基于TRIZ 理論和LSTM 的技術(shù)成熟度評(píng)估及預(yù)測方法

魏 延，楊春穎，王永芳，劉鵬飛

（中國航天系統(tǒng)科學(xué)與工程研究院，北京，100142）

0 引 言

技術(shù)成熟度（Technology Readiness Level，TRL）是國際上廣泛使用的對(duì)重大科技攻關(guān)和工程項(xiàng)目的技術(shù)研發(fā)進(jìn)展進(jìn)行量化評(píng)價(jià)的方法，它表明了一個(gè)技術(shù)相對(duì)于系統(tǒng)或者整個(gè)項(xiàng)目而言所處的發(fā)展?fàn)顟B(tài)，技術(shù)成熟度評(píng)估是確定裝備研制關(guān)鍵技術(shù)的成熟程度進(jìn)行量化評(píng)價(jià)的一套系統(tǒng)化標(biāo)準(zhǔn)、方法和工具。

有關(guān)技術(shù)成熟度評(píng)估研究一直都是國內(nèi)外的研究重點(diǎn)，以往的研究中多采用專家評(píng)審的方法，缺乏規(guī)范客觀的標(biāo)準(zhǔn)，1995 年美國航天局發(fā)布了技術(shù)成熟度白皮書，系統(tǒng)地提出了技術(shù)成熟度的9 個(gè)等級(jí)。同期，俄羅斯科學(xué)家Altshuller 在研究了250 萬例世界上不同的技術(shù)領(lǐng)域?qū)＠幕A(chǔ)上，提出一套系統(tǒng)的高效創(chuàng)新方法——TRIZ 理論。該理論中的技術(shù)進(jìn)化論認(rèn)為，每一個(gè)產(chǎn)品都是一個(gè)不斷進(jìn)化的系統(tǒng)，技術(shù)系統(tǒng)會(huì)隨著時(shí)間向更高級(jí)的方向發(fā)展和進(jìn)化，都會(huì)經(jīng)歷孕育、成長、成熟、衰退的過程，即技術(shù)的進(jìn)化規(guī)律滿足技術(shù)系統(tǒng)成熟度曲線（S 曲線）。

1 研究現(xiàn)狀

近年來，隨著專利數(shù)據(jù)的日益增多，從專利的視角開展研究更能體現(xiàn)出一項(xiàng)技術(shù)系統(tǒng)的價(jià)值，研究者主要通過TRIZ 理論對(duì)當(dāng)前技術(shù)成熟度進(jìn)行評(píng)估分析。

Altshuller 提出以專利數(shù)量、專利等級(jí)、產(chǎn)品性能、經(jīng)濟(jì)收益4 個(gè)指標(biāo)與系統(tǒng)進(jìn)化之間的關(guān)系來評(píng)估技術(shù)成熟度，后繼研究者也在此基礎(chǔ)上進(jìn)行了多種改進(jìn)。Mann提出通過降低成本的專利和彌補(bǔ)缺陷的專利考察技術(shù)產(chǎn)品是否到達(dá)成熟期；王秀紅提出根據(jù)專利數(shù)量、專利級(jí)別、性能、銷售量4 個(gè)指標(biāo)對(duì)電動(dòng)車技術(shù)進(jìn)行成熟度評(píng)估；劉玉琴提出以專利技術(shù)新穎度反映專利質(zhì)量等級(jí)、以專利維持成本代替利潤，與專利數(shù)量共同建立技術(shù)成熟評(píng)估模型；王道平和孫慶彬克服經(jīng)濟(jì)收益指標(biāo)不方便計(jì)算的缺陷，提出專利數(shù)量、彌補(bǔ)缺陷的專利數(shù)量、彌補(bǔ)成本的專利數(shù)量和專利等級(jí)4 個(gè)指標(biāo)對(duì)工業(yè)煤粉鍋爐相關(guān)專利進(jìn)行了評(píng)估。

以上研究基本上只對(duì)技術(shù)的當(dāng)前成熟度進(jìn)行評(píng)估，而并沒有進(jìn)一步的未來成熟度預(yù)測。謝國輝通過回歸分析，估計(jì)光熱發(fā)電4 個(gè)關(guān)鍵技術(shù)S 型曲線的參數(shù)，基于邏輯方程由此得到光熱發(fā)電技術(shù)成熟度預(yù)測曲線模型。由于技術(shù)的生命周期不是完全標(biāo)準(zhǔn)的Logistic 方程，導(dǎo)致擬合誤差較大。

