Исследование изобретательского пространства для обоснования направлений диверсификации технологичного экспорта
Автор: Садриев Азат Рафаилович, Камаев Булат Наилевич
Журнал: Известия Санкт-Петербургского государственного экономического университета @izvestia-spgeu
Рубрика: Глобализация и мирохозяйственные процессы
Статья в выпуске: 5 (131), 2021 года.
Бесплатный доступ
Статья посвящена моделированию глобального пространства изобретательской активности с использованием методологии машинного анализа патентных данных. В качестве объекта исследования выступили технологические сферы деятельности, относящиеся к разделу F (машиностроение; освещение; отопление; оружие и боеприпасы; взрывные работы) и разделу H (электричество) совместной патентной классификации. В контуре указанных сфер деятельности выявлены закономерности проявления эффектов технологической близости между группами различных разработок. На основе результатов моделирования обоснованы направления диверсификации национального технологического экспорта, раскрывающие логику использования технологических областей с высоким значением индекса технологической близости RTA в качестве драйверов развития экспортного потенциала технологически связанных с ними областей с низким значением индекса RTA.
Диверсификация технологического экспорта, изобретательское пространство, картирование, патентный анализ, совместная патентная классификация, большие данные, машинное обучение
Короткий адрес: https://sciup.org/148323858
IDR: 148323858
Текст научной статьи Исследование изобретательского пространства для обоснования направлений диверсификации технологичного экспорта
Ускорение научно-технического прогресса стремительно расширяет, фрагментирует и сокращает цикл обновления глобального технологического пространства. Для навигации в таком многомерном и постоянно меняющемся пространстве необходима динамическая карта изобретательской активности в разных технологических областях, учитывающая закономерности ее проявления в различных географических проекциях [1-3]. Информационной основой для построения этой карты служат глобальные и национальные патентные базы данных, агрегирующие сведения о наиболее значимых для общества технических задачах и способах их решения. Методическим обеспечением процесса картирования является система международной патентной классификации (IPC), а также приходящая ей на смену система совместной патентной классификации (CPC), в которых реализована многоуровневая иерархия принадлежности разных изобретений, полезных моделей и промышленных образцов к различным областям техники.
Накопление больших исторических данных о патентах, размещенных в координатах этих классификаций, открывает широкие возможности для построения карты изобретательской активности, в которой может быть представлено не только многообразие существующих технических решений, но и многочисленные, в том числе и неявные, взаимосвязи между ними [4-5]. Выявлять такие закономерности позволяет указание в каждой патентной заявке соответствия регистрируемой разработки сложившемуся уровню техники, в который входят любые сведения, ставшие общедоступными в мире до даты приоритета рассматриваемого технического решения. В большинстве случаев такие сведения содержатся в патентных документах, включая, прежде всего, ранее опубликованные патентные заявки.
Фиксируя сеть цитирований одними патентами других патентных документов, а также исследуя факты совместного использования в одних и тех патентных документах разных кодов патентной классификации, можно, с одной стороны, получить полную картину о техническом уровне различных решений сопоставимого функционального назначения, выявляя на этой основе разработки, которые опережают по существенным признакам имеющиеся аналоги. С другой стороны, это открывает достаточно широкие возможности для обнаружения и исследования целых технологических платформ, в контуре которых системообразующие и коммерчески успешные технические решения могут быть рассмотрены в качестве драйверов развития опосредовано связанных с ними технологических разработок, находящихся на ранних стадиях цикла рыночной зрелости.
С точки зрения интересов экономических систем вне зависимости от уровня их управления наличие актуальной карты изобретательской активности позволяет программировать стратегию развития комплексных технологически сложных разработок, отличающихся высокими сравнительными преимуществами в масштабах не столько национальных, сколько даже глобальных рынков. Развитие этой идеи встречается в исследованиях Х. Накамуры, С. Сузуки, И. Сакаты и др. [6], посвященных проецированию объектов изобретательского пространства на сетевую карту технологического экспорта. Учитывая, что страны-создатели технологических решений, характеризующихся интенсивной диффузией в инновационном пространстве и формированием устойчивого потока соответствующей квази-монополистической ренты, фиксируют продолжительный экономический рост вокруг производных технологических разработок, компетенции такого стратегического программирования становятся в настоящее время особенно востребованными.
Одним из первых о таком контексте технологического развития высказался Л. Лейдесдорф, когда выдвинул предположение о том, что заинтересованность экономик в формировании и обеспечении устойчивого роста технологической ренты мотивирует их субъектов к созданию технологически связанных разработок. Однако, указывая на очевидные экономические преимущества таких связанных разработок, исследователь был вынужден констатировать чрезвычайную сложность организации работы по их созданию.
