技术机会视角下的研发合作伙伴识别与选择研究

[研究目的]针对具象领域的潜在技术机会,精准寻找研发合作伙伴对企业高效开展技术创新以持续获取竞争优势至关重要。[研究方法]从技术机会视角出发,首先利用生成式拓扑映射方法将经由数据收集及预处理的相关专利信息进行了可视化表达,以识别技术机会;其次基于技术匹配度分析了目标企业与技术机会的联系,以筛选候选合作伙伴;然后构建了基于技术能力和技术集中度的竞争力组合图,以实现对候选合作伙伴的评估与选择;最后以智能水下机器人的技术路径优化为例验证了本文所提方法的可行性。[研究结论]案例研究表明,所提出的研发合作伙伴识别方法能够针对性地为企业实现技术创新机会推荐研发合作伙伴,为企业制定研发合作战略提供决策支持。

基于SAO语义分析的潜在技术合作伙伴识别

将SAO语义结构信息引入技术伙伴识别选择过程中,构建基于SAO语义分析的技术合作伙伴识别体系,通过对企业进行技术愿景分析、企业知识库分析确定技术合作网络,对网络内企业重点子技术领域进行相似度分析,从而识别企业潜在的技术合作伙伴,并制定针对性的合作方案。以染敏太阳能电池为案例开展实证研究,验证了该方法体系的可行性。

面向产业技术链的高校专利转化伙伴识别服务路径研究

[目的/意义]旨在探索高校知识产权信息服务能力的提升。[方法/过程]以图书馆现有的专利信息服务内容为基础,构建了面向产业技术链的高校专利转化伙伴识别服务路径。[结果/结论]将企业技术信息与高校专利信息相融合,拓宽了高校专利转化伙伴信息的来源,适用于技术互补性和技术相似性原则下两种类型的实施行为,进而从增加企业数据服务供给与提升专利信息服务层次两方面对服务路径的实现策略进行研究。

面向技术融合的合作伙伴识别研究

创新过程中组织识别匹配的合作伙伴是创新成功的关键。从技术融合的角度进行合作伙伴识别能够将伙伴的技术匹配特征与组织创新战略有机结合,提高合作成功率,提升创新绩效。多层网络中的链路预测能够充分挖掘多层网络中的链接信息,从而更准确地识别出潜在的合作链接。研究通过构建技术融合-组织合作多层网络模型,在识别伙伴的过程中考虑了未来的技术融合趋势,并基于技术融合趋势提出了组织间的技术融合潜力特征,实现了多层网络中基于结构指标、伙伴多样性与技术融合潜力的合作伙伴链路预测。通过2005-2020年人工智能领域专利的实证研究,验证了多层网络中的合作伙伴链路预测精度显著高于单层网络中的预测精度。研究结果能够为企业实现不同创新战略时选择合作伙伴提供科学参考。

基于SAO分析的R&D合作伙伴识别研究

随着技术创新知识复杂性的不断增加和产品生命周期的不断缩短,企业需要拓宽知识基础来应对环境的快速变化,需要从外部寻求合作机会来改善企业内部创新过程或提升现有研发能力,因此,如何识别和选择合适的合作伙伴便成为企业的重点关注。本文提出了基于SAO分析的R&D合作伙伴识别方法,该方法通过提取文献标题及摘要中的SAO结构,绘制涵盖材料、技术与组件,以及目标等三个维度的SAO结构图,通过挖掘具有相似研发目标的机构,分析其互相合作的可能性及可能的合作方向,并以染敏太阳能电池技术(DSSCs)为案例开展研究,证实了该方法的可行性和有效性。

虚拟企业伙伴核心能力的识别与评价

本文基于企业核心能力的特性和虚拟企业的特点,从价值性、延展性、独特性、可组合性四个方面论述了虚拟企业伙伴核心能力的识别方法,建立了二级评价指标体系,并在此基础上利用模糊综合评判法构建了评价模型,使虚拟伙伴的选择更具科学性、可行性和有效性。

基于专利异构网络的中小企业潜在合作伙伴研究——以石墨烯领域为例

中小企业的技术创新能力已经成为一个国家创新体系中不可缺少的重要部分。美国对中小企业的相关扶持措施非常全面,鼓励中小企业通过从非营利性科研机构以及大型企业那里获取外部合作来帮助自身发展。本研究通过测度专利之间的相似性来度量专利权人之间的技术相似性,利用美国专利授权库中石墨烯专利数据构建专利异构网络,根据PathSelClus算法的需要,从专利权人中选出了7家科研机构与5家大型企业作为用户指导的聚类依据,根据专利单一属性信息与综合利用专利的多种属性信息聚类依据得到两种不同语义的聚类结果,在同一聚簇中的中小企业被认为与该科研机构(大型企业)存在技术相似性,具有合作的潜力。最后选出20家该领域中小企业代表,通过对中小企业与科研院所已有合作的调查以及中小企业与大型企业的主要关注领域进行对比,发现部分中小企业与科研机构之间存在过合作关系,同时中小企业与大型企业也有相同的主要关注领域,表明基于专利信息构建异构网络后利用PathSelClus算法对专利权人进行聚类的方法,在一定程度上对评估潜在合作伙伴是有效的。

配送属性数据驱动的协同配送联盟组建

为解决潜在的稳定协同配送联盟快速识别的问题,提出基于分析配送属性数据识别联盟机会和潜在伙伴的方法。分析了协同配送联盟可能的驱动方式,并建立了经济配送占比模型、共同社会关系强度模型、出车时段互补强度模型和车辆资源互补模型衡量配送中心的协同效应;以此为优化目标,建立了配送属性数据驱动的协同配送潜在联盟识别优化模型,提出了基于时空距离的最大最小聚类法来划分配送域,结合数据预处理和遗传算法实现模型求解,实现通过配送业务数据来快速优化识别潜在的稳定协同配送联盟。实例表明,所提方法避免了主观评价和排序,可直接根据配送属性数据有效识别出多个辐射范围重叠、配送社会网络重叠、资源互补的协同配送联盟。为协同配送联盟的稳健运行和更长的生命周期奠定了坚实的基础。