有引證專利預測模式可行性分析

件數很少，導致解釋能力很低，如圖 4.6 所示；線傳轉向系統以第一名 Delphi 公司(R²=0.910)與第二名 Visteon 公司(R²=0.935)的線性相關與解釋能力都很 高，此兩公司的專利資料都具有代表性；車用室溫熱像器第一名 Kodak 公司 (R²=0.740)的專利資料最具有代表性；有機薄膜電晶體中，如圖 4.9 所示，第 四名 3M 公司(R²=0.863)的專利件數每年平均分佈，可能係因為此項技術在 3M 的應用範圍較廣所致，因此其解釋能力最高，而第一名 Lucent 公司 (R²=0.227)在 2000 年以後，專利件數逐漸下降，第二名的 IBM 公司(R²=0.545) 的專利件數集中在 2001 年到 2003 年，第三名 Matsushitt 公司(R²=0.001)在 2001 年後，就沒有專利產出，至於第五名 AMD 公司(R²=0.154)的專利件數集 中在 2003 年與 2004 年，因此有機薄膜電晶體無法就個別公司判斷其未來的 發展，應以前五名的公司(R²=0.857)來做整體性的評估；奈米碳管場發射顯示 器第二名 Samsung 公司(R²=0.956)與第三名 Motorola 公司(R²=0.935)積極研究 相關技術，因此在 2001 年以後，其專利件數逐年增加，如圖 4.10 所示，表 示奈米碳管場發射顯示器在此產業應用的層面相當廣泛，而在 1992 年 Samsung 公司做出 42 吋的原型面板後，奈米碳管場發射顯示器在國際上的地 位也越來越被重視，此項技術未來的發展相當看好，因此第五名的工研院 (R²=0.794)便致力於奈米碳管場發射顯示器的品質改善與研發，其專利在 2000 年以後件數逐年增加，因此第二、三、五名的專利件數較具有代表性，

而第一名的 Micron 公司(R²=0.213)在 2002 年以後，專利件數逐年減少，表示 已非市場主流。

另外，對照表 4.1 與表 4.2 可發現，除奈米碳管場發射顯示器外，國別與 各產業所屬國別間的關係皆可相互對應，雖然日本(國家別第三名)在總專利 件數的表現上很優秀，但因日本的專利所有權人之公司很多，專利件數較為 分散，因此在個別公司專利件數的表現上較台灣的工研院(公司別第五名) 少，因此可知日本有相當多的公司正積極研發奈米碳管場發射顯示器。

圖 4.11 有引證關係線傳煞車系統各種技術預測方法

圖 4.12 有引證關係線傳轉向系統各種技術預測方法

圖 4.14 有引證關係有機薄膜電晶體各種技術預測方法

圖 4.15 有引證關係奈米碳管場發射顯示器各種技術預測方法 表 4.3 線傳煞車系統引證前後之 MAD 值

專利資訊(總件數) 預測方法

未篩選引證關係之專利 (316)

有引證關係之專利 (202)

簡單迴歸 29.63 13.56

二次多項式 13.92 11.60

成長上限=500 27.49 11.51

珀爾曲線 成長上限=40,000 17.79 10.86

成長上限=500 39.42 20.07

甘培茲曲線

成長上限=30,000 29.34 13.22

季節指數 24.97 8.68

乘法分解法

月份指數 16.01 7.42

Holt 雙指數平滑法 13.83 7.30

灰色預測 17.71 8.62

表 4.4 線傳轉向系統引證前後之 MAD 值

專利資訊 預測方法

未篩選引證關係之專利 (228)

有引證關係之專利 (154)

簡單迴歸 47.98 32.48

二次多項式 38.27 34.68

成長上限=500 5.96(47.69) 33.09

珀爾曲線 成長上限=40,000 31.33(47.47) 33.03 成長上限=500 37.12(49.25) 33.66 甘培茲曲線

成長上限=40,000 21.83(48.45) 33.37

季節指數 45.99 31.06

乘法分解法

月份指數 47.90 33.79

Holt 雙指數平滑法 14.53 12.00

灰色預測 10.25 9.60

註：括號內之數據表未剔除資料之 MAD 值。

表 4.5 車用室溫熱像器引證前後之 MAD 值

專利資訊 預測方法

未篩選引證關係之專利 (167)

有引證關係之專利 (82)

簡單迴歸 4.08 1.80

二次多項式 3.58 3.51

成長上限=430 4.57 6.51

珀爾曲線 成長上限=40,000 20.38 10.99

成長上限=430 6.17 1.77

甘培茲曲線

成長上限=40,000 4.84 5.04

季節指數 3.41 1.75

乘法分解法

月份指數 3.20 1.99

Holt 雙指數平滑法 3.12 2.86

灰色預測 7.64 4.81

註：粗體表未篩選引證關係之專利 MAD 值優於有引證關係之專利。

表 4.6 有機薄膜電晶體引證前後之 MAD 值

專利資訊 預測方法

未篩選引證關係之專利 (204)

有引證關係之專利 (121)

簡單迴歸 15.64 10.87

二次多項式 16.70 11.29

成長上限=500 3.57 5.46

珀爾曲線 成長上限=40,000 27.12 12.17

成長上限=500 13.91 7.03

甘培茲曲線

成長上限=40,000 5.46 4.04

季節指數 15.44 11.06

乘法分解法

月份指數 14.50 7.88

Holt 雙指數平滑法 8.43 5.52

灰色預測 16.59 13.90

註：粗體表未篩選引證關係之專利 MAD 值優於有引證關係之專利。

表 4.7 奈米碳管場發射顯示器引證前後之 MAD 值

專利資訊 預測方法

未篩選引證關係之專利 (176)

有引證關係之專利 (65)

簡單迴歸 20.80 10.55

二次多項式 10.68 10.55

成長上限=500 15.20 8.60

珀爾曲線 成長上限=40,000 55.77 13.20

成長上限=500 16.46 3.35

甘培茲曲線

成長上限=40,000 19.24 6.00

季節指數 19.60 2.86

乘法分解法

月份指數 33.10 16.19

Holt 雙指數平滑法 7.32 1.79

灰色預測 7.00 2.45

由表 4.3、表 4.7 可知，在線傳煞車系統與奈米碳管場發射顯示器此兩項 技術中，有引證關係專利之 MAD 值都優於未篩選引證關係專利，表 4.4 之 線傳轉向系統中，有引證關係專利之 MAD 值皆優於未剔除資料時之未篩選 引證關係專利資訊，表 4.5、表 4.6 之車用室溫熱像器與有機薄膜電晶體兩項 技術中，由於成長上限敏感度分析所探討之對象係未篩選引證關係專利，而 此成長上限不適用於有引證關係之專利資訊，因此導致產生較差之預測效 果，但就整體而言，根據上述研究結果可發現各項預測方法之 MAD 值皆優 於篩選前之專利資料，因此可推斷若僅使用有引證關係的專利資料進行預 測，將可降低預測之誤差並大幅提高預測品質與準確度。。