旦技術(shù)開始出現(xiàn)斷層、退化，新技術(shù)又開始產(chǎn)生。該循環(huán)過程并不是簡單地循環(huán)，而是隨著需求的不斷變化，技術(shù)不斷地循環(huán)更新和發(fā)展的上升過程。

圖1 技術(shù)生命周期四階段論

(2) 自然四階段論

每種事物都遵循自然發(fā)展的規(guī)律，要經(jīng)歷從萌芽到衰退的過程。Foster[6]首先以時間與技術(shù)績效為坐標(biāo)軸，描繪出技術(shù)發(fā)展趨勢，發(fā)現(xiàn)技術(shù)發(fā)展開始很緩慢，隨后加速。由于極限的限制，增速不可避免地下降，與生物發(fā)展相似，呈典型的S曲線狀。因此，自然四階段論認(rèn)為[7-9]，由于早期產(chǎn)業(yè)競爭和技術(shù)的不確定性，技術(shù)發(fā)展緩慢（萌芽期）；當(dāng)技術(shù)發(fā)展的障礙得以解決，技術(shù)迅速發(fā)展（成長期）；當(dāng)越來越接近外界的自然限制時，發(fā)展速度開始降低（成熟期）；最后技術(shù)變革和其他因素最終導(dǎo)致技術(shù)進入衰退的狀態(tài)（衰退期），如圖2所示。

在技術(shù)萌芽期，技術(shù)市場不明確，研發(fā)風(fēng)險較大，參與者少。這個時期是根本性創(chuàng)新時期。隨后，由于存在的某些技術(shù)和市場的問題，技術(shù)研究可能會相對減少甚至停滯。

在技術(shù)成長期，隨著基本技術(shù)問題的解決和市場不確定性的消除，技術(shù)迎來了快速發(fā)展的成長期。主要表現(xiàn)在參與者增加、早期參與者（創(chuàng)新者）加大投資、市場及技術(shù)分布范圍擴大。

在技術(shù)成熟期，技術(shù)贏得了社會的廣泛認(rèn)同，并為廣大用戶所采用。在此階段，參與者之間競爭日趨激烈，技術(shù)商品化的程度顯著增高。技術(shù)成為主流技術(shù)，但是由于市場有限，企業(yè)進入市場的速度開始趨緩。

在技術(shù)衰退期，伴隨技術(shù)的領(lǐng)先優(yōu)勢趨于消失，技術(shù)的發(fā)展瀕臨飽和。此時的技術(shù)成為基礎(chǔ)技術(shù)或常規(guī)技術(shù)。當(dāng)技術(shù)老化后，企業(yè)也因收益銳減而紛紛退出該市場。

2.2 五階段論

五階段論，顧名思義就是把技術(shù)生命周期劃分為5個階段。比較有代表性的是Gartner公司提出的技術(shù)成熟度曲線（Hype Cycle）[10]以及韓國科技信息研究院研發(fā)的InSciTe系統(tǒng)[11]，分別如圖3（a）和（b）所示。盡管兩條曲線形狀不同，兩者卻是等價的。

(1) 第一階段

通常被稱為技術(shù)觸發(fā)期。此時潛在技術(shù)開始出現(xiàn)。由于早起的概念炒作和媒體興趣，潛在技術(shù)逐漸受到越來越多的關(guān)注。公眾對此的期望值開始升溫，而技術(shù)、商業(yè)的可行性仍有待證明。

(2) 第二階段

通常被稱為期望膨脹期。早起的公眾宣傳產(chǎn)生了一系列的影響，并使許多公司采取了行動。該技術(shù)被充滿魅力的光環(huán)所籠罩，成為眾所矚目的明星。

圖2 典型的四階段論

(3) 第三階段

通常被稱為幻覺破滅期。由于技術(shù)的不確定和市場的需求變化等原因，第一批嘗鮮者實驗失敗，公眾興趣逐漸減弱。新技術(shù)的光環(huán)消退，導(dǎo)致技術(shù)生產(chǎn)商開始抽身。

(4) 第四階段

通常被稱為復(fù)蘇期。隨著障礙的克服及更多技術(shù)獲利的案例的出現(xiàn)，新技術(shù)逐漸獲得公眾的認(rèn)可。第二、三代產(chǎn)品開始出現(xiàn)，并吸引更多的公司開始參與其中。此時期內(nèi)，該技術(shù)逐漸成熟，適應(yīng)能力越來越強。

