开启创新之门的钥匙——TRIZ技术理论

古人云:“工欲善其事,必先利其器。”面对愈发复杂的现实问题,我们需要进行创新思维的开发与锻炼。创新与我们日常所说的创造是有区别的。

有效的创新方法、广博的技术知识加上希望打破“常规”的人构成了创新的三要素。

创新的思维、方法、工具,统合称为“创新的方法”必由之路;创新的工具是开展科学研究和实现发明创造的必要手段。

创新有方法,并非“灵光一现”;创新有规律,并非“撞大运”;创新有工具,我们掌握之后也能做发明创新。下面,为大家介绍一门实用的创新方法学——TRIZ。

TRIZ是什么?

TRIZ为俄文“发明问题解决理论”的首字母缩写,我国形象的翻译为“萃智”或者“萃思”,取其“萃取智慧”或“萃取思考”之义。

TRIZ理论的创始人是前苏联的根里奇.阿奇舒勒。

1946年,阿奇舒勒开始了发明问题解决理论的研究工作,通过研究成千上万的专利,他发现了发明背后的模式并形成了TRIZ理论的原始基础,阿奇舒勒也被尊称为TRIZ之父。

当时阿奇舒勒在前苏联里海海军的专利局工作,在处理世界各国著名的发明专利过程中,他总是考虑这样一个问题:当人们进行发明创造、解决技术难题时,是否有可遵循的科学方法和法则,从而能迅速地实现新的发明创造或解决技术难题呢?

阿奇舒勒发现任何领域的产品改进、技术的变革、创新和生物系统一样,都存在产生、生长、成熟、衰老、灭亡,是有规律可循的。如果掌握了这些规律,就能主动进行产品设计并预测产品未来趋势。

以后数十年中,阿奇舒勒穷其毕生的精力致力于TRIZ理论的研究和完善。

在他的领导下,前苏联的研究机构、大学、企业组成了TRIZ的研究团体,分析了世界近250万份高水平的发明专利,总结出各种技术发展进化遵循的规律模式,以及解决各种技术矛盾和物理矛盾的创新原理和法则,建立一个由解决技术,实现创新开发的各种方法、算法组成的综合理论体系,并综合多学科领域的原理和法则,建立起TRIZ理论体系。

TRIZ理论的核心是技术进化原理。根据这一原理,技术系统一直处于进化之中,解决矛盾是其进化的推动力。

进化速度随技术系统一般矛盾的解决而降低,使其产生突变的唯一方法是解决阻碍其进化的深层次矛盾。阿奇舒勒依据世界上著名的发明,研究了消除矛盾的方法,他建立了一系列基于各学科基础知识的发明创造模型。

这些模型包括发明原理、发明问题解决算法及标准解等。

在利用TRIZ解决问题的过程中,设计者首先将待设计的产品表达成为TRIZ问题,然后利用TRIZ中的工具,如发明原理、标准解等,求出该TRIZ问题的普适解或称模拟解,最后设计者再把该解转化为该领域的解或特解。

TRIZ理论体系

TRIZ理论具有鲜明的特点和优势。相对于传统的头脑风暴法、试错法等创新方法,TRIZ的技术系统进化理论和最终理想解(IFR)理论,可以有效地帮助设计人员在问题解决之初,首先确定“解”的位置,然后利用TRIZ的各种理论和工具去实现这个“解”。它成功地揭示了创造发明的内在规律和原理,着力于认定和强调系统中存在的矛盾,而不是逃避矛盾;它的最终目标是完全地解决矛盾,获得最终的理想解,而不是采取折中或者妥协的做法;它是基于技术的发展演化规律来研究整个设计与开发过程的,而不再是随机的行为。

比如,如何预测下一代产品的技术发展趋势的问题,是一个具有战略决策意义的问题,这用试错法根本无法解决。而TRIZ理论中,对技术系统的进化法则有着明确的分析和示意,让决策者清晰地了解到在什么阶段该采用什么样的技术来发展自己的产品,有效地取得产品的竞争优势。

可见,TRIZ在解决问题之初,确定“解”的方向和位置,有效避免了各种传统创新设计方法中反反复复进行探索的工作,如同射击一样,先确定靶心所在的方向和位置,进行准确瞄准,最终击中目标。因此,TRIZ将创新的效率进行了革命性的提升,它将产品创新变得像做算术题一样简单。

TRIZ的核心思想

TRIZ的理论体系

TRIZ理论包含着许多系统、科学而又富有可操作性的创造性思维方法和发明问题的分析方法。经过半个多世纪的发展,TRIZ理论已经成为一套解决新产品开发实际问题的成熟的九大经典理论体系。

图4TRIZ的理论体系

1.TRIZ的技术系统八大进化法则

阿奇舒勒的技术系统进化论可以与自然科学中的达尔文生物进化论和斯宾塞的社会达尔文主义齐肩,被称为“三大进化论”。这八大进化法则可以应用于产生市场需求,定性技术预测,产生新技术,专利布局和选择企业战略制定的时机等。它们可以用来解决难题,预测技术系统,产生并加强创造性问题的解决工具。

图5TRIZ技术系统八大进化法则

2.最终理想解(IdealFinalResult,IFR)

