Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi

Nazlı Gülüm Mutlu; Serkan Altuntaş

doi:10.17341/gazimmfd.815361

Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi

Öz

Teknoloji değişimlerinin izlnemesi, karar vericiler için üretim sistemlerinde verimlilik ve etkinliği sağlayacak sistemleri tanımalarını sağlamaktadır. Bu nedenle, pratikte teknolojik gelişmeleri takip etmek çok önemli hale gelmiştir. Bu çalışmanın amacı, istatistiksel kontrol grafiklerini kullanarak iş sağlığı ve güvenliği alanındaki güvenlik teknolojilerinin gelişimini takip etmektir. Bu amaçla, güvenlik teknolojileri ile ilgili patent verileri, istatistiksel kontrol grafiklerinden I-MR grafiğini (individual moving range) oluşturmak için kullanılmıştır. Bununla birlikte, zaman serisi analizi de yürütülmüştür. Bu çalışmada, iş sağlığı ve güvenliği (İSG) alanındaki güvenlik teknolojilerine odaklanan çalışma sayısı son derece sınırlı düzeyde olup çalışmanın özgün yönünü oluşturmaktadır. Bu çalışmada elde edilen sonuçlara göre, tek bir teknoloji tahmin modelinin uzun vadeli kullanılması yanıltıcı olduğunu göstermiştir. Bununla birlikte, en uygun tahmin modeli 1947 ile 1988 ve 1988 ile 2012 dönemleri için tek üstel düzleştirme modelidir (single exponential smoothing “with optimal ARIMA parameters”). 2011 ile 2018 dönemi için ise en uygun modeli ikinci dereceden zaman serisi modeli (the quadratic time series model) en uygun modeldir.

Anahtar Kelimeler

Destekleyen Kurum

Yıldız Teknik Üniversitesi Bilimsel Araştırma Projeleri Koordinatörlüğü

Proje Numarası

Proje Numarası: FBA-2019-3697.

Teşekkür

Bu çalışma, Yıldız Teknik Üniversitesi Bilimsel Araştırma Projeleri Koordinatörlüğü tarafından desteklenmiştir. Destekleri için teşekkür ederiz. Proje Numarası: FBA-2019-3697.

Kaynakça

Badri, A., Boudreau-Trudel, B., & Souissi, A. S., Occupational health and safety in the industry 4.0 era: A cause for major concern?. Safety Science, 109, 403-411, 2018.
Saritas, O., & Burmaoglu, S., The evolution of the use of Foresight methods: a scientometric analysis of global FTA research output. Scientometrics, 105(1), 497-508, 2015.
Shih, M. J., Liu, D. R., & Hsu, M. L., Discovering competitive intelligence by mining changes in patent trends. Expert Systems with Applications, 37(4), 2882-2890, 2010.
Karadal, F., Türk, M., İşletmelerde Teknoloji Yönetiminin Geleceği. Niğde Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 1(1), 59-71, 2008.
Brocal, F., González, C., & Sebastián, M. A., Technique to identify and characterize new and emerging risks: A new tool for application in manufacturing processes. Safety science, 109, 144-156, 2018.
Hämäläinen, P., The effect of globalization on occupational accidents. Safety Science, 47(6), 733-742, 2009.
National Academies of Sciences, Engineering, and Medicine., A smarter national surveillance system for occupational safety and health in the 21st century. National Academies Press. s.7, 2018.
Özfırat, P. M., Bulanik önceliklendirme metodu ve hata türü ve etkileri analizini birleştiren yeni bir risk analizi yöntemi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 29(4), 2014.

