최근 사회는 아날로그 시대를 거쳐 디지털, 스마트 시대로 접어들었고, 모든 분야의 기술은 끊임없는 변화와 매우 빠른 발전을 하고 있다. 이러한 경쟁사회에서 지식재산, 특히 특허분석을 통한 R&D 전략 수립은 기술경쟁력 향상에 많은 도움이 될 수 있다. 특허문서는 명칭, 요약, 상세한 설명, 청구항, 기술분류정보 등 서지정보, 기술문헌과 권리문헌으로 이루어져 있어 대중은 이를 통해 해당 기술에 대한 많은 정보를 수집할 수 있다. 특허문서의 특징을 정량적으로 활용하고 기술 분석을 실시함으로써 분석대상 기술의 동향을 파악하는 것뿐만 아니라, 해당 기술 분야의 핵심기술과 특허를 탐색하여 경쟁력을 향상시키는 것이 가능하다. 본 논문은 특허 데이터에 대한 정량적인 방법을 기반으로 한 핵심 기술과 핵심 특허의 도출 방법을 제안한다. 특허문서에 포함되어 있는 기술분류정보, IPC 코드에 통계분석과 사회네트워크분석을 적용하여 연구개발이 활발한 분야와 중심성이 높은 기술을 탐색한다. 그 후 특허의 인용정보와 패밀리정보 분석을 통해 핵심 기술 분야에서 중요성이 높은 특허를 추출하여, 최종적으로 기술경영 및 특허경영 전략 수립 방법을 제안한다.
최근 사회는 아날로그 시대를 거쳐 디지털, 스마트 시대로 접어들었고, 모든 분야의 기술은 끊임없는 변화와 매우 빠른 발전을 하고 있다. 이러한 경쟁사회에서 지식재산, 특히 특허분석을 통한 R&D 전략 수립은 기술경쟁력 향상에 많은 도움이 될 수 있다. 특허문서는 명칭, 요약, 상세한 설명, 청구항, 기술분류정보 등 서지정보, 기술문헌과 권리문헌으로 이루어져 있어 대중은 이를 통해 해당 기술에 대한 많은 정보를 수집할 수 있다. 특허문서의 특징을 정량적으로 활용하고 기술 분석을 실시함으로써 분석대상 기술의 동향을 파악하는 것뿐만 아니라, 해당 기술 분야의 핵심기술과 특허를 탐색하여 경쟁력을 향상시키는 것이 가능하다. 본 논문은 특허 데이터에 대한 정량적인 방법을 기반으로 한 핵심 기술과 핵심 특허의 도출 방법을 제안한다. 특허문서에 포함되어 있는 기술분류정보, IPC 코드에 통계분석과 사회네트워크분석을 적용하여 연구개발이 활발한 분야와 중심성이 높은 기술을 탐색한다. 그 후 특허의 인용정보와 패밀리정보 분석을 통해 핵심 기술 분야에서 중요성이 높은 특허를 추출하여, 최종적으로 기술경영 및 특허경영 전략 수립 방법을 제안한다.
Society has been developed through analogue, digital, and smart era. Every technology is going through consistent changes and rapid developments. In this competitive society, R&D strategy establishment is significantly useful and helpful for improving technology competitiveness. A patent document in...
Society has been developed through analogue, digital, and smart era. Every technology is going through consistent changes and rapid developments. In this competitive society, R&D strategy establishment is significantly useful and helpful for improving technology competitiveness. A patent document includes technical and legal rights information such as title, abstract, description, claim, and patent classification code. From the patent document, a lot of people can understand and collect legal and technical information. This unique feature of patent can be quantitatively applied for technology analysis. This research paper proposes a methodology for extracting core technology and patents based on quantitative methods. Statistical analysis and social network analysis are applied to IPC codes in order to extract core technologies with active R&D and high centralities. Then, core patents are also extracted by analyzing citation and family information.
Society has been developed through analogue, digital, and smart era. Every technology is going through consistent changes and rapid developments. In this competitive society, R&D strategy establishment is significantly useful and helpful for improving technology competitiveness. A patent document includes technical and legal rights information such as title, abstract, description, claim, and patent classification code. From the patent document, a lot of people can understand and collect legal and technical information. This unique feature of patent can be quantitatively applied for technology analysis. This research paper proposes a methodology for extracting core technology and patents based on quantitative methods. Statistical analysis and social network analysis are applied to IPC codes in order to extract core technologies with active R&D and high centralities. Then, core patents are also extracted by analyzing citation and family information.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그 후 데이터 세트 내 모든 IPC 코드(All IPC)를 수집하고, 사회네트워크분석을 실시하여 각 IPC 코드가 해당 기술 네트워크에서 차지하는 중심성을 알아보고자 했다. 본 실험에서는 IPC 코드를 노드로 표현하여 반도체 기화장치 기술 네트워크를 구축한다.
