基于神經(jīng)網(wǎng)絡(luò)的產(chǎn)品突破性創(chuàng)新機(jī)遇識別

馬德榮，曹國忠，楊雯丹

(1.河北工業(yè)大學(xué)機(jī)械工程學(xué)院，天津 300400；2.國家技術(shù)創(chuàng)新方法與實施工具工程技術(shù)研究中心，天津 300400)

現(xiàn)有學(xué)者從不同角度對產(chǎn)品突破性創(chuàng)新機(jī)遇的識別展開研究。李正衛(wèi)等[7]提出從業(yè)務(wù)流程、產(chǎn)品價值、信息渠道和組織障礙4個方面進(jìn)行機(jī)遇識別；邵云飛等[8]提出從跨界搜索及合作對突破性創(chuàng)新創(chuàng)意進(jìn)行識別；劉玉梅等[9]基于技術(shù)軌道躍遷理論，對技術(shù)軌道躍遷程度進(jìn)行定量分析，構(gòu)建突破性創(chuàng)新預(yù)測體系；韓芳等[10]通過測度技術(shù)融合程度對具有突破性創(chuàng)新潛力的技術(shù)主題進(jìn)行識別；HERRMANN等[11]提出以市場變化、用戶需求偏好、產(chǎn)品設(shè)計團(tuán)隊和公司組織作為衡量標(biāo)準(zhǔn)對突破性創(chuàng)新進(jìn)行預(yù)測；DELGADO等[12]從人力資本、技術(shù)資本和社會資本3個角度出發(fā)，對突破性創(chuàng)新項目進(jìn)行衡量；MARIANI等[13]利用PageRank算法對專利引用進(jìn)行重要度排序，進(jìn)而對突破性創(chuàng)新進(jìn)行識別；ARTS等[14]以科學(xué)關(guān)聯(lián)度為標(biāo)注對突破性創(chuàng)新進(jìn)行識別。以上研究從不同角度給出了產(chǎn)品突破性創(chuàng)新的預(yù)測方法，但是現(xiàn)有關(guān)于突破性創(chuàng)新機(jī)遇識別特征體系仍存在較大的模糊性和不確定性，對于突破性創(chuàng)新機(jī)遇識別的有效性及準(zhǔn)確性仍有待提高。

因此，為了完善產(chǎn)品突破性創(chuàng)新機(jī)遇識別方法，提出一種在產(chǎn)品模糊前端階段對具有突破性創(chuàng)新的潛力技術(shù)進(jìn)行識別的模型。首先，對突破性創(chuàng)新相關(guān)特征進(jìn)行搜集、分析，建立突破性創(chuàng)新機(jī)遇識別特征體系；其次，通過對比突破性創(chuàng)新案例與非突破性創(chuàng)新案例在各特征因素上的差異，建立樣本數(shù)據(jù)集；最后，通過建立神經(jīng)網(wǎng)絡(luò)對樣本數(shù)據(jù)進(jìn)行訓(xùn)練與預(yù)測，構(gòu)建產(chǎn)品突破性創(chuàng)新機(jī)遇識別模型。

1 突破性創(chuàng)新概述

1.1 突破性創(chuàng)新定義

隨著產(chǎn)品市場競爭愈演愈烈，企業(yè)只有通過創(chuàng)新才能在市場中維持自身的生存和發(fā)展[15]。作為技術(shù)創(chuàng)新的一種重要類型，突破性創(chuàng)新對于企業(yè)的經(jīng)濟(jì)發(fā)展和價值創(chuàng)造具有重要作用。LEIFER[16]認(rèn)為突破性創(chuàng)新至少滿足以下1個條件：1)全新的性能特征；2)當(dāng)前性能特征大幅度提升；3)產(chǎn)品成本大幅度降低。CHANDY等[17]認(rèn)為突破性創(chuàng)新是企業(yè)引入更先進(jìn)的新技術(shù)取代原有產(chǎn)品技術(shù)，能夠更好地提高產(chǎn)品性能、滿足用戶需求。MARCH[18]認(rèn)為突破性創(chuàng)新是創(chuàng)造出一種具有一系列全新特征的產(chǎn)品或者產(chǎn)品的工藝流程發(fā)生徹底改變，或兩者兼而有之。付玉秀等[19]提出突破性創(chuàng)新會使產(chǎn)品性能特征發(fā)生重大改變，對當(dāng)前市場競爭態(tài)勢及規(guī)劃造成重大影響，甚至?xí)?dǎo)致當(dāng)前產(chǎn)品市場重構(gòu)新格局。