(5) 第五階段

通常被稱為平穩(wěn)成熟期。主流應(yīng)用開始顯現(xiàn)，評估標(biāo)準(zhǔn)日益明確。隨著采購、部署和運行的穩(wěn)定與優(yōu)化，廣闊的市場應(yīng)用前景和收益也隨之而來。

2.3 其他觀點

Ford、Ryan[5]從技術(shù)開發(fā)者的角度將技術(shù)生命周期分為技術(shù)發(fā)展、技術(shù)應(yīng)用、應(yīng)用萌芽期、應(yīng)用成長期、技術(shù)成熟和技術(shù)衰退六個階段。

Margaret和Andrew[13]將技術(shù)的粒度由大到小分成用途（Application）、范例（Paradigm）和代（Generation）三個粒度，不同粒度的技術(shù)遵循不同的技術(shù)生命周期階段論。用途（Application）粒度認(rèn)為新技術(shù)產(chǎn)生于不連續(xù)性。范例（Paradigm）和代（Generation）粒度的內(nèi)部分別服從典型的四階段論觀點，每一新范例（Paradigm）或代（Generation）是在上一個范例（Paradigm）或代（Generation）的結(jié)束段開始的，形成一種復(fù)合的S曲線。

圖3 五階段論曲線

技術(shù)備便水平（Technology Readiness Level，TRL）是由美國航空航天局提出、用來評估技術(shù)成熟度的指標(biāo)，后來被美國國防部、能源部和歐洲航天局等聯(lián)邦政府機構(gòu)和國際機構(gòu)所采用。TRL認(rèn)為一個新技術(shù)在被提出或發(fā)明后不可能立即付諸應(yīng)用，必須經(jīng)過多次測試、改進以及實踐驗證。只有被充分證明可行之后，該項新技術(shù)才可以投入使用。TRL將技術(shù)的成熟度水平分為9個級別。各機構(gòu)給出的不同級別具體內(nèi)容的定義也略不相同。目前該方法多應(yīng)用在軍事技術(shù)領(lǐng)域[14]。

3 TLC階段判斷方法

科技論文和專利文獻是描述科研產(chǎn)出數(shù)據(jù)的兩大主要表現(xiàn)形式。相對于產(chǎn)品和市場指標(biāo)在技術(shù)發(fā)展后期的變化情況，它們在技術(shù)的早期發(fā)展過程中提供相應(yīng)的數(shù)據(jù)支撐更有優(yōu)勢。

作為判斷技術(shù)生命周期的指標(biāo)，首要條件是要能明確地區(qū)分不同生命階段的不同特征。論文和專利作為兩大類科技資源具有各自的特點。兩者在技術(shù)生命周期的不同階段表現(xiàn)也各不相同，如表1所示。

在技術(shù)萌芽期，該技術(shù)是領(lǐng)域會議討論的熱點，并在會議論文中體現(xiàn)。隨著技術(shù)的不斷發(fā)展，期刊論文中將會大量引用該技術(shù)相關(guān)文獻，期刊論文的數(shù)量將會增加，會議論文將逐漸減少。同時，此階段內(nèi)，理論型論文數(shù)量突出。技術(shù)的理論知識成熟以后，文獻的核心將會轉(zhuǎn)移到技術(shù)的應(yīng)用研究上，從而在技術(shù)發(fā)展后期，應(yīng)用型論文數(shù)量激增。

作為科技信息，專利文獻含有的技術(shù)信息是任何其他科技文獻不能比擬的。同時，由于專利本身所固有的新穎性、進步性和產(chǎn)業(yè)利用性等特點，使得任何一個專利都是一種新思想、新技術(shù)、新產(chǎn)品并具有很高的工業(yè)實用性。利用專利文獻就可以分析其相關(guān)領(lǐng)域的技術(shù)發(fā)展和更新的整個過程。國內(nèi)外許多學(xué)者利用專利信息進行技術(shù)創(chuàng)新活動的分析、技術(shù)評價和技術(shù)預(yù)測[15,16]。

因為不同科技資源在技術(shù)的不同階段具有不同的特征，所以基于兩大類科技文獻進行TLC的判斷方法有多種，主要包括定性判斷和定量判斷兩大類。

表1 技術(shù)生命周期各階段專利和論文特征

3.1 定性判斷法

期之后可能會形成技術(shù)的復(fù)蘇期。復(fù)蘇期的產(chǎn)生與否主要取決于技術(shù)是否有突破性的創(chuàng)新為技術(shù)市場注入新的活力。