특허의 피인용수는 특허의 가치를 나타내는 지표가 될 수 있지만, 중요도나 기술력과는 상관없이 단순히 출원된지 오래된 특허라는 이유만으로 피인용수가 높을 수 있기 때문에 이는 정확한 분석에 장애가 될 수 있다 [6]. 그러므로 본 연구에서는 식 (1)과 같이 각 특허가 출원된 연도에 따라 다른 가중치를 주어 이러한 한계점을 극복하고자 하였다.
본 논문에서는 핵심 기술 분야와 핵심 특허를 정량적인 분석으로 도출하는 방법론을 제안했다. 특히 IPC 코드를 통해 기술 분류를 실시, 세부 기술 분야를 파악할 수가 있었다.
본 연구는 액체원료를 기체로 변환하는 기화장치에 대한 기술을 분석하여 핵심 기술 분야와 특허를 탐색한다. 최근 반도체 장치는 고속화와 고밀도화를 위한 개발이 이루어지고 있다.
본 연구는 통계학과 데이터 마이닝 기법을 특허문서의 기술분류코드에 적용하여 핵심 기술과 특허를 도출하는 연구방법론을 제안하고자 한다. 국제특허분류(IPC) 정보는 대다수의 국가에서 출원 및 등록되는 특허문서에서 찾아볼 수 있다.
제안 방법
먼저 전체 데이터에서 Main IPC 코드로 H01L과 B01D에 속하는 특허를 필터링하고, 각 특허의 패밀리특허수와 피인용도(PCI)를 산출했다. 각각 12건씩 상위 패밀리특허수와 PCI를 나타내는 특허를 탐색했고, 두 분석 결과에 중복되어 나타나는 특허를 핵심 특허로 도출했다.
그 후 패밀리정보와 피인용정보를 이용하여 해당 분야에 속하는 핵심 특허를 탐색한다. 패밀리정보의 경우 각 특허 문서가 나타내는 패밀리특허수를 그대로 이용하지만, 피인용정보는 각 특허의 피인용수를 그대로 분석에 이용하기에는 한계점이 있다.
본 실험에서는 IPC 코드를 노드로 표현하여 반도체 기화장치 기술 네트워크를 구축한다. 네트워크에 표현된 각 노드의 매개중심성과 중개중심성을 파악하고 수치로 표현된 값을 나열하여 표 2와 3과 같이 중심성이 높은 노드, 즉 중요성이 높은 기술을 추출했다.
IPCPUB에서 공개한 IPC 코드의 상세한 설명에 따르면 H01L은 반도체 장치, 고체전자장치에 대한 기술이고, B01D는 증발, 증류 등을 통한 분리 공정에 대한 기술이다. 따라서 본 연구는 액체원료 기화장치 효율의 핵심 기술을 H01L과 B01D로 두 기술 분야로 도출했다.
먼저 핵심 기술 탐색을 위해 분석 대상 특허 데이터에서 가장 빈번하게 출현하는 IPC 코드를 선정한다. 또한 SNA 분석으로 각 IPC 코드의 BCS와 DCS를 산출하여 높은 값, 즉 높은 중심성을 가지고 있는 IPC 코드를 탐색한다. 최종적으로 IPC 코드의 출현빈도, BCS, 그리고 DCS의 각 분석 결과 중 각 결과의 상위권에 모두 중복하여 나타나는 코드를 기술의 세부 분야에서 가장 핵심적인 기술 분야로 선정한다.
. 먼저 전체 데이터에서 Main IPC 코드로 H01L과 B01D에 속하는 특허를 필터링하고, 각 특허의 패밀리특허수와 피인용도(PCI)를 산출했다. 각각 12건씩 상위 패밀리특허수와 PCI를 나타내는 특허를 탐색했고, 두 분석 결과에 중복되어 나타나는 특허를 핵심 특허로 도출했다.
하는 방법론을 제안했다. 미국, 유럽, 중국에서 출원 및 등록된 MOT 관련 특허 데이터를 수집하여 이를 군집화하고, 매트릭스 맵으로 표현하여 MOT 분야의 공백기술을 도출하고 유망기술을 예측했다 [4].
크에서 차지하는 중심성을 알아보고자 했다. 본 실험에서는 IPC 코드를 노드로 표현하여 반도체 기화장치 기술 네트워크를 구축한다. 네트워크에 표현된 각 노드의 매개중심성과 중개중심성을 파악하고 수치로 표현된 값을 나열하여 표 2와 3과 같이 중심성이 높은 노드, 즉 중요성이 높은 기술을 추출했다.