TRIZ理论在解决问题之初.首先抛开各种客观限制条件.通过理想化来定义问题的最终理想解,以明确理想解所在的方向和位置,保证在问题解决过程中沿着此目标前进并获得最终理想解,从而避免了传统创新设计方法中缺乏目标的弊端,提升了创新设计的效率。如果将创造性解决问题的方法比作通向胜利的桥梁,那么最终理想解就是这座桥梁的桥墩。

图6最终理想解的四个特点

在TRIZ中理想度来衡量理想化水平,系统的理想化水平的定义为:系统的所有有用功能与所有有害功能和成本之和的比值,用图7表示:

图7理想度的计算

最终理想解的确定采用“六步法”(图8):

图8应用六步法确定最终理想解

案例1

农场主人有一大片农场,饲养大量的兔子。兔子需要吃新鲜的青草,农场主人不希望兔子跑太远而看顾不到。现在的难题是:农场主人不愿意也不大可能花钱请人割草,运回来喂兔子。

图9用最终理想解的六步法解决兔子吃草问题

3.40个发明原则

阿奇舒勒对大量的专利进行了研究、分析和总结,提炼出了TRIZ中最重要的、具有普遍用途的40个发明原则,

如下表(图10):

图10TRIZ的40个发明原理

案例

案例二:分割(Segmentation)

案例三:套叠(EmbeddedStructure)

4.39个工程参数及阿奇舒勒矛盾矩阵

阿奇舒勒在对专利的研究中发现,仅有39项工程参数(图13)在彼此相对改善和恶化,而这些专利都是在不同的领域上解决这些工程参数的冲突与矛盾。这些矛盾不断地出现,又不断地被解决。由此他总结出了解决冲突和矛盾的40个创新原理。

之后,将这些冲突与矛盾解决原理组成一个由39个改善参数与39个恶化参数构成的矩阵(图14),矩阵的纵轴表示希望得到改善的参数,横轴表示某技术特性改善引起恶化的参数,横纵轴各参数交叉处的数字表示用来解决系统矛盾时所使用创新原理的编号,这就是著名的技术矛盾矩阵。

阿奇舒勒矛盾矩阵为问题解决者提供了一个可以根据系统中产生矛盾的两个工程参数从矩阵表中直接查找化解该矛盾的发明原理。

图1339项工程参数

其中黄色-物理或几何参数;蓝色-品质或功能性的参数;绿色-负面的参数

图14阿奇舒勒矛盾矩阵

如图14所示,要解决一个具体问题,需要改善1-移动物体的重量,要恶化其14-强度,行列交叉处即为建议解决具体问题应考虑的4个发明原则。

5.物理矛盾和四大分离原理

图15物理矛盾

图16四大分离原理

6.物—场模型分析

阿奇舒勒认为每一个技术系统都可由许多功能不同的子系统组成,因此,每一个系统都有它的子系统,而每个子系统都可以再进一步地细分,直到分子、原子、质子与电子等微观层次。

无论大系统、子系统、还是微观层次都具有功能,所有的功能都可分解为2种物质和1种场(即二元素组成)。在物-场模型的定义中,物质是指某种物体或过程,可以是整个系统,也可以是系统内的子系统或单个的物体,甚至可以是环境,取决于实际情况。

是指完成某种功能所需的方法或手段,通常是一些能量形式,如磁场、重力场、电能、热能、化学能、机械能、声能、光能等。物一场分析是TRIZ理论中的一种分析工具,用于建立与已存在的系统或新技术系统的问题相联系的功能模型。

7.发明问题的标准解法

标准解法是阿奇舒勒于1985年创立的,共有76个,分成5级(图17),各级中解法的先后顺序也反映了技术系统必然的进化过程和进化方向。标准解法可以将标准问题在一两步中快速进行解决,它是阿奇舒勒后期进行TRIZ理论研究的最重要的课题,同时也是TRIZ高级理论的精华。标准解法也是解决非标准问题的基础,非标准问题主要应用ARIZ来进行解决,而ARIZ的主要思路是将非标准问题通过各种方法进行变化,转化为标准问题,然后应用标准解法来获得解决方案。

图1776种标准解

8.发明问题解决算法

ARIZ(AlgorithmforInventiveproblemSolving)称为发明问题解决算法,是TRIZ的一种主要工具,是解决发明问题的完整算法,该算法采用一套逻辑过程逐步将初始问题程式化。

该算法特别强调矛盾与理想解的程式化,一方面技术系统向理想解的方向进化,另一方面如果一个技术问题存在矛盾需要克服,该问题就变成一个创新问题。

图18ARIZ算法的6个模块

图19ARIZ算法基本流程

案例4

用ARIZ算法解决一个摩擦焊接问题

图20ARIZ算法解决摩擦焊接问题

9.科学效应和现象知识库

科学原理尤其是科学效应和现象的应用对发明问题的解决具有超乎想象的、强有力的帮助。应用科学效应和现象应遵循5个步骤,解决发明问题时会经常遇到需要实现的30种功能,这些功能的实现经常要用到100个科学有趣现象。

