2.3.2 技术成熟度预测理论与方法
技术成熟度（technology readiness levels，TRL）在20世纪60年代由美国国家航空航天局（NASA）提出，是国际上广泛应用于对重大科技攻关和工程项目进行技术成熟程度量化评价的规范化方法。技术成熟度评价的目的是在科技重大专项中期评估工作中，采用技术成熟度评价方法对关键核心技术的发展状态进行评估，通过技术成熟度评价这些关键核心技术的基线状态、当前状态和预期状态的技术成熟度级别，从而对关键核心技术攻关进展和距离预期目标的差距进行度量，希望对发现和明确技术瓶颈、了解达到预期目标的困难程度、聚焦和调整技术攻关有较好的帮助。技术成熟度可以从宏观上帮助了解技术发展演变的过程，明确技术当前所处的发展阶段，并掌握未来技术发展的方向，同时对专利价值的评估具有重要的参考意义。
技术创新可分为渐进型创新和突破型创新。渐进型创新是指通过不断的、渐进的、连续的小创新，最终实现创新的目的。针对现有的技术或产品作细微的改变，强化并补充现有产品设计的功能，至于产品基本技术和核心技术原理则不做改变，从而发挥已有产品的潜能。突破型创新建立在新的科学与工程技术原理之上，它常常能开启新的市场和潜在的应用。突破型创新能够使产品、工艺、服务具有前所未有的性能特征。突破型创新通常会导致整个产业的完全改变，并最终成为新产业旗帜的创新。传统观念通常认为渐进型创新更加稳健，而与之相比突破型创新风险更大。然而，实际上究竟采用渐进型创新还是突破型创新，主要取决于企业的该种产品或工程技术处于技术成熟度的哪个发展阶段（见图2-19）。
图2-19 技术进化阶段与企业策略
企业在对未来的技术选择进行决策时，持续优化现有技术还是淘汰现有技术采用新的技术，当前产品的技术成熟度是重要的考量指标，在产品技术的不同进化阶段企业应制订不同的技术和市场战略。专家们对产品技术成熟度预测方法进行了很多研究，主要有Altshuller模式、Darrell Mann模式、Aurigin模式和TMMS模式等。
2.3.2.1 Altshuller理论与方法
技术成熟度是产品开发过程中，技术发展所能达到的某种有用程度，包括其工艺流程、配套资源等，以满足项目开发需求，是衡量技术满足项目目标的程度，是项目风险管理的重要内容。技术从原理的发现到概念，从中间部件到产成品，再到系统，是逐渐成熟的过程。在不同的阶段，影响成熟度的因素是不同的，在技术理论形成阶段，主要是理论分析、实验验证等因素发挥作用；在技术实体形成阶段，制造工艺、材料、设计、结构等因素对技术成熟度影响较大。
TRIZ理论把S曲线发展规律也作为技术系统进化的法则之一，每个技术系统的进化都要经历婴儿期、成长期、成熟期和衰退期这4个S曲线发展阶段，完整地呈现了一个技术系统的生命周期。技术系统进化S曲线可以比较客观地反映产品的进化过程，有助于了解技术系统的成熟度。在生命周期的不同阶段，技术产生的风险、获利能力和价格各不相同。在婴儿期，风险较大，获利能力很小。到了成长期，风险降低，获利能力逐步增长。在成熟期达到顶峰。随着衰退期的到来，技术的获利能力逐步降低，基本保持和技术S曲线同步。技术系统进化到一定程度达到研发极限，技术进入衰退后，必然会开始出现一个新的技术系统来替代它，如此交替反复就形成了S曲线族（见图2-20）。
图2-20 技术生命周期S曲线及S曲线族
由S曲线我们不难看出，企业应在产品技术处于成长期时将新品推出，以抢占先机，持续优化。在成长期结束时，各个性能指标，如主要性能参数、系统效率、系统可靠性等将陆续达到最优，并且在这一阶段风险相对已经大幅降低，产品获利也大幅增长。因此，当工程技术系统处于婴儿期和成长期的时候，企业应该采用渐进型创新的方法尽快实现技术产品化和市场化，确立技术领先优势，或者对产品和技术进行优化提升，不断推出基于该核心技术的升级产品，改善产品的各项性能指标，增强企业核心竞争力，赢得市场。