因此，本文擬采用TRIZ 理論進(jìn)行成熟度評(píng)估，通過LSTM 網(wǎng)絡(luò)模型對(duì)專利指標(biāo)進(jìn)行時(shí)序預(yù)測，并將LSTM 與SARIMA 進(jìn)行對(duì)比，最后建立技術(shù)成熟度組合評(píng)估模型，實(shí)現(xiàn)技術(shù)成熟度的評(píng)估和預(yù)測。

2 基于TRIZ 理論的技術(shù)成熟度評(píng)估模型

2.1 TRIZ 理論在技術(shù)成熟度上面的應(yīng)用

TRIZ 技術(shù)進(jìn)化理論認(rèn)為，任何一個(gè)技術(shù)系統(tǒng)都會(huì)經(jīng)歷一個(gè)從低級(jí)到高級(jí)的過程，該過程剛好與一條S 型曲線相契合，被稱為技術(shù)系統(tǒng)進(jìn)化S 曲線，如圖1所示，該曲線解釋了技術(shù)系統(tǒng)進(jìn)化的各個(gè)發(fā)展階段，包括嬰兒期、成長期、成熟期、衰退期。

圖1 技術(shù)系統(tǒng)進(jìn)化S 曲線Fig.1 Technological Systems Evolution S curve

第1 階段：嬰兒期。產(chǎn)品的誕生需要引入新技術(shù)，由于新技術(shù)還不能解決關(guān)鍵性問題，產(chǎn)品性能進(jìn)步速度緩慢，只有極少數(shù)抗壓能力強(qiáng)的企業(yè)進(jìn)入該市場。

第2 階段：成長期。技術(shù)的關(guān)鍵性問題得以解決，產(chǎn)品性能快速提升，企業(yè)的盈利水平大幅提高，吸引更多企業(yè)進(jìn)入市場。

第3 階段：成熟期。基本解決了該技術(shù)系統(tǒng)所有的技術(shù)難題，型號(hào)多樣化，專利數(shù)量持續(xù)增加。

第4 階段：衰退期。技術(shù)系統(tǒng)進(jìn)入發(fā)展極限期，無論怎樣加大投入，技術(shù)系統(tǒng)的性能也無法提升，由于企業(yè)競爭加劇導(dǎo)致盈利水平降低，產(chǎn)品瀕臨淘汰。

通過選取合適的技術(shù)性能指標(biāo)，確定產(chǎn)品位于S 曲線的位置就可以評(píng)估出該產(chǎn)品的當(dāng)前技術(shù)成熟度。

2.2 評(píng)估指標(biāo)的選取

評(píng)估指標(biāo)的標(biāo)準(zhǔn)曲線如圖2 所示。

圖2 評(píng)估指標(biāo)的標(biāo)準(zhǔn)曲線Fig.2 Standard Curves for Evaluating Indicators

2.2.1 專利數(shù)量

Altshuller 提出了專利數(shù)量在技術(shù)系統(tǒng)進(jìn)化過程中的變化曲線，如圖2a 所示。隨著時(shí)間推進(jìn)，專利數(shù)量先后出現(xiàn)3 個(gè)極值點(diǎn)，形成了生命周期中不同發(fā)展階段的臨界點(diǎn)。當(dāng)一項(xiàng)突破性的專利出現(xiàn)之后，圍繞該技術(shù)形成一個(gè)研究熱潮，專利申請(qǐng)數(shù)量短期內(nèi)突增，達(dá)到第1 個(gè)小峰值，即點(diǎn)。此后進(jìn)入成長期，初期由于專利的壟斷以及市場的不確定性因素，專利的申請(qǐng)數(shù)量逐漸下降，隨著專利價(jià)值的挖掘，推進(jìn)技術(shù)系統(tǒng)的快速發(fā)展，達(dá)到第2 個(gè)峰值。之后技術(shù)系統(tǒng)進(jìn)入衰退期，可挖掘的技術(shù)問題越來越少，相應(yīng)的專利數(shù)量也越來越少，開始轉(zhuǎn)向替代技術(shù)的研究。

2.2.2 專利等級(jí)

