Аксельрод Борис Моисеевич

Проблемно-ориентированный поиск
по действию: системное применение
в инновационных проектах

Диссертация на соискание квалификации
Мастер ТРИЗ

Научный руководитель:

Мастер ТРИЗ

Литвин Семен Соломонович

Санкт-Петербург

2008

Аксельрод, Б.М.

Проблемно-ориентированный поиск по действию: системное применение в инновационных проектах. -- Санкт-Петербург, 2007 -- 81с., илл.

Работа посвящена развитию нового современного направления ТРИЗ. Она может рассматриваться как развитие функционально-ориентированного поиска (ФОП) с приданием ему новых информационно-аналитических и решательных возможностей. Основная цель ФОП - поиск решений проблем, сходных с имеющейся проблемой по выполняемой функции или противоречию.

Проблемно-ориентированный поиск по действию (в английской транскрипции - action-problem oriented search (APOS)) ставит основной целью поиск решений проблем, сходных с имеющейся проблемой по действию технической системы (ТС) на ее объект, взаимодействию (физическому, химическому, информационному, биологическому и др.) между ними или взаимодействию в какой-либо конфликтующей паре.

В APOS решены основные методологические проблемы: разработана система понятий и четкий алгоритм выполнения. Главная идеология процедуры - постепенное целенаправленное сужение поля поиска с формированием портрета решения в конце.

APOS расширил парадигму ФОП: это поисково-аналитико-решательный метод. Он может применяться практически на всех стадиях консалтинговых проектов, включая этапы поиска скрытых потребительких свойств продукта и новых рыночных ниш. Систематическое применение APOS в проекте дает системный эффект.

© Б.М.Аксельрод

Содержание

Аннотация 8

Введение 8

Глава 1. КРАТКАЯ ХАРАКТЕРИСТИКА ОСНОВНЫХ АСПЕКТОВ РАБОТЫ 11

1.1. Актуальность темы исследования и обзор известных подходов по данной проблеме 11

1.2. Развернутая постановка проблемы 12

1.2.1. Комплекс основных недостатков современного ФОП 12

1.2.2. Анализ проблемы поиска лидирующих областей 12

1.2.3. Анализ проблемы поиска лучших решений 13

1.2.4. Анализ проблемы обоснования предложенных решений 14

1.2.5. Комплекс поставленных методических проблем 14

1.2.5.1. Методические проблемы 14

1.2.5.2. Ожидание сверхэффектов 16

1.2.5.3. Практическая сторона 16

1.3. Цели исследования 16

1.4. Методы решения поставленной проблемы 16

1.5. Результаты проведенного исследования 17

1.6. Практика применения 18

1.6.1. Применение APOS для совершенствования ТС в консультационных проектах 18

1.6.2. Применение APOS для оценки перспективности венчурного финансирования новых разработок 18

1.6.3. Внедрение некоторых идей APOS в средства программной поддержки аналитика-решателя 18

1.7. Анализ результатов проведенного исследования 18

1.7.1. Основные методические инновации APOS 18

1.7.2. Основные методологические надсистемные результаты 19

1.7.3. Достижения в постановке и решении новых методических задач 19

1.8. Практическая значимость метода 20

1.8.1. Эффективность APOS при решении задач ФОП 20

1.8.2. Эффективность APOS при решении задач, в которых ФОП обычно не применяется 20

1.8.3. Применение APOS в проектах других типов 21

Глава 2. APOS - проблемно-ориентированный поиск по действию с использованием патентных баз данных 22

2.1. Базовые идеологические инновации APOS 22

2.1.1. Основные начальные положения 22

2.1.2. Понятийный аппарат 23

2.1.2.1. Инициирующий запрос 23

2.1.2.2. Определение и признаки лидирующих областей 24

2.1.2.3. Определение и признаки отдаленных областей 24

2.1.3. Метод сужения поля анализа 26

2.1.4. Укрупненная процедура APOS 28

2.2. ПОЛУЧЕНИЕ ИСХОДНОГО МАССИВА ДОКУМЕНТОВ 28

2.2.1. Формирование поискового образа инициирующего запроса. Виды APOS 28

2.2.2. Получение исходного массива документов 31

2.3. Процедура выявления лидирующих и отдаленных областей 31

2.3.1. Выявление «весомых», «маловесомых» и промежуточных подклассов 32

2.3.1.1. Выявление «весомых» подклассов 32

2.3.1.2. Выявление «маловесомых» подклассов 34

2.3.1.3. Выявление «средневесомых» подклассов 34

2.3.2. Выявление лидирующих и отдаленных областей. Анализ распределения документов по подгруппам. 35

2.3.2.1. Выявление лидирующих областей 1-го рода 36

2.3.2.2. Выявление отдаленных областей 1-го рода 36

2.3.2.3. Промежуточные области. «Оптимально усеченный» APOS 37

2.3.2.4. Выявление лидирующих областей 2-го рода 38

2.3.2.5. Выявление отдаленных областей 2-го рода 39

2.3.2.6. Заключение по выявлению лидирующих и отдаленных областей 42

2.4. ВЫДЕЛЕНИЕ ПОДМАССИВОВ ВЫСОКОГО ИНТЕРЕСА 42

2.4.1. Основные идеи процедуры выделения временных зон 43

2.4.2. Под-алгоритм выделения зон подъема заявительской активности 45

2.4.3. Под-алгоритм выделения временной зоны, отвечающей последним годам 45

2.4.4. Резюме по определению подмассивов для дальнейшего анализа 46

2.4.5. Замечания о контроле полноты поиска 48

2.5. «Многофакторный» APOS 49

2.6. Проблемно-ориентированная модификация поля поиска 49

2.7. Разбор примера 1: ПРИМЕНЕНИЕ APOS ДЛЯ ГЕНЕРАЦИИ РЕШЕНИЙ. ЭФФЕКТИВНОСТЬ МНОГОФАКТОРНОГО APOS 52

2.8. Разбор примера 2: ПРИМЕНЕНИЕ APOS ДЛЯ ОБОСНОВАНИЯ РЕШЕНИЙ И КОНЦЕПЦИЙ. Новая система для самостоятельного отбеливания зубов: поиск концептуальных решений и их обоснование 57

2.8.1. Применение элементов APOS для поиска направлений создания нового продукта 59

2.8.2. Применение элементов APOS для экспресс-проработки и обоснования концепций 64

2.8.2.1. APOS в формировании портрета продукта 64

2.8.2.2. Постановка проблем для APOS и план исследования 67

2.8.2.3. Проблема пролонгированной доставки окислителя из полимерного носителя 67