Именно эта проблема и определяет лейтмотив данного исследования, посвященного поиску решения так называемой дилеммы изобретательской диверсификации, которая состоит в необходимости выбора экономической системой либо траектории развития широкого круга разноплановых технологий, не опирающихся на единую технологическую платформу, либо траектории создания разноотрас- левых технологических решений, вписанных в многоуровневую технологически связанную архитектуру. При этом относительная простота первой траектории, дополняемая более четко просматриваемыми перспективами коммерциализации уже в краткосрочном периоде, должна быть соотнесена с возможностью извлечения в случае следования второй траектории существенно более высокой технологической ренты, правда в долгосрочном периоде времени и с гораздо меньшей вероятностью положительного исхода.
Методика исследования
Для построения моделей изобретательского пространства исследователи используют, как правило, патентные данные, которые считаются одним из наиболее объективных и, что особенно важно, доступных и содержательных источников информации о научно-исследовательских и опытноконструкторских разработках любого отраслевого или национального профиля. Такой подход прослеживается, например, в исследованиях Л. Лейдесдорфа [7], Накамуры [6], Л. Кея [8] и др., в которых сетевая карта различных технологических разработок выстраивается на основе, прежде всего, патентной информации. Узлами или вершинами такой сетевой карты являются группы изобретений, привязанные к конкретным группам патентной классификации. Расстояние между вершинами рассматривается исследователями в качестве взвешенного ребра, длина которого раскрывает технологическую близость между разными группами изобретений.
Сетевая карта может быть как укрупненной, формируя общее представление о структуре изобретательского пространства, так и локальной, фиксируя внимание на закономерностях развития отдельных технологических областей. Результаты таких сфокусированных исследований можно, например, обнаружить в научных публикациях Л. Кея [8], посвященных разработкам в области робототехники и топливных элементов. При этом если высокое разрешение узконаправленных сетевых карт позволяет выявлять скрытые разработки в отдельных технологических областях, то широкофокусные сетевые карты с более низким разрешением, напротив, нацелены на идентификацию неявных взаимосвязей между разработками разных технологических областей и реализацию на этой основе потенциала рекомбинации идей и знаний различного отраслевого профиля. Достаточно подробно проблемы такой технологической рекомбинации рассматриваются в научных разработках Л. Флеминга [9] и К. Фу [10].
Конечно, ориентируя исследования технологического пространства на приоритетное использование в качестве источников информации патентных данных, следует признать, что патенты являются индикаторами изобретательской, но не инновационной активности. Основная часть изобретений, в том числе и тех, которые имеют патентную защиту, не получают экономического признания и, соответственно, не вписываются в поток инновационных разработок. Дискуссию о данной проблеме развернули в своих исследованиях Б. Баркхард, Н. Кроссман, С. Недков и др. [11], которые были вынуждены вместе с тем признать, что несмотря на имеющиеся ограничения патентной информации, реальной альтернативы ей при выявлении сложившихся трендов и обосновании перспективных направлений технологического развития по большому счете пока нет.
Близость между изобретениями разных классов патентной классификации может быть исследована с помощью различных методических подходов. Особо показательно практика их использования раскрывается в работе Л. Лейдесдорфа, Д. Кушнира и И. Рафолса о создании интерактивных карт патентных данных, агрегируемых USPTO (United States Patent and Trademark Office) [12]; исследовании Я. Боуэна и Л. Цзяньси о реализации процедур патентного картирования [13], а также в разработках К.А. Идальго, Б. Клингера, А.Л. Барабаси, Р. Хаусманн [14] о проектировании модели глобального продуктового пространства.
Следует отметить, что в большинстве публикаций по рассматриваемой проблеме исследуется, прежде всего, парная близость между двумя классами патентной классификации. Используемые при этом подходы условно разделяются исследователями на две группы в зависимости от типа применяемой в расчетах исходной информации: данных о цитировании патентных документов или данных о совместном использовании в одном и том же патенте нескольких кодов патентной классификации. Обработка этих данных ведется, как правило с использованием либо индекса Жаккара, либо метода, основанного на определении так называемого косинусного сходства единиц исследуемого множества.
Первым среди этих подходов появился косинусный метод, который ориентирован на измерение углового сходства между векторами, распределяющими цитирование патентных документов двух разных классов в одном и том же конкретном патенте. Используя косинусный метод, А.Б. Джаффе еще в 1986 году сумел построить симметричную матрицу частоты появления патентов, зарегистрированных в двух классах международной патентной классификации [15]. Руководствуясь полученными в результате этого данными, он сумел обосновать близость между технологическими портфелями разных компаний.
Оценивая эффективность использования каждого из этих методических подходов, Л. Лейде-сдорф [16] пришел к выводу о том, что нормализация матрицы частоты появления патентов с помощью косинусного метода способна искажать исходные данные, выдавая пользователю ложные корреляции. В ряде более поздних исследований не связанных друг с другом авторов [17-18] даже появились результаты сравнения итогов экспериментальной апробации каждого из методических подходов, которые однозначно свидетельствовали в пользу, прежде всего, метода Жаккара.