图21现象之形变

TRIZ的方法论

图22TRIZ的方法论和一般解题流程

TRIZ的应用

图23TRIZ的应用

TRIZ的实践意义

图24TRIZ的实践意义

TRIZ的五大创新

思维方法

TRIZ理论体系的内容十分丰富,我们首先介绍TRIZ五大创新思维方法。这五种方法,可以帮助我们克服思维惯性,进行多维度、多方面的思考。

01

九宫格法

这个方法引导我们从系统、子系统、超系统及其过去、现在、将来的九个方向打开思维的阀门。

在应用九宫格法前,我们需首先了解“什么是系统”。系统是由若干部分相互联系、相互作用,形成的具有某些功能的整体,比如汽车、手机、汽车发动机都是独立的系统。同时,系统是一个相对的概念,超系统、系统、子系统三者都是相对而言的。例如,汽车是发送机的超系统,同时,汽车也是现代交通系统(包括汽车、道路、交警等)的子系统。

九宫格法的应用

①画出如上图所示的三纵三横的表格,将要研究的系统填入九宫格中间;

②考虑系统的子系统和超系统;

③考虑系统的过去和未来;

④考虑超系统和子系统的过去和未来,填入剩下的格中;

⑤针对每个格子,考虑可用的各种类型资源,选择解决技术问题。

02

最终理想解(IFR)

最终理想解-IFR(IdealFinalResult)即在解决问题之初,首先抛开各种客观的限制条件,通过理想化来定义问题的最终理想状态,以提升创新设计的效率。

发明家阿奇舒勒曾说:“可以把最终理想解结果比作登山绳子,登山运动员要抓住他,才能沿着陡峭的山坡向上爬,绳子不会向上拉的,但是可以为其提供支撑,不让它下去,只要松开绳子肯定会掉下去。”

图:最终理想解就像登山绳子,需抓住以提供支撑

最终理想解的应用

那么,究竟如何才算达到“最终理想解”?最终理想解即系统在最小程度改变的情况下能够实现最大程度的自服务(自我实现、自我传递、自我控制等)。其特点表现为:既保留原有系统的优点,又消除原有系统的不足,同时没有使系统变得更复杂或引入新的缺陷。

该方法需要首先提出理想的解决方案,然后找到实现理想解的障碍,设法消除这些障碍,最后得到理想的解决思路。

03

STC算子法

STC算子法的应用

04

小矮人法

小矮人法的核心思想是将求解对象或技术系统想象成一群一群的小矮人,通过改变小矮人的功能、位置、形状等获得所需的功能,进而得到问题的解决方案。此方法最适用于将诸多的宏观问题进行微观化思考。

小矮人法的应用

①找出求解对象中某些无法实现必要功能的组件;

②将该组件想象成一组组的小矮人,建立小矮人模型;

③变换小矮人的位置、功能、形状,实现所需功能,找到解决思路。

05

金鱼法

金鱼法就是将“幻想”的、“不现实”的问题求解思路变成可行的解决方案。这个方法主要锻炼大胆设想和分层论证的思维,我们不要轻易否定任何想法,幻想在一定条件下是可以变成现实的。例如:“如何利用空气赚钱?”大家可以使用金鱼法来思考解决该问题。

金鱼法的应用

从异想天开的解决方案中,区分为现实和幻想两部分,然后再从解决构想的幻想部分分出现实与幻想两部分。通过不断地反复进行划分,直到确定问题的解决构想能够实现为止。

回归到上面的例子“如何利用空气赚钱?”。首先,关于幻想部分,不现实之处在于空气存在于整个地球,取之不尽,我们似乎没有必要花钱去买。但是,问题的关键在于思考“什么条件下人们要买卖空气?”问题的答案可能有:在空气不够的地方售卖空气,售卖含有益成分的空气,等等。最后,针对答案寻求可用资源,提出解决方案,比如收集并销售空气中的氧气,卖给高山、矿井等场所。

以上就是关于TRIZ五个创新思维方法的简要介绍,在面对新问题时,思维惯性会阻碍我们形成新构想,成为我们前进的羁绊。因此,我们必须有意识地培养自身的创新思维。当你以后面临新的情况时,不妨打开TRIZ理论,按照其指引,不断地突破自身思维的枷锁,寻求新点子、新观念、新构想,发现新事物。

TRIZ的优势

TRIZ创始人阿奇舒勒有句名言:“你可以用100年获得顿悟,也可以用TRIZ原理花15分钟解决问题。”

TRIZ的优势主要体现在以下几个方面:

(1)TRIZ理论是建立在对全世界大量高级别专利的研究之上,归纳总结出的解决问题的模式和规律,具有最可靠的实证依据,是人类知识的结晶。它不仅仅是一种思维方式,更是集中了人类科技发展过程中所积累的专利和科学知识库。个人灵感依赖于个人的知识和经验,而TRIZ所依赖的是全人类的知识。

(2)TRIZ可以将各种特定的问题转化为一种通用的解题模型,再使用具有针对性的解题工具使之得到高效地解决。

图4TRIZ的解题模式和流程

(3)前已述及,TRIZ有九大经典理论,这些理论(解题工具)分别适用于不同的问题场景,就如同战场上配置了导弹、飞机、大炮、机关枪、反坦克炮、步枪、手枪等各种战术武器,这些武器都有最适合的应用场景。从这个意义上说,TRIZ具有无可比拟的系统化优势。

