美的库卡协同分析 - 精确定位个性化协同

我们开始美的库卡协同分析。

          ann/(美的 or 库卡) and db/all and na/1

结果: 13508篇

如果把美的和库卡的全球发明专利加在一起，为13508篇。

我们导入分类器进一步分析。

我们先通过计算机自动解读，对美的、库卡的合并专利池进行技术分组分析。

从最上位的技术分组来看，基本上英文分组，以库卡的机器人系统技术为主，而中文技术分组，以美的的家电技术为主。

我们对这些上位技术，进一步按技术（二次）分组。

通过我们前几次的分析，我们知道库卡的中国专利都是质量不错的专利。

我们预计库卡的中国专利会有自己独特的技术分类。

这些库卡技术，大概主要分布在“补偿角度 | 瞬时角速度 | 电机角度| 伺服致动器”类中。

该技术类，主要是控制系统的硬件和软件技术。当然是应用于机器人的控制系统技术。

我们提出的协同分析，是希望发现，

1. 美的和库卡相互渗透的产品和技术；

2. 美的和库卡相互渗透的技术领域的关联发明人。

现在的问题是双方的这些专利都散布在各个技术领域。

如何发现这种你中有我和我中有你的关系？我们利用我们介绍过的“专利分析示踪法”。

我们先从2个申请人合成专利中分出美的和库卡专利。

所有库卡专利都被标为1，我们可以通过追踪这些标为1的专利，来分析不同申请人间专利的渗透程度。

例如，“风道结构 | 风道组件 | 贯流风机| 出风格栅”，没有一篇标为1的库卡专利。

而“补偿角度 | 瞬时角速度 | 电机角度| 伺服致动器” 有196篇美的专利（没有标1）和214篇库卡专利（标1）。

就是说，通过先合后分，我们找到了美的和库卡专利的协同技术领域。

进一步细分该410篇专利，

第一个子领域，“电机转数 | 堵转电流 | 电机保持| 预设转速”，42篇都是美的。

而“灵敏度误差 | 辨识精度 | 加速度幅值| 响应误差”中，有2篇库卡专利。

108篇“机器人位置 | 计算机器人 | 期望轨迹| 笛卡尔空间”方面的专利，有14篇美的专利和94篇库卡专利。

如果美的能充分发挥、运作该14篇与94篇专利间的关联、协同关系，对于美的提升技术水平的意义非常重大。

还有许多的技术协同点。

我们提出的协同分析，不是画几个饼图给经理们看看完事，而是最后通过相互渗透的技术分布，找出协同双方最佳合作人选-相关联的发明人。

我们对每一小组技术，按“发明人”分组。

根据协同分析，美的发明人万欣，郑绪成，陈远为美的最佳协同实施人。

作为开始协同运作的第一步，把这些相关库卡专利推送给这些相关的中国发明人。

同时把这些中国发明人的相关中国发明专利机器翻译后，自动推送给库卡的相关发明人。

这样，我们不仅找到了协同专利，我们还找到了直接执行协同计划的最佳协同人。

而且，这一切，都可以由机器自动生成，直接通过现代通信方式，推送到关联的协同发明人。

这种基于大数据智能计算，精确定位协同到人的方式，这就是我们今天介绍的“美的库卡协同分析 - 精确定位和个性化协同”。