Ориентируясь на параллельное использование метода Жаккара и косинусного метода Б. Ян и Дж. Луо [13] провели сравнение 12 уровней близости для 121 класса международной патентной классификации. При этом был сделан вывод о том, что карты близости, основанные на нормализованной по Жаккару библиографической связи на дезагрегированном уровне патента «A1», по целому комплексу характеристик значительно превосходят карты, сформированные с использованием косинусного метода. Исходя из этого, было принято решение об использовании в рамках настоящего исследования именно метода Жаккара, расчетные процедуры для которого будут проведены на основе данных о совместном использовании в одном и том же патенте двух и более кодов патентной классификации.
Практическая реализация этого метода предполагает количественную оценку степени перекрытия (в диапазоне от 0 до 1) баз данных для всех возможных парных комбинаций различных подклассов патентной классификации. Расчет индекса Жаккара будет вестись по следующей формуле:
class t и class ,
Vj. = -----------,
LJ classt nclassj где ф1, - близость между классами патентной классификации i и j, характеризующая статистическую значимость отнесения одного и того же патента сразу к двум классам патентной классификации; и — количество уникальных патентов, процитированных патентами подклассов i и j; П — количество уникальных патентов, цитируемых патентами класса i или j (количество патентов, на которые имеется ссылка сразу в двух классах i и j).
Информационной основой проведения исследования послужили патентные данные двух наиболее наукоемких и технологически сложных разделов совместной патентной классификации CPC – раздела F (машиностроение; освещение; отопление; оружие и боеприпасы; взрывные работы) и раздела H (электричество). В рамках двух этих разделов были агрегированы данные 85 подклассов по классам «mechanical engineering», «lighting», «heating», «weapons», «blasting» и «physics» за период 2011-2021 гг., которые насчитывают более 12 млн единиц патентной информации. Источником этих данных послужил открытый онлайн-ресурс «Google Patents Public Data».
Агрегирование исследовательских данных и их программная обработка были выполнены в среде «colab research» с использованием языка формирования запросов для больших данных «bigquery» и программной библиотеки на языке Python «pandas». Совокупность зашифрованных номеров подклассов анализируемой выборки, дополненная относящимися к ним патентами, формирует, по сути, структуру реляционной базы данных, единицы информации которой связаны друг с другом соответствующими показателями близости.
Далее функционал процедур картирования изобретательского пространства с использованием индекса Жаккара дополним блоком расчета индекса выявленного технологического преимущества (RTA – Revealed Technology Advantage), значения которого позволят раскрыть эффективность усилий определенной страны в регистрации патентов в рамках конкретного подкласса патентной классификации. Практика использования этого индекса при проведении патентных исследований раскрывается, например, в научных работах Boschma et al. [19-20] и Дж. Кантвелла и Г. Верто- вой [21]. С помощью индекса RTApatents силами научного коллектива Boschma et al. была проведена оценка сравнительного преимущества различных классов и подклассов международной патентной классификации и проведена визуализация полученных при этом данных. Расчет индекса RTA проводился при этом по следующей формуле:
xPAi
^iixPAjj
RTA- ‘ 4 (2)
^Pwi
^ijXP^ij где XpAi - количество зарегистрированных патентов - i страной A в течение 10 лет; ^ijXpA^ - количество всех зарегистрированных патентов - ij страной А в течение 10 лет; XPwt — количество зарегистрированных патентов - i в мире в течение 10 лет; ^tjXpw^- количество всех зарегистрированных патентов – ij в мире в течение 10 лет.
Таким образом, методика проведения данного исследования базируется на гипотезе о том, что закрепление за одним и тем же патентом двух и более кодов патентной классификации свидетельствует о близости соответствующих им технологических областей, которая будет усиливаться по мере увеличения числа патентов с такими совместно используемыми кодами. Последовательность реализации методики укладывается при этом в следующие основные этапы:
-
- определение значений показателей близости между 85 подклассами патентной классификации на основе данных о совместном использовании кодов этих подклассов в одном и том же патенте;
-
- построение нормализованного сетевого дерева связей между анализируемыми подклассами патентной классификации;
-
- исследование подклассов патентной классификации, демонстрирующих аномальную удаленность от центров кластеров, в состав которых они входят;
-
- использование полученных данных для обоснования направлений диверсификации национального технологического экспорта, в контуре которых продукты с высоким значением индекса RTA могут рассматриваться с точки зрения развития экспортного потенциала технологически связанных с ними товаров с низким значением индекса RTA.