新的技術(shù)系統(tǒng)誕生往往伴隨著高質(zhì)量專利的出現(xiàn)，誕生時(shí)專利等級(jí)最高，但由于在嬰兒期和成長期技術(shù)發(fā)展緩慢，投入的人力和財(cái)力有限，很多專利都未解決進(jìn)入市場所面臨的關(guān)鍵性問題，專利等級(jí)出現(xiàn)波動(dòng)。成熟期通過進(jìn)一步對(duì)技術(shù)系統(tǒng)進(jìn)行結(jié)構(gòu)創(chuàng)新，性能水平達(dá)到最優(yōu)，由于只是對(duì)系統(tǒng)的局部完善，專利級(jí)別會(huì)更低。衰退期的專利級(jí)別繼續(xù)逐漸降低。專利等級(jí)-時(shí)間變化曲線如圖2b 所示。

專利等級(jí)指標(biāo)一般通過專家進(jìn)行經(jīng)驗(yàn)界定，費(fèi)時(shí)費(fèi)力且主觀性因素過強(qiáng)。圍繞著定量計(jì)算，本文引入專利授權(quán)占比來量化專利等級(jí)。

2.2.3 技術(shù)強(qiáng)度

技術(shù)強(qiáng)度來量化技術(shù)的創(chuàng)新程度，通過專利申請(qǐng)量和當(dāng)前技術(shù)影響指數(shù)的乘積，從質(zhì)和量兩個(gè)方面對(duì)技術(shù)的創(chuàng)新程度進(jìn)行評(píng)價(jià)。

式中為當(dāng)前專利申請(qǐng)總量；，分別為前3 年的授權(quán)量和申請(qǐng)量；為當(dāng)前技術(shù)影響指數(shù)，通過前3 年平均被引率來量化，反映研究對(duì)象技術(shù)影響力。

對(duì)于專利申請(qǐng)總量，在一個(gè)技術(shù)的生命周期中，專利申請(qǐng)總量呈現(xiàn)出S 曲線趨勢。對(duì)于當(dāng)前影響指數(shù)，技術(shù)誕生之初由于被引次數(shù)較少，所以影響指數(shù)較低，隨著技術(shù)發(fā)展而逐漸增大，到達(dá)頂峰后開始降低。二者共同作用下技術(shù)強(qiáng)度也呈現(xiàn)出先增后減的趨勢，如圖2c 所示。

2.3 技術(shù)成熟度評(píng)估模型

技術(shù)成熟度評(píng)估模型主要分為2 個(gè)模型，分別是特征曲線擬合模型和特征組合評(píng)估模型。

2.3.1 特征曲線擬合模型

為更好地判斷產(chǎn)品在各項(xiàng)評(píng)估指標(biāo)中所在的生命周期階段，對(duì)評(píng)估指標(biāo)特征數(shù)據(jù)進(jìn)行曲線擬合，常用的曲線擬合算法有時(shí)間序列分析法、生長曲線回歸法。本文采用多項(xiàng)式曲線擬合，多項(xiàng)式曲線擬合模型為

式中，，…， b為模型參數(shù)；為時(shí)間變量。

2.3.2 組合評(píng)估模型

根據(jù)以上選取的成熟度評(píng)估指標(biāo)，通過獲取各指標(biāo)的數(shù)據(jù)，繪制相關(guān)曲線，并通過曲線擬合，根據(jù)曲線的斜率來組合判斷該技術(shù)系統(tǒng)目前所處的S 曲線的位置，評(píng)估對(duì)應(yīng)的技術(shù)成熟度。組合評(píng)估模型見表1。

表1 技術(shù)成熟度組合評(píng)估模型Tab.1 Technology Maturity Portfolio Assessment Model

3 基于LSTM 的時(shí)序數(shù)據(jù)預(yù)測

首先進(jìn)行數(shù)據(jù)擴(kuò)充，通過縮短指標(biāo)統(tǒng)計(jì)時(shí)間間隔，從按年統(tǒng)計(jì)縮短到按月統(tǒng)計(jì)，由此實(shí)現(xiàn)對(duì)3 個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行擴(kuò)充，然后基于LSTM 算法對(duì)指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測，并基于預(yù)測的指標(biāo)數(shù)據(jù)對(duì)未來15 年的技術(shù)成熟度進(jìn)行預(yù)測，下面介紹LSTM 進(jìn)行時(shí)序預(yù)測的原理。

長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)模型（LSTM）是由Hochreiter和Schmidhuber 提出的一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)模型（RNN），適用于學(xué)習(xí)長期依賴關(guān)系，核心在于記憶塊（Memory Block）的部分，如圖3 所示。

圖3 LSTM 在時(shí)序數(shù)據(jù)上的展開形式Fig.3 The Expansion Form of LSTM on Time Series Data

