王景++王躍華

摘要： 在現(xiàn)有的專利分析研究基礎(chǔ)上，結(jié)合采用模糊數(shù)學中的模糊綜合分析法與層次分析體系，建立高校專利競爭力的評價模型和評價方法。采用該方法構(gòu)建對高校的初級預(yù)警模型，并將結(jié)果與原有單一指標的分析結(jié)論進行比較，發(fā)現(xiàn)新結(jié)論既涵蓋了專利特有信息，同時也使評價更客觀，更符合現(xiàn)實狀況。該方法同時也適用于高校間的專利競爭分析。

Abstract： On the basis of the existing patent analysis， the evaluation model and evaluation method of patent competitiveness in colleges and universities are established by combining the fuzzy comprehensive analysis method and the analytic hierarchy process in the fuzzy mathematics. This method can be used in construction of primary early-warning model in colleges and universities， and the result is compared with the analysis conclusion of the original single index， finding that new conclusion covers specific information about the patent， and also make the evaluation more objective， more in line with the reality of the situation. The method is also applicable to the analysis of patent competition among universities.

關(guān)鍵詞：專利；模糊綜合分析法；高校；專利預(yù)警；預(yù)警模型

Key words： patent；fuzzy comprehensive analysis；college and university；patent early warning；early warning model

中圖分類號：F224 文獻標識碼：A 文章編號：1006-4311（2016）30-0212-03

0 引言

當今的時代已經(jīng)完全融入了知識經(jīng)濟和全球化的浪潮中，作為國家的戰(zhàn)略性要素和企業(yè)相互競爭力的關(guān)鍵影響因子的知識產(chǎn)權(quán)已經(jīng)得到大家的廣泛認可。在高校乃至國家層面上衡量核心實力和創(chuàng)新創(chuàng)造力上，專利是其科技資產(chǎn)的核心也是最能體現(xiàn)其經(jīng)濟價值的外在表現(xiàn)。對中國的企業(yè)科研院所和高校相比較，知識人才最為集中，科學研究條件最突出的地方是高校。因此，高校作為我國科教興國的中流砥柱，其能創(chuàng)造更多的價值更為核心的自主知識產(chǎn)權(quán)，對于實現(xiàn)中國制造業(yè)由低端到高端發(fā)展、由勞動密集型向技術(shù)密集型發(fā)展，具有十分重要的意義。

專利競爭理論的是由競爭力理論發(fā)展來的。知識隨著社會的不斷發(fā)展已經(jīng)成為了行業(yè)競爭的核心決定因素。競爭力理論便發(fā)展轉(zhuǎn)變成了知識競爭力理論。作為知識產(chǎn)權(quán)的構(gòu)架中的核心要素專利權(quán)，已經(jīng)成為了衡量一個企業(yè)乃至一個國家核心競爭力的重要標志。同時，知識產(chǎn)權(quán)作為激勵創(chuàng)新的基本保障，將在供給側(cè)結(jié)構(gòu)改革中發(fā)揮越來越重要的作用。專利分析預(yù)警作為專利運用的基礎(chǔ)是實現(xiàn)專利價值、發(fā)揮創(chuàng)造引新引領(lǐng)作用的有效方式。

高校專利預(yù)警是指高校通過數(shù)據(jù)收集、材料整理和模型判斷分析出與本高校主要研究方向和主要攻關(guān)技術(shù)領(lǐng)域的專利和非專利信息，國內(nèi)外研究信息和其他信息，對可能發(fā)生的重大專利侵權(quán)爭端及其可能出現(xiàn)的危害程度向高校決策層發(fā)出警報。專利預(yù)警著眼于實際應(yīng)用效果，致力于解決迫切的產(chǎn)業(yè)需求，適度預(yù)測技術(shù)發(fā)展，為高校分析出最新的研究成果。但是針對具有實效性和地域特點的專利進行預(yù)警，前期必須進行大量的分析和統(tǒng)計，流程相當繁瑣，耗時也很長。因此，為了節(jié)省時間和減少不必要的耗費，筆者將高校的專利預(yù)警分為初級預(yù)警和深度預(yù)警。初級預(yù)警是對高校的整體專利進行一個比較粗糙大體的預(yù)警，而深度預(yù)警是對高校具體的某個專利進行系統(tǒng)的分析包括遇到的技術(shù)壁壘和專利壁壘。為了節(jié)省成本以及對各高校的專利技術(shù)及專利質(zhì)量有個淺層次的對比認識現(xiàn)，筆者在本文中主要以初級預(yù)警作為研究對象進行分析。

