基于專利文本挖掘的智能制造領域研發趨勢研究

摘" 要：該文分析智能制造領域的研發情況，為同類研究提供借鑒及思路。采用“智慧芽”專利數據庫及3D專利地圖分析，從專利分布概況、技術主題、重點專利、專利市場價值和主要機構及技術領域等方面，簡要分析智能制造領域的研發情況。通過“智慧芽”專利數據庫分析全面地反映某一領域的專利發展思路與趨勢，為科研發展與企業創新提供情報依據。

關鍵詞：專利分析；智能制造；智慧芽；制造業；助殘領域

中圖分類號：G35" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）16-0084-05

Abstract： The research and development in the field of intelligent manufacturing is analyzed to provide reference and ideas for research of similar types. By using the \"PatSnap\" patent database and 3D patent map analysis， this paper briefly analyzes the situation with research and development in the field of intelligent manufacturing from the aspects of patent distribution， technical theme， key patents， patent market value， main institutions and technical fields， etc. Through the analysis of PatSnap patent database， this paper comprehensively reflects the ideas and trends of patent development in a certain field， so as to provide information basis for scientific research development and enterprise innovation.

Keywords： patent analysis; intelligent manufacturing; PatSnap; manufacturing; disability assistance

制造業是國民經濟的支柱產業，是工業化和現代化的主導力量，是衡量一個國家或地區綜合經濟實力和國際競爭力的重要標志[1]。2021年12月28日，工業和信息化部等八部門聯合印發了《“十四五”智能制造發展規劃》（以下簡稱《規劃》）。《規劃》提出，“十四五”及未來相當長一段時期，推進智能制造，要立足制造本質，緊扣智能特征，以工藝、裝備為核心，以數據為基礎，依托制造單元、車間、工廠、供應鏈等載體，構建虛實融合、知識驅動、動態優化、安全高效、綠色低碳的智能制造系統，推動制造業實現數字化轉型、網絡化協同、智能化變革[2]。

本文借助“智慧芽”Insights英策分析系統，對智能制造領域的相關專利布局和發展態勢進行分析，并篩選部分高價值專利，旨在為相關領域的學者提供情報信息支持和依據。

1" 文獻綜述

1.1" 專利研究

專利（patent）一詞來源于拉丁語Litterae patentes，是專利權的簡稱。我國專利法將專利分為3種，即發明、實用新型和外觀設計。專利是知識產權的一種，是人類發明創造成果的一種表示形式。專利具有專有、公開、地域、期限和無形等特點。專利信息可分為技術信息、法律信息、經濟信息、著錄信息和戰略信息，因此專利信息的分析和利用已經成為各類機構了解本行業技術發展方向和爭取優勢地位的重要手段之一[3]。

20世紀50年代，Seidel就提出了對專利引文分析的概念。專利引文中共被引分析和耦合分析通常要借助統計分析軟件SPSS、知識圖譜工具CiteSpace、VOSviewer和社會網絡分析軟件Ucinet、Pajek、Netdraw等，這是未來的研究熱點和前沿[4]。

德國學者Sternitzke等[5]在2008年指出用社會網絡分析法對專利信息進行分析的方法才剛剛開始應用，具有非常廣闊的應用價值。目前社會網絡分析的分析對象主要集中在專利的發明人與權利人的合作共現網絡、技術分類的共現網絡等，通過可視化軟件形成節點網絡圖，可以發現重要的發明人和權利人，識別核心專利，預測技術發展趨勢等[4]。

1.2" 智能智造產業研究

截至2022年4月27日，利用Springerlink數據庫，對2016—2022年間的外文期刊文獻，以“intelligent manufacturing（智能制造）”和“information requirements（信息需求）”在題名或關鍵詞字段進行檢索。經過篩選，結果表明：近年來世界各國紛紛針對制造業提出了產業轉型升級的國家戰略規劃，如德國的“工業4.0”、美國的“工業互聯網”和我國的“中國制造2025”等，這些發展政策都強調物聯網、人工智能等新一代信息技術與制造業的深度融合，為了在全球產業競爭中保持領先優勢，必須大力推動先進制造業的發展，提升傳統制造業技術水平和創新能力[6]。