綜上所述，國內(nèi)外學(xué)者雖然對突破性創(chuàng)新的定義角度不盡相同，但是最終都可將突破性創(chuàng)新歸結(jié)為技術(shù)突破與需求滿足的統(tǒng)一。產(chǎn)品突破性創(chuàng)新主要來源于新技術(shù)的引入，能夠突破原有技術(shù)瓶頸、大幅度提高產(chǎn)品性能或是產(chǎn)生一系列全新的功能，進(jìn)而導(dǎo)致原有產(chǎn)品在激烈的競爭市場中被用戶舍棄。因此，產(chǎn)品突破性創(chuàng)新定義為通過引進(jìn)新技術(shù)，產(chǎn)品產(chǎn)生一系列全新的、未曾出現(xiàn)過的功能特征或產(chǎn)品原有性能特征顯著提高。

1.2 突破性創(chuàng)新機(jī)遇分析

創(chuàng)新機(jī)遇是指對于產(chǎn)品創(chuàng)新有利的時機(jī)或者境遇，是企業(yè)進(jìn)行產(chǎn)品創(chuàng)新過程中內(nèi)外部的有利變化，例如用戶需求發(fā)展新趨勢、產(chǎn)品新技術(shù)以及社會政策變化等等。產(chǎn)品突破性創(chuàng)新是以創(chuàng)造新技術(shù)或者以當(dāng)前技術(shù)為基礎(chǔ)創(chuàng)造一種新產(chǎn)品為目的的創(chuàng)新。面向產(chǎn)品突破性創(chuàng)新的機(jī)遇相比于一般創(chuàng)新機(jī)遇對用戶需求具有更高程度的滿足，作為企業(yè)競爭優(yōu)勢的重要來源，產(chǎn)品突破性創(chuàng)新機(jī)遇是企業(yè)打破技術(shù)壁壘、實現(xiàn)彎道超車的重要途徑。

如圖1所示，產(chǎn)品突破性創(chuàng)新表現(xiàn)為產(chǎn)品技術(shù)軌道的躍遷，是跳躍性的創(chuàng)新類型。在產(chǎn)品的突破性創(chuàng)新過程中，當(dāng)原有技術(shù)軌道進(jìn)入衰退期，企業(yè)必須對突破性創(chuàng)新機(jī)遇進(jìn)行識別，以實現(xiàn)產(chǎn)品技術(shù)軌道的跨越。在新產(chǎn)品的模糊前端階段，市場中各企業(yè)爭相研發(fā)新技術(shù)，而只有最有突破性創(chuàng)新潛力的技術(shù)最終才能夠形成新技術(shù)軌道，完成突破性創(chuàng)新。因此，在模糊前端階段，對具有突破性創(chuàng)新潛力的技術(shù)進(jìn)行識別，是產(chǎn)品突破性創(chuàng)新機(jī)遇識別的主要研究內(nèi)容。

圖1 產(chǎn)品突破性創(chuàng)新過程中機(jī)遇識別所處位置Fig.1 Position of opportunity recognition in process of product radical innovation

2 產(chǎn)品突破性創(chuàng)新機(jī)遇識別特征體系構(gòu)建

2.1 突破性創(chuàng)新影響因素搜集

在中國知網(wǎng)以“突破性創(chuàng)新”或“突破性技術(shù)創(chuàng)新”為主題進(jìn)行文獻(xiàn)檢索，并以文章被引用量及下載量為標(biāo)準(zhǔn)對文獻(xiàn)進(jìn)行篩選。通過閱讀初步獲取突破性創(chuàng)新影響因素，其次通過專家訪談、行業(yè)人士調(diào)查問卷等途徑對相關(guān)因素進(jìn)行歸納、整理、合并，提取出最終的突破性創(chuàng)新影響因素，如表1所示。

