- •Управління інтелектуальною власністю
- •Isbn 966-8039-88-2
- •1.2.2.1. Об'єкти авторського права
- •1.2.2.2. Об'єкти суміжних прав
- •1.2.3.1. Винахід, корисна модель, промисловий зразок
- •1.2.3.2. Компонування інтегральних мікросхем
- •1.2.3.3. Сорти рослин, породи тварин
- •1.2.3.4. Наукові відкриття
- •1.2.3.5. Раціоналізаторські пропозиції
- •1.2.3.6. Комерційна таємниця
- •1.2.4. Комерційні позначення
- •1.2.4.1. Торговельні марки
- •1.2.4.2. Географічні зазначення
- •1.2.4.3. Комерційні найменування
- •1.3. Суб'єкти права інтелектуальної власності
- •1.3.1. Суб'єкти авторського права та суміжних прав
- •1.3.1.1. Суб'єкти авторського права
- •1.3.1.2. Суб'єкти суміжних прав
- •1.3.2. Суб'єкти права на результати науково-технічної творчості
- •1.3.3. Суб'єкти права на комерційні позначення
- •2.2. Пошук та генерування нових ідей
- •2.2.1. Відбір нових ідей
- •2.2.1.1. Етапи відбору нових ідей
- •2.2.1.2. Процедура відбору ідей
- •2.2.1.3. Технічний аналіз конкурента
- •2.2.1.4. Процедура отримання нових ідей із зовнішніх джерел
- •2.2.2. Генерування ідей
- •2.2.2.1. Цілі та передумови генерування нових ідей
- •2.2.2.2. Аналіз тенденцій
- •2.2.2.3. Методи експертних оцінок
- •2.2.2.4. Багатоваріантний аналіз
- •2.4.4. Патентні дослідження на стадії формування концепції нової продукції
- •3.1.2. Стратегія нападу на конкурентів
- •3.1.4. Стратегія оптимізацн фінансово-господарської діяльності
- •3.2. Відпрацювання рішення про необхідність правової охорони
- •3.3. Оцінка доцільності правової охорони
- •3.4. Оцінка доцільності отримання патенту
- •4.2. Вихідні умови для управління інтелектуальною власністю
- •4.2.1. Дослідницька угода
- •4.3. Управління інтелектуальною власністю 4.3.1. Розуміння інтелектуальної власності
- •4.3.2. Підвищення рівня обізнаності офісу з передання технологій
- •4.4. Формальне розголошення інформації про інтелектуальну власність офісом з передання технологій
- •4.4.1. Попередня оцінка
- •4.4.2. Детальна оцінка
- •Контур лінії обмежує набір документів
- •4.8. Управління процесами створення об'єктів права інтелектуальної власності в наукових організаціях України
- •4.8.1. Тенденції розвитку наукового потенціалу України
- •5.1. Роль інтелектуальної власності в управлінні підприємством
- •5.2.2. Послідовність формування портфелю опів на підприємстві
- •5.4. Запобігання передчасному розкриттю винаходів
- •5.5. Моніторинг інноваційної діяльності компаній-конкурентів
- •5.5.1. Виявлення конкурентів
- •5.5.2. Запобігання порушенню чужих прав
- •5.5.3. Виявлення фактів порушення прав своєї компанії
- •5.5.4. Патентний наступ на конкурентів
- •5.6. Інформаційне забезпечення управління інтелектуальною власністю
- •5.6.1. Створення бази даних об'єктів права інтелектуальної власності
- •5.6.2. Джерела патентної інформації
- •5.6.3. Проведення патентного пошуку для оцінки патентоздатності технічних рішень
- •5.6.4. Проведення патентного пошуку під час експертизи на патентну чистоту
- •5.6.5. Пошук під час аналізу тенденцій розвитку
- •5.6.6. Пошук з метою аналізу діяльності фірм- конкурентів
- •5.6.7. Пошук з метою встановлення вимог до продукції конкретного виду
- •5.6.8. Пошук з метою встановлення рівня техніки
- •5.7. Колективне управління правами суб'єктів авторського права та суміжних прав
- •5.8. Інвентаризація та бухгалтерський облік об'єктів права інтелектуальної власності на підприємстві
- •5.8.1. Інвентаризація інтелектуальної власності
- •5.8.2. Бухгалтерський облік інтелектуальної власності
- •5.8.3. Оподаткування операцій з об'єктами права інтелектуальної власності
- •5.9. Оцінка вартості прав на об'єкти права інтелектуальної власності
- •5.9.1. Цілі та нормативно-правова база оцінки
- •5.9.2. Підходи до оцінки
- •5.9.3. Методи оцінки вартості прав на об'єкти права інтелектуальної власності
- •5.9.4. Оцінка вартості прав на результати науково-технічної діяльності
- •5.9.5. Оцінка вартості прав на об'єкти авторського права
- •5.9.6. Оцінка вартості ліцензії
2.2.2.2. Аналіз тенденцій
Аналіз тенденцій дотепер залишається найпоширенішим підходом з прогнозування тенденцій. Його базові передумови прості: треба зібрати доречні історичні дані й потім графічно, або в чисельній формі, спроектувати відповідні зміни на майбутнє. Попри розходження конкретних методик, прийоми аналізу тенденцій мають низку спільних допущень і особливостей, а саме:
майбутнє представляється безперервним продовженням недавнього минулого, і, отже, на нього поширюються встановлені раніше закономірності;
є тільки один варіант майбутнього, і він передбачуваний, якщо правильно зрозуміти закони змін, що відбуваються, виявлених під час аналізу тенденцій.
