| 研究課題/領域番号 |
16K03913
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
高梨 千賀子 立命館大学, テクノロジー・マネジメント研究科, 准教授 (00512526)
|
|---|
| 研究分担者 |
小田 哲明 立命館大学, テクノロジー・マネジメント研究科, 教授 (80533463)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | IoT / 標準化 / 特許 / アーキテクチャ / 企業の境界線 / 技術戦略 |
|---|
| 研究実績の概要 |
Industrie4.0、IoTという新技術潮流は我が国の製造業の従来の強みにどのような影響を与えつつあるのか、また、企業は境界線をどう変えてきているのか、という問題意識のもと、本研究では、２つの研究目的を設定した。一つは特許・標準化、提携や組織編制等の点から、技術戦略の方向性を見出すこと、新たな技術潮流下での「企業の境界線」の選択メカニズムの検討である。製造業を下支えするFA業界を調査対象と定め、特許情報、標準化動向に基づくアーキテクチャマップの作成、マップに基づく仮説導出と検証（インタビュー調査）、理論的考察を、初年度はシステムメーカー、2年目は機器メーカー、最終年度はIT企業に対して行う計画を立てた。
初年度においては、標準化の定性調査や特許分析（G05B19/418、総合的工場管理）での取得数の経時的推移の把握はできたものの、個別の特許内容の把握に時間がかかり思うように進まなかった。そのことを受けて、本年度では、定量的に特許調査を試みた。Google Patentで条件をPatent Office：US、Status：Grant、かつ、G05B19/418（総合的工場管理）分野のIPCを含むものと設定、特許文献3258件を抽出、それらの特許クレームの文章を取得して、機械学習させた。具体的には、目的変数に年代を、説明変数にクレームのベクトルを置いたサポートベクトル回帰モデルを持つマシンを作成した。それにより、その年代を特徴づける単語を学習し、かつ、特許の被引用数との関係性を見ることが可能となった。そこから2つの技術戦略の特徴が浮かび上がった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
機械学習による特許の定量分析（ビッグデータ分析）に時間がかかっているため（コンピュータの性能に大きく依存）。
|
| 今後の研究の推進方策 |
特許の定量分析は一定の成果が出ていると評価できる。また、新規性も高い。従い、最終年度は、2年度目の試みである定量分析による技術戦略の特徴づけを継続していきたい。そのため、高スペックのコンピュータの購入などを検討中である。
一方で、文献調査やインタビュー等を通し、定量分析の結果に対する定性的裏付けも行っていく。
さらに標準化の動向や採用状況を加味してマッピングを行い、理論的考察に繋げていく予定である。
|
| 次年度使用額が生じた理由 |
計画段階では、定性分析が本調査の中心的手法であったため、旅費および情報収集・分析のための人件費に予算配分の比重が置かれていた。しかし、目的達成を目指してより効率的に取り組むために、本年度は定量調査（ビッグデータ解析）を試みた。その結果、費目間でバラつきが発生した。
最終年度においては、ビッグデータ解析を継続するが、それには高スペックなコンピュータも必要となっている。一方、定量調査の裏付けとして海外調査も実施する。
以上、未使用額も含め、最終年度の活動においては、積極的に資金を活用していく。
|