(2) 專利指標(biāo)分析法

專利指標(biāo)分析法是通過綜合分析技術(shù)成長率（ν）、技術(shù)成熟系數(shù)（α）、技術(shù)衰老系數(shù)（β）和新技術(shù)特征系數(shù)（N）隨時間變化的情況來判斷技術(shù)所在的生命周期階段的方法。

具體來說，令a表示某年發(fā)明專利申請數(shù)量（或授權(quán)數(shù)量），b表示某年實用新型專利申請數(shù)（或授權(quán)

定性判斷法是對數(shù)據(jù)進行簡單地統(tǒng)計之后，研究分析人員依照自己的經(jīng)驗和主觀認(rèn)識對技術(shù)所處的生命周期階段進行判斷。其中，專利分析法是具有代表性的定性判斷方法。

(1) 專利技術(shù)生命周期法

專利技術(shù)生命周期法是通過分析歷年專利申請數(shù)量（或授權(quán)數(shù)量）和專利申請人（或?qū)＠麢?quán)人）的數(shù)量來分析技術(shù)趨勢，如圖4所示。

專利技術(shù)生命周期圖將技術(shù)生命周期主要分為萌芽期、成長期、成熟期和衰退期四個階段。在衰退數(shù)），c表示某年外觀設(shè)計專利申請數(shù)量（或授權(quán)數(shù)量），A表示追溯特定時間段的申請總數(shù)（或授權(quán)總數(shù)）。各指標(biāo)計算方法和含義如表2所示。

該方法通過綜合分析四個指標(biāo)隨時間的變化情況，來判斷技術(shù)所在的生命周期階段。其核心是分析歷年發(fā)明、實用新型和外觀設(shè)計三類專利文獻在所有專利文獻中所占比例。

(3) 技術(shù)層次矩陣法

圖4 專利技術(shù)生命周期圖[17]

表2 專利指標(biāo)的計算方法和含義

技術(shù)層次矩陣法[18]通過分析某技術(shù)領(lǐng)域的相對增長率與相對增長潛力構(gòu)成的二維矩陣來判斷特定技術(shù)所處的生命周期階段。其中，相對增長率（Relative Growth Rate，RGR）是指某技術(shù)領(lǐng)域的專利申請數(shù)的平均增長率與所有技術(shù)領(lǐng)域的專利申請數(shù)的平均增長率的比值；增長潛力率（Development Growth Rate，DGR）是指該技術(shù)領(lǐng)域后N年的專利申請數(shù)的平均增長率與前N年的專利申請數(shù)的平均增長率比值；相對增長潛力率（Relative Development Growth Rate，RDGR）指某技術(shù)領(lǐng)域的DGR與所有技術(shù)領(lǐng)域的DGR的比值。

如圖5所示，該方法矩陣中四個區(qū)域分別對應(yīng)技術(shù)生命周期的四個階段。這樣就很明顯地描述出某技術(shù)所在的生命周期階段。但是該方法中，兩個指標(biāo)的高低劃分不明晰，各階段的界限也比較模糊。

(4) TCT計算法

TCT（Technology Cycle Time）計算法基于理論“技術(shù)生命周期可以用專利在其申請文件扉頁中所有引證文獻技術(shù)年齡的中間數(shù)表示”發(fā)展而來。一般TCT測量的是單件專利所代表的技術(shù)周期，也就是現(xiàn)有技術(shù)和最新技術(shù)之間的發(fā)展周期。對于某項技術(shù)的TCT則要通過計算每件專利的TCT，然后再求平均值。一個技術(shù)的TCT平均值可以從本質(zhì)上區(qū)別于其他技術(shù)領(lǐng)域。TCT具有產(chǎn)業(yè)依附性，相對熱門的技術(shù)TCT較短[17]。

TCT方法從專利年齡的角度分析專利的生命周期。技術(shù)的類型不同，其整個生命周期年限也并不相同，不同階段的年限也不盡相同。該方法計算較為繁瑣，在判斷技術(shù)所處的生命周期階段方面作用不是很大，故而只能用其進行宏觀討論。