З наукового погляду екстраполяція є забороненим прийомом, проте, за правильного врахування причиново-наслідкових зв'язків, вона може дати прийнятні результати.
Метод екстраполяції тенденцій заснований на екстраполяції поведінки змінної, що шукається в заданому часовому відтинку. Як приклад на рис. 2.5 наведено екстраполяцію тенденцій зміни ефективності штучних джерел світла [61, 62].
Як бачимо, до 1970 р. лінійна екстраполяція добре передбачала результати. Однак протягом наступних ЗО років цю тенденцію поки що не підтверджено. Цілком можливо, що зростання буде, тому що
така тенденція підтверджена більш ніж сторічним досвідом. Варто мати на увазі, що чим більший часовий інтервал, тим менш надійним буде прогнозований результат.
Екстраполяцію тенденцій використовують для прогнозування параметрів ефективності технологій, параметрів якості продукції, рівня продажів даного продукту, тривалості розроблення конкретної технології тощо. На практиці майже кожна (і не тільки західна) компанія в усіх галузях промисловості збирає інформацію про історичні тенденції змін важливих параметрів, використовуючи її як стартову точку для прийняття якихось стратегічних рішень. Прості екстраполяційні графіки служать для багатьох компаній корисними «кваліфікованими підказками».
Ефективність,
люмен/ват
(логарифічна
шкала)
1000
100
10
1
'е* <
Натрієва лампа
-
І
*
Ртутна лампа
—
"
Целюлозна нитка ; Лампа Едісона
s""
і
—
Парафінова свічка і
_] І І І І І І І і >
1860 1880 1900 1920 1940 1960 1980 2000 2020
Час, роки
Рис. 2.5. Екстраполяція тенденцій ефективності Щтучних джерел світла
За наявності необхідних даних екстраполяція тенденцій є досить недорогим і швидким методом. З урахуванням простоти опрацювання даних цей метод використовують як перший ступінь технічного та технологічного прогнозування, одержання якогось першого наближення.
Основним недоліком методу є низька точність, оскільки характер впливу зовнішніх обставин на розглянуті перемінні непостійний у часі, і тому найкращі результати можна отримати при використанні цього методу лише на найближче прогнозування (кілька кварталів, один рік).
Регресивний аналіз. Якщо зв'язок між досліджуваною величиною, наприклад, параметром якості, та технологічними параметрами процесу можна представити у формі математичної залежності — рівняння регресії, то це дає змогу розрахувати кількісні характеристики досліджуваної величини, навіть якщо параметри залежать один від одного, тобто корельовані. Позитивним у цьому методі є те, що є добре розроблена теорія регресивного аналізу та комп'ютерні програми для розрахунків значень параметрів. Якщо відомі причиново-наслідкові зв'язки між параметрами, то такий аналіз дає якісніші прогнози, ніж метод екстраполяції, що дозволяє здійснювати середньо- й довгострокові прогнози.
Метод S-кривих. Залежність багатьох процесів від часу має S-подібний характер: на початковому етапі параметри збільшуються повільно (йде нагромадження — так званий інкубаційний період), потім іде період швидкого зростання і, по досягненні певної величини, швидкість процесу зменшується, асимптотично наближаючись до певної межі. Така залежність характерна для багатьох параметрів якості продукції або для виведеного на ринок товару, коли частка відповідного ринку зростає спочатку повільно, потім швидко, а потім різко сповільнюється, після чого починає падати.
Процедуру побудови S-кривої коротко можна описати в такий спосіб:
визначити характеристику товару, якої потребує ринок;
визначити технологічний параметр або параметри, якими можна забезпечити цю характеристику;
зібрати інформацію про динаміку розвитку цього параметру в минулому;
визначити природне обмеження цього параметру;
побудувати на основі отриманої інформації S-криву, що Mat-асимптоту до природного обмеження;
визначити події й тенденції, що можуть уплинути на майбутній розвиток параметра і як наслідок — на форму кривої. Схематично це показано на рис. 2.6 [62].
Фізичне обмеження
О.
а.
со
с
>s
S X У 'С
о
І
X
CD
\-
Час
Рис. 2.6. S-крива для прогнозування технологічного параметра
Якщо побудувати декілька S-подібних кривих заміни технологій виявляється, що вони складають криву, що огинає всі попередні, має також S-подібну форму. Як приклад на рис. 2.7 показано S-криву, побудовану для прогнозування швидкості транспорту.
Якщо відомі такі криві для аналогічних параметрів, то цей метод може бути корисним для прогнозування розвитку технологій, особливо на стадіях НДР і НДДКР. Метод, також корисний своїм нагадуванням про те, що технологічні параметри не можуть зростати нескінченно, запобігаючи тим самим типовій помилці, коли прогнозування виходить з лінійної екстраполяції.
