Радары для многопараметрической оценки технологий. Сценарии патентной аналитики
Аннотация
Цель исследования – методическая и алгоритмическая проработка новых инструментов сопоставления разных групп технологий с повышенными требованиями к объективности и многообразию аспектов сопоставления. Главная задача и результат исследования – новый подход к разработке технологических радаров, основанных на патентных данных. Впервые в мировую практику сопоставления технологий введены новые показатели, основанные на патентной аналитике (захват патентами новых рынков, широта распространения искусственного интеллекта и другие показатели). Принципы проектирования технологических радаров и сценарии их применения могут использоваться для широкого спектра задач управления наукой, технологиями и инновациями: формирование программ развития, модернизация производства, отбор перспективных проектов и др.
Ключевые слова
технологический радар,
патентная аналитика,
скаутинг технологий,
бенчмаркинг технологий,
управление инновациями,
управление
При поддержке: статья содержит результаты исследования, выполненного в рамках НИР ФИПС 5-ЭП-2022 «Разработка целевой модели скаутинга технологий, разработка математического и программного обеспечения скаутинга технологий с использованием патентной аналитики».
Об авторе
О. В. Ена
ФГБУ «ФИПС»
Россия
Россия
Ена Олег Валерьевич - руководитель научного направления «Патентная аналитика», ФГБУ "ФИПС"
Список литературы
1. Noh H., Mortara L., Lee S. (2023) Development of a maturity model for technology intelligence. Technological Forecasting and Social Change, vol. 192, 122525, https://doi.org/10.1016/j.techfore.2023.122525
2. Соколов А.В. Метод критических технологий // Форсайт, № 4 (4). – 2007. – C. 64–74.
3. Li, X., Xie, Q., Huang, L. (2019) Identifying the development trends of emerging technologies using patent analysis and web news data mining: the case of perovskite solar cell technology. IEEE Trans. Eng. Manag. https://doi.org/10.1109/TEM.2019.2949124
4. Chiarello, F., Belingheri, P., Bonaccorsi, A., Fantoni, G., Martini, A. (2021) Value creation in emerging technologies through text mining: the case of blockchain. Tech. Anal. Strat. Manag. 33 (12), 1404–1420.
5. Filho, D.S.M.P., de Macedo, D.D.J. (2021) A model for automated technological surveillance of web portals and social networks. J. Intell. Inf. Syst. 56 (3), 561–579.
6. Mancilla-de-la-Cruz, J., Rodriguez-Salvador, М., Ruiz-Cantu, L. (2020) The next pharmaceutical path: determining technology evolution in drug delivery products fabricated with additive manufacturing. Foresight STI Gov. 14 (3), 55–70.
7. Rodriguez-Salvador, M., Castillo-Valdez, P.F. (2021) Integrating science and technology metrics into a competitive technology intelligence methodology. J. Intell. Stud. Bus. 11 (1), 69–77.
8. Gokhberg, L., Meissner, D. & Kuzminov, I. (2022) What semantic analysis can tell us about long term trends in the global STI policy agenda. J Technol Transf. https://doi.org/10.1007/s10961–022–09959–5
9. Jang H., Yoon B. (2021) TechWordNet: Development of semantic relation for technology information analysis using F-term and natural language processing, Information Processing & Management, vol. 58 (6), 102752, https://doi.org/10.1016/j.ipm.2021.102752
10. Choi J., Jeong B., Yoon J. (2019) Technology opportunity discovery under the dynamic change of focus technology fields: Application of sequential pattern mining to patent classifications. Technological Forecasting and Social Change, vol. 148, 119737, https://doi.org/10.1016/j.techfore.2019.119737
11. Jang H., Lee S., Yoon B. (2023) Data-driven techno-socio co-evolution analysis based on a topic model and a hidden Markov model, Technovation, vol. 126, 102813, https://doi.org/10.1016/j.technovation.2023.102813
12. Gozuacik N., Sakar C.O., Ozcan S. (2023) Technological forecasting based on estimation of word embedding matrix using LSTM networks, Technological Forecasting and Social Change, vol. 191, 122520, https://doi.org/10.1016/j.techfore.2023.122520
13. Takahashi, Nishigaki, M. (2013) Technology intelligencebased new product development-fostering technological innovation with competitive advantage. Innovation and Supply Chain Management, vol. 7 (4), 150–156.
14. Lee, S., Mortara, L., Kerr, C., Phaal, R., Probert, D. (2012) Analysis of document-mining techniques and tools for technology intelligence: discovering knowledge from technical documents. Int. J. Technol. Manag., vol. 60 (1–2), 130–156.
15. Chichorro E., Pereira L., Dias A., Lopes da Costa R., Gonçalves R. (2022) Research Landscape and Trends in Corporate Foresight. Foresight and STI Governance, 16 (3), 49–66. DOI: https://10.17323/2500–2597.2022.3.49.66
16. Mainzer K. (2020) Technology Foresight and Sustainable Innovation Development in the Complex Dynamical Systems View. Foresight and STI Governance, vol. 14, no 4, pp. 10–19. https://doi.org/10.17323/2500–2597.2020.4.10.1
17. An J., Kim K., Mortara L., Lee S. (2018) Deriving technology intelligence from patents: Preposition-based semantic analysis, Journal of Informetrics, vol. 12 (1), 217–236, https://doi.org/10.1016/j.joi.2018.01.001
18. Zhang L. (2011) Identifying key technologies in Saskatchewan, Canada: Evidence from patent information. World Patent Information, vol 33 (4), pp. 364–370.