新生兒氣胸常并發(fā)新生兒濕肺、新生兒肺炎、新生兒吸入綜合征，嚴(yán)重影響新生兒生活質(zhì)量。因此，及時診斷并治療新生兒氣胸對改善其預(yù)后有著較為重要的作用[3-4]。

表1 產(chǎn)品突破性創(chuàng)新影響因素

2.2 基于ISM的影響因素分析

解釋結(jié)構(gòu)模型(interpretative structural modeling method，ISM)是結(jié)構(gòu)模型化技術(shù)的一種，由美國系統(tǒng)工程理論家WARFIELD提出，如今已廣泛應(yīng)用于現(xiàn)代系統(tǒng)工程[20]。ISM的優(yōu)點在于可以在沒有數(shù)據(jù)的情況下，通過技術(shù)人員的經(jīng)驗及專業(yè)知識將要分析的系統(tǒng)轉(zhuǎn)化為直觀明了的、層次化的拓?fù)鋱D。產(chǎn)品突破性創(chuàng)新的影響因素是一個復(fù)雜的系統(tǒng)，因此可以依據(jù)ISM模型分析產(chǎn)品突破性創(chuàng)新影響因素之間的內(nèi)部結(jié)構(gòu)和邏輯關(guān)系，進(jìn)而提取面向產(chǎn)品突破性創(chuàng)新機(jī)遇的特征因素。

2.2.1 構(gòu)建鄰接矩陣

現(xiàn)就表1中25個因素及相互關(guān)系對與產(chǎn)品創(chuàng)新相關(guān)的技術(shù)專家進(jìn)行調(diào)研，將結(jié)果進(jìn)行匯總，結(jié)合因素特征和專家觀點，確定不同因素之間的相互關(guān)系，最終形成因素間關(guān)系清晰的鄰接矩陣，部分結(jié)果如表2所示。其中aij描述了鄰接矩陣中第i行因素Si和第j列因素Sj之間的相互關(guān)系，有直接影響aij=1，無直接影響aij=0。

表2 產(chǎn)品突破性創(chuàng)新影響因素鄰接矩陣

根據(jù)表2的鄰接矩陣，在Matlab中算出相應(yīng)的可達(dá)矩陣，部分結(jié)果如表3所示。可達(dá)矩陣描述了不同因素間的影響關(guān)系，是以矩陣的形式來描述各個影響因素經(jīng)過一定的路徑能夠影響到的因素。其中aij表示因素Si對Sj是否可達(dá)，即因素Si對Sj是否能夠產(chǎn)生影響，若產(chǎn)生影響，則aij=1，若不產(chǎn)生影響，則aij=0。

表3 產(chǎn)品突破性創(chuàng)新影響因素的可達(dá)矩陣

2.2.2 影響因素層級劃分

根據(jù)表3產(chǎn)品突破性創(chuàng)新影響因素的可達(dá)矩陣，整理每個因素的可達(dá)集R(Si)、先行集A(Si)和共同集C(Si)(C=R∩A)。

可達(dá)集R(Si)是所有影響因素中因素Si可以影響到的所有因素的集合，其定義式為

R(Si)={Si|Si∈S,aij=1,j=1,2,…,n}，
i=1,2,…,n。

先行集A(Si)是所有影響因素中能夠影響到因素Si的所有因素的集合，其定義式為A(Si)={Sj|Sj∈S,aji=1,j=1,2,…,n}，i=1,2,…,n。

共同集C(Si)是影響因素Si的可達(dá)集和先行集的交集，其定義式為

C(Si)={Sj|Sj∈S,aij=1,aji=1,j=1,2,…,n}，
i=1,2,…,n。

若某個因素的可達(dá)集R與共同集C相同，則該因素屬于這一層。其次，將該層因素刪去之后進(jìn)行第2層影響因素的分析，依次類推，對突破性創(chuàng)新相關(guān)影響因素進(jìn)行層級劃分，最終得到如表4所示的層級劃分結(jié)果。