Оценка значимости связи между изобретательским профилем национальной экономики и структурой промышленного производства
В рамках данного исследования, опираясь на методическую связку индексов RCA и RTA, проведем оценку правдоподобности нулевой гипотезы об отсутствии значимой связи между изобретательским профилем национальной экономики и структурой промышленного производства и, соответственно, национального экспорта. Для этого рассчитаем индексы RCA для экспортируемых из России товаров по 4-значной номенклатуре SITC (Standard International Trade Classification). Решение данной задачи проведем в следующей последовательности:
-
- расчет индексов RTA для патентов исследуемых подклассов, авторы которых имеют российское гражданство;
-
- соотнесение патентных подклассов c RTA>0,8 c классами экспортных категорий 4-значной номенклатуры SITC;
-
- расчетов индексов RCA для российских экспортных товаров по классификации SITC;
-
- оценка статистической значимости индексов RCA и RTA для анализируемой выборки данных.
На рис. 1 представлена регрессионная модель зависимости между индексами RCA и RTA для подклассов изобретений рубрик F и H патентной классификации, которая для информативности дополнена графиками плотности их распределения.
Для количественной оценки силы и направления вероятностной связи между индексами RTA и RCA рассчитаем значения показателя p-value. При этом исходим из того, что соблюдение соотношения p≤0,05 опровергает ранее выдвинутую нулевую гипотезу и, соответственно, подтверждает предположение о наличии значимой взаимосвязи между изобретательским профилем национальной экономики и структурой национального экспорта. В результате проведения расчетов были получены значения коэффициента корреляции Спирмена на уровне 0,36 и p-value на отметке 0,017.

Р ис. 1. Регре с сионная модель зависим о сти индекса RCA от инд е кса RTA дл я подклассо в изобретени й из рубрик H и F МПК (рис. 1а); пло т ность распр е деления индексов RTA ( р ис. 1б) и R C A (рис. 1в)
В данно й ситуации относитель н о низкое з начение к о эффициент а корреляц и и Спирме н а, не подтверждающ е е наличие четко выра ж енной ли н ейной связ и между анализируем ы ми индекс а ми, нивелируется со б людением соотношен и я p≤0,05, ч то свидете л ьствует о наличии н ея вной, но достаточно высокой ста т истической зависимос т и между и н дексами R T A и RCA.
Таким образом, можно сделат ь вывод о в озможности и целесо о бразности и сследован и я закономерностей взаимного влияния изо б ретательс к ого профи л я национа л ьной экон о мики и ст р уктуры ее э к спорта с использованием, соотве т ственно, и н дексов RTA по CPC и RCA по S I TC. Желае м ым образ о м результ а та такого исследован и я является выявление направлен и й диверси ф икации те х нологического экспо р та, базирующихся на и спользова н ии товаров с высоким и значения м и RCA и R T A в качестве движу щ их сил для развития э к спортного потенциал а технологи ч ески связа н ных с ними товаров, которые ли б о имеют низкие значе н ия индекс а RCA, либо вообще н е представ л ены в нац и ональной э к спортной к орзине.
Картирован и е изобретательского пространс т ва
Итак, в лог и ке ранее изложенной м етодики п р оведения исследован и я были аг р егированы патентные данные для всех анализируемых 85 подкласс о в патентн о й классиф и кации. Эт и данные р а скрывают принадлежность анализируемых п а тентов к о п ределенно й категории, классу и п одклассу. З начительная часть патентов, в том числе вх о дящих в р а ссматриваемую выбор к у, может х арактеризо в аться различными ко о рдинатами в патентной классифи к ации, т.е. о тноситься к разным п а тентным к а тегориям, классам, по д классам, группам и по д группам.
На осно в е агрегированных дан н ых в форм а те связанного взвеше н ного неор и ентирован н ого графа с 3518 ребрами была построена карта техноло г ической близости меж д у группам и изобретений 85 анализируемых подклассов. Основны м назначен и ем данной карты явл я ется графи ч еская инт е рпретация изобретател ь ских подклассов, хар а ктеризующ и хся наибо л ьшим чис л ом значим ы х связей д руг с друг о м. Для расчета весов рассмат р иваемых с вязей использованы з начения и н декса бл и зости фц . При этом точность построения ка р ты во мно г ом зависи т от способности выд е лять так н а зываемый истинный сигнал технологической б лизости с р еди сигнал о в ложного происхожд е ния.
На следующем этапе исследов а ния создан н ый неориентированн ы й граф ис п ользуем для проектирования остовного дерева с миним а льным вес о м связей и нормализа ц ии на этой основе ма т рицы близ о сти между анализируемыми под к лассами п а тентной классификац и и. Из резу л ьтатов нормализации исключим слабые связи, сохранив в итогово й форме ви з уализации лишь наиб о лее значи м ые связи, выявленные с помощью алгоритм а поиска м и нимального остовног о дерева ( m inimum sp a nning tree, MST) во вз в ешенном неориентир о ванном св я зном графе. Итак, в р езультатах нормализа ц ии, представленных на рис. 2-3, показано д ва основн ы х уровня близости: на и высший у р овень бли з ости, обоз н аченный нодами черного цвета, и уровень б л изости вы ш е среднег о , привязан н ый к нода м красного цвета.