IPC 정보는 해당 특허가 어떤 기술 분야에 속하는지 명시하고 있고 이를 통해 기술 내용을 신속하게 파악할 수 있기 때문에 특허분석에서 매우 유용하게 활용할 수 있는 데이터다. 본 연구 방법론에서는 분석 대상 기술의 특허 데이터에서 IPC 코드의 출현빈도와 사회네트워크분석(SNA)을 통한 중심성 분석을 통해 분석 대상 기술의 핵심적인 세부 기술 분야를 선정한다. 이어서 핵심 특허를 도출할 때는 선정된 기술 분야에 속하는 특허 데이터의 피인용정보와 패밀리정보를 수치화하여 핵심 기술 분야 내 핵심 특허를 도출할 수 있다.
분석 대상 특허 데이터에서 포함하고 있는 다양한 기술 중 핵심 기술 분야를 찾기 위해 우선 각 특허 데이터가 Main으로 속해있는 IPC 코드를 추출하고, 표 2와 같이 상위 출현 빈도순으로 나열하여 어떤 분야에서 R&D가 활발한지 파악했다.
앞서 도출된 두 기술 분야에 속하는 핵심 특허를 탐색하기 위해 각 특허 데이터의 패밀리정보와 피인용정보를 활용했다. 먼저 전체 데이터에서 Main IPC 코드로 H01L과 B01D에 속하는 특허를 필터링하고, 각 특허의 패밀리특허수와 피인용도(PCI)를 산출했다.
또한 이를 통계분석과 사회네트워크분석의 주요 데이터로 활용, 기술네트워크를 형성하여 중심성, 즉 중요성이 높은 분야를 도출했다.이 후 해당 핵심 기술 분야에 속해있는 특허 데이터의 피인용정보와 패밀리정보를 통해 핵심 특허를 도출했다.
특허정보 수집을 위해 검색식은 반도체, 기화기, 효율로 구성된 키워드를 고려하였고 LexisNexis TotalPatent 데이터베이스로부터 다음 표 1과 같이 검색을 수행했다. 검색 후 데이터 정제과정을 거쳐 총 235건의 분석대상 데이터를 구축했다.
이용하기 위해 그림 2와 같은 프로세스를 진행한다. 먼저 핵심 기술 탐색을 위해 분석 대상 특허 데이터에서 가장 빈번하게 출현하는 IPC 코드를 선정한다. 또한 SNA 분석으로 각 IPC 코드의 BCS와 DCS를 산출하여 높은 값, 즉 높은 중심성을 가지고 있는 IPC 코드를 탐색한다.
이에 반도체 장치의 미세화가 필요하고 동시에 생산성의 향상을 이룰 수 있어야하기 때문에 반도체 공정에서 사용되는 액체원료를 안전하고 신속하게 기화할 수 있는 기화기에 대한 중요성이 높아지고 있다. 실험 데이터는 미국에서 출원 및 등록된 특허 데이터를 수집하고, 기화장치의 신뢰성과 효율을 향상시킬 수 있는 핵심 기술 분야와 특허를 도출한다.
성능/효과
특히 IPC 코드를 통해 기술 분류를 실시, 세부 기술 분야를 파악할 수가 있었다. 또한 이를 통계분석과 사회네트워크분석의 주요 데이터로 활용, 기술네트워크를 형성하여 중심성, 즉 중요성이 높은 분야를 도출했다.이 후 해당 핵심 기술 분야에 속해있는 특허 데이터의 피인용정보와 패밀리정보를 통해 핵심 특허를 도출했다.
제안된 연구 방법은 기술의 연구개발 동향을 파악할 수 있고 자사 및 경쟁사 혹은 자국 및 외국의 특허경쟁력, 기술경쟁력을 측정하여 향후 연구개발 방향과 전략을 효율적으로 수립할 수 있다. 특히 기업 혹은 연구소에서 관련 기술을 개발하고자 할 때 해당 기술에서 중요성이 높은 분야와 핵심 특허가 무엇인지 객ㅈㅂ관적이고 신속하게 파악할 수가 있다.
표 2, 3과 4를 종합하여 보았을 때, IPC 코드 H01L과 B01D로 정의되는 기술 분야에서 가장 활발한 R&D가 수행중이며 기술 네트워크상 매개성과 중개성이 가장 높은 것을 알 수 있었다.
후속연구
따라서 본 분석 방법을 통한 결과는 바람직한 R&D 전략 수립 방법을 제언한다.
따라서 향후 연구에서는 선정된 핵심 특허를 일일이 스크리닝하는 대신 텍스트 마이닝 기법을 적용하여 키워드 분석을 실시한다면 특허의 내용을 보다 빠르게 파악할 수 있다. 이러한 연구 방법론은 핵심 기술과 특허 도출 전문가 시스템으로써 더욱 신속하고 정확한 분석결과를 도출할 수 있다.