(4)TRIZ不仅可以解决当前问题,还能够预见未来发展趋势,这对于企业制定发展战略无疑具有至关重要的意义。

(5)TRIZ可以最大限度地帮助人们克服思维惯性。

TRIZ的五个级别

创新成果有大有小,阿奇舒勒根据创新的难度和复杂度将创新成果划分为“五个级别”,以明确对问题的解决程度并正确应用TRIZ。1级创新最容易,只要当有心人,人人都可以做;5级创新需要用到以前没有的新知识,只有科学家才能做到;TRIZ适用于第2级到第4级的创新。如果把1级创新算在内,用TRIZ可以解决大约99%的创新问题。

表7创新成果的五个级别

TRIZ的三大障碍

任何一个问题,如果没有得到解决,那就必然存在障碍。事实上,每个企业在生产过程中都会存在各种各样的问题,目前困扰企业发展的最大瓶颈就是技术创新和研发突破。许多企业并不缺乏高学历、高职称的人才,也在研发方面投入了大量的资金,但同样会在激烈的市场竞争中落败,那么真正的障碍到底在哪里呢?

阿奇舒勒认为,技术创新主要存在三大障碍:思维惯性、人的知识领域的限制、创新方法和理论的局限,其中思维惯性是最大的障碍。

(1)思维惯性

思维惯性又叫心理惯性。人们因为局限于既有的知识、信息和对客观现象的认识与工作经历,形成了一种固定的思维模式,这就是思维惯性。思维惯性存在于每一个人的大脑中,而且呈现出年龄越大、专业知识越多、工作经验越丰富的人思维惯性越顽固的特点,使我们难以跳出由自己的经验和专业知识领域所形成的框框,从而难以产生出创新的灵感和成果。

TRIZ有很多创新思维的方法和工具,例如:金鱼法、九屏幕法、小人法、STC算子等,可以引导人们跳出常规思维惯性,有效地帮助研发人员克服思维惯性的障碍,产生各种解决当前问题的创新点子。

(2)人的知识领域的限制

任何一个人所能掌握的知识总是有限的,但TRIZ是从全世界大量先进专利中经过归纳、总结出来的关于解决创新问题的规律,所得出的各种创新工具是各个行业中借鉴、吸收、套用既有的成功经验,TRIZ是人类利用各种知识解决工程技术问题的结晶。

图2知识的分布

这是因为阿奇舒勒发现,从数百万份专利中能够提取得到的发明原理仅仅只有40个。同时还发现,这些专利大多数是采用100个常见的科学原理或者科学现象来实现30个功能。这就意味着绝大多数的发明都是在重复别人已经获得成功的研究和劳动。

(3)创新方法和理论的局限

工欲善其事,必先利其器。目前,人们最常用的解决问题的方法是试错法。这就好比我们拿着一串钥匙去开一扇门的锁,但不知用哪把钥匙开,所以就会一把一把地去试,直到打开为止。

表1常见的传统创新方法

这些传统创新方法在人类发明创造过程中曾发挥过巨大的作用,因此一直传承至今。但相对TRIZ而言,这些方法都偏重于抽象思维,缺乏系统性和综合性,而且结果发散,无法针对具体问题导出解决方案。

而TRIZ是以人类现有的大量的专利和有史以来所积累的知识为基础,可以有效地摆脱思维惯性,大大减少试错的次数,提高创新的效率,能够针对具体的技术瓶颈快速找到解决的方案。

TRIZ九大经典理论

如前所述,TRIZ归根到底是一种方法论,它无法也不可能取代专业知识的作用。TRIZ的作用可以类比为我国历史上的《孙子兵法》。兵法是根据战场实际情况从战略层面考虑采用什么方法(计谋或思路)来设计整体的战略部署,但还需要从战术(技术)层面上采取具体的措施(资源和技术条件的支撑)以保证战略意图得以实现。

TRIZ九大经典理论包括以下内容:

(1)技术系统进化法则

在长期的研究过程中,如何预测未来技术的发展以及如何快速开发新一代产品,已经成为市场竞争强有力的武器。理论界提出了多种技术预测方法,而TRIZ的技术进化理论恰恰是众多产品技术预测理论中最具优势和生命力的方法。

在TRIZ理论中,阿奇舒勒提出了关于产品生命周期的“S-曲线进化法则”,此外还有关于技术系统发展演化的“八大进化法则”(即“八种进化途径”),其中包括:完备性法则、能量传递法则、协调性法则、提高理想度法则、子系统不均衡进化法则、动态性进化法则、向微观级进化法则、向超系统进化法则。根据这些法则,企业可以对当前的技术发展进行预测,避免盲目的投资和研发。

(2)最终理想解(IFR)

最终理想解,既是创新思维方法,又是解题工具。它与传统思维方式的不同之处是“倒着思考”,即先确定最终目标,然后找到达到最终目标的障碍和困难,分析和发现造成这些障碍的根本原因,再利用各种TRIZ工具来消除和解决这些根本原因或为消除这些根本原因创造条件。显然这种方法是收敛的,按照IFR,人们的每一步努力,都在向着最理想的方向趋近。

这种向着最理想状态趋近的思考方法,可以有效地克服思维惯性。用现在比较时髦的话来说,IFR的每一步,都是“不忘初心,牢记使命”,这个初心和使命就是:技术系统发展必须向着最理想的方向发展,即IFR。