2.8.2.4. Проблема адгезии полимерного носителя к поверхности зубов 71

2.8.2.5. Выяснение возможности пересечения известных решений по обеим проблемам 77

2.8.2.6. Заключение по исследованию примера 2 81

2.8.2.7. Вывод 82

2.9. ЗАКЛЮЧЕНИЕ: ОСНОВНАЯ МЕТОДОЛОГИЧЕСКАЯ НОВИЗНА 86

2.10. ВЫВОДЫ ПО ПРОЦЕДУРЕ APOS 86

Глава 3. Применение APOS в различных инновационных проектах 88

3.1. APOS в консалтинговых проектах 88

3.1.1. Определение скрытых потребительских свойств - проблемных параметров ТС 88

3.1.1.1. Алгоритмы поиска скрытых и новых потребительских свойств 89

3.1.1.2. Поиск новых потребительских ниш 89

3.1.2. Использование APOS в бенчмаркинге 90

3.1.2.1. Поиск конкурирующих ТС 91

3.1.2.2. Сравнительный анализ развития конкурирующих систем (по S-кривой развития и другим ЗРТС) 92

3.1.2.3. Завершение бенчмаркинга 92

3.1.2.4. Пример эффективного применения APOS при поиске конкурирующих систем 93

3.1.3. Использование APOS при анализе ТС и построении ее моделей. Выявление скрытых нежелательных эффектов 93

3.1.4. Поддержка в постановке задач 94

3.1.4.1. Выявление ключевых и вторичных задач 94

3.1.4.2. Выявление ключевых противоречий 94

3.1.5. Использование APOS при решении задач 95

3.1.5.1. Поиск ТС - кандидатов на использование при синтезе решений 95

3.1.5.2. Синтез решений ключевых и вторичных задач 95

3.1.5.3. Обоснование решений 96

3.2. Исследование новых разработок на перспективность венчурных инвестиций 97

3.3. Использование APOS при оценке перспектив сотрудничества с другими фирмами 97

3.4. ЭФФЕКТИВНОСТЬ APOS 98

3.4.1. Конкретные примеры эффективного использования APOS при выполнении проектов 98

3.4.2. Эффективность как максимизация отношения результативности к трудозатратам 99

3.4.3. Главный резерв дальнейшего повышения эффективности - разработка программного продукта 100

4. СистемнО-МЕТОДИЧЕСКИЙ характер APOS И ЕГО МЕСТО В РАЗВИТИИ ТРИЗ 102

4.1. Систематическое применение APOS в инновационных проектах 102

4.1.1. Формирование системного видения проекта 102

4.2. Системность метода и его место в развитии ТРИЗ 103

4.2.1. APOS как пример методического подхода к разработке 103

4.2.2. Универсальность применения и сочетаемость с другими методиками 103

4.2.2. Влияние APOS на развитие некоторых направлений в ТРИЗ 104

4.3. Перспективность предлагаемого подхода 105

5. ЗАКЛЮЧЕНИЕ: Выводы и рекомендации 106

5.1. Методические достижения APOS как инструмента ТРИЗ 106

5.2. Системное применение в инновационных проектах 106

5.3. Научное значение APOS 107

Перечень работ, опубликованных по теме диссертации 109

Список использованной литературы 110

Аннотация

Работа посвящена развитию нового современного направления ТРИЗ. Она может рассматриваться как развитие функционально-ориентированного поиска (ФОП) с приданием ему новых информационно-аналитических и решательных возможностей. Основная цель ФОП - поиск решений проблем, сходных с имеющейся проблемой по выполняемой функции или противоречию.

Проблемно-ориентированный поиск по действию (в английской транскрипции - action-problem oriented search (APOS)) ставит основной целью поиск решений проблем, сходных с имеющейся проблемой по действию технической системы (ТС) на ее объект, взаимодействию (физическому, химическому, информационному, биологическому и др.) между ними или взаимодействию в какой-либо конфликтующей паре.

В APOS решены основные методологические проблемы: разработана система понятий и четкий алгоритм выполнения. Главная идеология процедуры - постепенное целенаправленное сужение поля поиска с формированием портрета решения в конце.

APOS расширил парадигму ФОП: это уже не просто поисковый, а поисково-аналитико-решательный метод. Он может применяться практически на всех стадиях ТРИЗ-консалтинговых проектов, включая этапы поиска скрытых потребительких свойств продукта и новых рыночных ниш. Систематическое применение APOS в проекте дает системный эффект.

Основные надсистемные результаты разработки APOS для ТРИЗ:

• получена современная методика, ориентированная на использование информационных технологий, но работоспособная и без разработки специального программного обеспечения.
• ФОП получил существенный импульс для своего развития
• Обеспечена база для развития общего подхода к синтезу новых систем на основе известных
• Некоторые идеи APOS успешно внедрены в экспериментальные программные продукты.

Введение

Краткая история вопроса

В истории появления метода проблемно-ориентированного поиска по действию (в английской транскрипции - Action-Problem Oriented Search - APOS) лежат два основных фактора:

1. Тесная взаимосвязь между новизной в мышлении и технике, с одной стороны, и патентным правом, с другой. Эта линия очевидна: она начинается в истоках развития ТРИЗ и продолжает развиваться.

2. Существование общих черт между различными техническими решениями. Эта линия также вполне известна.

Первая тема, казалось бы, очевидна: где инновации, там патенты, и наоборот. Анализ патентов и систематизация изобретательских решений сформировали основу создания ТРИЗ в целом [1]. Однако методология использования патентной информации в ТРИЗ до сих пор недалеко ушла со времен Г.С.Альтшуллера. Обычно патентные базы используются

А) по своему основному назначению: исследование патентной чистоты и патентоспособности, поиск аналогов при патентовании, разработка стратегии и тактики патентования в условиях ограничений имеющегося уровня техники и

Б) как источник примеров технических решений, иллюстрирующих ту или иную методику в ТРИЗ и имеющих большое значение как обучающие и познавательные примеры.

Кроме того, патентная информация иногда используется в ТРИЗ для анализа ТС по ЗРТС, или, более углубленно, для построения дерева эволюции ТС. Кроме того, она используется для обоснования работоспособности концепций.

Как видно из перечисленного, необходимость исследования патентной информации обычно определяется, исходя из конкретных целей. Однако:

• Перечень реальных возможностей, которые может обеспечить патентная информация, гораздо шире перечисленных;
• Более того, систематическое и методичное использование патентной информации при решении различных проблем часто приводит к системному эффекту: формированию knowledge landscape и нахождению эффективных новых решений.

Вторая тема - использование общих черт различных технических решений - также насчитывает долгую историю.