Ersoy, M., Celik, M. Y., Yesilkaya, L., & Colak, O., Combination of Fine-Kinney and gra methods to solve occupational health and safety problems. Journal of the Faculty of Engineering and Architecture of Gazi University, 34(2), 752-770, 2019.
Molero, G. D., Santarremigia, F. E., Poveda-Reyes, S., Mayrhofer, M., Awad-Núñez, S., & Kassabji, A., Key factors for the implementation and integration of innovative ICT solutions in SMEs and large companies involved in the multimodal transport of dangerous goods. European Transport Research Review, 11(1), 28, 2019.
Korkusuz, A. Y., İnan, U. H., Özdemir, Y., & Başlıgil, H., Entegre çok kriterli karar verme yöntemleriyle sağlık sektöründe iş sağlığı ve güvenliği performansının ölçülmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(1), 81-96, 2020.
Huang, L., & Ren, J., The negative impact of emerging technology: A Literature Review. In 2010 International Conference on E-Business and E-Government (pp. 2576-2579). IEEE., 2010, May.
Myers, M. L., Anticipation of risks and benefits of emerging technologies: A prospective analysis method. Human and Ecological Risk Assessment: An International Journal, 13(5), 1042-1052, 2007.
Fernández, F. B., & Pérez, M. Á. S., Analysis and modeling of new and emerging occupational risks in the context of advanced manufacturing processes. Procedia Engineering, 100, 1150-1159, 2015.
Song, B., & Suh, Y., Identifying convergence fields and technologies for industrial safety: LDA-based network analysis. Technological Forecasting and Social Change, 138, 115-126, 2019.
Dündar, T., RFID-based system proposal forenabling the use of personal protective equipment in occupational health and safety. Master Thesis (Supervisors: Assoc. Prof. Dr.Tarık Arıkan Saygılı and Assist. Prof. Dr. Gökhan Kılıç), Izmir University of Economics, İzmir, 2018.
Yakişik, H., & Çetin, A., Eğitim, Sağlık ve Teknoloji Düzeyinin Ekonomik Büyüme Üzerindeki Etkisi: ARDL Sınır Test Yaklaşımı. Sosyoekonomi, 21(1), 2014.
Tunç, H., Bir Yenilik Göstergesi Olarak Patent ve Türkiye Patent Performansı. Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi, Isparta, 2008.
Narin, F., & Olivastro, D. (1988). Technology indicators based on patents and patent citations. In Handbook of quantitative studies of science and technology (pp. 465-507). Elsevier. https://doi.org/10.1016/B978-0-444-70537-2.50020-9.
Chen, C. H., Ting, C. K., & Nojima, Y., Special issue on soft computing for big data and social informatics. Soft Computing-A Fusion of Foundations, Methodologies and Applications, 21(11), 2799-2800, 2017.
Tsao, C. C., Fan, C. Y., & Chang, P. C., A patent quality classification model based on artificial immune system. In Proceedings of the ASE BigData & SocialInformatics 2015 (p. 45). ACM, 2015, October.
Arroyo, P. A. F. 2015. Metric Learning for Patent Similarity. s.2 , 2015.
Altuntas, S., Dereli, T., & Kusiak, A., Forecasting technology success based on patent data. Technological Forecasting and Social Change, 96, 202-214. 2015.
Bacioiu, G. M., & Pasek, Z. J., Method of Technology Analysis Based on Patent Examination and Design Methodology used to Determine the Technological Progress in Blood Pressure Monitors. International Journal of Innovation and Technology Management, 9(04), 1250027, 2012.
Jun, S., IPC Code Analysis of Patent Documents Using Association Rules and Maps–Patent Analysis of Database Technology. In Database Theory and Application, Bio-Science and Bio-Technology (pp. 21-30). Springer, Berlin, Heidelberg, 2011.
Yılmaz, N., & Şenol, M. B., İş sağlığı ve güvenliği risk değerlendirme süreci için bulanık çok kriterli bir model ve uygulaması. Journal of the Faculty of Engineering and Architecture of Gazi University, 32(1), 77-87, 2017.
Wu, D., & Li, Z., Work safety success theory based on dynamic safety entropy model. Safety science, 113, 438-444, 2019.
Niu, Y., Lu, W., Xue, F., Liu, D., Chen, K., Fang, D., & Anumba, C., Towards the “third wave”: An SCO-enabled occupational health and safety management system for construction. Safety science, 111, 213-223, 2019.
McNinch, M., Parks, D., Jacksha, R., & Miller, A., Leveraging IIoT to Improve Machine Safety in the Mining Industry. Mining, Metallurgy & Exploration, 36(4), 675-681, 2019.
Yavuz, Ö., Ç., İş sağlığı ve güvenliği önlemlerinin etkinliklerinin göz izleme cihazı ile belirlenmesi. Yüksek Lisans Tezi, Atatürk Üniversitesi, Erzurum, 2018.
Eryüksel, M., Kablosuz İletişim Araçlarının Sağlık ve Güvenlik Alanında Kullanılması ‘‘Karekod ve NFC’’. Yüksek Lisans Tezi, İstanbul Yeni Yüzyıl Üniversitesi, İstanbul, 2017.