最终理想解的确定步骤共有7个,其思考和解决问题的步骤,无论是对于技术类问题还是管理类问题,都可以借鉴。

(3)40个发明原理

阿奇舒勒把两个不同的工程参数之间的矛盾定义为技术矛盾,这种矛盾体现为一个工程参数的改善会导致另一个工程参数的恶化。

阿奇舒勒从几百万份专利中,提取出具有代表性的几万份专利进行分析研究,最终发现:虽然这些专利涉及的领域很宽,但是解决问题所用到的原理有限,大部分专利都是用40个发明原理解决了39个工程参数之间的矛盾。

只要相互矛盾的工程参数相同,用来解决这对技术矛盾的发明原理也就相同。这就告诉我们,不同工程领域的专利,实际上是在反复采用这些发明原理来解决相应的工程参数之间的矛盾。

表240个发明原理

表339个通用工程参数

(4)39个工程参数和阿奇舒勒矛盾矩阵

由于技术领域参数千变万化,不同领域和不同的技术就有不同的技术参数。

为了便于工程人员的应用,阿奇舒勒就把成千上万个不同技术领域的技术参数抽象为39个通用工程参数,然后把这39个参数按序进行编号,把行号所代表的工程参数作为需要改善的参数,把列号代表的工程参数作为恶化的参数,把某行和某列的交叉点填入解决这对矛盾所经常采用的发明原理,形成一个39x39表格,这就是著名的阿奇舒勒矛盾矩阵。

表4阿奇舒勒矛盾矩阵

在实际应用中,当我们想要解决某个具体问题时,只要分析出相互矛盾的两个不同的工程参数,找到需要改善性能的参数代号和导致性能恶化的参数代号,查找矛盾矩阵,就可以在这个表中找到几个常用的发明原理,根据这些发明原理进行思考,产生创新的思路。这样,解决发明问题就变得与我们查数学用表一样简单。

由此可见,采用TRIZ,发明不再需要灵感,只要掌握合适的工具和方法,普通人也可以创新。而且,所需思考的创新原理也是有限的,有效地克服了思维惯性,防止了漫无边际地试错。

(5)物理矛盾和四大分离原理

阿奇舒勒把技术系统中,同一个工程参数有时候相互矛盾的需求定义为物理矛盾。比如牛奶挤出后,需要对其进行消毒处理,常规的方法就是提高温度,温度越高,灭菌效果越好。但是,从营养的角度看,温度高了会破坏鲜奶中的营养,对于处理温度的需求就相互矛盾。再如,我们假日外出钓鱼,在垂钓时,希望鱼竿长一点,但是在不垂钓时,又希望鱼竿短一些,对于鱼竿长度的需求就相互矛盾。这种温度要高又不能高,鱼竿的长度既要长又要短的矛盾,就是物理矛盾。

(6)物-场模型分析

前面所提的用矛盾矩阵解决问题时有一个缺点,就是当一个技术系统的参数属性不太明显,而结构属性较为明显时,矛盾矩阵就无法有效地发挥出作用。因为有些情况下,矛盾是不可见的,但问题依然存在,并且可以得到解决。这时,系统的结构属性比较明显,可以用物-场分析方法来解决这类问题。

每一个系统的出现都是为了实现某个确定的功能,产品是功能实现。阿奇舒勒通过对功能的研究,发现并总结出了“三条定律”。为了方便表示,功能用一个三角形来进行模型化,交互作用的对象被称为“物质”,用S1和S2表示;交互作用的能量被称为“场”,用F表示。

物场模型可以用来描述系统中出现的结构化问题。这些问题主要概括为“四种模型”:有效完整模型、不完整模型、效应不足的完整模型、有害效应的完整模型。

(7)发明问题的标准解法

根据研究,阿奇舒勒提出了物场模型的一般解法和76个标准解法。

物场模型把技术系统表示为两个关联的物体(工具和工件)以及两个物体之间相互作用的场,根据表达原系统的物场模型的类型,来选取此物场模型的相应解法,就是发明问题的标准解法。

这种解法为如何改进系统提供了某种“暗示”,更确切的说,是提供了解法的模式,设计者可以用这种模式来改进自己的设计。

发明问题的标准解法是阿奇舒勒1985年创立的,分为5级、18个子级,标准解法共有76个,各级中解法的先后顺序也反映了技术系统的必然的进化过程和进化方向。

表5发明问题的标准解法

(8)科学效应和现象知识库

科学原理尤其是科学效应的应用,对发明问题的解决具有超乎想象的、强有力的帮助。

阿奇舒勒及其同事经过对250余万份全世界高水平发明专利的研究,将高难度的问题归纳为要实现30个功能,并把一些常用的“科学效应和现象”与“应用这些效应可以实现的功能”联系起来。

这样,发明者可以首先根据物场模型决定需要实现的基本功能,然后通过需要实现的功能很容易地找到与之对应的科学效应或科学现象,再根据这些科学效应或现象,产生解决问题的思路。

表6“30个功能”与“100个科学效应和现象”之间的对应关系

(9)发明问题解决算法(ARIZ)