Рис. 2. М инимальное остовное д е рево для по д классов пат е нтной клас с ификации с в ысоким ур о внем связей
Макс и мальный уровень бли з ости нодо в черного ц в ета являет с я свидете л ьством вы с окого уровня сравните л ьного преимущества п ри специа л изации на ш ей стран ы в соответ с твующем п одклассе патентной к лассификации. При этом ноды к р асного цве т а такой ха р актеристи к ой не располагают. Размер представленных на карте у з лов откал и брован в з а висимости от уровня сравнительного преимущества, р ассчитанного для соо т ветствую щ его подкласса патент н ой класси ф икации н а основе глобальных п атентных данных с гл у биной арх и ва в десять последних лет.
Анализ представленной на рис. 2 инфо р мации поз в оляет сдел а ть вывод о наличии в рассматриваемом мас с иве данных о патент н ых класси ф икациях т р ех кластер о в. Кажды й из этих к л астеров, концентриру я вокруг себя достаточно большо е количеств о узлов, им е ет в то же время явн о выраженные связи с д р угими кластерами. С а мым круп н ым является кластер I I, который , во-первы х , располагает наиболее сбалансированной стр у ктурой с т о чки зрени я соотноше н ия между п атентными подклассами как с выс о кими, так и с более н и зкими зна ч ениями ин д ексов спец и ализации, а , во-вторых, включает в свой сос т ав практически все подкласс ы по разделу F сов м естной па т ентной к л ассификации «mechani c al engineering; lighting; heating; w e apons; blast i ng».
След у ющим по размеру яв л яется клас т ер I, собр а нный из п о дклассов, с пециализи р ующихся на разработ к ах в области военно-п р омышлен н ого компл е кса. Показ а тельно, чт о размер уз л ов этого кластера явл я ется самым большим на предста в ленной ка р те, что св и детельству е т о высок о м уровне индекса RT A , т.е. выявленного с р авнительн о го преиму щ ества для отечествен н ых разраб о ток соответствующе г о целевого назначения. Наконец, в самом не б ольшом по размеру кл а стере III р а сположились подклассы, объединяющие уст р ойства для измерения, дистанци о нного пер е ключения и управления прибора м и. Единственным сис т емообразу ю щим под к лассом в этом клас т ере, котор ы й реализует функцию связи между узлами, является п одкласс « P lasma technics» (ион н о-лучевые трубки H01J 27/00; ма г нитогидродинамические генерат о ры H02K 44/08; получение рентг е новских л у чей с генерацией пла з мы H05G 2/00; произв о дство уско р енных эле к трических зарядных ч а стиц или н ейтронов). В целях п овышения информат и вности рез у льтатов а н ализа карт ы технолог и ческой бл и зости между изобрете н иями анализируемых подкласс о в патентн о й класси ф икации р а ссмотрим минимальное остовное дерево, в котором виз у ализирова н ы ноды, ха р актеризующиеся низк и ми значен и ями индекса близости фц . На рис. 3 фиолет о вый цвет н о да служит индикатор о м связи с и ндексом б л изости ниже среднего у ровня, а синий цвет – связи с инд е ксом, значение котор о го близко к нулю.

Рисунок 3. М инимальное остовное дерево для по д классов патентной класс и фикации с н изким уров н ем связей
На рис. 3 достаточно четко пр о сматриваю т ся своего р ода анклавы патентн ы х подкласс о в или так называемые «изолированные прос т ранства» - у даленные у злы, не и м еющие свя з ей с другими узлами изобретательского пространства, однако хара к теризующиеся при э т ом относи т ельно выс о ким уровнем выявле н ного сравнительного п реимущест в а. Показательным дл я этого кей с ом являетс я ситуация с подклассо м «Plasma technics», ко т орый обес п ечивает основную связь между э л ементами к ластера II и кластера III. Такое нестандартно е позицион и рование эт о го подкла с са в изобр е тательском пространс т ве объясн я ется по всей видимос т и комплек с ным харак т ером относящихся к н е му разраб о ток, которые имеют с и стемные связи с разр а ботками ог р аниченного набора других подкл а ссов.