圖5 相對增長率二維矩陣

圖6 監(jiān)督判斷法流程圖

3.2 定量判斷法

定量判斷法是基于大量的數(shù)據(jù)，采用數(shù)學(xué)方法對技術(shù)生命周期階段進行判斷的方法。在給定的生命周期階段基礎(chǔ)上，對技術(shù)所處的階段進行判斷可以看作是一個分類的過程。本文將定量判斷法分為監(jiān)督判斷法和非監(jiān)督判斷法。

(1) 監(jiān)督判斷法

監(jiān)督判斷法是是采用監(jiān)督分類模型或算法已有數(shù)據(jù)進行分析，很好地利用先驗知識。在監(jiān)督分類中有多種分類器，包括基于傳統(tǒng)統(tǒng)計分析的分類器、基于人工智能的分類器和基于模式識別的分類器。

高麗丹[19]提出了基于統(tǒng)計模式識別中鄰近分類法來判斷技術(shù)生命周期。從專利數(shù)據(jù)中提出13個特征指標(biāo)，采用鄰近分類器分析了NBS技術(shù)的生命周期。韓國科學(xué)技術(shù)信息研究院（KISTI）的TOD（Technology Opportunity Discovery）模型通過在專利和科技文獻中提取特征值，構(gòu)建決策樹，通過機器學(xué)習(xí)不斷優(yōu)化對技術(shù)生命周期進行判斷[20]。

監(jiān)督判斷法的一般流程如圖6所示。監(jiān)督判斷方法要求以大量的技術(shù)數(shù)據(jù)作為基礎(chǔ)。數(shù)據(jù)的缺少或不完全會導(dǎo)致生命周期階段判斷不準(zhǔn)確甚至無法識別的問題。同時，采用監(jiān)督判斷法時，樣本技術(shù)和測試技術(shù)的相關(guān)性越大，監(jiān)督判斷法的效果越好。所以在采用監(jiān)督判斷法時，樣本技術(shù)的選取以及階段特征值的選取都是十分重要的。這些因素都會影響最后判斷結(jié)果的準(zhǔn)確性。

在樣本技術(shù)的選取問題上，主要可以從三個方面獲取樣本技術(shù)的訓(xùn)練集——調(diào)查問卷、Gartner報告和相關(guān)的領(lǐng)域分析報告。其中調(diào)查問卷主要根據(jù)選取的技術(shù)對相應(yīng)領(lǐng)域的專家進行。在特征值的選取問題上可以通過引入市場信息作為特征值指標(biāo)的方法更好地輔助技術(shù)生命周期判斷。

表3 成長曲線及其特點

在具體的判斷過程中，可能會出現(xiàn)強制符合某一階段的問題。如某項技術(shù)在2000-2005年度處于成熟期，但2006和2007年的數(shù)據(jù)卻符合成長期的特征，那么對于后兩年的技術(shù)生命周期判斷就需要借助于強制分類。對于類似問題可以考慮引進時間約束處理，從而轉(zhuǎn)化成一種帶約束的分類問題。

(2) 非監(jiān)督判斷法

在非監(jiān)督判斷方中，成長曲線法是最常用的分析技術(shù)生命周期的方法。該方法與上文提到的自然四階段論相匹配。

成長曲線可以通過對歷史數(shù)據(jù)變化的分析來描述事物發(fā)展的軌跡。其主要有兩方面作用：一是通過數(shù)學(xué)模型來評價單一技術(shù)解決問題的績效，并對事物現(xiàn)狀進行評價；二是通過曲線預(yù)測事物的發(fā)展規(guī)律，對未來發(fā)展進行預(yù)測[17]。作為判斷和預(yù)測生命周期的典型曲線，成長曲線被引入到了技術(shù)生命周期判斷和預(yù)測科學(xué)中。成長曲線判斷法主要使用了兩種曲線描述方式：Logistic曲線和Gompertz曲線。這兩種曲線的表達式和曲線特點如表3所示。

使用成長曲線時要滿足三個假設(shè)[21]——曲線上限是已知的、成長曲線與歷史資料的變動情況是相符的、歷史數(shù)據(jù)擬合的參數(shù)是正確的。從而，作為衡量技術(shù)生命周期指標(biāo)，技術(shù)績效的選擇成為采用成長曲線的難度之一。有專家[22]指出可以采用專利指標(biāo)作為衡量技術(shù)績效的一個指標(biāo)。此觀點后來也被許多學(xué)者采納。