ARIZ是俄文“发明问题解决算法”的缩写,英文缩写为AIPS,是发明问题解决过程中应遵循的理论方法与步骤。ARIZ是基于技术系统进化法则的一套完整问题解决的流程,它几乎集成了TRIZ中所有的工具和研究成果,成为解决发明问题的完整算法。目前应用最广泛的ARIZ-85共有9个关键步骤,每个步骤中又含有数量不等的多个子步骤。

需要注意的是,ARIZ是一套相对比较复杂的工具,没有80小时以上的预先TRIZ理论学习研究,不可以随便使用ARIZ来解决你的新问题。

TRIZ方法论基本原理

1.问题及其解在不同的应用领域(学科领域)重复出现

2.工程系统的进化是有规律可循的

原理一:

问题及其解在不同的领域(学科领域)重复出现原理

案例一:甜椒去把

问题:甜椒的籽和把与果肉连在,形成一个完整的甜椒,但是我们想食用甜椒时,都会先将甜椒的把和籽去掉,这样吃起来口感更好。几个甜椒去籽、把很简单,人工处理一下就可以解决,但要一次性处理上万个甜椒要怎么办呢?

答案:可以将甜椒放到一个密闭容器中,然后慢慢加大气压,随着气压加大,甜椒内部的气压也开始加大,然后将容器的阀门突然打开,甜椒的籽、把就会爆出来。

案例二:取瓜子仁

问题:瓜子仁外面包裹着一层黑色的硬壳,想要吃到里面瓜仁,需要将壳去掉。一般我们吃瓜子就直接用牙齿磕,但是如果需要非常多的瓜子仁,该怎么办呢?

答案:同样的原理,将瓜子放到容器中,进行加压,然后通过突然放压的方式,得到大量的瓜子仁。

案例三:人造钻石分割

问题:人造钻石一般是由一簇钻石组成钻石有它的自然纹理面

目标:如何将这些小钻石沿自然纹理面分开而不造成新的裂纹?

问题:如何将这些小钻石分开?

答案:用甜椒去把、瓜子去壳的原理,可以得到切割面非常自然且没有纹裂的漂亮钻石。

原理二:

工程系统的进化是有规律可循的原理

系统/产品是按照一定规律在发展的——动态化

案例一:键盘的发展

案例二:机械轴承的演变

运用同样的思路原理,可以看到在机械工业中的轴承也是同样的发展规律。

原理三:

这个原理是什么意思呢?比如今天小明想做一个发明,但是他不知道这个领域有什么原理,然后采用了其他领域或场合的办法来应用,就可能产生意想不到的效果。

以上就是TRIZ三个基本原理内容,通过这些原理我们可以知道大多数的创新或发明不是全新的,而是一些已有原理或结构在新的领域的新应用。

这一点大家查询专利就可以看到,很多专利其实都是雷同的,或者说在原有基础上小的改进,就可以产出一个新的发明,这也是TRIZ通过总结50万个发明专利总结归纳的结果,并且TRIZ方法论认为后续我们的创新发明可以在已有的一些发明基础上进行深入发展或拔高就可以了。

结语

在TRIZ的教学和解决问题的实践中,我觉得TRIZ是学历相对较低的人实现弯道超车的途径。掌握了TRIZ方法,可以使人眼光更敏锐、思路更清晰,从而选择出“正确”的事,请高学历的专家把这个事做“正确”。

国内有些公司的总经理或董事长,本人并不具备高学历,但是公司内部却有许多高学历的专家,不就印证了这个道理吗?

学习TRIZ,最好是带着尚未解决的创新问题去学。实际上,任何企业在生产过程中都会存在各种制约着产品质量或生产效率的问题,带着这些问题出发去学习,这样才会有创新的体验和解决难题后的成就,这种解决问题的需求感和问题得到解决后的体验感与成就感是人们继续学习的内在驱动力。

此外,边学习、边实践、边运用的过程,还可以加深对TRIZ工具的理解和把握,避免枯燥地学习理论知识,从而失去兴趣。

初学者不要担心刚开始学时只掌握了几个简单的创新工具而不能创新。TRIZ的每个工具都可以产生创新点子,这些工具之间不相互依赖,大家可以用学到的入门级创新方法先得到解决创意,再随着对TRIZ工具的学习和理解,使用更多的工具产生更多的创新和创意。

一般常规的方法是有了点子就会停下来,试试是否有效,而TRIZ则是用尽量多的工具产生创意,然后对所有的创意进行分类合并,产生几个创新方案,再对这些方案进行评价,最后按照某些评价标准,筛选出几个难度低、效果好的方案交付实施。

当然,在筛选出的方案实施过程中,还会产生新的问题,我们称之为“次生问题”,这时可以再使用TRIZ方法,使次生问题得到解决。

学习TRIZ,不能心血来潮,也不是作秀,需要持之以恒,把学习作为终身目标。我是2008年一次偶然的机会接触到TRIZ的,在学习、研究和应用TRIZ的过程中,我越发感觉到TRIZ在我国创新发展战略中的重要作用。