Другой причиной такого позиционирован и я может с л ужить отн о сительная н овизна да н ной изобретательско й области, в силу кото р ой потенц и ал ее диф ф узии в изо б ретательск о м простра н стве пока е щ е не раск р ылся. Для этого случа я может б ы ть обоснов а на стратег и ческая тра е ктория ис с ледования «пустых пр о странств» с целью вы я вления те х нологичес к их областей, которые, несмотря н а низкую патентную активность в них, расп о лагают по т енциально й возможно с тью выстр а ивания те х нологичес к ого, а пос л е этого и экономичес к ого взаимо д ействия с д ругими, б о лее успеш н ыми техно л огически м и областя м и. Для определения т а ких потен ц иально во з можных с ц енариев д и версифика ц ии связей м ежду разл и чными подклассами патентной к л ассификации рассчит а ем значен и я показате л я плотнос т и связи ме ж ду ними (Relatedness D ensity).
По свое м у содержанию этот п о казатель я в ляется час т ным межд у показател е м близост и ф ^ . интересующего н ас подкласса i к под к лассу, в к о тором исс л едуемая страна накоп и ла высок и й уровень т е хнологиче с кого преимущества ( и ндекс RTA ) , с одной с т ороны, и суммой пок а зателей те х нологичес к ой близос т и подкласса i ко всем о стальным п одклассам, где специа л изируютс я изобретат е ли из этой ж е самой ст р аны, с другой стороны :
Z jEe,j*i Ф i
Шцсх= 77 j Х100 (3)
Lj^i^ij где ^i,c,t - показатель плотности области знаний о технологии i в стране с в момент времени t; ф^ -показатель близости между подклассами i и j.
Границы значений показателя плотности wi,c,t находятся в интервале от 0 до 100 процентов. При этом значение в 100% свидетельствует о том, что разработка i находится и сключительно в про- странстве подклассов, в которых страна специализируется с относительно вы соким технологическим преимуществом в мире (>=1) (рис. 4).

(а)
(б)
(в)
Ри с . 4. Результаты кластеризации подкла с сов CPC с и спользованием показате л я плотности mi,c,t
Если ж е значение показател я плотност и mi, c, t бу д ет ближе к 0, то это, н апротив, б у дет означать серьезны й разрыв между анали з ируемыми подкласса м и, устране н ие которо г о способно скрывать гораздо бо л ее существенный синергетически й эффект о т комбинац и и привяза н ных к ним технологическим раз р аботкам.
В пре д ставленных на рис. 4 диаграмма х рассеяни я иллюстри р уется плот н ость пози ц ионирования анализир у емых подклассов пат е нтной кла с сификации в простра н стве изоб р етательско й активности. Особый и нтерес на этих диагра м мах предс т авляет кла с тер III, эл е менты кот о рого марк и рованы голубым цветом. Именно этот клас т ер являетс я ядром те х нологичес к их разраб от ок раздел о в F и H, что объясняе т ся высоким уровнем выявленног о технологи ч еского пр е имущества (индексом RTA) составляющих е го структуру подклассов. Это оз н ачает, что р азработки д анных по дк лассов об ъ единяет ориентация н а одну и ту же технол о гическую п латформу и использов а ние при и х создании с опоставимых интеллек т уальных и производст в енных ко м петенций и ресурсов.
Особ ы й интерес из элемент о в кластера I вызывает подкласс F 2 4S (Solar H eat Collect o rs; Solar Heat Systems ( f or producing mechanic a l power fro m solar ene r gy F03G 6/ 0 0) [2018.0 1 ]). Российс к ие изобретения, отно с ящиеся к данному по д классу, де м онстриру ю т значения индекса R T A на уров н е 0,54. С одной стороны, такое значение яв л яется боль ш е средни м , чем высо к им, однако,, с другой с т ороны, в динамике п о следнего десятилетия наблюдает с я тенденция его план о мерного у в еличения. Особенно заметной о н а стала в период с 20 1 8 года (ри с . 5), что является важ н ым свидет е льством п о следовательного ук р епления в России а к туальных для всего глобально г о технол ог ического пространства компетен ц ий в области солнечн о й энергети к и.

Рис. 5. Динамика ин д екса RTA д л я российск и х патентов, о тносящихся к подклассу F 24S совмест н ой патентн о й классифи к ации
Показательно, что удаленность рассматри в аемого подкласса F24 S от центра л ьных доменов исследуемых раз д елов F и H совместной патентно й классификации соста в ляет отно с ительно не з начительные 27,5%. Это означает, что степ е нь связи ( ш (, с, t) между российскими патент а ми подкла с са F24S и патентами ц е нтральных элементов исследуем о го фрагмента изобрет а тельского п ространст в а, в которых отечественные изобретатели п о казывают в ысокое ср а внительное преимуще с тво (RTA), находится на достаточ н о высоком уровне в 72,5 %.