1 高校專利初級預(yù)警模型的構(gòu)建及實證研究

1.1 模型的構(gòu)建

本文將采用模糊綜合評價模型來構(gòu)建高校專利初級預(yù)警體系。模糊綜合評價模型是基于模糊數(shù)學理論對綜合評價的實際問題進行分析的有效工具。可以運用該模型來評價高校專利的數(shù)量和質(zhì)量。具體來講，模糊綜合評價就是運用模糊數(shù)學理論中的模糊關(guān)系合成原理，對邊界概念或性質(zhì)不清晰的因素進行定性或定量分析，通過對多個模糊因素的分析，綜合評價被評價對象的隸屬等級的一種方法。該評價方法的實施步驟大致為：先將各因素逐一進行模糊評價，再將所有因素的影響系數(shù)疊加起來進行綜合評價。依據(jù)QADD7理論建立的模糊綜合評價模型見圖1。

1.1.1 專利初級預(yù)警指標的選取

初級預(yù)警指標的篩選是構(gòu)建專利預(yù)警模型的首道工序。鑒于專利的時效性，因此應(yīng)該本著“使預(yù)警過程更快捷、簡單、高效”的原則篩選初級預(yù)警指標。對此，在篩選指標的過程中，必須要以敏感性、前沿性、容易獲得性并且在使用中要保證操作的合理方便等標準，使指標體系能夠做到在數(shù)據(jù)精度和節(jié)約成本上的平衡。只有這樣選取專利預(yù)警指標才能實現(xiàn)高校預(yù)警資源的最大化。本文從專利數(shù)目的多少和專利價值兩個方面，專利數(shù)量和專利質(zhì)量兩個維度來構(gòu)建專利的預(yù)警指標體系。

①在專利數(shù)量維度上，高校在申請專利的開始階段，通常專利數(shù)量少，未達到一定規(guī)模，并且專利增長率較低，整體處于初級階段。在該階段所推出的專利在社會上所受到的關(guān)注并不多，專利的危險度不大。但是當高校的專利水平發(fā)展到一定程度后，專利的申請量授權(quán)量極速增長，相關(guān)競爭企業(yè)為了遏制其專利的快速增長，競爭高?；蚱髽I(yè)就會使用專利武器，對其筑起專利壁壘。對此，本文將專利申請增長率、專利增長率下降幅度、專利授權(quán)率進行重點分析。專利增長率來表示高校在此階段專利的增長態(tài)勢，專利增長率下降幅度來預(yù)測高校的專利申請狀況未來的發(fā)展情況，專利授權(quán)率來表示高校專利申請的效率，指標數(shù)值越大，說明問題越嚴重。

②專利質(zhì)量維度指標。如果專利的技術(shù)價值越高說明其屬于核心價值的可能性越高，在行業(yè)專利競爭中就更容易受到相關(guān)技術(shù)領(lǐng)域領(lǐng)先的企業(yè)或高校的競爭，提前對核心專利建立專利壁壘。核心專利也就是我們所說的技術(shù)含量高的產(chǎn)品，其市場的需求就越多，市場的價值也越高。對于核心專利，正在研究該領(lǐng)域的專利優(yōu)勢企業(yè)或高校也會對該核心專利的保護力度加強，建立圍繞核心專利的周邊專利，其他高校也就不容易突破它的專利壁壘。對此，通過研究相關(guān)的技術(shù)數(shù)據(jù)，我們選擇專利平均年齡、技術(shù)生長率、公司研發(fā)重點率3項指標，指標數(shù)值越大說明該專利為核心專利的可能性越高，對其他高校和企業(yè)的威脅越大，競爭企業(yè)對其的重視程度越高，專利越危險。

將上述指標層次化得：

1.1.2 專利初級預(yù)警指標權(quán)重的確立

目前，數(shù)學分析領(lǐng)域有許多確定指標權(quán)重的方法，如專家評分法、層次分析法、熵權(quán)法、主成分分析法等等，其中前兩種方法系主觀賦值法，后兩種系客觀賦值法。在模型分析過程中，通過這些方法能夠得出一級指標權(quán)重向量集a=（a1，a2），其中a1>0，a2>0，且∑ai=1，它反映對各因素的一種權(quán)衡。二級指標權(quán)重向量集A1=（a11，a12），A2=（a21，a22，a23）。aij>0，∑aij=1。本文擬用層次分析法確定了各指標權(quán)重（詳見表2），并進行矩陣的一致性檢驗，所得到的判斷矩陣一致性均符合要求。

1.1.3 評價集的構(gòu)建

在本文中，筆者按專利警度將高校的專利狀態(tài)劃分為三類狀態(tài)，一類是正常狀態(tài)，一類是警戒狀態(tài)，再者是危機狀態(tài)。對此，設(shè)計高校初級預(yù)警的決策集為V={v1，v2，v3}={正常，警戒，危機}。