記憶塊包括了記憶細(xì)胞和3 個(gè)門控單元，通過記憶細(xì)胞與門控單元的合作，LSTM 具有強(qiáng)大的預(yù)測具有長期依賴性的時(shí)間序列的能力。門控單元分別為輸入門、輸出門和遺忘門。輸入門控制有多少新信息流入記憶細(xì)胞，遺忘門通過循環(huán)連接控制舊信息留在當(dāng)前記憶細(xì)胞中。輸出門決定了哪些信息計(jì)算記憶塊的輸出激活，并進(jìn)一步流入網(wǎng)絡(luò)的其余部分?；谝陨?，每個(gè)單元都可以在任意時(shí)間間隔內(nèi)記住所需要的信息，LSTM 算法對(duì)時(shí)序數(shù)據(jù)預(yù)測的原理如下。

對(duì)于一個(gè)時(shí)間序列，LSTM 塊通過從當(dāng)前時(shí)刻的輸入來計(jì)算當(dāng)前時(shí)刻的輸出和前一個(gè)時(shí)刻的隱藏層狀態(tài)，基于過去數(shù)據(jù)提供的信息計(jì)算下一時(shí)刻的預(yù)測輸出，這一過程也就是LSTM 的正向傳播過程，形式如下：

記憶塊的輸出向量經(jīng)過全連接層，得到預(yù)測值?為

經(jīng)過多層LSTM 結(jié)構(gòu)，得到預(yù)測的輸出值為

式中為記憶單元的輸入向量；為遺忘門的激活向量；為輸入門的激活向量；為輸出門的激活向量；t為長短期記憶單元的輸出向量；為單元狀態(tài)向量；，表示權(quán)重矩陣；，均為激活函數(shù)；為待預(yù)測的時(shí)間長度。

4 實(shí)例研究——航天器電推進(jìn)技術(shù)為例

根據(jù)以上建立的評(píng)估模型和預(yù)測算法，可以實(shí)現(xiàn)技術(shù)的成熟度評(píng)估和預(yù)測，流程如圖4 所示。

圖4 技術(shù)成熟度評(píng)估及預(yù)測流程Fig.4 Technology Maturity Assessment and Prediction Process

4.1 航天器電推進(jìn)技術(shù)概況

電推進(jìn)技術(shù)是利用電能加速工質(zhì)形成高速射流而產(chǎn)生推力的技術(shù)，是迄今發(fā)展最快最為成熟的非化學(xué)火箭推進(jìn)技術(shù)。具有高比沖，壽命長等優(yōu)點(diǎn)，電火箭推進(jìn)的比沖高，可達(dá)250 kN·s/kg，累計(jì)工作時(shí)間上萬小時(shí)，重復(fù)啟動(dòng)次數(shù)上萬次。而且，電推進(jìn)器的推力一般小于100 N，因而適用航天器的精確控制。未來的航天活動(dòng)對(duì)電推進(jìn)的需求可概括為高比沖、高調(diào)節(jié)比、高效率和高可靠性。

4.2 技術(shù)成熟度評(píng)估

4.2.1 全球?qū)＠麢z索

在全球?qū)＠麛?shù)據(jù)庫中，針對(duì)電推進(jìn)技術(shù)進(jìn)行檢索，通過電推進(jìn)相關(guān)技術(shù)關(guān)鍵詞和分類號(hào)來命中專利。專利數(shù)據(jù)檢索基本情況如表2 所示。

表2 航天器電推進(jìn)技術(shù)專利檢索表Tab.2 Patent Search Table for Spacecraft Electric Propulsion Technology

4.2.2 曲線擬合

為了更好地觀察指標(biāo)的變化趨勢，采用多項(xiàng)式函數(shù)曲線擬合，如5 圖所示。

圖5 多項(xiàng)式函數(shù)擬合指標(biāo)曲線Fig.5 Polynomial Functions Fit Index Curves

4.2.3 技術(shù)成熟度評(píng)估結(jié)果

航天器電推進(jìn)技術(shù)自1965 年提出，1995 年專利申請(qǐng)數(shù)量大幅增加，1998 年，美國深空一號(hào)探測器推進(jìn)系統(tǒng)首次成功使用電推進(jìn)技術(shù)，此后該項(xiàng)技術(shù)迅速發(fā)展，申報(bào)專利數(shù)量繼續(xù)增加。技術(shù)強(qiáng)度也迅速提升，并在2005 年達(dá)到頂峰。其后，技術(shù)強(qiáng)度和專利等級(jí)出現(xiàn)波動(dòng)式下降。由3 個(gè)指標(biāo)的擬合曲線，結(jié)合圖2 標(biāo)準(zhǔn)曲線和技術(shù)成熟度組合評(píng)估模型，可得：1965~1995 年，技術(shù)處于嬰兒期；1995~2005 年，技術(shù)處于成長期；自2005 年，航天器電推進(jìn)技術(shù)進(jìn)入成熟期。