С одной стороны, объединение систем давно считается общим местом в ТРИЗ. С другой стороны, до сих пор остается много "белых пятен". Со времени публикации основных положений этого подхода Г.С.Альтшуллером, например, [2], опубликован ряд работ на эту тему, однако не многие из них нашли отражение в практической работе. Следует отметить фундаментальное исследование Т. Кенгерли [3]. Однако метод аналогии, лежащий в основе его работы, не нашел инструментального развития. Это дало основания Г.Альтшуллеру выступить с критикой работы [3]. Однако после этого долго не было конструктивных предложений. Известна попытка С.Литвина разработать банк задач-аналогов [4]. Но работа оказалась огромной, а результат - недостаточно инструментальным. Затем С. Литвин сформулировал основные положения функционально-ориентированного поиска (ФОП) [5]. В их основе лежал поиск аналогов по обобщенным функциям в лидирующих и отдаленных (от исходной задачи) областях. Этот подход обеспечил определенное методическое продвижение, однако он долго оставался недостаточно инструментальным.

Разработка APOS явилась следующим серьезным шагом в этой линии. APOS инструментально решает большинство методических проблем, не решавшихся в ФОП. Кроме того, APOS дал ряд методических эффектов, которые вывели его результаты за рамки отдельной методики. В конечном итоге, положительный импульс получили и ФОП в целом, и методы синтеза систем, и технология выполнения инновационных проектов.

Чему посвящена данная работа

Итак, данная работа посвящена:

1. Новому ТРИЗ-инструменту - специфическому методу использования патентной информации при выполнении консультационных проектов, решении задач и т.д.

2. Систематическому использованию этого метода при выполнении проектов

3. Результирующему системному эффекту.

Чему не посвящена данная работа

Обычные патентные исследования как таковые не являются темой настоящей работы. Исследования патентоспособности, патентной чистоты, оценка рисков юридических претензий - все эти исследования должны выполняться патентными специалистами.

Также встречаются и патенто-ориентированные проекты, например:

- оценка возможности получения патентоспособного решения (см. [6], [7])

- обеспечение патентной чистоты и др.

В таких проектах поиск и анализ патентной информации выполняется на основе существующих в патентоведении методов. Применение ТРИЗ при этом возможно и полезно в ряде случаев, в том числе и APOS. Однако исследования, значительная часть которых находится в области патентоведения, не являются специальной целью данной работы.

Глава 1. КРАТКАЯ ХАРАКТЕРИСТИКА ОСНОВНЫХ АСПЕКТОВ РАБОТЫ

1.1. Актуальность темы исследования и обзор известных подходов по данной проблеме

Выше была кратко показана линия развития проблемы поиска и использования известных сходных решений для получения новых.

Вначале этот подход понимался довольно неопределенно - как поиск подсказок в других областях; затем - как использование задач-аналогов, решающих аналогичные противоречия. Подход, развиваемый в методологии функционально-ориентированного поиска [4], существенно более инструментален.

Общепринятая идеология ФОП звучит в общем виде следующим образом:

• необходимо выявить область, лидирующую в выполнении данной функции и при этом, предпочтительно, далекую от заданной (находящуюся вне кругозора Заказчика);
• найти в этой области «наилучшее» решение, которое можно успешно адаптировать к решаемой проблеме, или сформулировать задачу, которую следует решить, например, методом feature transfer (синтезом альтернативных систем).

ФОП высоко актуален, так как ориентирован на использование готового ресурса - огромного количества существующих технических систем и технических решений - при решении технических задач. В перспективе, это может значительно уменьшить трудозатраты при поиске новых решений. Однако эта перспектива трудно досягаема.

Недостатки существующих подходов

Парадигма ФОП до последнего времени заключалась в следующем:

а) поиск в областях, лидирующих в решении подобных проблем

б) выявление в этих областях наилучшего решения

c) постановка задачи на адаптацию этого решения к рассматриваемой проблеме или на перенос свойств.

Подразумевается, что подходящий аналог (прототип) может и даже, желательно, должен принадлежать области, предмет которой далек от рассматриваемой. Поиск лидирующих областей и прототипа выполняется на основе общности функций или противоречий с исследуемой задачей.

В идеале, ФОП предполагает нахождение готового решения, наиболее подходящего для рассматриваемой задачи.

Однако разработанные до настоящего времени методики недостаточно инструментальны. Это относится как к выявлению лидирующих областей, так и поиску подходящего прототипа внутри них.

В ряде случаев практическое выполнение методики ФОП становится нереальным вследствие огромного количества получаемых ссылок. Остаются проблематичными целенаправленное сужение поля поиска и выход на "лучшие" решения. Это связано с рядом причин:

• огромное количество областей деятельности человека
• огромный объем информации в каждой из них
• различная специфика решения сходных проблем в разных областях
• отсутствием представительных баз данных, организованных по функциональному принципу.

Поэтому до сих пор, несмотря на наличие общей идеологии, практическое выполнение ФОП включает элементы «искусства», а его результаты сильно зависят от опыта и квалификации аналитика.

По этим же причинам наиболее успешное применение ФОП наблюдается, в основном, при обосновании уже найденных решений.

Слабость поисково-аналитического обеспечения также привела к тому, что некоторые из методик, развивавшихся в свое время в ТРИЗ, не получили достаточного развития. Например, был опубликован ряд блестящих работ, посвященных синтезу систем на базе аналогов [3, 8, 9]. Однако ни в одной из них не решалась ключевая проблема применимости предлагавшихся подходов - не было ответа на вопрос "как искать аналоги". Вероятно, по этой же причине не удавалось сделать и следующий методический шаг - предложить обобщенную методику синтеза новых систем на основе известных.

В настоящей диссертационной работе предлагается метод APOS, дающий принципиальные и конкретные ответы по всем перечисленным вопросам.

1.2. Развернутая постановка проблемы

1.2.1. Комплекс основных недостатков современного ФОП

Таким образом, основные недостатки существующего ФОП следующие:

1. Рекомендации недостаточно подкреплены реальным алгоритмом.
2. Целевая направленность поиска затруднена при реальной работе с массивами информации.
3. Критерии выбора "лидирующих" и "отдаленных" областей недостаточно объективны.
4. Понятие "лучшего" решения неоднозначно.
5. Проблема полноты поиска практически не исследовалась. Вопрос о том, каким именно образом можно найти лучшее решение из сотен и даже тысяч (если речь идет о лидирующих областях), до сих пор не решался на методическом уровне.
6. Следствие перечисленных недостатков - низкая воспроизводимость результатов.

Кроме того, ФОП помогает искать решения, подходящие для адаптации и переноса признаков, но не ориентирован непосредственно на генерацию новых решений.