2.3 突破性創(chuàng)新機(jī)遇識別特征體系構(gòu)建

基于產(chǎn)品突破性創(chuàng)新影響因素遞階結(jié)構(gòu)模型，整理影響系統(tǒng)的起始集B(S)，起始集B(S)是指在整個影響因素集合中不受其他要素影響、只影響其他因素的因素集合，在圖2中表現(xiàn)為只有流出而無箭頭流入，其定義式為

B(S)={Si|Si∈S,C(Si)=A(Si),j=1,2,…,n}，
i=1,2,…,n。

圖2 產(chǎn)品突破性創(chuàng)新影響因素遞階結(jié)構(gòu)關(guān)系模型Fig.2 Hierarchical structure relationship model of influencing factors of product radical innovation

整理得出產(chǎn)品突破性創(chuàng)新影響系統(tǒng)的起始集為

B(S)={S2,S16,S6,S4,S5,S18,S19,S20,S21,S8,S9,S11,S12,S14,S15}。

系統(tǒng)的起始集是整個影響系統(tǒng)的輸入要素集合，也是影響系統(tǒng)的最根本的要素集合。因此，由起始集中的影響要素構(gòu)建產(chǎn)品突破性創(chuàng)新機(jī)遇識別特征體系，如表5所示。

表5 產(chǎn)品突破性創(chuàng)新機(jī)遇識別特征體系

基于獲取的產(chǎn)品突破性創(chuàng)新技術(shù)機(jī)遇識別特征要素，對得到的各個特征因素進(jìn)行量化表征，構(gòu)建產(chǎn)品突破性創(chuàng)新技術(shù)機(jī)遇識別特征指標(biāo)體系?，F(xiàn)有關(guān)于特征指標(biāo)量化的研究中，多為專家組基于變化程度的量化打分，對于專家組的專業(yè)水平具有較高要求，同時這種量化方法主觀性較強(qiáng)，對于識別結(jié)果的準(zhǔn)確性有較大影響。為了減輕各特征指標(biāo)量化過程中的主觀性，采用分類方式進(jìn)行量化，具體量化方法如表6所示。

表6 產(chǎn)品突破性創(chuàng)新技術(shù)機(jī)遇識別特征因素量化表征

3 產(chǎn)品突破性創(chuàng)新機(jī)遇識別模型

產(chǎn)品突破性創(chuàng)新機(jī)遇識別模型的構(gòu)建如圖3所示。首先通過突破性創(chuàng)新案例分析，建立突破性創(chuàng)新案例樣本數(shù)據(jù)集；其次，基于突破性創(chuàng)新機(jī)遇識別特征體系對樣本數(shù)據(jù)集進(jìn)行標(biāo)注；最后，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)對樣本數(shù)據(jù)進(jìn)行訓(xùn)練及預(yù)測，并對模型的準(zhǔn)確性進(jìn)行分析。

圖3 產(chǎn)品突破性創(chuàng)新機(jī)遇識別模型構(gòu)建流程Fig.3 Construction process of product radical innovation opportunity recognition model

3.1 樣本數(shù)據(jù)集的建立

本文選取的案例均來自于已經(jīng)發(fā)表的期刊文獻(xiàn)，共搜集80個案例，如表7所示。其中突破性創(chuàng)新案例與非突破性創(chuàng)新案例各為40個。將案例進(jìn)行編號為Y1～Y80，突破性創(chuàng)新案例類別記為“1”，非突破性創(chuàng)新案例記為“0”；將其與突破性創(chuàng)新機(jī)遇識別特征F1～F15進(jìn)行比對，基于表6進(jìn)行量化，量化結(jié)果代入X1～X15作為神經(jīng)網(wǎng)絡(luò)輸入，量化結(jié)果如表8所示。

表7 產(chǎn)品突破性創(chuàng)新案例

表8 產(chǎn)品創(chuàng)新案例樣本數(shù)據(jù)集

3.2 神經(jīng)網(wǎng)絡(luò)搭建

搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示，網(wǎng)絡(luò)為包含一個隱層的多輸入單輸出3層BP神經(jīng)網(wǎng)絡(luò),隱層單元數(shù)為5，隱層激活函數(shù)選擇Tanh函數(shù)，輸出層激活函數(shù)選擇Sigmoid函數(shù)，學(xué)習(xí)率采用Adam(adaptive momentum)算法，損失函數(shù)采用交叉熵?fù)p失函數(shù)(cross entropy loss)。輸入變量為15個特征因素，輸出變量為創(chuàng)新類型。