截至2022年4月27日，利用CNKI數據庫，時間范圍為2017—2022，主題為“智能制造”進行檢索，共檢索到相關文獻21 270條，其中學術期刊16 729篇，核心期刊1 617篇，中文社會科學引文索引（CSSCI）403篇，工程索引（EI）206篇，科學引文索引（SCI）32篇；主題為“智能制造行業”或“智能制造產業”進行檢索，共檢索到相關文獻3 140條。中國電子技術標準化研究院發布《智能制造發展指數報告（2020）》，對制造業趨勢進行了分析可知：①聚焦智能制造遠景目標擘畫發展藍圖；②提升設備數字化和網絡化能力，夯實智能制造基礎；③扎實推進數字化設計，快速應對需求變化；④著力推進生產過程智能化，建設智能化車間；⑤關注在線質量管控，提升產品品質可靠性；⑥加強集成技術深度應用，消除信息孤島；⑦提升數據分析利用率，基于模型驅動精準決策和業務優化；⑧加快智能制造人才培養，支撐產業持續發展[7]。

綜上所述，利用數據挖掘技術以及專利的前瞻性、公開性等特點，使我們有條件且有科學依據研究智能制造產業的發展現狀，為高科技企業、創新型企業和科研院所等機構提出建設性意見，推進制造業數字化、高端化、綠色化發展，提升制造業競爭力，加快建設全球先進制造業基地，助力制造強國建設。

2" 數據來源

“智慧芽”Insights英策分析系統（網址：https：//www.zhihuiya.com/analysis.html），檢索式為：TACD_ALL：（智能制造）OR TACD_ALL：（智造數字化）=（APD_Y：（“2022” OR“2021” OR“2020” OR “2019” OR “2018” OR “2017” OR “2016”），共檢索出20 306條專利，其中已授權專利8 727條（檢索時間：2022年10月3日）。

3" "智能智能產業技術發展現狀

3.1" 智能制造技術專利申請趨勢（概況）

根據檢索式共檢索出殘疾人領域的相關專利20 306條，經篩選后，排除未繳年費、撤回、駁回、避重授權及放棄等專利，最終獲得有效專利17 566件。

按照法律狀態來分，其中有效專利8 727件（約占49.68%），審中專利8 747件（約占49.80%），PCT指定期內92件（約占0.52%）；按照專利類型來分，其中發明專利12 441件（約占70.82%），外觀設計99件（約占0.56%），實用新型專利5 026件（約占28.61%）。

從2015—2022年專利趨勢可以看出智能制造領域專利前6年總體呈現上升趨勢，2022年則有所回落。由圖1可知，智能制造領域專利2015—2017年申請量逐步上升，但專利總量在1 000件以下；2018年起申請量大步提升，到2021年達到最高的5 239件，而截至2022年10月年度申請量為2 115件。

3.2" 技術主題

智能制造領域專利技術主要分布如圖2所示，IPC類中的G06Q10（行政；管理〔8，2012.01〕[2012.01]）1 309件、G06Q50（特別適用于特定商業行業的系統或方法，例如公用事業或旅游（醫療信息學入G16H）[2012.01]）1 128件、G05B19（程序控制系統（特殊應用見有關位置，例如A47L15/46；附帶或內裝有在預定時間間隔操作任一器件的裝置的時鐘入G04C23/00；記錄或讀取數字信息的記錄載體入G06K；信息存儲器入G11；在程序執行完了后自動終止其運行的時間或時間程序開關入H01H43/00）[2006.01]）1 035件、G06N3（基于生物模型的計算安排[2006.1]）988件、G06K9（識別模式的方法或安排（用于讀取圖形或將機械參數模式（例如力或存在）轉換為電信號G06K 11/00；圖像或視頻識別或理解G06V；語音識別G10L 15/00的方法或安排）[2022.01]）871件。

從技術分布的年度趨勢可以看出（圖3），做主要技術分布分類中，G06Q10和G06Q50專利技術較早，并且近10年來在數量上也不斷增多，2021年和2022年，G06Q10分類中的專利數量分別為378件和219件，G06Q50分類中的專利數量分別為346件和200件。

3.3" 重點專利

在17 566件專利中，被引用數量最多的3件專利是US20180204111A1（System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform）、US20200184278A1（System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform）、CN106874914A（一種基于深度卷積神經網絡的工業機械臂視覺控制方法），分別被引用達到631、163及96次；專利權利要求數量最多的為WO2022133210A2（Market orchestration system for facilitating electronic marketplace transactions），要求數量達到286項（圖4）。