1.2.2. Анализ проблемы поиска лидирующих областей

В действительности, «лучшее» решение совсем не обязательно должно лежать именно в отдаленной от заданной, но при этом лидирующей области.

• Найденное решение может оказаться и в близкой лидирующей, и в отдаленной нелидирующей областях.

При этом последние, включающие массу различных решений, при практикуемых подходах могли вообще выпасть из рассмотрения.

• Ситуация запутывалась еще более отсутствием объективного подхода к понятию "лидирующая область" и "отдаленная область".

То есть понятия о том и другом типе областей были субъективны.

В то же время, как только мы формулируем цель поиска, мы сразу попадаем в ситуацию, когда объективно имеются

А) с одной стороны, некие области, реально лидирующие в достижении данной цели.

Они могут оказаться как отдаленными от рассматриваемой в проекте (неочевидные для Заказчика), так и близкими к ней, то есть очевидными для Заказчика.

Б) с другой стороны, некие области, отдаленные от лидирующих.

Эти области также могут оказаться как отдаленными от рассматриваемой Заказчиком (неочевидные для него), так и близкими к ней, то есть очевидными для Заказчика.

Такое разделение областей - объективно, в отличие, например, от субъективного деления на "очевидные для Заказчика = близкие" и на "неочевидные для Заказчика = отдаленные".

К разрабатываемой методике было предъявлено следующее требование:

Методика должна ориентироваться на объективные критерии определения лидирующих и отдаленных областей.

1.2.3. Анализ проблемы поиска лучших решений

Второй аспект ФОП - поиск собственно лучших решений. Алгоритм этого поиска также до сих пор не был определен.

Вопрос о том, каким именно образом можно найти лучшее решение из сотен и даже тысяч (если речь идет о лидирующих областях), до сих пор решался экспертным способом. Это не всегда эффективно и оптимально.

Кроме того, понятие "лучшего" решения неоднозначно. Различные решения могут оказаться передовыми с различных точек зрения. Кроме того, решение совсем не обязательно берется в «готовом» виде или с небольшой модификацией. Оно может претерпеть значительные изменения -

• при адаптации к решаемой проблеме,
• при совмещении с исходной ТС или
• при синтезе новой ТС на основе известных.

Поэтому не всегда целесообразно заранее определять критерии, позволяющие по формальным признакам, то есть прямо по ходу поиска, отбрасывать значительное количество решений без потери "лучших".

Таким образом, необходимо добавить следующее требование:

Методика должна обеспечивать полноту поиска.

1.2.4. Анализ проблемы обоснования предложенных решений

Еще один важнейший аспект выполнения проектов - обоснование реализуемости предложенных решений - до сих пор не решен в достаточной мере. В работе [22] намечены общие принципы и показана принципиальная возможность эффективного использования ФОП с этой целью, однако представляется, что практическая реализация этого возможна только с использованием специально разработанных программ. Однако создание эффективных программ требует долгосрочных вложений.

Методика должна быть эффективно применимой без разработки специальных программ.

1.2.5. Комплекс поставленных методических проблем

1.2.5.1. Методические проблемы

В связи с объективными сложностями выполнения ФОП, первоначально была поставлена следующая задача: разработать методику поиска,

• близкую к ФОП по своей парадигме,
• возможно, несколько отличающуюся по подходу,
• с возможностью анализа и обработки информации "вручную", в отсутствие мощных семантических процессоров и функционально-ориентированных баз данных.

Эта начальная парадигма APOS иллюстрируется Рис.1. В общем, она совпадает с парадигмой ФОП.

Атрибуты поисковой задачи – это набор признаков, по которым производится поиск решений (технических систем) в соответствии с поисковой задачей. Этот набор признаков характеризует уровень сходства найденных ТС (решений) с исходной ТС (проблемой).

Под доступными средствами информационных технологий (ИТ) понимаются компьютеры, Интернет, сравнительно доступные базы данных.

Для практической применимости методики должны быть обеспечены:

1. алгоритм выявления лидирующих и отдаленных областей человеческой деятельности.
2. как можно более детальный алгоритм выделения подходящих прототипов из информационного массива. Этот алгоритм, возможно, приведет не к единственному подходящего прототипу, а выведет на несколько различных решений. Однако он должен быть подробным и последовательным хотя бы до какой-то точки. Это даст возможность целенаправленно и существенно сужать поле поиска.

При выполнении этих условий будут обеспечены:

• направленность и воспроизводимость результатов поиска.

• возможность контроля полноты поиска. Другими словами, поисковик должен понимать, какие сферы информации он охватил, а какие – нет. Это даст возможность оптимизировать трудозатраты в зависимости от конкретной ситуации в проекте.

Логика этих рассуждений иллюстрируется рис.2.

Под специальными средствами ИТ понимаются специально разработанные программы, малодоступные коммерческие поисково-аналитические программы (например, GoldFire фирмы IMCorp, USA) и сравнительно малодоступные специализированные базы данных. Некоторые крупные фирмы, особенно за рубежом, их имеют. Но разрабатываемая методика должна ориентироваться на доступные средства.

Разработанная методика проблемно-ориентированного поиска по действию (APOS) удовлетворяет приведенным требованиям.

1.2.5.2. Ожидание сверхэффектов

В [10-11] был выдвинут дополнительный критерий реальной эффективности методических разработок: методические сверхэффекты, в случае их выявления, подтверждают эффективность новых подходов. Поэтому проверка результатов разработки APOS на генерацию сверхэффектов рассматривалась как важный фактор общей оценки.

1.2.5.3. Практическая сторона

Методика должна обеспечивать достижение результата, с одной стороны, при приемлемых трудозатратах, и, с другой стороны, в отсутствие в обозримом будущем мощных семантических процессоров, систем поддержки искусственного интеллекта и функционально-ориентированных баз данных.

1.3. Цели исследования

Поставленная цель соответствовала решению конкретных проблем ФОП:

• разработать инструментальную воспроизводимую методику поиска таких ТС, в которых решается проблема, аналогичная проблеме исследуемой ТС, причем

• решение проблемы в найденной ТС подходит для адаптации к исследуемой ТС.

Важнейшей проблемой при этом было:

• существенно снизить количество изучаемых документов,

• одновременно минимизируя вероятность потери релевантных документов и, следовательно, возможных решений.

В итоге, должны быть обеспечены небольшие трудозатраты при достоверности получаемых результатов.

1.4. Методы решения поставленной проблемы

В процессе исследования применялся ряд подходов к исследованию задачи - методической проблемной ситуации.

1. Анализ процесса и практических результатов применения существующих методов поиска информации, включая ФОП.