該方法對于數(shù)據(jù)量大、趨于成熟的技術(shù)尤為適用。在利用該方法時，分析人員主要是通過分析圖像的拐點來判斷技術(shù)所處的生命周期階段（一般為自然四階段論）。Logistic曲線中，縱坐標(biāo)為10%K、K/2、90%K的三個時間點分別被定義為萌芽期、成長期、成熟期和衰退期之間的臨界點[23]，其中K/2處為曲線的拐點。Gomperz曲線中，主要借助于分析表達式ln(a)和參數(shù)b兩者的取值來判斷技術(shù)所在的生命周期階段[24]。兩個參數(shù)的不同取值所對應(yīng)的生命周期階段如圖7所示。

3.3 其他方法

圖7 參數(shù)b和ln(a)取值對應(yīng)生命周期階段

(1) TRIZ成熟度預(yù)測

前蘇聯(lián)人Altshuller[25]提出了TRIZ（Theory of Inventive Problem Solving）理論，即發(fā)明問題解決理論。該理論提供了一種識別和確認(rèn)產(chǎn)品在S曲線上所處狀態(tài)的技術(shù)。借此可以判定技術(shù)系統(tǒng)的成熟度。

TRIZ主要從專利數(shù)量、專利等級、性能和經(jīng)濟收益四個方面描述技術(shù)各個階段的特征。首先總結(jié)出特定時間內(nèi)與產(chǎn)品相關(guān)的四個指標(biāo)的基本變化規(guī)律，然后收集當(dāng)前產(chǎn)品的有關(guān)數(shù)據(jù)建立相應(yīng)的四條曲線，通過將所建立的曲線形狀與這四圖中曲線的形狀比較，從而確定產(chǎn)品的技術(shù)成熟度。圖8顯示了技術(shù)在不同周期，性能、專利數(shù)量、專利級別和經(jīng)濟收益的對應(yīng)特征。

該方法綜合了技術(shù)系統(tǒng)本身的相關(guān)因素，還加入了技術(shù)所帶的市場的經(jīng)濟收益，通過綜合考慮技術(shù)內(nèi)、外的各個因素，對技術(shù)所在的生命周期進行判斷。

(2) 系統(tǒng)動力學(xué)

圖8 專利特性曲線[26]

系統(tǒng)動力學(xué)是在20世界50年代，由麻省理工大學(xué)的J. W. Forrester教授創(chuàng)立的學(xué)科。該方法主要通過用因果關(guān)系圖（causal loop diagrams）和存量-流圖（stockand-flow diagrams）來描述相互關(guān)聯(lián)的系統(tǒng)之間的關(guān)系，并用仿真語言來模擬系統(tǒng)的動態(tài)變化。

王麗芳[27]將系統(tǒng)動力學(xué)引入到技術(shù)生命周期判斷方法中來。其將技術(shù)看成一個系統(tǒng)，受到來自社會、經(jīng)濟和技術(shù)自身的影響。把技術(shù)系統(tǒng)分為經(jīng)濟子系統(tǒng)、社會子系統(tǒng)和技術(shù)子系統(tǒng)，其中包括了政府、法律環(huán)境和市場等因素。通過Vinsim PLE軟件仿真，預(yù)測了近20年來燃料電池汽車技術(shù)的生命周期發(fā)展趨勢。胡斌[28]分析了影響企業(yè)生命周期的競爭能力、企業(yè)文化和公司業(yè)績、內(nèi)在慣性等因素，并驗證了應(yīng)用系統(tǒng)動力學(xué)分析企業(yè)生命周期的合理性。

該方法綜合考慮了技術(shù)外部因素和技術(shù)本身的影響，從而更加全面地分析了技術(shù)生命周期。

表4 技術(shù)生命周期各階段專利和論文特征

4 討論總結(jié)

分析和判斷技術(shù)的生命周期，不僅能夠促進技術(shù)科學(xué)的創(chuàng)新和發(fā)展，而且對于推動企業(yè)發(fā)展、更好地掌握市場需求，提高企業(yè)效益也具有重要意義。如何準(zhǔn)確地判斷技術(shù)所在生命周期，是值得技術(shù)預(yù)測和決策者深入考慮的問題。

