Возможности автоматизированного поиска и анализа технической информации

Основные задачи, решение которых необходимо автоматизировать на этапах предпроектного исследования и формулирования технического задания, это:

1. Поиск и последующий анализ информации, имеющей отношение к проектируемому изделию;

2. Разработка новых технических идей и решений. Включает в себя:

а) поиск новых принципов действия технической системы;

б) поиск оптимальных вариантов конструкции уже существующего изделия при заданных принципах его действия.

Рассмотрим общий порядок решения этих задач на примере программного обеспечения фирмы Invention Machine Corporation (США). Пакеты этой фирмы являются стандартом де-факто в области интеллектуального поиска и анализа технической информации, а также автоматизации поиска новых технических решений. Их используют более чем 800 крупнейших компаний в различных областях индустрии, от NASA и Intel до Procter&Gamble и Colgate Palmolive.

Для поиска информации служат пакеты для автоматического чтения и интеллектуального анализа электронных документов. Например, это может быть тексты патентов, корпоративные архивы, публикации в Internet. Машина делает краткий реферат каждого документа, извлекая его основную мысль, например, способ решения той или иной проблемы. По этим «выжимкам» создается каталоги просмотренных документов, найденных проблем и способов их решения.

В результате можно легко найти, например, все патенты или статьи, посвященные режимам глубокого сверления отверстий в меди или технологиям производства органических светодиодов. Такой анализ позволяет также находить новые рынки сбыта для технологий. Например, создан способ глубокого сверления точных отверстий малого диаметра в металле. Посредством интеллектуального анализа открытых публикаций с использованием пакета для автоматического анализа текстов выясняет, что такая же нерешенная проблема имеется в стоматологии или в производстве пищевых добавок.

В отличие от стандартных поисковиков (Google, Yandex), ищущих по ключевым словам, такие пакеты (например, Knowledgist) проводят полный логический анализ текста. Кроме того, пакет «понимает» синонимию и может определить область знаний, к которой относится анализируемый текст. Например, он отличит орнитологическую статью от статьи по технологии производства полупроводников, хотя и в той и в другой может идти речь о «птичьем клюве» (дефект при производстве полупроводников).

Пример автоматического анализа текста патента приведен на рисунке 11.1. Для удобства восприятия резюме разбито на логические части: область применения патента (Application), задачи, которые он призван решить (Task), способ решения (Method) и преимущества по сравнению с известными решениями (Feature). Степень подробности описания каждой части можно регулировать ползунком «Less detail – More detail» (на него указывает курсор на рисунке 11.1).

Рисунок 11.1 – Результат анализа патента

Анализ этих данных, с учетом частотности публикаций, а также знания общих законов развития технических систем, позволяет определить, в каком наиболее вероятном направлении будет происходить дальнейшее развитие данной технической системы. Например, на рисунке 11.2 представлены промежуточные результаты анализа динамики работ (частоты выдаваемых патентов) по теме «ion implantation» (ионная имплантация) для различных фирм. В ряде случаев можно даже оценить, какая конкретно фирма наиболее близко подошла к выпуску революционно новой модели с качественно лучшими характеристиками и какими именно средствами эти характеристики будут обеспечиваться.

Рисунок 11.2 – Диаграмма публикаций