Логику дальнейшего исследования сориен т ируем на идентификацию техно л огической сети, формирующейся вокруг разработок подкласса F2 4 S. Для этого выявим к лассы и п о дклассы, в том числе выходящие з а рамки ранее обозна ч енных в ка ч естве целевых для да н ного иссл е дования ра з делов F и H, которые д ля одних и тех же изо б ретений о п ределяются в качеств е таких же д оменных, к ак и F24S. Алгоритм п о иска соответствующе й информа ц ии запрогр а ммируем н а работу с п атентным и данными с глубиной а рхива до 10 последних лет. В цел я х оптимиз а ции работ ы поисковог о алгоритм а выставим фильтр, отс е кающий связи между п одклассам и размерностью менее д вухсот со в местных п о явлений в соответствующих патентных доку м ентах. Ит о говый рез у льтат реализации ана л итических процедур представим в форме связанного графа (рис. 6 ) , центром к оторого я в ляется под к ласс F24S , а исходящие ребра р а скрывают связку с совместно исп о льзуемым и с ним дру г ими подкл а ссами CPC.
Цвет реб е р отражает плотность совместно г о использования соот в етствующ и х подкласс о в в одних и тех патен т ных документах: жел т ый цвет – 200-3000 с о вместных появлений; красный цвет -более 3000 совме с тных появлений. Из данных ри с унка видно, что наиболее выс о кая плотн о сть связи наблюдается между исследуемым п одклассом F24S и группами пат е нтной кла с сификации Y02E10 и Y02B10.
Следует отметить, что размер к аждого из узлов графа определя е тся уровне м специали з ации российских заявителей в соответству ю щих подк л ассах патентной клас с ификации. Выбор та к ой формы визуализаци и позволил обнаружит ь , с одной с т ороны, весьма серьез н ые успехи российски х изобретателей в регистрации патентов в п о дгруппе F 2 4S20/67 (solar heat col l ectors inte g rated in building), а, с другой стороны, напротив очень н и зким отно с ительным преимущес т вом в реги с трации па т ентов, относящихся к подгруппе Y02E10/47' (solar tow e rs Mountin g s or tracki n g), на дол ю которых п риходится около 24 % всего объема кодов па т ентной кл а ссификаци и , использу е мых при р е гистрации совместно с кодами подкласса F24S.

Рис. 6. Структура связного г р афа с верши н ой F24S (п о дкласс CPC F24S «Solar H eat Systems » )
Достаточно высокая плотность совместного использования наблюдается у подкласса F24S и в отношении подгруппы Y02E10/60 (Thermal-PV hybrids), относительно большой маркер которой говорит о существенном уровне специализации в ней российских заявителей. На рис. 7 представлено 10 кодов патентной классификации, с которыми подкласс F24S чаще всего совместно используется при регистрации одних и тех же патентов. На рис. 7а представлены данные о совместн ом использовании в разрезе абсолютных значений на каждый год периода 2012-2021 гг., а на рис. 7б – данные систематизированы в формате накопленного итога.
e vox 1 ом, • fwtiwso • voieiow • vox юно • voxiow • voxioho • ноажтз • wro • «new»
• n«S50Q0


Рис. 7. Топ-10 кодов патентной кл а ссификации, с которыми подкласс F 2 4S чаще все г о совместно используется при р егистрации патентов
Видн о , что в части накопле н ного итога наиболее в ы сокие поз и ции заним а ют следующие подклассы и подг р уппы патентной клас с ификации:
-
- Y02E (reduction of greenho u se gas emi s sions, relat e d to energ y generation , transmissi o n or distribution):
-
- Y02E10/47 (solar towers mo u ntings or tr a cking);
-
- Y02E10/50 (photovoltaic [P V ] energy);
-
- Y02E10/44 (heat exchange s y stems);
-
- Y02B (climate change mitig a tion techn o logies relat e d to buildings, e. g. ho u sing, house appliances or related end-user applications):
-
- Y02B10/20 (integration of solar thermal e nergy sources in buildi n gs.
Орие н тируясь на эту динамику, можно, во-первых, анализировать сеть сл о жившихся связей между различными технологическими о бластями, ц еленаправленно выст р аивая на э т ой основе к оллаборации между ра з работчиками опосред о вано соот н осимых те х нологичес к их решени й и, соответственно, производителями конечной проду к ции, а, во- в торых, определять т р аектории п ерспективного развития национального изобретательско г о портфел я , реализу ю щего возм о жности вз а имного ус и ления разноотраслевыми разработками свои х относите л ьных конк у рентных п р еимущест в .
Заключение
Обобщая результаты проведенн ы х исследо в аний, можно сделать с л едующие о сновные в ы воды.