미국 특허만을 대상으로 수집했음에도 불구하고 ASM, Tokyo Electron과 같은 네덜란드와 일본 등 타국에 근거지를 둔 기업들의 높은 출원건수를 나타내고 있다. 이를 미루어 볼 때, 향후 유럽, 일본특허에 대한 분석 역시 필요할 것으로 보인다.
질의응답
핵심어
질문
논문에서 추출한 답변
현 사회에서 기술력 선점이 갖는 영향은?
급변하는 ICT 환경에서 기술력 선점은 곧 국가와 기업, 개인의 경쟁력을 일컫는다. 이러한 이유로 현재 기술 선점을 위해 세계적으로 다양한 전략이 수행되고 있다.
특허의 중요성이 점점 강조된다는 것을 무엇을 통해 알 수 있나요?
대표적인 예로 경쟁기업 연구, 기술 경쟁력 평가, 미래 기술 예축, 핵심 기술 및 특허 창출/매입, 기술 사업화 등이 있는데 이러한 전략을 통해 국가와 기업의 기술경쟁력을 향상시킬 수 있다. 그림 1은 특허의 출원건수가 매년 늘어가는 추이를 나타내고 있는데[1], 이는 특허의 중요성이 더욱 더 강조되어 가고 있다는 걸 나타낸다. 하지만 매년 출원건수가 늘어가는 방대한 특허를 하나씩 모두 스크리닝하는 건 한계점이 있다.
기술 선점을 위한 다양한 전략 중에서 예시는?
이러한 이유로 현재 기술 선점을 위해 세계적으로 다양한 전략이 수행되고 있다. 대표적인 예로 경쟁기업 연구, 기술 경쟁력 평가, 미래 기술 예축, 핵심 기술 및 특허 창출/매입, 기술 사업화 등이 있는데 이러한 전략을 통해 국가와 기업의 기술경쟁력을 향상시킬 수 있다. 그림 1은 특허의 출원건수가 매년 늘어가는 추이를 나타내고 있는데[1], 이는 특허의 중요성이 더욱 더 강조되어 가고 있다는 걸 나타낸다.
참고문헌 (15)
Korean Intellectual Property Office, Intellectual Proper ty Statistics - Number of Patent Applications per Year, Available: http://www.kipo.go.kr/kpo/user.tdf?auser.html.HtmlApp&c3041&catmenum02_05_01, 2015, [Accessed: May 15, 2015]
Sunghae Jun, "A Big Data Learning for Patent Analysis", Journal of Korean Institute of Intelligent Systems, vol. 23, no. 5, pp. 465-411, 2013.
Craig S. Fleisher, Babette E. Bensoussan, Strategic and Competitive Analysis: Methods and Techniques for Analyzing Business Competition, Prentice Hall, 2002.
Sunghae Jun, Sangsung Park, Dongsik Jang. "Technology forecasting using matrix map and patent clustering", Industrial Management & Data Systems vol. 112, no. 5, pp.786-807, 2012.
World Intellectual Property Organization, "Intern ational Patent Classification (Version 2014)", A vailable: http://www.wipo.int/export/sites/www/classifications/ipc/en/guide/guide_ipc.pdf, 2014, [Accessed: May 15, 2015]
Bronwyn H. Hall, Adam Jeffe, Manuel Trajtenberg, "Market Value and Patent Citations: A First Look", University of California, Berkely, Economics Department Working Paper, No. E01-304, 2001.
Catalina Martinez, "Insights into Different Types of Patent Families", OECD Science, Technology and Industry Working Papers, OECD Publishing, 2010.
Myunghoe Huh, Introduction to Social Network Analysis using R, Jayoo Academy, 2012
Christian Sternitzke, Adam Bartkowski, Reinhard Schramm, "Visualizing patent statistics by means of social network analysis tools" World Patent Information vol. 30, no. 2, pp. 115-131, 2008
Ana Gonzalez, Bo Dalsgaard, Jens Olesen, "Centrality measures and the importance of generalist species in pollination networks". Ecological Complexity 7: 36-43
Jiaoe Wang, Mo Huihuim, Fahui Wang, Fengjun Jin, "Exploring the network structure and nodal centrality of China's air transport network: A complex network approach". Journal of Transport Geography vol. 19, no.4 pp.712-721, 2011
Alireza Abassi, Liaquat Hossain, Loet Leydesdorff, (2012). "Betweenness centrality as a driver of preferential attachment in the evolution of research collaboration networks". Journal of Informetrics vol. 6 pp. 403-412
Carter T. Butts, "Tools for Social Network Analysis", Available: http://cran.r-project.org/web/packages/sna/sna.pdf, 2015, [Accessed: May 15, 2015]
Sunghae Jun, "Central Technology Forecasting Using Social Network Analysis", Communications in Computer and Information Science, vol. 340, pp.1-8, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.