3.4" 發明人

在17 556件專利中，專利數量最多的前9位發明人分別是許錦標（84件）、何光（82件）、何青（81件）、曾珞亞（81件）、邵澤華（62件）、武佩（60件）、潘輝（60件）、翟光強（60件）及翟光杰（60件），見表1。從專利技術上看，主要發明人及其團隊的主要研究領域在可編程序邏輯控制器、從氣體或蒸汽中分離顆粒的方法或裝置的組合、以轉換方式為特點的數字轉換器和僅在不連續的點上檢測液面變化等幾個方面。

3.5" 專利市場價值

“智慧芽”Insights英策分析系統采用3D專利地圖分析高價值專利的分布情況（坡度越大表示此處專利越多，顏色越白表示專利越多），如圖5所示。其中專利授權最多的是計算機硬件amp;軟件等研究領域。

“智慧芽”專利平臺的專利價值評估結果表明[8]，智能制造領域專利主要分布的分類中，行業專利均值：行政；管理為76 181美元，特別適用于特定商業行業的系統或方為64 939美元，程序控制系統為92 336美元，基于生物模型的計算安排為32 434美元，識別模式的方法或安排為89 899美元。

最有價值的 10 件專利中（表 2），專利 US20210116256A1（Autonomous vehicle component damage and salvage assessment）和US10963969B1（Autonomous communication feature use and insurance pricing）的價值較高，分別為7 730 000和7 430 000美元。

3.6" 主要機構及技術領域

根據專利數量，智能制造領域的主要研究機構有華為技術有限公司（252件）、華中科技大學（100件）、華南理工大學（95件）和南京航空航天大學（92件）等。從主要機構的專利公開年度趨勢看，華為技術有限公司已經成為該領域的主要研究機構，其受理局分別在中國（218件）、世界知識產權組織（31件）、德國（2件）及歐洲（1件）；2021年公開公布專利達109件，專利技術主要涵蓋特定計算模型的計算學習方法和體系結構。華中科技大學的受理局全部都在中國，其2019—2021年公開公布專利達20件左右，專利技術主要涵蓋專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；華南理工大學2016—2022年公開公布達95件，主要技術涉及應用電子設備進行模式識別的方法或裝置、資源、工作流、人員或項目管理；南京航空航天大學2016—2022年公開公布達92件，主要技術涉及全面工廠控制，即集中控制許多機器、程序控制系統。

4" 結束語

本文利用“智慧芽”專利分析工具，分析了智能制造領域相關技術領域專利的整體情況，展現了智能制造相關技術領域專利的發展態勢。

智能制造相關的專利發明人，主要集中在許錦標、何光、何青及曾珞亞；專利申請人主要集中在華為技術有限公司、華中科技大學、華南理工大學及南京航空航天大學；主要涉及技術領域包括特定計算模型的計算學習方法和體系結構，專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法等。在智能制造領域的專利還需要不斷的努力，將專利成功轉化成產品。

參考文獻：

[1] 《中國制造2025》解讀之：中國制造2025，我國制造強國建設的宏偉藍圖[J].工業爐，2022，44（2）：11，54.

[2] 八部門聯合印發《“十四五”智能制造發展規劃》[J].中國有色金屬，2022（2）：24.

[3] 羅璇.基于數據挖掘技術的專利信息分析及應用研究[D].北京：首都經濟貿易大學，2011.

[4] 林立洲.基于專利信息挖掘的人工智能技術發展研究[D].昆明：昆明理工大學，2021.

[5] STERNITZKE C，BARTKOWSKI A，SCHRAMM R.Visualizing patent statistics by means of social network analysis tools[J].World Patent Information，2008，30（2）：115－131.

[6] 李夢蓉.面向智能制造的供應鏈協同模型研究[D].南京：南京郵電大學，2020.

[7] 析讀《智能制造發展指數報告（2020）》[J].中國包裝，2021，41（3）：23.

[8] 馬吉宏，田長彥，呂光輝.基于“智慧芽”專利數據庫的塔里木河生態環境領域專利分析[J].科技管理研究，2018，38（10）：158-164.