很多学者开展了相关研究，诺曼（Norman）根据产品对客户满足的程度对产品技术成熟度进行了研究，认为产品能够满足客户对产品性能的平均需求就代表着产品技术的成熟。但是随着技术的发展和产品性能的提高，客户对产品性能的要求也是不断变化的，因此技术成熟度的标准要求也是不断变化的。从这个角度来考察产品技术成熟度，只适合对技术做出短期评价，对技术进行横向比较，不适合作为长期计划参考。佐通（Sottong）分析了库日韦尔（Kurzweil）提出的技术生命周期7个阶段的特征，提出了新老技术相互比较的8项指标，分别是质量、耐用性、初始成本、后续成本、使用简单、安全特色和标准化，通过与成熟技术的比较，粗略判断产品的技术成熟度。还有技术预测专家在应用专利类推法进行技术预测时，采用技术成熟度系数B和技术发展速度V两个指标来判断技术是处于成熟期还是成长期，如式（2-15）、式（2-16）所示。其中b为当年被运用的专利数，a为当年专利批准数，A为包括当年在内的5年专利积累数。
大多数其他领域专家对产品技术成熟度预测的研究，需要大量的数据，可操作性较差，经过验证也缺乏准确性。Altshuller模式是通过研究产品性能、专利数量、发明级别和利润之间的关系来预测产品技术的成熟度，并对专利进行了5个等级的划分。利用4种曲线对技术形态在S曲线上所处位置进行预测，这4条曲线分别是单位时间内的专利数量、专利等级、性能和获利能力。搜集当前产品的相关数据建立这4条曲线，根据建立的曲线形状与这4条曲线的形状比较来预测技术成熟度，可分为7个步骤（见图2-21）。
图2-21 产品技术成熟度预测步骤
2.3.2.2 Darrell Mann理论与方法
Darrell Mann模式重点考察了降低成本和弥补缺陷这两种特殊专利在生命周期曲线中的分布情况，以判断产品技术的成熟度。降低成本的专利能够使产品的成本降低，从而使产品的市场价格降低。弥补缺陷的专利通过引入补充技术、结构或方法来弥补专利所指向的技术中存在的缺陷，在对技术系统不做出太大改变的前提下提高技术性能。
在婴儿期，技术处于探索和选择阶段，基本谈不上弥补缺陷或降低成本。在技术成长期，技术还没有最终定型，技术向着一个方向快速发展，由于对技术性能提高的迫切需要，主要发明集中在问题的解决而不是简单的缺陷弥补上。因此，这个时期降低成本和弥补缺陷的专利数量也较少。技术进入成熟期后，技术基本定型，技术中存在的重大问题基本得到解决，但激烈的竞争使企业不断通过技术创新来降低成本，弥补技术缺陷，提高技术性能。因此，在成熟期前期，这两类专利的数量迅速增加。当技术性能接近最大后，由于创新的结果对技术的影响力已经很小，因此这两类专利的数量开始下降，直至技术退出（见图2-22）。
图2-22 技术系统进化S曲线
2.3.2.3 产品技术成熟度预测TMMS软件
张换高在综合Altshuller和达勒尔（Darrell）关于成熟度研究成果的基础上，开发了产品技术成熟度预测系统（TMMS）软件。产品技术在S曲线上各时期呈现不同的特点。婴儿期：专利级别很高，但专利数量较少，效率低，可靠性差，缺乏人力和物力的投入，系统发展缓慢。成长期：专利级别开始下降，但专利数量出现上升，价值和潜力逐渐显现，随着大量的人力、财力、物力的投入，效率和性能得到提高，或吸引更多的投资，系统高速发展。成熟期：系统日趋完善，性能水平达到最佳，企业竞争开始激烈，发明专利急剧增长，但发明等级下降，获得的利润最大但有下降的趋势。衰退期：专利等级和专利数量均呈现快速下降趋势，技术达到极限，很难再有新的突破，将要被新的技术系统替代，新的S曲线即将开始（见图2-23）。