Этот анализ привел, в частности, к следующим начальным положениям:

1.1. В качестве классификации областей деятельности человека было решено использовать Международную классификацию изобретений (МКИ).

Эта высоко формализованная система позволяет, в принципе, четко разделять области прикладной науки и техники, в том числе четко выделять «лидирующие» и «отдаленные» области (относительно рассматриваемой ТС).

1.2. Было принято решение положить в основу процедуры APOS анализ распределения заявительской патентной активности по областям МКИ и времени подачи заявок.

Эти предложения позволили использовать целый ряд преимуществ, которыми обладает патентная информация. Этот подход позволил выдвинуть ряд правил, на основе которых удается определять конкретные области анализа (лидирующие и отдаленные области) и сужать поле исследования. Учитываются также правила патентных организаций, регламентирующие временной интервал между подачей заявки и датой ее публикации.

2. Опрос коллег с выяснением их опыта решения подобных методических проблем.

3. Индуктивный метод анализа методической проблемной ситуации - выполнение поиска по конкретным техническим задачам на каждом этапе разработки, анализ процесса и результата, выдвижение новых идей и модификация способа выполнения этого этапа, снова анализ процесса и результата и т.д. - с постоянным итерационным возвратом, пока результаты этапа не окажутся удовлетворительными.

4. Дедуктивный метод анализа - проверка выдвигаемых общих идей на конкретных примерах. Итерационное возвращение к проработанным ранее этапам, если ожидания не оправдываются.

5. Перенос полученных конечных результатов на другие проблемы ТРИЗ и инновационных проектов для решения методологических задач, не ставившихся заранее.

1.5. Результаты проведенного исследования

1.5.1. Достигнута цель, сформулированная в разделе 1.3.

1.5.2. Получен ряд методических и системных сверхэффектов, существенно расширяющих инструментальные возможности метода.

1.5.3. По сравнению с существующими возможностями ФОП,

• повышена эффективность поиска
• развиты решательные возможности метода
• расширены области применения метода, в том числе

• обеспечена возможность его систематического применения в различных ТРИЗ-проектах.

1.5.4. Выявлен системный эффект, проявляющийся при систематическом использовании метода.

1.5.5. Намечены приоритетные пути дальнейшего развития методологии.

1.6. Практика применения

1.6.1. Применение APOS для совершенствования ТС в консультационных проектах

APOS постепенно входит в число инструментов ТРИЗ, используемых в ООО АЛГОРИТМ (Санкт-Петербург, Россия) на регулярной основе. К настоящему моменту в открытой печати можно опубликовать (и уже частично опубликован) ряд конкретных примеров успешного использования метода.

Эффективность применения метода иллюстрируется в подразделе 3.4.1 и обсуждается в подразделе 3.4.2.

1.6.2. Применение APOS для оценки перспективности венчурного финансирования новых разработок

В настоящее время элементы APOS постоянно используются при проведении таких проектов. Они отличаются короткими сроками, и сочетание качества поиска и его быстроты, достигаемое с помощью APOS, приобретает решающее значение.

Эффективность применения метода иллюстрируется в параграфе 3.1.2.4.

1.6.3. Внедрение некоторых идей APOS в средства программной поддержки аналитика-решателя

Внедрение некоторых идей уже произошло на практике, по крайней мере, в двух экспериментальных программных продуктах [18, 19]. К сожалению, у разработчиков [19] были свои цели, и эти программы не облегчают выполнение собственно APOS. Но тенденция заслуживает внимания. А вот программа PatentMiner [18] уже непосредственно реализует некоторые идеи APOS.

Сказанное обсуждается подробнее в подразделе 3.4.3.

Можно заключить, что, несмотря на короткий срок существования, APOS уже завоевывает свое место под солнцем, хотя и не очень быстро вследствие ряда объективных и субъективных причин.

1.7. Анализ результатов проведенного исследования

В результате проведенных исследований:

• введен ряд методологических инноваций
• в качестве сверхэффектов, получен ряд надсистемных методологических результатов,
• в том числе, в части постановки новых методологических задач.

1.7.1. Основные методические инновации APOS

1.7.1.1. Предложено использовать классификацию МКИ в качестве классификации деятельности человека при выявлении лидирующих и отдаленных областей его деятельности.

1.7.1.2. Предложено в основу поиска положить анализ распределения заявительской патентной активности по областям МКИ и времени их подачи.

1.7.1.3. Предложена идеология последовательного сужения областей поиска решений.

1.7.1.4. Предложен метод выделения конкретных областей поиска (лидирующих и отдаленных) в соответствии с решаемой задачей.

1.7.1.5. При разработке метода был создан единый понятийный аппарат, обеспечивающий единую логику анализа, однозначность всех шагов методики. В частности, даны определения лидирующих и отдаленных областей и др.

1.7.1.6. Разработан детальный и воспроизводимый алгоритм выполнения предложенного метода.

1.7.2. Основные методологические надсистемные результаты

1.7.2.1. Расширена парадигма ФОП: APOS выступает не только как поисковый, но и как эффективный решательный инструмент.

1.7.2.2. Предложен итерационный "многофакторный" вариант APOS, реализующий решательные возможности метода.

1.7.2.3. Введено понятие симбиозной^[1]

технической системы, частными случаями которого являются решения, полученные переносом признака (синтезом альтернативных систем). Новый поисково-аналитический подход сформировал основу для разработки и применения методики синтеза симбиозных систем

1.7.2.4. Новый поисково-аналитический подход сформировал основу для разработки и применения методики синтеза симбиозных систем [16].

1.7.3. Достижения в постановке и решении новых методических задач

Успешная разработка и применение APOS позволили поставить новые методические задачи.

1.7.3.1. Задачи на применение APOS в ходе консультационных проектов для ряда целей, для которых ФОП до сих пор не применялся (см. разд.1.8 и глава 3)

1.7.3.2. Задача разработки общего метода синтеза новых ТС на базе двух и более известных решений - метода синтеза симбиозных систем [16]

1.7.3.3. Задача внедрения отдельных подходов из APOS в средства программной поддержки аналитиков-решателей [18, 19].

Все эти задачи решаются.

1.8. Практическая значимость метода

Практическая ценность APOS определяется широкими возможностями его применения:

• эффективность при решении задач, которые обычно ставятся перед ФОП
• эффективность при решении задач, для которых ФОП обычно не применяется
• возможность применения в проектах различного типа
• эффективность формирования системного видения проекта.

