价值TRIZ（智慧TRIZ）：通过智慧的决策和预测提升创新解决方案的社会与环境价值

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

duanyucong@hotmail.com

摘要：价值TRIZ（智慧TRIZ）是一种结合了传统TRIZ方法论与现代智慧决策过程的创新框架，致力于提升技术和产品创新的社会及环境价值。该框架通过高效整合数据、信息、知识和智慧（DIKWP）的方法，强调在创新过程中进行智慧的决策和预测，以确保解决方案在满足当前需求的同时，也能为未来带来积极的社会和环境效益。

关键词：价值TRIZ、智慧TRIZ、社会价值、环境效益、DIKWP-TRIZ、智慧决策、技术创新

1. 引言 技术创新的目标不再仅仅是实现商业成功和技术突破，越来越多地被赋予了确保社会可持续性和环境友好性的重任。价值TRIZ（智慧TRIZ）框架应运而生，旨在通过智慧的决策和预测，引导创新活动更加注重社会责任和环境保护。本文探讨了价值TRIZ如何整合DIKWP资源，通过TRIZ的系统化和创造性思维促进社会和环境价值的最大化。

2. 价值TRIZ（智慧TRIZ）的理论基础 价值TRIZ是基于传统TRIZ原理，通过扩展和融合智慧层面的考量，形成的一种新的创新方法论。它强调以下几个核心要素： 2.1 智慧决策的内涵：在创新过程中，智慧决策意味着不仅要分析问题和生成解决方案，还需要考虑其长远影响、社会价值和环境效益。 2.2 系统化预测的角色：系统化预测帮助创新者理解技术发展的趋势，预见未来可能的需求和环境变化，以便在设计解决方案时做出前瞻性的决策。 2.3 社会环境效益的最大化：创新不仅要追求经济效益，还要提升社会福祉和保护环境资源，这是价值TRIZ核心追求的目标。

3. 价值TRIZ（智慧TRIZ）的操作流程 3.1 问题识别与界定：在价值TRIZ中，问题识别不仅要基于技术和市场的需求，还要结合社会趋势和环境要求进行。 3.2 解决方案的创新设计：在设计解决方案时，利用TRIZ的创新原理引导思维，并结合智慧层面的预测工具，如情景分析、德尔菲方法等，以确保解决方案的全面性。 3.3 解决方案的价值评估：在方案设计阶段，通过价值工程、生命周期评估等方法，对解决方案可能产生的社会和环境影响进行评估。 3.4 最终方案的实施与反馈：实施方案后，持续跟踪其社会和环境效益，通过反馈调整和优化方案。

4. DIKWP-TRIZ在促进价值创新中的应用 4.1 数据和信息在价值TRIZ中的应用：数据和信息作为价值TRIZ的基础，帮助收集相关的环境和社会指标，为创新决策提供支持。 4.2 知识和智慧的整合：知识管理和智慧层面的决策支持系统在价值TRIZ中至关重要，它们通过分析历史案例、专家知识和创新模式，提升决策质量。

5. 价值TRIZ（智慧TRIZ）案例分析 本节通过具体案例分析价值TRIZ在实践中的应用，展示如何在解决方案中融入社会价值和环境效益的考量。

6. 讨论 通过深入讨论价值TRIZ的理论和实践，分析其在不同行业和领域的适用性，以及在全球化和快速变化的市场环境中面临的挑战和机遇。

7. 
   

