چکیده:
عموما چرخه عمر فناوری به وسیلة منحنی S مدل‌سازی می‌شود. بر خلاف ظاهر ساده این مدل‌سازی، استفاده از این مدل در شناسایی وضعیت چرخه عمر فناوری دشوار است. اغلب روش‌هایی که در مدل‌سازی چرخه عمر فناوری به کار می‌روند، نمی‌توانند به صورت دقیق و کمی‌شده وضعیت عمر فناوری را پیش‌بینی کنند. تحلیل چرخه عمر بر اساس تحلیل ثبت اختراعات (پتنت‌ها) و تکنیک‌های متن‌کاوی مبتنی بر آن یکی از تکنیک‌هایی است که امکان کمی‌سازی و افزایش دقت را میسر می‌کند. در این پژوهش از هم‌واژگان به عنوان یکی از تکنیک‌های متن‌کاوی به منظور کشف حوزه‌های فناوری و چرخه عمر آن‌ها استفاده شده است. در این مطالعه پتنت‌ها از بانک پتنت‌های ایالات متحده به عنوان ورودی فرآیند متن‌کاوی جمع‌آوری شده است. سپس با استفاده از روش خوشه‌بندی اصلی‌ترین حوزه‌های فناوری مربوط به سیستم‌های شناورهای بدون سرنشین زیرسطحی شناسایی شده‌اند. همچنین اصلی‌ترین تغییرات فناورانه در این سیستم‌ها پیش‌بینی شده‌اند. افزون بر آن چرخه عمر مربوط به هر یک از حوزه‌های فناوری با استفاده از مدل منحنی S شناسایی شده‌اند.
چکیده انگلیسی:
Technology life cycle (TLC) is one of the main concepts in technology management, especially in technology forecasting. TLC generally is modeled by S-Curve. In spite of simplicity of this modeling, utilizing of it in recognition the situation of a specific technology is difficult. Most of the methods in modeling the TLC wouldn’t meet the requirements such as to achieve a defined level of accuracy and quantification. TLC could be calculated by using text-mining technics that apply on patents’ content. In this research Co-word as one of the text-mining techniques is used to explore technology areas and life cycles of them. In this study patents are gathered from USPTO as input of text-mining process. Hence by using clustering methods, the main technology areas in “Unmanned Underwater Vehicle” (UUV) system are recognized. Also the main future technological changes in UUV systems are forecasted. More over the TLC of these technology areas is defined by using S-Curve model.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