1.8.1. Эффективность APOS при решении задач ФОП

APOS высоко эффективен в любых консалтинговых проектов - от модернизационных до прогнозных - при выполнении всех этапов, на которых обычно применяется ФОП:

• бенчмаркинг (включая поиск конкурирующих систем, особенно еще не вышедших на рынок)
• построение S-кривых
• поиск ТС, решающих проблемы, аналогичные проблемам исследуемой ТС
• поиск решений ключевых задач
• обоснование решений и концепций

В настоящее время он является наиболее инструментальным поисково-аналитическим методом.

1.8.2. Эффективность APOS при решении задач, в которых ФОП обычно не применяется

APOS высоко эффективен в любых консалтинговых проектах для ряда целей, в которых до настоящего времени ФОП практически не применялся или применялся с низкой эффективностью:

• выявление скрытых потребительских свойств продуктов и технологий (main parameters of value)
• поиск новых рыночных ниш для конкретных продуктов и технологий (эти два свойства также обеспечивают эффективность APOS при анализе рыночного потенциала новых концепций)
• поиск неочевидных преимуществ и недостатков ТС в сравнении с конкурирующими ТС, выявление скрытых нежелательных эффектов и противоречий в исследуемой ТС
• синтез новых решений в рамках решательных возможностей APOS [12, 13, 14]
• формирование симбиогенной^[2] группы технических систем для последующего синтеза симбиозной системы [16].

Поэтому в консультационных проектах в настоящее время применение APOS, как правило, более эффективно, чем обычного ФОП:

• при решении ключевых и вторичных проблем
• при анализе рыночного потенциала технических систем
• при выполнении бенчмаркинга
• при построении и анализе S-кривых
• при построении причинно-следственных цепочек нежелательных эффектов (ПСЦНЭ) ТС.

1.8.3. Применение APOS в проектах других типов

APOS часто оказывается высоко эффективным для следующих типов проектов:

• Исследование целесообразности венчурных инвестиций в новую разработку (Feasibility projects)
• Оценка состояния фирм и перспектив сотрудничества с ними (элементы конъюнктурной разведки)

Глава 2. APOS - проблемно-ориентированный поиск по действию с использованием патентных баз данных

2.1. Базовые идеологические инновации APOS

Базовые инновации включают:

• Основные начальные положения о выборе используемой классификации областей, типа используемой информации и способа анализа
• Комплекс взаимосвязанных понятий
• Идеологию постепенного сужения поля анализа
• Процедуру в целом, увязывающую все остальное в одну систему.

2.1.1. Основные начальные положения

2.1.1.1. Для классификации областей деятельности человека используется Международная классификация изобретений (МКИ).

Причины:

• эта классификация высоко формализована
• она тесно связана с организацией информации в патентных базах данных (ПБД), которые предлагается использовать в соответствии со второй базовой идеей.

Идеология классификации документов в МКИ иллюстрируется на рис.3.

2.1.1.2. Основная анализируемая информация - патентная.

Причины – ее известные достоинства:

• широта охвата – все прикладные области деятельности человека
• полнота охвата – ПБД содержат информацию практически о всех технических новшествах
• строгая классификация
• четкая структура документов, позволяющая легко анализировать их
• универсальность этой структуры для разных стран и ПБД
• сравнительная полнота технической информации в каждом документе
• оперативность – информация о технических особенностях новых решений появляется в публикуемых заявках на патенты раньше, чем в журнальных статьях
• наличие в патентах разнообразной нетехнической информации и др.

2.1.1.3. В основу процедуры APOS положена идея сужения поля анализа на основе анализа распределения заявительской патентной активности по областям МКИ и времени.

Это позволяет эффективно сужать поле анализа, когда в ответ на инициирующий запрос мы получаем тысячи ссылок на документы. Идеи и процедура выделения выборки, наиболее вероятно содержащей подходящие решения, изложена ниже.

2.1.1.4. Суть разработанной идеологии сужения поля анализа - в том, что это сужение производится на основании определенных формальных признаков.

Эти признаки предложены в результате анализа процесса формирования патентного информационного поля.

Указанные признаки выявляются при обработке информации о распределении патентных документов по подгруппам МКИ и по годам подачи заявок.

Финальный «усеченный» массив документов, полученный из первоначального высокообъемного, подлежит более тщательному смысловому анализу.

2.1.2. Понятийный аппарат

Разработан понятийный аппарат, позволяющий однозначно и воспроизводимо идентифицировать области:

• лидирующие в решении исследуемой проблемы
• отдаленные от лидирующих по своему предмету
• промежуточные.

2.1.2.1. Инициирующий запрос

Поисковый образ инициирующего запроса, посылаемый в патентные базы данных (ПБД), включает наиболее широкий, но релевантный перечень синонимов атрибутов поисковой задачи (см. рис.1), связанных логическими операторами.

Атрибуты поисковой задачи выступают как исходный материал для подбора ключевых слов поискового образа.

Под релевантностью этого набора понимается результат его оптимизации по критерию "не упустить важное, но и не захватить много "мусора". Запрос формируется в соответствии с правилами, принятыми в используемой ПБД. При отсутствии дорогостоящих программ типа GoldFire наиболее функциональна, вероятно, патентная база DELPHION.

В ответ мы получаем массив данных - перечень патентных документов. Это – исходный массив документов для последующего анализа. Каждый документ имеет ряд важных атрибутов, используемых на следующих шагах методики. Это, прежде всего, дата подачи заявки на получение патента и ее код МКИ.

2.1.2.2. Определение и признаки лидирующих областей

В областях, где исследуемая проблема наиболее актуальна, ее решением занимается наибольшее количество людей в течение длительного времени. Этим, как правило, определяется и количество заявок на получение патентов в данной области. На этом соображении основано определение лидирующей области 1-го типа.

Лидирующая область 1-го рода – это область, в которой:

в течение длительного промежутка времени перманентно происходит процесс поиска и развития путей решения соответствующих проблем,

• причем, вследствие достаточной длительности и/или интенсивности работы,

количество найденных решений обычно приобретает некоторую статистическую значимость.

Признак лидирующей области 1-го рода - высокая заявительская активность, которая может иметь заметные подъемы и спады во времени.

На численных критериях остановимся позже.

Возможен и другой вариант: какая-то область начала интенсивно развиваться в последние годы. В этой области пока не накоплено много патентных документов, однако идет интенсивная работа квалифицированных специалистов. Это неизбежно сказывается на динамике патентной активности в последние годы.

Лидирующая область 2-го рода - область, в которой наблюдается существенная активизация исследований в последний период времени. В таких областях - наибольшая вероятность появления передовых решений.

Признак лидирующей области 2-го рода - устойчивый рост заявительской патентной активности в течение последних 4-5 лет.