8. 下面是一个对比分析表，详细描述了传统TRIZ和价值TRIZ（智慧TRIZ）之间的不同：

9. 特征	传统TRIZ	价值TRIZ（智慧TRIZ）
   核心理念	解决技术矛盾和创新问题	结合技术创新与社会、环境价值的最大化
   关注焦点	技术创新、问题解决	全面价值创新，包括社会和环境效益
   决策依据	技术参数、功能模型、物理矛盾	综合考虑技术、经济、社会、环境等多维度因素
   创新驱动力	技术系统的内在矛盾	社会需求、环境挑战与技术进步的动态平衡
   解决方案评价	功能最优化、成本效益	综合评价解决方案的长期价值、生命周期成本、社会响应和环境影响
   预测方法	技术系统演化的规律性	基于情景规划、德尔菲法等对未来社会环境趋势的预测
   知识管理	依赖专利信息、科学原理、技术知识库	整合跨学科知识、专家智慧、实时数据和信息分析
   工具与方法	矛盾矩阵、物理矛盾图、创新原理	增加价值流程图、生命周期分析、系统动力学模型等
   解决方案范围	技术层面的改进	技术创新与社会-环境-经济系统的整合
   用户参与	用户需求作为问题定义的输入	用户需求直接参与解决方案的迭代过程
   可持续性	间接考虑（通过技术效率提升）	直接考虑（作为核心评价指标和设计原则）
   应对复杂性	解决复杂的技术问题	应对技术、社会、环境复杂性的综合策略
   实施过程	侧重技术开发和设计	平衡技术创新与社会责任实施过程
   案例与实证研究	专注于技术创新案例分析	引入社会创新和环境保护案例分析
   培训与教育	专业工程师和技术人员的技术创新训练	跨学科团队合作，包括设计师、工程师、社会学家、环境科学家等
   评估指标	技术性能、成本、速度	可持续性指标、社会影响评估、环境影响评估
   反馈机制	以技术验证和测试为主	包括市场反馈、社会影响评估和环境影响跟踪
   价值导向	以市场和技术价值为导向	以全球和长远的社会、环境价值为导向
   范式	技术问题解决范式	社会技术系统整合范式

10. 这个表格提供了一个详细的对比视角，说明了传统TRIZ和价值TRIZ（智慧TRIZ）在理念、关注焦点、决策依据等多个维度上的差异。在实际应用中，这两种方法论可以根据具体情况和目标相互补充，形成一个更全面的创新工具集。

11. 结论 价值TRIZ（智慧TRIZ）提供了一种全新视角，帮助创新者在追求技术创新的同时，最大化社会和环境效益。通过智慧的决策和预测，DIKWP-TRIZ确保解决方案能够应对未来的挑战，为实现可持续发展目标做出贡献。

参考文献：

1. Altshuller, G. (1984). Creativity as an Exact Science. Gordon and Breach.

2. Altshuller, G., & Shulyak, L. (2002). 40 Principles: TRIZ Keys to Technical Innovation. Technical Innovation Center, Inc.

3. Fey, V., & Rivin, E. I. (2005). Innovation on Demand: New Product Development Using TRIZ. Cambridge University Press.

4. Kaplan, S. (1996). An Introduction to TRIZ: The Russian Theory of Inventive Problem Solving. Ideation International Inc.

5. Rantanen, K., & Domb, E. (2008). Simplified TRIZ: New Problem-Solving Applications for Engineers. CRC Press.

6. Mann, D. L. (2007). Hands-On Systematic Innovation for Business and Management. IFR Press.

7. Savransky, S. D. (2000). Engineering of Creativity: Introduction to TRIZ Methodology of Inventive Problem Solving. CRC Press.

8. Zlotin, B., & Zusman, A. (2001). Directed Evolution: Philosophy, Theory and Practice. Ideation International Inc.

9. Orloff, M. A. (2006). Inventive Thinking through TRIZ: A Practical Guide. Springer.

10. Terninko, J., Zusman, A., & Zlotin, B. (1998). Systematic Innovation: An Introduction to TRIZ. CRC Press.

11. Souchkov, V. (2008). TRIZ and Systematic Business Model Innovation. Value Innovation.

12. Cascini, G., & Russo, D. (2007). Computer-Aided Analysis of Patents for Product Innovation: Comparing Strategic Design and TRIZ. Creativity and Innovation Management, 16(3).

13. DeCarlo, N., & DeCarlo, D. (2002). The 7 Steps of Creative Thinking: Rationalize, Analyze, Detect, Enhance, Locate, Implement, Predict. The TRIZ Journal.

14. Chechurin, L., & Borgianni, Y. (2016). Value Driven TRIZ Innovation of Product-Service Systems. Procedia CIRP.

15. Lee, S., & Park, J. (2005). TRIZ-facilitated Innovation Strategy in Information Technology. Journal of Computer Information Systems.

16. Kim, C., & Song, B. (2007). Creating New Product Ideas with TRIZ-Based Semantic Network Analysis. Expert Systems with Applications.

17. Vincenti, W. G. (1990). What Engineers Know and How They Know It: Analytical Studies from Aeronautical History. Johns Hopkins University Press.

18. Bogatyreva, O., et al. (2010). Bridging the Gaps between Innovation, TRIZ, and Biological Analogy. Procedia Engineering.