4.3 基于LSTM 的技術(shù)成熟度預(yù)測

4.3.1 模型預(yù)測與性能評(píng)估

本文構(gòu)建的模型主要由LSTM 及全連接層兩個(gè)層級(jí)構(gòu)成，將數(shù)據(jù)按照3:1 的比例劃分為訓(xùn)練集和測試集，計(jì)算損失函數(shù)，通過Adam 算法，對(duì)最小均方根誤差優(yōu)化，得到預(yù)測結(jié)果。本文采用PRMSE 進(jìn)行評(píng)估。

為對(duì)比驗(yàn)證LSTM 模型性能，采用季節(jié)性自回歸移動(dòng)平均模型（SARIMA）基于相同的訓(xùn)練集和測試集進(jìn)行計(jì)算。模型預(yù)測效果對(duì)比見表3。由PRMSE 結(jié)果可得LSTM 模型在3 個(gè)特征表現(xiàn)出來的預(yù)測效果明顯優(yōu)于SARIMA 模型。

表3 模型預(yù)測效果對(duì)比Tab.3 Model Performance

4.3.2 未來15 年的預(yù)測結(jié)果

對(duì)未來15 年即180 個(gè)時(shí)間點(diǎn)使用LSTM 算法進(jìn)行預(yù)測，設(shè)置試驗(yàn)參數(shù)如表4 所示。試驗(yàn)結(jié)果見圖6。根據(jù)預(yù)測數(shù)據(jù)和曲線擬合結(jié)果，年專利申請(qǐng)量自2021 年持續(xù)上升，在2029 年到達(dá)拐點(diǎn)，此后持續(xù)下降；專利等級(jí)自2021 年持續(xù)下降；技術(shù)強(qiáng)度自2021 年逐年上升，自2029 年大幅下降，與專利申請(qǐng)數(shù)量的走勢一致，側(cè)面驗(yàn)證了預(yù)測的準(zhǔn)確性。以上3 個(gè)特征的預(yù)測結(jié)果符合標(biāo)準(zhǔn)曲線模型中的成熟期到衰退期的趨勢。航天器電推進(jìn)技術(shù)成熟度預(yù)測2029 年進(jìn)入衰退期。

表4 LSTM 預(yù)測試驗(yàn)參數(shù)Tab.4 LSTM Predicts Experimental Parameters

圖6 基于LSTM 的特征預(yù)測結(jié)果及曲線擬合Fig.6 Feature Prediction Results and Curve Fitting Results Based on LSTM

續(xù)圖6

5 結(jié)束語

本文基于TRIZ 理論的技術(shù)系統(tǒng)進(jìn)化法則，從海量的專利數(shù)據(jù)中，挖掘出專利數(shù)量，專利等級(jí)和技術(shù)強(qiáng)度三個(gè)評(píng)估指標(biāo)，建立了技術(shù)成熟度組合評(píng)估模型，通過航天器電推進(jìn)技術(shù)實(shí)例論證了評(píng)估模型的有效性，分析了1965 年至2020 年的專利數(shù)據(jù)，通過指標(biāo)數(shù)據(jù)提取，高次多項(xiàng)式曲線擬合和組合評(píng)估，該技術(shù)自2005 年開始，至今仍處于成熟期。

本文以月作為預(yù)測的時(shí)間尺度，預(yù)測未來180 個(gè)月的指標(biāo)數(shù)據(jù)，通過LSTM 算法進(jìn)行時(shí)序預(yù)測，并與SARIMA 算法預(yù)測結(jié)果進(jìn)行比較，LSTM 算法在各項(xiàng)指標(biāo)的百分均方誤差表現(xiàn)均好于SARIMA 算法。通過對(duì)LSTM 預(yù)測的數(shù)據(jù)進(jìn)行曲線擬合，根據(jù)組合評(píng)估模型，預(yù)測出航天器電推進(jìn)技術(shù)在2029 年進(jìn)入衰退期，該領(lǐng)域研究者需要盡快尋找突破技術(shù)或轉(zhuǎn)向新的演進(jìn)方向。