Таким образом, мы имеем два типа лидирующих областей, имеющих качественно различные признаки. Однако те и другие выявляются однозначно, с помощью одного подхода. Разумеется, возможны случаи, когда область удовлетворяет обоим критериям.

2.1.2.3. Определение и признаки отдаленных областей

Как и в отношении лидирующих, можно выделить отдаленные области двух типов. В одной из них человек имеет дело с объектами, сходными с целевым объектом, а в другой - с объектами, существенно отличающимися от целевого.

Отдаленная область 1-го рода – это область, в которой:

• рассматриваемая проблема относится к объектам того же типа; при этом она
• может не быть в числе основных, но
• присутствует с некоторым постоянством, что приводит к заметной, но не очень высокой частоте новых патентуемых решений.

В этих областях в качестве объекта действия выступают объекты, сходные по своей природе с исследуемым. Они даже могут быть того же типа, что и в лидирующих областях. При этом исследуемая проблема может не попадать в число основных, но время от времени ее также приходится решать^[3]. Поэтому здесь может оказаться решение, лежащее вне поля зрения специалистов из лидирующей области. Заявительская активность, в принципе, отражает частоту возникновения решений данной проблемы в данной области. Отсюда вытекают определение и признак отдаленной области 1-го рода как области, в которой заявительская активность по данной проблеме низка, но заметна.

Признак отдаленной области 1-го рода:

• малая, но заметная, более или менее постоянная заявительская активность, при том что объект может иметь достаточно много общего с объектом в рассматриваемой проблеме, при условии, что

• эта область не является подобластью лидирующих областей 1-го типа.

Последнее условие оставляет в нашем поле только те области, которые, возможно, находятся вне кругозора Заказчика и экспертов по лидирующим областям.

Отдаленная область 2-го рода – это область, в которой технология и/или объект деятельности человека существенно отличаются по своей природе от объектов в лидирующих областях; причем это отличие настолько велико, что обычные ассоциативные методы идентификации «сходных» решений не позволяют выйти на них.

Поэтому решения в этих областях не попадают в поле зрения специалистов из лидирующих областей.

Признак отдаленной области 2-го рода – принадлежность к разделу или классу МКИ, отличающемуся от разделов (классов) лидирующих подгрупп. В отдельных случаях, такая неочевидная для специалиста область может оказаться даже в пределах одного класса с лидирующей подгруппой – просто в достаточно «далеком» от нее подклассе.

Таким образом, мы имеем два типа отдаленных областей. Однако, как и в отношении лидирующих областей, те и другие выявляются достаточно однозначно, с помощью одного подхода.

Из приведенных определений следует, что, по критерию заявительской активности в решении данной проблемы, некоторые области, попавшие в результаты инициирующего запроса, должны оказаться промежуточными - между лидирующими и отдаленными.

Из представленных определений следует, что мы выполняем первое из требований, предъявленных ранее: предлагаемая методика ориентируется на объективные критерии определения лидирующих и отдаленных областей.

2.1.3. Метод сужения поля анализа

Так как инициирующий запрос часто приносит слишком много ссылок (тысячи) на различные изобретательские решения, была разработана идеология постепенного сужения поля поиска при минимальной вероятности потери подходящих решений. Процесс в общем виде представлен на рис.4.

После получения исходного массива документов начинается процесс редуцирования поля анализа.

Отсечение «лишнего» от исходного массива данных происходит в два этапа.

Первый этап – это выделение областей повышенного интереса в пространстве подразделов МКИ.

Все потенциальное поле анализа – исходный массив документов – разбивается на некоторые подобласти (домены), отвечающие различной степени удаленности от лидирующих областей. Затем, на основе конкретных критериев, выделяется небольшое число доменов, анализ которых наиболее целесообразен

Выделение производится путем анализа распределения документов исходного массива по подклассам и подгруппам (группам) МКИ. В результате мы получаем лидирующие, отдаленные и промежуточные области (см. также рис.5). для их последующего редуцирования на втором этапе.

В зависимости от ситуации (включая ресурсы времени, общее количество полученных ссылок и цели анализа), для дальнейшего редуцирования исследуемого поля на 2-ом этапе можно выбрать лидирующие и/или отдаленные и какие-то из промежуточных областей. Обычно бывает достаточно рассмотреть лидирующие и отдаленные области (при поиске конкурирующих систем – только лидирующие).

Второй этап – формирование внутри выделенных областей еще более ограниченных выборок документов при минимальной вероятности утери решений, потенциально подходящих для решения нашей исходной задачи.

Для этого используется анализ распределения патентной активности во времени для областей, выбранных на первом этапе.

Важнейшее требование к процедурам усечения исходного массива – минимизация вероятности потери результатов, которые могут оказаться полезными при решении исходной задачи. Это требование выполняется за счет реализации определенных идей в алгоритмах процедур для 1-го и 2-го этапов. Они будут представлены ниже.

Документы из выборки, полученной по итогам 2-го этапа, подлежат более подробному (дифференцированному) смысловому анализу. При отсутствии надлежащих семантических анализаторов, следует просто проанализировать рефераты, попавшие в эту выборку. В итоге выбираются решения (ТС), предположительно соответствующие исходной задаче наилучшим образом.

Если исходная задача требовала решения ключевой проблемы исходной ТС, то найденные решения можно использовать для формирования портрета решения этой проблемы. Если решить проблему таким простым путем не удается, следует ставить задачу на перенос признака (синтез альтернативных систем) [8] или более обобщенную – на синтез симбиозных систем [16]. Кроме того, можно применять любые другие решательные методы с использованием информации, полученной по результатам APOS.

Если исходная задача состояла в поиске конкурирующих систем, то следует классифицировать данные о различных ТС, содержащиеся в выборке, полученной на 2-ом этапе.

2.1.4. Укрупненная процедура APOS

Процедура APOS в укрупненном виде включает несколько последовательных блоков (Рис.5) – в соответствии с содержанием подразделов 2.1.2 и 2.1.3.

Из большого количества ссылок на документы, полученных на основе широкого инициирующего запроса, постепенно и целенаправленно формируется ограниченная выборка для более тщательного анализа. Обычно эта выборка, получаемая по итогам 2-го этапа, составляет 5-15% от исходного массива.

2.2. ПОЛУЧЕНИЕ ИСХОДНОГО МАССИВА ДОКУМЕНТОВ

2.2.1. Формирование поискового образа инициирующего запроса. Виды APOS

В соответствии с рис.1 и 2, перед применением APOS должна быть сформулирована поисковая задача – на основе поставленной перед аналитиком-решателем исходной задачи.

