人本TRIZ（意图TRIZ）：基于用户需求与设计意图的创新方法论

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 在快速发展的数字信息时代，技术创新不仅要解决技术难题，更要关注用户需求和设计意图。本文深入探讨了DIKWP-TRIZ方法论中的人本TRIZ（意图TRIZ）组成部分，阐述了将用户意图作为创新过程核心动力的重要性。通过具体案例分析和理论探讨，本文展现了意图TRIZ在确保解决方案真正贴合用户需求和痛点方面的有效性。 关键词 人本TRIZ、意图TRIZ、用户需求、设计意图、DIKWP-TRIZ、技术创新、创新方法论 1. 引言 随着技术创新的日益个性化和需求驱动化，如何确保创新活动能够紧密围绕用户的实际需求和设计意图成为了一个亟需解决的问题。人本TRIZ（意图TRIZ）作为DIKWP-TRIZ方法论的一个重要组成部分，提出了一种新的创新方法论，旨在将用户需求和设计意图作为创新的出发点和归宿，以期达到最佳的创新效果。 2. 人本TRIZ（意图TRIZ）的理论基础 人本TRIZ（意图TRIZ）基于用户中心的设计理念，将人的需求和意图放在整个创新过程的中心。它不仅仅是一种技术或功能驱动的创新模式，更是一种深入理解和满足用户内在需求的方法论。在此基础上，意图TRIZ强调以下几个核心要素： 2.1 用户需求的深度挖掘：运用各种研究方法（如访谈、观察、问卷等）深入理解用户的潜在需求。 2.2 设计意图的明确表达：确保设计团队的创新意图与用户需求高度一致，并在整个创新过程中保持这种一致性。 2.3 解决方案的用户验证：通过原型测试、用户反馈等环节不断验证和迭代设计，以确保解决方案的有效性。 3. DIKWP-TRIZ中的意图导向创新流程 3.1 问题定义：在DIKWP-TRIZ框架中，首先要基于用户需求定义问题。这要求创新者深入用户环境，理解其实际应用场景和需求。 3.2 解决方案设计：解决方案的设计应直接响应用户需求。在此阶段，创新者应利用DIKWP-TRIZ中的分析工具和原则来设计解决方案。 3.3 用户测试与反馈：在方案初步成型后，必须进行用户测试。用户的反馈将直接影响解决方案的迭代和优化。 3.4 最终解决方案开发：确保最终的产品或服务能够在满足用户需求的同时，也体现出创新者的设计意图。 4. 案例分析 通过分析几个采用意图TRIZ的成功案例，本文展示了该方法论如何在不同行业和应用场景中发挥作用。案例涵盖了消费电子、医疗设备、社交应用等多个领域，显示了意图TRIZ在实际操作中的灵活

性和有效性。

1. 意图TRIZ与用户需求的融合策略

2. 5.1 设计思维在意图TRIZ中的应用：设计思维作为一种创新的解决问题方法，其重点在于理解和同情用户。在DIKWP-TRIZ中融合设计思维，有助于更全面地捕捉和理解用户需求。

3. 5.2 创新工具的选择与使用：选择适合用户中心创新的工具和方法，如同理地图、用户旅程图等，这些工具可以帮助创新者从用户角度出发思考问题。

4. 5.3 意图TRIZ在多学科团队中的运作机制：多学科团队能够从不同角度理解和解读用户需求，DIKWP-TRIZ方法论支持并促进了跨学科合作，为意图驱动的创新提供了更丰富的视角和资源。

5. 
   

6. 意图TRIZ的实践挑战与对策

7. 6.1 用户需求的不断变化：用户需求是动态变化的，意图TRIZ需要灵活适应这些变化，并能够快速迭代。 6.2 平衡用户需求与技术可行性：创新者面临的挑战是如何在技术可行性和用户需求之间找到平衡。DIKWP-TRIZ提供了一套系统性的方法来评估和决策。

8. 6.3 跨文化和地域的需求理解：全球化背景下，用户需求跨越文化和地域。DIKWP-TRIZ鼓励全球视野下的本地化需求理解和创新设计。

9. 结论 通过将用户需求和设计意图置于核心位置，人本TRIZ（意图TRIZ）为技术创新提供了一种全新的视角和方法。它强调了对用户深层需求的理解、对创新意图的明确表达以及解决方案与用户需求的精准匹配。DIKWP-TRIZ方法论的这一组成部分，不仅增强了创新的用户导向性，而且通过真正意义上的用户参与，显著提升了创新解决方案的市场适应性和成功率。在数字化信息时代，这种以人为本的创新方法论尤其具有重要意义。

10. 参考文献 [...]（此处列出相关的参考文献，包括重要的设计思维文献、用户中心设计案例、TRIZ方法论的经典和现代著作等）

下面是一个对比传统TRIZ与DIKWP-TRIZ的详细分析表格。这种对比是基于DIKWP-TRIZ理论的理想化描述，实际应用中可能会根据特定情况进行调整。

总结：传统TRIZ强调技术问题的发现和解决，而DIKWP-TRIZ则强调在用户需求和意图的指导下使用数据、信息、知识和智慧来系统地进行创新。DIKWP-TRIZ通过扩展TRIZ的范围和工具集，使得创新过程更加全面、适应性更强，并在数字化信息时代中更具实用性。

综上所述，人本TRIZ（意图TRIZ）不仅作为DIKWP-TRIZ方法论中的一个重要组成部分，而且它本身就为理解和实践用户中心的技术创新提供了实用的框架和工具。本文的深入探讨，对于那些追求将用户需求作为创新驱动力的创新者和组织具有重要的指导价值。

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.

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。