지식경영연구 (Knowledge Management Research)

한국지식경영학회 (The Knowledge Management Society of Korea)
권호 표지
DOI QR코드

DOI QR Code

수소연료전지 특허 동향 분석: 지식 지속성 기반 주경로 분석 및 텍스트 마이닝 방법 활용

Hydrogen Fuel Cell Patent Analysis: Using Knowledge Persistence-based Main Path Analysis and Text Mining

  • 투고 : 2022.12.27
  • 심사 : 2023.02.23
  • 발행 : 2023.03.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문은 친환경 연료 중 하나인 수소 원료를 바탕으로 미래의 에너지 문제와 공해 문제를 해결할 수 있는 수소연료전지 기술 도메인에 대해 특허 분석을 실시했다. 특허분석은 현재 기술 수준과 미래 발전 방향을 발견할 수 있어 기술로드맵 수립에 많이 활용된다. 그러나 기존의 특허분석은 정성적인 분석 및 간단한 통계분석으로 현재의 기술 환경을 반영하지 않은 분석 결과를 제안할 수 없다. 현재의 기술 환경은 기술의 융복합으로 발전을 나타내고 있고, 발전 속도는 매우 가파르게 성장하여 정성적인 분석은 시대적 분석 요건에 옳지 않다. 그래서 본 논문은 현재의 기술환경을 반영한 지식상속성(Knowledge Persistence, KP) 기반의 주경로 분석과 텍스트마이닝 방법을 활용하여, 수소연로전지 기술도메인에서 핵심특허 발견, 중요 기술 발전, 유망기술을 조망한다.

This paper analyzed a patent trend for technological domain of hydrogen fuel cell, can improve future energy and pollution problems. Patent analysis is used in establishing a technological roadmap which it can discover the current technology capability and future technological development direction. However, the previous patent analysis is qualitative analysis and simple statistical analysis. The reason why it incorrectly analysis patent does not reflect the current technology environment. The current technology environment is development through recombination of technologies. In addition to, the speed of technological development is rapidly growing. So, qualitative analysis does not satisfy the analysis requirements of the times. This paper utilized KP(Knowledge Persistence)-based main path analysis and text mining methods to reflect the current technological environment. As a result, we found core patents, main technology development, and promising technologies for technological domain of the hydrogen fuel cell.

키워드

과제정보

본 논문은 한양대학교 교내연구지원사업으로 연구되었음(HY-202200000003491)

참고문헌

  1. 류재홍, 최진호 (2018). 사회네트워크 분석을 활용한 비즈니스 모델 지식구조 분석. 지식경영연구, 19(2), 47-68. https://doi.org/10.15813/KMR.2018.19.2.003
  2. 손재익 (2004). 수소.연료전지 기술. Korean Chemical Engineering Research, 42(1), 1-9.
  3. 안연식 (2010). 기업의 특허 역량이 성과에 미치는 영향에 관한 실증 분석: 우수 벤처기업을 중심으로. 지식경영연구, 11(1), 83-96. https://doi.org/10.15813/KMR.2010.11.1.006
  4. 윤민호 (2020). 특허 데이터를 이용한 연료전지의 기술궤적 분석과 산업의 진화. 지식재산연구, 15(3), 255-292. https://doi.org/10.34122/JIP.2020.15.3.255
  5. 이상훈, 권상집 (2015). 국내 중소기업의 기술융합 전략 및 성장 정책: IT & BT 융합기술 기반 네트워크 분석. 지식경영연구, 16(2), 113-137. https://doi.org/10.15813/KMR.2015.16.2.006
  6. 이재헌 (2005). 특허 인용분석을 이용한 영향력 있는 특허를 찾는 방법 및 특허정보 분석 시스템 설계. 한국정보과학회 학술발표논문집, 169-171.
  7. 장성혁 (2019). 수소전기차를 통한 수소경제 확산과 이행과제. 국토, 30-35.
  8. 정인수 (2021). ASTI Market Insight 23: 연료전지 시장. ASTI.
  9. 조용래, 김의석 (2014). 특허 네트워크와 전략지표 분석을 통한 기업 기술융합 전략 연구. 지식재산연구, 9(4), 191-221.
  10. 최진호, 김희수, 임남규 (2011). 기술예측을 위한 특허 키워드 네트워크 분석. 한국지능시스템학회 논문지, 17(4), 227-240.
  11. Appio, F. P., Martini, A., & Fantoni, G. (2017). The light and shade of knowledge recombination: Insights from a general-purpose technology. Technological Forecasting and Social Change, 125, 154-165.
  12. Dehghanimadvar, M., Shirmohammadi, R., Sadeghzadeh, M., Aslani, A., & Ghasempour, R. (2020). Hydrogen production technologies: Attractiveness and future perspective. International Journal of Energy Research, 44(11), 8233-8254. https://doi.org/10.1002/er.5508
  13. Fleming, L. (2001). Recombinant uncertainty in technological search. Management Science, 47(1), 117-132. https://doi.org/10.1287/mnsc.47.1.117.10671
  14. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
  15. Hummon, N. P., & Dereian, P. (1989). Connectivity in a citation network: The development of DNA theory. Social Networks, 11(1), 39-63. https://doi.org/10.1016/0378-8733(89)90017-8
  16. Le Cun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444. https://doi.org/10.1038/nature14539
  17. Martinelli, A., & Nomaler, O. (2014). Measuring knowledge persistence: A genetic approach to patent citation networks. Journal of Evolutionary Economics, 24(3), 623-652. https://doi.org/10.1007/s00191-014-0349-5
  18. Mun, C., Yoon, S., & Park, H. (2019). Structural decomposition of technological domain using patent co-classification and classification hierarchy. Scientometrics, 121(2), 633-652. https://doi.org/10.1007/s11192-019-03223-8
  19. Mun, C., Yoon, S., Kim, Y., Raghavan, N., & Park, H. (2019). Quantitative identification of technological paradigm changes using knowledge persistence. Plos One, 14(8), e0220819.
  20. Park, H., & Magee, C. L. (2017). Tracing technological development trajectories: A genetic knowledge persistence-based main path approach. PloS One, 12(1), e0170895.
  21. Park, H., Yoon, J., & Kim, K. (2013). Using function-based patent analysis to identify potential application areas of technology for technology transfer. Expert Systems with Applications, 40(13), 5260-5265. https://doi.org/10.1016/j.eswa.2013.03.033
  22. Sarica, S., & Luo, J. (2021). Stopwords in technical language processing. Plos One, 16(8), e0254937.
  23. Sarica, S., Luo, J., & Wood, K. L. (2020). TechNet: Technology semantic network based on patent data. Expert Systems with Applications, 142, 112995.
  24. Verspagen, B. (2007). Mapping technological trajectories as patent citation networks: A study on the history of fuel cell research. Advances in Complex Systems, 10(01), 93-115. https://doi.org/10.1142/S0219525907000945
  25. Yoon, S., Mun, C., Raghavan, N., Hwang, D., Kim, S., & Park, H. (2020). Hierarchical main path analysis to identify decompositional multi-knowledge trajectories. Journal of Knowledge Management, 25(2), 454-476.