Помимо научно-технических аспектов, при составлении поисковой задачи необходимо определить отрезок времени, на котором предполагается анализировать заявительскую активность. Обычно достаточно выбрать последние 10 лет, но могут быть и другие периоды.

Согласно поисковой задаче, формируется поисковый образ. Для этого выделяются атрибуты поисковой задачи – характерные признаки тех систем (решений), которые требуется найти для выполнения поисковой задачи.

Разнообразие возможных поисковых атрибутов показано на рис.6.

Поисковые атрибуты объединяются с помощью логических операторов или, в соответствии с возможностями некоторых баз данных (БД), с использованием «естественного языка запросов». Методы составления поисковых образов известны и достаточно универсальны, но каждая БД имеет свои особенности, которые можно выяснить на help-страницах соответствующих сайтов. Эта тема выходит за рамки настоящей работы.

При формировании поискового образа необходимо указывать поля поиска. В APOS поиск лучше всего производить в рефератах патентов. При слишком большом количестве получаемых ссылок (более 7-8 тысяч) обычно можно выделить атрибуты, которые можно отнести к названию документа без потери потенциально полезных решений.

Особо значимые ключевые термины можно помещать в поле «формула изобретения» поискового образа. Иногда целесообразно использовать поле «описание изобретения».

Разработаны и экспериментально опробованы два типа APOS:

1. APOS по безобъектному действию: поисковый образ состоит из синонимов глагола, выражающих требуемое действие и т.п. (см. «отглагольные формулировки» на рис.6). Например: "whiten" («отбеливать»), "reflect" («отражать»).

2. APOS по объективированному действию: поисковый образ включает глагол и “неглагольную” характеристику типа «объект, субъект, явление» (см.рис.6). Например: "conduct current" («проводить ток»), "reduce vibration" (снижать вибрацию»), "absorb shock" («амортизировать удар»), "connect fibers" («соединять волокна»), "hold corbel" («удерживать консоль»), "connect pipes" («соединять трубы»), “wave AND propagate” (“распространение волны”), «luminesce AND NOT phosphor” («люминесцировать без фосфора»), «излучать ультрафиолет». При этом как глагол, так и “неглагольная” характеристика задаются рядом синонимов.

APOS каждого из типов, в свою очередь, может быть двух видов:

• без проблемно-ориентированной модификации поля поиска и
• с проблемно-ориентированной модификацией поля поиска.

Проблемно-ориентированная модификация поиска включает дополнительный учет свойств или характеристик объекта или субъекта действия или процесса (рис.6).

Например: (weld AND metal AND seam AND (smooth OR reliable)) – отвечает запросу по сварке металлов с акцентом на гладкость и надежность шва; (“high rate” AND transmit AND data) – отвечает запросу по высокоскоростной передаче информации.

Примечание. APOS по безобъектному действию также может выполняться с проблемно-ориентированной модификацией.

Примеры

Примеры поисковых образов инициирующих запросов при использовании ПБД DELPHION.

1. При выполнении APOS по отбеливанию (безобъектный образ):

((whiten* OR bleach* OR decolor* OR decolour* OR blench* OR depigment* OR discolor* OR discolour*) <in> TI

2. При выполнении APOS по соединению металлических частей сваркой (объективированный образ): ((seam OR clump OR interlock OR bind OR join OR joint OR juncture OR conjugat* OR couple OR connect* OR attach* OR affix OR weld OR solder OR unite OR butt*) <in> TI) AND (weld AND (steel OR iron OR metal)) <in> AB).

3. При выполнении APOS по соединению труб (объективированный образ):

(((pipe OR piping OR pipework OR tubing OR tubular OR conduit OR "duct" OR "ducts" OR tube) AND (clump OR interlock OR bind OR join OR joint OR juncture OR fay OR conjugat* OR couple OR connect* OR attach* OR affix OR weld OR solder OR unite)) <in> TI)

2.2.2. Получение исходного массива документов

В ответ на широкий поисковый запрос обычно приходит большое количество ссылок на патентные документы.

Например, размер исходных массивов документов, полученных по приведенным выше запросам, показан в Табл.1.

Таблица 1. Примеры размеров исследуемых полей

Тема APOS	Тип запроса APOS	Исходный массив, кол-во документов
Отбеливание	безобъектный	3,511
Сварка металлов	объективированный	6,053
Соединение труб	объективированный	8,536

Столь большое количество ссылок - обычное явление. Невозможно быстро изучить их в достаточной степени. Но сужение поискового образа без потери потенциально релевантных находок обычными методами невозможно. Что же делать?

Предлагается целенаправленно сужать область поиска при минимальной вероятности потери информации, полезной для решения исходной задачи. Разработанные подходы позволяют делать это эффективно и быстро – при достаточном навыке или использовании вспомогательных программных средств.

Прежде всего, следует сохранить исходный массив в виде рабочего файла, с которым далее понадобится работать. В ПБД DELPHION для этого используется опция Create Work File.

2.3. Процедура выявления лидирующих и отдаленных областей

Эта процедура выполняется путем анализа распределения документов исходного массива по подклассам и подгруппам МКИ (см. рис.5).

Анализ выполняется с использованием любых доступных программно-технических средств. Удобно использовать возможности анализа распределения заявок по областям МКИ, предоставляемые ПБД DELPHION (исследование распределения документов по подклассам - опцией Snapshot 4 digits и по подгруппам – опцией Snapshot full code).

Аналогичную возможность предоставляет программный продукт PatentMiner [18].

Общая идеология

1. Все поле анализа – исходный массив – разбивается на некоторые подобласти (домены). Критерии разбиения достаточно конкретны и касаются количества документов исходного массива, попавших в различные подклассы и подгруппы. С этим связано использование терминов «весомости» выборок. Разные домены соответствуют различной степени удаленности от лидирующих областей

2. Затем, на основе конкретных критериев, выделяется ограниченное число доменов, анализ которых наиболее целесообразен.

3. В пределах выделенных доменов выделяется ограниченное число подгрупп для дальнейшего анализа.

Результат этой процедуры иллюстрируется матрицей, представленной в Табл.2.

Табл.2. Матрица распределения областей анализа по их представительности в исходном массиве

		Подклассы
		Весомые подклассы	Средневесомые	Маловесомые
Подгруппы	Весомые	Лидирующие подгруппы	-	-
	Средне- весомые	Средневесомые подгруппы, условно близкие к лидирующим	Средневесомые подгруппы, условно отдаленные от лидирующих	-
	Мало- весомые	Маловесомые подгруппы, условно близкие к лидирующим	Маловесомые подгруппы, условно отдаленные от лидирующих	Маловесомые подгруппы, отдаленные от лидирующих