以上幾種判斷技術(shù)生命周期的方法各有利弊，表4簡單分析了每個方法的優(yōu)缺點。

由于不同的技術(shù)生命周期軌跡各有不同，成長曲線的類型不易選擇。成長曲線判斷法在應(yīng)用時，技術(shù)的上限不僅跟技術(shù)本身的性質(zhì)有關(guān)系，還與時間有一定的關(guān)系。多指標(biāo)權(quán)重優(yōu)化機制的缺少也導(dǎo)致該方法適用性較弱。雖然專利承載了大量的技術(shù)信息，但是專利從申請到被檢索還有一定時間差，不能很好地描述新型技術(shù)的生命周期。且由于專利活動的特殊性，專利申請可能存在被撤銷或其他情況，導(dǎo)致專利在判斷技術(shù)生命周期過程中存在偏差。

Makovetskaya和Bernadsky[31]綜合分析論文、專利和標(biāo)準(zhǔn)三種類型數(shù)據(jù)，Robert[32]等人提出了用SCI、EI、專利和報紙摘要分別代表科研成果、工程技術(shù)、應(yīng)用技術(shù)和市場信息等多種數(shù)據(jù)判斷技術(shù)生命周期，但是，目前關(guān)于技術(shù)生命周期的判斷的方法主要是基于單一數(shù)據(jù)源，利用專利數(shù)據(jù)進行分析，但忽略了其他事實型數(shù)據(jù)的表現(xiàn)。

隨著技術(shù)發(fā)展因素的復(fù)雜性增加，決策者往往要考慮多方面因素，進行綜合分析、決策。通過對綜合多種數(shù)據(jù)資源、構(gòu)建綜合指標(biāo)體系進行技術(shù)生命周期分析，排除單一數(shù)據(jù)源和單一指標(biāo)的不確定性，能更準(zhǔn)確地分析技術(shù)所處的生命周期以及技術(shù)的發(fā)展?jié)摿?，為決策者提供更為可信的信息支持。因此，建立綜合的指標(biāo)體系，構(gòu)建普適性的、科學(xué)的判斷模型是技術(shù)決策未來發(fā)展的方向。

[1]LITTLE A D. The Strategic Management of Technology [M], Mass.: Cambridge, 1981: 321-324.

[2]KAPLAN S, TRIPSAS M. Thinking about technology: applying a cognitive lens to technical change [J]. Research Policy, 2008(37): 790-805.

[3]賀德方.基于事實型數(shù)據(jù)的科技情報研究工作思考[J].情報學(xué)報,2009(5):764-770.

[4]ANDERSON P, TUSHMAN L L. Technological discontinuities and dominant designs: a cyclical model of technological change [J]. Administrative Sciences Quarterly, 1990 (4): 604-633.

[5]FORD D, RYAN C. Taking technology to market [J]. Harvard Business Review, 1981, 59(2): 117-126.

[6]FOSTER R N. Innovation: The Attacker's Advantage [M]. Summit Books, 1986.

[7]HAUPT R, KLOYER M, LANGE M. Patent indicators for the technology life cycle development [J]. Research Policy, 2007(36): 387-398.

[8]CAMPBELL R S. Patent trends as a technological forecasting tool [J]. World Patent Information, 1983(5): 137-143.

[9]高麗丹.基于專利文獻的技術(shù)生命周期分析模式研究[D].西安:西安交通大學(xué),2008:16-21.

[10][OL]. [2013-07-02]. http://www.gartner.com/technology/research/methodologies/hype-cycle.jsp.

[11]KIM J, HWANG M, JEONG D-H, et al. Technology trends analysis and forecasting application based on decision tree and statistical feature analysis [J]. Expert Systems with Applications, 2012, 39(16): 12618-12625.

[12]FENN J, CLARK W, et al. Hype Cycle for Emerging Technologies, 2009 [OL]. [2013-07-02]. http://www.gartner.com/DisplayDocument?docCode=169368&ref=g_ fromdoc,2009.

[13]TAYLOR M, TAYLOR A. The Technology life cycle: Conceptualization and managerial implications [J]. Int. J. Production Economics, 2012(7): 541-553.

[14]MANKINS J C. Technology Readiness Levels: a White Paper [OL]. (1995-04-06) [2013-07-02]. http://orion.asu.edu/Additional%20Reading/Mankins_trl.pdf.

[15]黃魯成,歷妍.基于專利的技術(shù)發(fā)展趨勢評價系統(tǒng)[J].系統(tǒng)管理學(xué)報,2010(8):384-388.

[16]于曉勇,趙曉晨,等.基于專利信息分析的我國電動汽車的技術(shù)發(fā)展趨勢研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2011(4):45-51.