圖4 產(chǎn)品突破性創(chuàng)新機(jī)遇識別神經(jīng)網(wǎng)絡(luò)Fig.4 Neural network for recognizing product radical innovation opportunities

3.3 識別結(jié)果

模型建立完成之后，從80個樣本數(shù)據(jù)中隨機(jī)抽取16個(20%)案例數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的測試集，其余64個(80%)案例數(shù)據(jù)則為訓(xùn)練集。將樣本數(shù)據(jù)輸入到全連接層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，epochs設(shè)置為1 000。測試集識別分類結(jié)果如表9所示。由結(jié)果可知，模型的分類準(zhǔn)確度較好，能夠滿足在模糊前端階段對具有突破性創(chuàng)新潛力技術(shù)的準(zhǔn)確預(yù)測。

表9 神經(jīng)網(wǎng)絡(luò)識別結(jié)果

所建網(wǎng)絡(luò)的Loss曲線如圖5所示，訓(xùn)練完成后的Loss值逐漸收斂至0.032，逐漸趨近于0，說明神經(jīng)網(wǎng)絡(luò)訓(xùn)練良好。網(wǎng)絡(luò)的準(zhǔn)確率曲線如圖6所示，訓(xùn)練后的模型準(zhǔn)確率較高，能夠保證對于突破性創(chuàng)新機(jī)遇識別的準(zhǔn)確性。

圖5 模型訓(xùn)練的損失率Fig.5 Loss rate of model training

圖6 模型預(yù)測的準(zhǔn)確率Fig.6 Accuracy of model prediction

4 結(jié) 語

產(chǎn)品突破性創(chuàng)新機(jī)遇識別位于產(chǎn)品突破性創(chuàng)新模糊前端階段，作為產(chǎn)品創(chuàng)新過程的開始，突破性創(chuàng)新機(jī)遇識別的水平直接關(guān)系到產(chǎn)品突破性創(chuàng)新項目的成敗。針對現(xiàn)有突破性創(chuàng)新機(jī)遇識別方法主觀性較強(qiáng)、識別特征體系不完善等問題，對現(xiàn)有產(chǎn)品突破性創(chuàng)新與非突破性創(chuàng)新的差異性特征進(jìn)行搜集，并基于解釋結(jié)構(gòu)模型構(gòu)建產(chǎn)品突破性創(chuàng)新機(jī)遇識別特征體系。構(gòu)建了產(chǎn)品突破性創(chuàng)新機(jī)遇識別神經(jīng)網(wǎng)絡(luò)模型，基于大量數(shù)據(jù)實驗驗證了模型對于識別突破性創(chuàng)新機(jī)遇具有較高的準(zhǔn)確性。本研究完善了產(chǎn)品突破性創(chuàng)新機(jī)遇識別特征體系，豐富了產(chǎn)品突破性創(chuàng)新機(jī)遇識別的研究內(nèi)容，為企業(yè)在產(chǎn)品突破性創(chuàng)新模糊前端階段進(jìn)行機(jī)遇識別提供了理論參考。

但是本研究仍存在些許不足，對工程實例的收集數(shù)量有限，其次，對于樣本的量化表征仍脫離不了技術(shù)人員的干預(yù)。在后續(xù)的研究工作中，應(yīng)更廣泛的收集實例資料，補(bǔ)充樣本數(shù)據(jù)庫，不斷提高模型的識別精度。同時，機(jī)遇識別作為產(chǎn)品突破性創(chuàng)新過程的重要環(huán)節(jié)，在未來研究中，還應(yīng)不斷提高突破性創(chuàng)新機(jī)遇識別的智能化程度，融合更多數(shù)據(jù)挖掘和分析技術(shù)，為突破性創(chuàng)新機(jī)遇識別提供更有力的技術(shù)支持。