创新,不是简单的改变,而是朝着更好的方向改变,是不断去掉不好的部分,没有最好,只有更好,不断朝着最理想的方向改进。所谓“茍日新,日日新,又日新”就是这个意思。

THE END
1.算法笔记(三)算法学习技巧总结 算法是一门数学科学院,想要学号算法即该算法是为了要解决什么问题,需要静下心来谢谢代码,与不写代码的人区别是效率比他妈呢提高了很多,算法学习还需要举一反三你,这样我们才能狗的更好。https://www.code456.com/article/3598351.html
2.算法总结最常用的五大算法(算法题思路)算法题技巧本文介绍了贪心算法的概念和实例,如Prim和Kruskal算法;分治法的思想及其在二分查找、快速排序和归并排序中的应用;动态规划的基本思想和Floyd算法、背包问题的示例;回溯法的原理以及在八皇后问题中的应用;分支限界法的基本思想和在单源最短路径问题中的应用。文章还探讨了这些算法之间的区别和联系。 https://blog.csdn.net/Jernnifer_mao/article/details/130220554
3.深度学习经典算法遗传算法详解遗传算法依照与个体适应度成正比的几率决定当前种群中各个个体遗传到下一代群体中的机会。个体适应度大的个体更容易被遗传到下一代。通常,求目标函数最大值的问题可以直图5-2正六边形筛选机制接把目标函数作为检测个体适应度大小的函数。 7、复制 程序设计流程https://developer.aliyun.com/article/1127575
4.经典算法问题来一个有这么一个算法题目,通过它我们来了解下码农是怎么学习算法:假设一堆人中有一个人可能是名人(明星),也有可能这人群中没有名人,名人满足的条件是人群中所有人都认识他,但是他不认识其他人,我们可以通过询问每个人来找出这个名人,那么假设我们只能问某个人是否认识另外一个这样的问题,得到回答也只能是认识或者不认识这https://m.acfun.cn/v/?ac=18548125&from=video&type=article_2
5.算法精粹:经典计算机科学问题的Python实现本书是一本面向中高级程序员的算法教程,借助Python语言,用经典的算法、编码技术和原理来求解计算机科学的一些经典问题。全书共9章,不仅介绍了递归、结果缓存和位操作等基本编程组件,还讲述了常见的搜索算法、常见的图算法、神经网络、遗传算法、k均值聚类算法、对抗搜索算法等,运用了类型提示等Python高级特性,并通过各级https://www.epubit.com/bookDetails?id=UB71fac289a9240
6.机器学习10大经典算法详解“数据+算法=模型”。面对具体的问题,选择切合问题的模型进行求解十分重要。有经验的数据科学家根据日常算法的积累,往往能在最短时间内选择更适合该问题的算法,因此构建的模型往往更准确高效。 本文归纳了机器学习的10大算法,并分别整理了各算法的优缺点及主要特征,供大家学习参考。读完本文,你将掌握以下机器学习10大算http://www.360doc.com/content/12/0121/07/27362060_1061639511.shtml
7.迁移学习(TransferLearning)的背景历史及学习2.机器学习框架与基本组成 3.机器学习的训练步骤 4.机器学习问题的分类 5.经典机器学习算法介绍 目标:机器学习是人工智能的重要技术之一,详细了解机器学习的原理、机制和方法,为学习深度学习与迁移学习打下坚实的基础。 二、深度学习简介与经典网络结构介绍 https://cloud.tencent.com/developer/article/2068121
8.多智能体路径规划综述本文首先对MAPF问题进行了阐述,概述了经典的集中式规划算法,详细分析了经典算法的原理,然后概述了深度强化学习,解析了主流的强化学习算法原理,将MAPF问题描述为强化学习问题,介绍了基于强化学习的MAPF算法研究进展。在此基础上,指出现有算法面临的挑战,指出了下一步要解决的问题和研究方向。 https://www.fx361.com/page/2022/1017/11262806.shtml
9.支持C++,Java,Python,Go,JavaScript等多语言版本,从此算法学习《代码随想录》LeetCode 刷题攻略:200道经典题目刷题顺序,共60w字的详细图解,视频难点剖析,50余张思维导图,支持C++,Java,Python,Go,JavaScript等多语言版本,从此算法学习不再迷茫! 来看看,你会发现相见恨晚! - GitHub - Coding4Real/leetcode-mashttps://github.com/Coding4Real/leetcode-master
10.五大经典算法之<递归算法及经典实例分析>学习目标: (一)了解递归算法思想? (二)用递归思想来理解和实现递归经典实例 I.阶乘问题? II.斐波那契问题? III.汉诺塔问题? IV.全排列问题 (一)递归 I. 定义? 递归算法(英语:recursion algorithm)在? ?计算机科学中是指一种通过重复将问题分解为同类的子问题而解决问题的方法。 需要满https://www.360doc.cn/mip/1127301487.html
11.路径规划中的DRL与OR算法:对比与展望因此,VRP在物流配送中有着广泛的应用场景,在过去50年来是研究热点。传统的优化方法(启发式、精确算法等)专注于研究各种各样的问题变形,甚至拓展到了uncertainty、robust、stochastic、two-echelon等场景,而深度强化学习类的方法则主要专注于求解TSP、CVRP等简单情形,并常用优化方法得到的解作为比较对象。下文将详细介绍。https://www.51cto.com/article/757803.html