图2-23 TMMS技术成熟度预测系统拟合曲线
根据技术系统S曲线中各个阶段专利技术的特点，正确对技术系统所处阶段进行定位，在婴儿期，加大人力及物力投入，以尽早形成技术专利，对技术系统形成有效保护；在成长期，应进一步保持投资，以期形成更多专利，从而实现技术系统的专利布局，做到对技术系统的全面保护；在成熟期，技术系统趋于完善，所进行的技术工作大部分是系统局部的改进和完善；在衰退期，系统技术专利在等级和数量上都急剧下降，此时应放弃该系统专利申请，着手通过技术系统改进，采用新的技术系统代替现有技术系统，技术系统更替，形成S曲线族。
TMMS软件在分析技术的专利中，以美国、欧洲、日本和中国的专利数据库的专利数据为检索依据。检索时必须采用正确的检索式关键词，并限定IPC（国际专利分类号），检索得到专利的初级资料，然后对专利进行清洗，以得到有效专利，再将有效专利进行处理，分级分类后汇总。汇总后的数据包含年份、专利数量、平均专利等级、消除缺陷专利数量，并输入TMMS软件中。TMMS技术成熟度预测系统，采取曲线拟合方式，是一种定量的研究方法；研究结果准确，但是需要对专利进行分级，工作量较大，不适合对专利数量较多产品的分析。
2.3.2.4 专利技术生命周期图方法
除了上述的技术成熟度预测方法，还有一种专利技术生命周期图方法。由于这种方法采用的数据是“专利权人的数量”和“专利申请的数量”，这些数据可以从专利数据库中直接获取，数据准确性较高，也比较容易获得，不带有人为的主观因素，不需要大量的数据分析，同时分析结果也比较准确。与前文对专利技术成熟度预测方法的研究及发展现状进行对比，发现采用专利技术生命周期的方法来预测渐进型创新模型中的技术成熟度是合适的。专利技术生命周期图一般呈螺旋形曲线，横轴表示一定年份的专利权人的数量，纵轴表示年份内专利申请的数量。根据需要获取的技术成熟度的工程系统的专利权人的数量和专利申请的数量，绘制专利生命周期图，然后和标准图进行对比，从而判断当前工程系统所处的生命周期。通过技术生命周期图可以发现产业所处的技术状况，可作为研发人员的参考指标，根据对技术是处于成长期或衰退期的判断来相应增加或减少研发投入。
早期专利申请进入者的数量仅有几个，极为有限，随后随着新技术的开发和社会对相关技术需求的增长而快速攀升，形成如图2-24所示的发展期①，其特征是专利申请数量和专利申请人数量双激增；其后又有一段时期专利申请量急增，可惜好景不长，步入成熟期②；紧随其后的是衰退期③，其特征是先前进入者的退出和专利申请量的下滑；从衰退期经由停滞期④，到复苏期⑤的过渡可能因各种因素触发，带来专利申请量和申请人数量的再次增长。专利技术生命周期图善于捕捉产业发展趋势，常用于企业规划进入某个技术领域的标记，更为重要的是，技术生命周期图能帮助企业快速发现技术步入发展期的信号，进而抢在竞争对手前进入该技术领域，并在相应的经济活动中取得优势。与TMMS技术成熟度预测系统相比，运用技术生命周期图对技术成熟度的预测，不需要对专利进行分级，只利用相关的专利分析软件就可以完成，适合专利申请数量较大的技术分析（见图2-24）。
图2-24 专利技术生命周期图
根据对技术成熟度预测方法的研究现状分析，可以发现这些方法都有自身的缺陷，有的数据不易获得，有的只是定性分析。例如，利用专利数类推法进行专利预测时，采用技术成熟速度和技术发展速度两个指标来判断技术是处于成熟期还是成长期。这种方法试图从创新的活跃程度和企业对创新的反应程度来表示技术成熟度，虽然简单但并不准确。有的定量分析方法结果准确，但是工作量巨大。所以，可根据分析产品技术专利数量不同，结合不同的分析方法，判断当前技术所处的位置。