19. Sokolov, G., & Abramov, O. (2019). TRIZ and Digital Transformation: From Information to Knowledge Management. Journal of Engineering and Technology Management.

20. Sato, Y., & Hanaoka, K. (2007). TRIZ-based Technology Forecasting: Identification of Evolution Patterns. Futures.

21. 
    

TRIZ 是俄语 "Теория решения изобретательских задач" 的缩写，英文全称为 "Theory of Inventive Problem Solving"。这是一种解决复杂问题和创新设计挑战的方法论，最初由苏联发明家和科学家 Genrich Altshuller 及其同事在 1946 年开发，并且自那时起不断发展和完善。

TRIZ 基于这样的理念：创造性问题解决的规律是普遍适用的，而且这些规律可以通过分析大量的发明专利来识别。TRIZ 的目的是帮助解决问题的人预测技术系统的发展方向，并找到创新解决方案，从而突破传统的思维方式和技术障碍。

TRIZ 方法论包括多种工具和概念，其中包括：

1. 问题分析工具：

• 功能分析：识别系统中的所有组件以及它们之间的关系。

• 问题形式化：将实际问题转换为标准问题。

2. 解决问题的原则和模式：

• 发明原理：用于生成解决问题的创新思路的40种普遍原理。

• 矛盾矩阵：用于解决发明问题中的技术矛盾，通过将问题描述转换为标准参数并使用预先定义的解决方案。

• 物质-场分析：使用物质和场的概念来改进系统或解决问题。

3. 创新过程：

• ARIZ（Algorithm for Inventive Problem Solving）：一种结构化的问题解决过程，旨在系统化地引导用户从问题的描述转向解决方案的创造。

4. 预测工具：

• 技术系统发展的规律：描述了系统随着时间的发展所遵循的一般规律和趋势。

• S-曲线分析：评估技术系统的成熟度和潜在的发展空间。

TRIZ 被广泛应用于产品设计、工程、问题解决等领域。它鼓励创新者超越现有知识的边界，通过新颖的途径解决问题。TRIZ 的一个核心概念是，创新常常涉及解决系统中的矛盾，即所谓的技术矛盾和物理矛盾。技术矛盾是指系统的某些部分需要进行某种改进，但这种改进可能会损害系统的其他部分。物理矛盾是指同一部件或特性在不同条件下需要有不同的状态。

TRIZ 方法论的优势在于它提供了一种系统化的创新过程，这一过程通过分析和应用以前解决类似问题的方法，有助于加速和指导创新活动。尽管它最初是为了解决工程和技术问题而开发的，但TRIZ 的原则和工具已被应用于商业、管理和社会科学等其他领域。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

• 数据（Data）可以理解为我们认知的“相同”语义的具象表示。数据通常表示一种具体化的事实或观察结果，其背后蕴含着某种特定的语义。在处理数据时，我们常常会寻找并抽取相同的语义，将其统一视为一个概念。例如，我们看到一群羊，虽然每只羊的体型、颜色、性别等可能有所不同，但我们会把它们归为“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。
  

• 
  信息（Information）则是对应认知中的“不同”语义的表达。信息通常指我们通过感官和观察获得的有关环境或某个对象的知识或数据。在处理信息时，我们会根据输入的数据找出其内在的不同之处，并将其分类。例如，在停车场中，尽管所有汽车都可以归类到“汽车”这一概念，但每一辆汽车都有其特殊性，如品牌、型号、颜色等，这些都是信息。
  
  知识（Knowledge）对应于认知中的“完整”语义。知识是我们通过信息获得的对于世界的理解和解释。在处理知识时，我们会通过观察和学习抽象出完整的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后得出的关于“天鹅”这一概念的一个完整认识。
  
  智慧（Wisdom）对应着伦理、社会道德、人性等方面的信息，是一种对知识和信息的高度理解、综合和应用。在处理智慧时，我们会整合这些信息，并运用它们来指导决策。例如，当面对一个决策问题时，我们会考虑到伦理、道德、可行性等各个方面的因素，而不仅仅是技术或者效率。
  
  意图（Purpose）可以理解为一个二元组（输入，输出），其中输入和输出都是DIKWP内容。意图代表了我们对某一现象或问题的理解（输入）以及我们希望通过处理和解决该现象或问题来达到的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的DIKWP内容，通过学习和适应，使其输出趋近于预设的目标。