[17]陳燕,黃迎燕,萬建國.專利信息采集與分析[M].北京:清華大學(xué)出版社,2006:244-248.

[18]曹雷.面向?qū)＠麘?zhàn)略的專利信息分析研究[J].科技管理研究,2005(3):97-100.

[19]GAO LIDAN, PORTER A L, WANG JING, et al. Technology life cycle analysis method based on patent documents [J]. Technological Forecasting & Social Change, 2013, 80(3): 398-407.

[20]KIM J, LEE S, LEE J, et al. Design of TOD Model for Information Analysis and Future Prediction [J]. Communications in Computer and Information Science, 2011, 264: 301-305.

[21]MODIS T. Strengths and Weakness of S-curves [J]. Technology Forecasting & Social Change, 2007, 74(6): 866-872.

[22]ERNST H. Patent Information for Strategic Technology Management [J]. World Patent Information, 2003(25): 233-242.

[23]鐘華,安新穎.基于技術(shù)生命周期的專利組合判別研究[J].科學(xué)管理研究,2011(10):141-145.

[24]唐田田,劉平,等.岡珀茲曲線模型在專利發(fā)展趨勢預(yù)測中的應(yīng)用[J].現(xiàn)代圖書情報技術(shù),2009(11):59-63.

[25]ALTSHULLER G. The Innovation Algorithm, TRIZ, Systematic Innovation and Technical Creativity [M]. Worcester: Technical Innovation Center, INC, 1999.

[26]白雪冰.基于TRIZ理論的產(chǎn)品技術(shù)進化預(yù)測的研究[D].北京工業(yè)大學(xué),2010.

[27]王麗芳,蔣國瑞,黃梯云.基于系統(tǒng)動力學(xué)的技術(shù)生命周期預(yù)測[J].預(yù)測與分析,2009(9):92-94.

[28]胡斌,章德賓,邵祖峰.基于系統(tǒng)動力學(xué)的企業(yè)生命周期模擬研究[J].工業(yè)工程,2007(1)64-67.

[29]MEYER P S, YUNG J W, AUSUBEL J H. A Primer on Logistic Growth and Substitution: The Mathematics of the Loglet Lab Software [J]. Technology Forecasting and Social Change, 1999(3): 247-271.

[30]KUCHARAVY D, DE GUIO R. Application of S-curves [J]. Procedia Engineering, 2011(9): 559-572.

[31]MAKOVETSKAYA O, BERNADSKY V. Scientometric Indicators for Identification of Technology System Life Cycle Phase [J]. Scientometrics, 1994(1): 105-116.

[32]WATTS R J, PORTER A L. Innovation forecasting [J]. Technological Forecasting and Social Change, 1997(56): 25-47.

[33]DAIM T U, RUEDA G, MARTIN H, et al. Forecasting Emerging Technologies: Use of Bibliometrics and Patent Analysis [J]. Technological Forecasting and Social Change, 2006(73): 981-1012.

[34]TRAPPEY C V, WU H-Y. An evaluation of the time-varying extended logistic, simple logistic, and Gompertz models for forecasting short product lifecycles [J]. Advanced Engineering Informatics, 2008(22): 421-430.

[35]LIOUR Y, CHEN C W, CHEN C-B, et al. White-Light LED Lighting Technology Life Cycle Forecasting and Its National and Company-Wide Competitiveness [C]// International (Spring) Conference on Asia Pacific Business Innovation & Technology Management, 2011.

[36]ARCHIBUGI D. Patenting as an Indicator of Technological Innovation: a review [J]. Science and Public Policy, 1992(6): 357-368.

The Overview of Technology Life Cycle Analysis Method Based on Factual Database

Wang Xin, Qiao Xiaodong, Xu Shuo, Han Hongqi/Institute of Scientific & Technical Information of China, Beijing, 100038

It's the main basis for decision making that understanding technology's life cycle and tracking technology development, and it's also the strong factual support in the entire technology process. The author introduces the phases of Technology Life Cycle from a new point of view, and analyses the performance of paper and patent at every stage as two kinds of factual data. Then, the article concludes the methods to distinguish the phases of TLC to form a method system, and summarizes the advantages and disadvantages of each method in the end.

Factual database, Technology life cycle, Analysis method

2013-07-22）

10.3772/j.issn.1673—2286.2013.12.005

王新（1989- ），女，研究方向：情報技術(shù)生命周期。E-mail: wangxin8393@sina.com