12.字节跳动3数据结构与算法经典问题解析-Java语言描述目录 本文由曾供职于多家知名IT企业的资深软件架构师撰写,以Java为描述语言,介绍计算机编程中使用的数据结构和算法,覆盖相应竞争性考试的主题,目的不是提供关于数据结构和算法的定理及证明,而是强调问题及其分析,讲解必备知识和解题技巧。文中汇集知名IT企业经典的编程面试题目并给https://maimai.cn/article/detail?fid=1663985877&efid=TP99-4Gnjz5uI46gYIbONQ
13.AI工程师必备技能如果是凸函数,我们需要选择相应的优化方法论进行优化,因为优化问题是机器学习算法中的核心部分。 以上是对凸优化的方法论的一些总结与梳理,不得不说,凸优化是一个很深奥也很大的领域,并且通过一些非凸函数的优化方法论,也能感受出如果要严格解决一个数学问题,步骤是很严谨的,文中的观点如果有错误的地方,还请各路https://www.jiqizhixin.com/articles/2019-01-23-15
14.经典算法问题:数组中的逆序对这种思路虽然很直接,但编写出错的概率很低,在没有在线评测系统的时候,它可以作为一个“正确的”参考答案,用以检验我们自己编写的算法是否正确。 思路2:分治 这道题最经典的思路是使用分治法计算,借助“归并排序”的分治思想,排好序以后,逆序对就求出来了,时间复杂度为 https://www.jianshu.com/p/e6530cb7aa66
15.C/C++经典算法之约瑟夫问题详解C语言这篇文章主要给大家介绍了关于C/C++经典算法之约瑟夫问题的相关资料,约瑟夫环问题是一道经典的数据结构的题目,本文介绍了解决约瑟夫问题的三种方法,需要的朋友可以参考下https://www.jb51.net/article/218551.htm
16.常州科普网这样,发明者可以首先根据物场模型决定需要实现的基本功能,然后通过需要实现的功能很容易地找到与之对应的科学效应或科学现象,再根据这些科学效应或现象,产生解决问题的思路。 9、发明问题解决算法(ARIZ) ARIZ是俄文“发明问题解决算法”的缩写,英文缩写为AIPS,是发明问题解决过程中应遵循的理论方法与步骤。ARIZ是基于https://kx.jscz.org.cn/html/czkx/2022/LOMNAAD_0613/28486.html
17.贪心算法入门详解,经典实例分析在求解会议室效率问题时,我们虽然先基于动态规划思想做了分析,稍稍复杂了些,但最后还是能够结合贪心思想,设计出更加简洁的算法。 事实上,贪心策略是一种强有力的策略,可以很好的解决很多问题,在以后的学习中,我们可能会遇到许多基于贪心策略设计的算法,例如最小生成树算法,单元最短路径的 Dijkstra 算法等等。https://blog.popkx.com/2307/
18.科学网—[转载]进化集成学习算法综述在当前的研究方法中,一些研究分别对基于分类、回归和聚类问题的集成学习方法进行了综述。尽管这些研究对进化集成学习算法进行了简单的介绍,但并未对一些代表性的进化集成学习算法进行详细综述。并且在笔者目前查阅到的文献中,一些关于进化集成学习算法的综述只是针对分类、回归和聚类问题中的一种或两种,尚未发现有学者对包https://wap.sciencenet.cn/blog-951291-1312816.html
19.关于背包问题的一些理解和应用本文没有尝试对背包问题的本质进行扩展或深入挖掘,而只是从有限的理解(这里指对《背包问题九讲》的理解)出发,帮助读者更快地学习《背包问题九讲》中的提到的各种背包问题的主要算法思想,并通过实例解释了相应的算法,同时给出了几个背包问题的经典应用。 2.背包问题及应用https://www.xiuzhanwang.com/a1/Cyuyan/3447.html
20.谷歌复用30年前经典算法,CV引入强化学习,网友:视觉RLHF要来了?该研究旨在学习以 θ 为参数的条件分布 P (y|x, θ),使奖励函数 R 最大化。用抽象的公式来形容,就是本文要解决以下优化问题。 问题有了,接下来就是怎么解决了,本文分两步走:首先用最大似然估计对模型进行预训练;然后使用 REINFORCE 算法对模型进行 Tuning 。下面我们看看这两步的具体过程:https://www.thepaper.cn/newsDetail_forward_22086240
21.每道题都会出现在试卷上(确信)新传热点真题答题总结No.04(下) 出题原因:就建立健全网络综合治理体系作出重要论述、提出明确要求,深刻阐释了“为什么要建、怎样建”等重大理论和实践问题,同时,网信办也大刀阔斧地开展“清朗”系列专项整治行动。从短视频与直播乱象,到算法与大数据技术带来的个人信息隐私安全问题,再到网络暴力、社交媒体舆论与舆情、平台反垄断等热点话题,都https://weibo.com/ttarticle/p/show?id=2309404933996114215589
22.DeepMind用神经网络求解MIP后,攻破运筹学只是时间问题?你想多了如果大量变量可以被固定,则可以把这个固定变量后的子问题当作一个全新的MIP求解,以期望可以找到高质量的整数解。由于大量的变量被固定了,子问题的搜索空间会变小,且预求解可以进一步的削减问题的规模,因此解子问题会相对容易些。 DeepMind提出的Neural Diving这个算法,是通过机器学习和神经网络,给定一个问题结构,预判https://yuanzhuo.bnu.edu.cn/article/805