1.1.4 模糊關(guān)系矩陣的構(gòu)建

①確定評價為正常狀態(tài)、警戒狀態(tài)和危機狀態(tài)的隸屬度絕對值為1 的指標值。將專業(yè)領(lǐng)域內(nèi)若干高校的指標權(quán)重進行對比分析，以確定uij對于vk的隸屬度，繼而確定指標uij的最小值aij和最大值bij，最后對各項指標的數(shù)值進行統(tǒng)計分析后，計算出所有二級指標觀測值的平均值rij。假設(shè)uij？燮aij，則uij對v1的隸屬度即為1。一般可通過隸屬度函數(shù)確定隸屬度。

②令xij1=aij，xij2=rij，xij3=bij，以下限值x1i和上限值x3i作為邊界，凡是指標值u？燮xij1完全屬于v1（正常），凡是u？叟xij3則完全屬于v3（危機）；把[xij1，xij3]區(qū)分劃分為正常、警戒和危機三類狀態(tài)，以最能體現(xiàn)這三類狀態(tài)特征的點（平均值點）的隸屬度為1，概念模糊的邊界交點的隸屬度為0.5，構(gòu)造指標即為3個等級隸屬。上述指標的數(shù)值越大，說明專利警戒等級越高。采用升半梯分布，通過下列公式計算其隸屬度：

1.1.5 模糊綜合評價

令R={B1，B2}，一級權(quán)重A={a1，a2}向量集，則綜合評價矩陣B=A×RT={a1，a2}×B1B2={b1，b2，b3}，然后采用歸一化分析方式對矩陣B進行綜合分析。根據(jù)高校對于v的隸屬度B確定高校的專利狀態(tài)，隸屬度越大，高校的專利警度越偏向于此種狀態(tài)。

1.2 模型的實證研究

基于模糊綜合評價專利預(yù)警模型綜合分析評價云南某大學核心技術(shù)領(lǐng)域的專利警戒情況，通過對各指標權(quán)重的分析判斷，評價其是否在警戒范圍以內(nèi)，同時進一步確定是否應(yīng)該將其提升到深度預(yù)警的狀態(tài)。

①在同一技術(shù)領(lǐng)域內(nèi)選擇A、B、C、D、E、F六所高校進行對比分析，其中B、C為本省同一技術(shù)領(lǐng)域內(nèi)兩所重點高校，D、E、F為同一技術(shù)領(lǐng)域內(nèi)外省的重點高校。表3為各所高校的指標權(quán)重的統(tǒng)計數(shù)據(jù)。

②根據(jù)研究得到的隸屬度函數(shù)公式，求得各二級指標對于V的隸屬度，在其基礎(chǔ)上并構(gòu)建二級評判矩陣：

③通過模糊綜合評價得到一級評價矩陣B={0.262 0.273 0.281}，從矩陣B可以看出A高校對危機狀態(tài)的隸屬度最高，說明高校的專利狀態(tài)不容樂觀，偏向危機，所以A高校急需進行深度預(yù)警。建議A高校首先要找出競爭對手，然后對對手的情況進行深入分析，確定公司是否有侵權(quán)或被侵權(quán)的可能性，是否存在專利壁壘。

2 結(jié)束語

在確定高校專利的初級預(yù)警模型后，輸入要預(yù)警的信息即可得到各指標警度的隸屬度，基于隸屬度的數(shù)值發(fā)出相應(yīng)的警戒信息，并判斷有無必要進行深度預(yù)警。如果需要進行深度預(yù)警，可以根據(jù)二級指標的隸屬度對高校各方面的能力進行對比分析，從而為深度預(yù)警確定方向。該專利初級預(yù)警模型從高校的專利戰(zhàn)略角度出發(fā)，構(gòu)建高校專利預(yù)警的指標評價體系，初級預(yù)警的指標選取簡單，具有代表性。模型的建立考慮了評價集的模糊性，具有客觀性。該模型能夠快速、便捷地計算出高校專利的大致情況，為高校專利的預(yù)警節(jié)省了時間，降低了成本。本文從定量的角度提出了一種專利初級預(yù)警的新方法，改變了主觀定性的專利預(yù)警方法，具有一定的實用價值。

參考文獻：

[1]黃幼陵，代晶.企業(yè)專利預(yù)警警度評價的探討[J].知識產(chǎn)權(quán)，2005（5）：27-30.

[2]謝季堅.模糊數(shù)學方法及其應(yīng)用[M].武漢：華中科技大學出版社，2005.

[3]梅桂花，張文德.企業(yè)專利初級預(yù)警模型的構(gòu)建研究[J].s實踐研究，2012（10）：66-74.