Метод історичних аналогів. Відомий вислів «Дурень учиться на власних помилках, а розумний — на чужих» відбився в цьому методі. Якщо відомі рішення, що їх застосовували великі фірми в ситуаціях, подібних до Вашої, то є велика ймовірність того, що, прийнявши аналогічне рішення, Ви одержите позитивний результат. Для цього на Заході є бази даних, наприклад, «Вплив ринкової стратегії на бізнес» (Profit Impact of Market Strategy — PIMS), де узагальнено велику кількість конкретних ситуацій для 1700 компаній у різних галузях промисловості. Поки що користуватись цією базою даних досить дорого, однак їх бурхливий розвиток сприятиме здешевленню та підвищенню надійності цього методу прогнозування.
Природне
обмеження
-"швидкГсть
світла"
роки
Рис. 2.7. S-крива для прогнозування швидкості транспорту
Метод аналізу винахідницької активності. Аналіз динаміки патентування винаходів дозволяє отримати інформацію про технічні й технологічні тенденції, а також про основних учасників розроблення нових технологій і продуктів. Патенти є добротним матеріалом для досліджень, оскільки розробники, піклуючись про захист своїх прав, патентують їх. Якщо ще кілька років тому такий аналіз був утруднений, то тепер — зі зростанням комп'ютеризації, наявності інтернет-мережі, забезпеченні вільного доступу до патентних фондів в електронному виді — ефективність такого аналізу різко зросла. Можна сподіватися, що в найближчому майбутньому цей метод стане одним з найнадійніших для прогнозування технологій та інноваційних продуктів [14].
Більшість компаній додержуються такої схеми патентних досліджень:
визначення об'єктів дослідження;
формулювання проблеми та встановлення сфери пошуку;
пошук необхідних патентів;
завантаження патентів у програму для ЇХ опрацювання;
комп'ютерне опрацювання патентів;
інтерпретування результатів патентного аналізу.
Аналіз динаміки винахідницької активності за роками дозволяє виявити тенденції: чи зростає кількість Патентів, чи залишається постійною або ж зменшується. Такий аналіз дозволяє виявити домінування конкретного розроблювана аб
виробника. Важливе значення має аналіз портфелю патентів коМЦанії, що дає змогу виявити напрямок проведених конкурентами Науково-технічних розроблень.
Статичний аналіз описів винаходів і корисних моделей дозволяє не тільки виявити вичерпний список вимог до певної продукції, але й проранжувати їх за ступенем значущості (ваги), тобто скласти гам' оИннїиг .ipMijhifB іютр>л£дпс $в&чр jivw}7
ІЇояукгів. Ак&ліз а&тек-тів дозволяє прогнозувати появу на ринку Нових розробок за 6-18 місяців і є наразі одним із кращих способів відстеження технологічних змін у всьому світі. Він також дозволяв виявити потенційних кандидатів для купівлі або продажу ліцензії* на розроблювані технології.
Для забезпечення необхідної повноти відомостей варто оновляти чи повторювати патентний пошук щороку. У великих компаніях цим займаються зазвичай до 10 чоловік.
Як приклад наведемо один з результатів виконаного нами прогнозу розвитку металургійної галузі (рис. 2-8) [63]. Аналіз проводили за класами МПК С21, С22, С23, С25, С30, що відповідають металургійній галузі. Дослідження здійснено
002 року з прогнозом на 2003-2004 роки (жирні лінії на рис. 2.8).
З рис. 2.8 видно, що за останні п'ять роЩв спостерігається тенденція до зменшення активності патентування. Перевірка прогнозу в 2003 році показала, що у США, як і передбачалося, за перше півріччя не було отримано в цій галузі жодного патенту, тоді як у 1999 році кількість патентів становила понад 25()0. Тенденція до зменшення патентної активності спостерігається 'Ьакож у Російській Федерації та в Китаї. Звідси можна зробити висновок, що металургійна галузь не є інноваційно-привабливою і чавряд чи слід шукати нові ідеї в цій сфері.
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
роки
Рис. 2.8. Динаміка патентування в металургійній галузі: 1 — США; 2 — Російська Федерація; 3 — Китай; 4 — Україна
Аналіз наукової літератури. Цей метод певною мірою є доповненням до попередніх. Однак є й відмінності. З одного боку, не більш як третина досліджень доводяться до стадії патентування. З іншого боку, вони передують патентуванню, тому допоможуть виявити тенденції значно раніше. Вважається, що аналіз наукової літератури дозволяє зробити прогноз не більше ніж на 3-4 роки, тому його бажано повторювати щорічно. Поки що кількість фірм, що пропонують подібні послуги, вкрай обмежена, а вартість таких досліджень висока (за даними 1991 року одне таке повне дослідження в США коштувало від 50 до 150 тис. доларів). Однак варто очікувати, що в міру переведення реферативних журналів на електронні носії швидкість і ефективність такого аналізу істотно зросте, а їхня вартість суттєво знизиться.