19. Aristodemou L., Tietze F. (2018) The state-of-the-art on Intellectual Property Analytics (IPA): a literature review on artificial intelligence, machine learning and deep learning methods for analysing intellectual property (IP) data, World Patent Inf. vol. 55 37–51, https://doi.org/10.1016/j.wpi.2018.07.002
20. Riitta K. (2000) Using patent data to measure innovation performance, Int. J. Bus. Perform. Manag. vol. 2, 180–193, https://doi.org/10.1504/IJBPM.2000.000072
21. Sharma P., Tripathi R.C. (2017) Patent citation: a technique for measuring the knowledge flow of information and innovation, World Patent Inf. vol. 51, 31–42, https://doi.org/10.1016/j.wpi.2017.11.002
22. Jaffe A.B., Trajtenberg M., Fogarty M. S. (2010) Knowledge spillovers and patent citations: evidence from a survey of inventors, Am. Econ. Rev. 90, 215–218, https://doi.org/10.1257/aer.90.2.215/
23. Noailly J., Shestalova V. (2017) Knowledge spillovers from renewable energy technologies: lessons from patent citations, Environ. Innov. Soc. Transitions. vol 2, 1–14, https://doi.org/10.1016/j.eist.2016.07.004
24. Trippe A. (2019) Using patent information for organizational decision making and forecasting. IAM Portal. – URL: https://www.iam-media.com/global-guide/iam-yearbook/2019/article/using-patent-information-organisational-decisionmaking-and-forecasting
25. Rohrbeck, R., Heuer, J., & Arnold, H. (2006) The technology radar –An instrument of technology intelligence and innovation strategy IEEE International Conference on Management of Innovation and Technology, Singapore. https://doi.org/10.1109/icmit.2006.262368
26. Киселев В.Н., Шувалов С.С., Павлючкова М.В. О подходе к планированию направлений научных исследований и технологических разработок, востребованных в целях реализации планов по импортозамещению в гражданских отраслях промышленности // Инновации. – № 4 (222). – 2017. – С. 42–52.
27. Berndt, M., Mietzner, D. (2021) Facilitating Knowledge and Technology Transfer via a Technology Radar as an Open and Collaborative Tool. In: Mietzner, D., Schultz, C. (eds) New Perspectives in Technology Transfer. FGF Studies in Small Business and Entrepreneurship. Springer, Cham. https://doi.org/10.1007/978–3–030–61477–5_12
28. Ardilio, A. (2012) Fraunhofer Technologie Radar: Trendserkennen –Technologienumsetzen.In H.J. Bullinger (Ed.), FokusTechnologiemarkt. Technologiepotenziale identifizieren -Marktchancen realisieren (pp.78–90). Munich: Hanser.
29. Auth, G., Meyer, P., & Porst, G. (2017) Erkennung und Nutzung von Technikinnovationen für den Digital Workplace der Deutschen Telekom. Praxis der Wirtschaftsinformatik, 54 (6), 935–949. https://doi.org/10.1365/s40702–017–0365–7
30. Boe-Lillegraven S., Monterde S. (2015) Exploring the cognitive value of technology foresight: the case of the Cisco Technology Radar Technol. Forecast. Soc. Change, vol. 101, 62–82, https://doi.org/10.1016/j.techfore.2014.07.014
31. Бочков А.С., Панфилова Е.С., Богданович Е.С., Орлова И.Л., Маренова О. Н., Легкоконец В.А., Сизых А. В., Жуков В. В. Цифровая трансформация системы технологического менеджмента // Газовая промышленность. – S1 (829). – 2022. – С. 42–48.
32. Демо В.О., Жуков В. В., Филимонов А. В., Рождественский И. В., Дробин Я. К., Пебалк Д. А. Применение инструментов скаутинга для повышения конверсии гипотез из первоисточников идей в технологии на испытание. PROНЕФТЬ. Профессионально о нефти. 8 (1), 2003, С. 147–157. – URL: https://doi.org/10.51890/2587–7399–2023–8–1–147–157
33. Kerr C., Phaal R. (2018) Directing the technology intelligence activity: An «information needs’ template for initiating the search. Technological Forecasting and Social Change, vol. 134, 265–276, https://doi.org/10.1016/j.techfore.2018.06.033.
Рецензия
Для цитирования:
Ена О.В. Радары для многопараметрической оценки технологий. Сценарии патентной аналитики. Вестник ФИПС. 2024;3(1):12-29.
For citation:
Ena O.V. Radars for multi-parameter technology assessment. Patent analytics scenarios. Bulletin of Federal institute of industrial property. 2024;3(1):12-29. (In Russ.)
Просмотров:
23
JATS XML
Послать статью по эл. почте 