Во-первых, используя глобальные патентные данные за период 2011-2021 гг., систему международной патентной классификации, а также методическое и программное обеспечение для выявления взаимосвязей между патентами, относящихся к различным технологическим областям, было построено пространство изобретательской активности для 85 подклассов совместной патентной классификации, которые включены в классы «mechanical engineering», «lighting», «heating», «weapons», «blasting» и «physics». Это пространство раскрывает близость между запатентованными изобретениями разных технологических областей, формируя комплексное представление о направлениях глобальной технологической конвергенции и тенденциях формирования кластеров сквозных технологических разработок.
Во-вторых, формализованное в ходе проведения исследования пространство изобретательской активности создает концептуальную и методическую основу для обоснования стратегий технологической диверсификации на уровне национальных экономик, а также может служить информационным обеспечением для разработки дорожных карт развития отдельных технологий и целых технологических платформ в деятельности предприятий и организаций различной отраслевой принадлежности.
В-третьих, выявленные закономерности развития технологической близости между изобретениями различных классов могут быть использованы при разработке прогнозов расширения существующих технологических областей, а также появления новых технологических ниш, способных вписаться в перспективный технологический мейнстрим. Опираясь на такие прогнозы, может быть организована целенаправленная работа по превентивной адаптации существующей структуры экономики под ожидаемые приоритеты глобального технологического развития.
Благодарности
Исследование выполнено за счет гранта Российского фонда фундаментальных исследований (проект № 20-310-70023).
Список литературы Исследование изобретательского пространства для обоснования направлений диверсификации технологичного экспорта
- Atkinson A.B., Stiglitz J.E. A new view of technological change // The Economic Journal. 1969. P. 573-578.
- BallandP.A., Rigby D. The geography of complex knowledge // Economic Geography. 2017. P. 1-23.
- Balland P.A. Proximity and the evolution of collaboration networks: evidence from research and development projects within the global navigation satellite system (GNSS) industry // Regional Studies. 2012. P. 741-756.
- Drennan M., Larsen S., Lobo J., Strumsky D., Utomo W. Sectoral shares, specialisation and metropolitan wages in the United States // Urban Studies. 2002. P. 1129-1142.
- Etzkowitz H., Leydesdorff L. The dynamics of innovation: from National Systems and "Mode 2" to a Triple Helix of university-industry-government relations // Research policy. 2000. P. 109-123.
- Nakamura H., Suzuki S., Sakata I., Kajikawa Y. Knowledge combination modeling: The measurement of knowledge similarity between different technological domains // Technological Forecasting and Social Change. 2015. p. 187201.
- Leydesdorff L., Kushnir D., Rafols I. Interactive overlay maps for US patent data based on International Patent Classification (IPC) // Scientometrics. 2014. P. 1583-1599.
- Kay L., Newman N., Youtie J., Porter A.L., Rafols I. Patent overlay mapping: Visualizing technological distance // Journal of the Association for Information Science and Technology. 2014. P. 2432-2443.
- Fleming L. Recombinant Uncertainty in Technological Search // Management Science. 2001. P. 117-132.
- Fu K., Chan J., Cagan J., Kotovsky K., Schunn C., WoodK.L. The meaning of "near" and "far": the impact of structuring design databases and the effect of distance of analogy on design output // Journal of Mechanical Design. 2013.
- BurkhardB., Crossman N., Nedkov S., Petz K., Alkemade R. Mapping and modelling ecosystem services for science, policy and practice // Ecosystem Services. 2013.
- Leydesdorff L., Kushnir D., Rafols I. Interactive overlay maps for US patent (USPTO) data based on International Patent Classification (IPC) // Scientometrics. 2014. Vol. 98. P. 1583-1599.
- Yan B., Jianxi L. Measuring Technological Distance for Patent Mapping // Journal of the Association for Information Science and Technology. 2017. P. 423-437.
- Hidalgo C.A., Klinger B., Barabasi A.L., Hausmann R. The product space conditions the development of nations // Science. 2007. P. 482-487.
- Jaffe A.B. Technological opportunity and spillovers of R&D: evidence from firms' patents, profits and market value // American Economic Review, American Economic Association. 1986. Vol. 76 (5). P. 984-1001.
- Leydesdorff L., Kogler D.F., Yan B. Mapping patent classifications: portfolio and statistical analysis, and the comparison of strengths and weaknesses // Scientometrics. 2017. P. 1573-1591.
- Joo S.H., Kim Y. Measuring relatedness between technological fields // Scientometrics. 2010. P. 435-454.
- Altuntas S., Dereli T., Kusiak A. Analysis of patent documents with weighted association rules // Technological Forecasting and Social Change. 2015. Vol. 92. P. 249-262.
- Boschma R. Proximity and innovation: a critical assessment // Regional studies. 2005. P. 61-74.
- Boschma R., Iammarino S. Related variety, trade linkages, and regional growth in Italy // Economic geography. 2009. P. 289-311.
- Cantwell J.A., Vertova G. Historical evolution of technological diversification // Research Policy. 2003. Vol. 33. P. 511-529.