Özen, H., The development of mobile software to transfer the declaration of non-conformity into occupational health and safety automation systems where internet is inaccessible, Master Thesis (Supervisors: Assist. Prof. Dr. Türker Tekin Ergüzel), Üsküdar University, İstanbul, 2017.
Jeon, J. and Suh, Y., "Multiple patent network analysis for identifying safety technology convergence", Data Technologies and Applications, Vol. 53 No. 3, pp. 269-285, 2019.
Durmusoglu, A., Updating technology forecasting models using statistical control charts. Kybernetes, 47(4), 672-688, 2018.
Martino, J. P., Technological forecasting for decision making. McGraw-Hill, Inc. s. 126, 1993.
Chen, H., Zhang, G., Zhu, D., & Lu, J., A patent time series processing component for technology intelligence by trend identification functionality. Neural Computing and applications, 26(2), 345-353, 2015.
Lokuhitige, S., & Brown, S., Forecasting Maturity of IoT Technologies in Top 5 Countries Using Bibliometrics and Patent Analysis. In 2017 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery (CyberC) (pp. 338-341). IEEE, 2017, October.
Smith, M., & Agrawal, R., A Comparison of Time Series Model Forecasting Methods on Patent Groups. In MAICS (pp. 167-173), 2015.
Dikta, G., Time series methods to forecast patent filings. In Forecasting Innovations (pp. 95-124). Springer, Berlin, Heidelberg, 2006.
Meade, N., An assessment of the comparative accuracy of time series forecasts of patent filings: the benefits of disaggregation in space or time. In Forecasting Innovations (pp. 41-72). Springer, Berlin, Heidelberg, 2006.
Brunk, G., Swarming of innovations, fractal patterns, and the historical time series of US patents. Scientometrics, 56(1), 61-80, 2003.
Yoshikane, F., Multiple regression analysis of a patent’s citation frequency and quantitative characteristics: the case of Japanese patents. Scientometrics, 96(1), 365-379, 2013.
Altuntas, F., & Yilmaz, M.K., Using patent analysis to construct technology networks, Journal of Entrepreneurship and Innovation Management, 6(2), 97-129, 2017.
Hou, J. L., & Lin, H. Y., A multiple regression model for patent appraisal. Industrial Management & Data Systems, 106(9), 1304-1332, 2006.
Dehghani Madvar, M., Aslani, A., Ahmadi, M. H., & Karbalaie Ghomi, N. S., Current status and future forecasting of biofuels technology development. International Journal of Energy Research, 43(3), 1142-1160, 2019.
Adamuthe, A. C., & Thampi, G. T., Technology forecasting: A case study of computational technologies. Technological Forecasting and Social Change, 143, 181-189, 2019.
Padilla, J. B., Zartha, J. W., Álvarez, V. T., & Orozco, G. L., Vigilancia Tecnológica para la Identificación de Innovaciones en Subproductos de la Curtición. Información tecnológica, 29(4), 127-142, 2018.
Mao, G., Shi, T., Zhang, S., Crittenden, J., Guo, S., & Du, H., Bibliometric analysis of insights into soil remediation. Journal of soils and sediments, 18(7), 2520-2534, 2018.
Hamidi, H., & Fazeli, K., Using Internet of Things and biosensors technology for health applications. IET Wireless Sensor Systems, 8(6), 260-267, 2018.
Sheikh, N. J., & Sheikh, O., Forecasting of biosensor technologies for emerging point of care and medical IoT applications using bibliometrics and patent analysis. In 2016 Portland International Conference on Management of Engineering and Technology (PICMET) (pp. 3082-3093). IEEE, 2016, September.
Cho, Y., & Daim, T., OLED TV technology forecasting using technology mining and the Fisher-Pry diffusion model. foresight, 18(2), 117-137, 2016.
Madvar, M. D., Khosropour, H., Khosravanian, A., Mirafshar, M., Azaribeni, A., Rezapour, M., & Nouri, B., Patent-Based Technology Life Cycle Analysis: The Case of the Petroleum Industry. Форсайт, 10(4 (eng)), 2016.
Sepúlveda, J., Paternina, A., & Suarez, A., Patent applications as source for measuring technological performance. Scientometrics, 98(2), 1385-1395, 2014.
Daim, T. U., Rueda, G., Martin, H., & Gerdsri, P., Forecasting emerging technologies: Use of bibliometrics and patent analysis. Technological Forecasting and Social Change, 73(8), 981-1012, 2006.
Wu, L., & Wu, L., Pharmaceutical patent evaluation and licensing using a stochastic model and Monte Carlo simulations. Nature biotechnology, 29(9), 798, 2011.
Ernst, H., Legler, S., & Lichtenthaler, U., Determinants of patent value: Insights from a simulation analysis. Technological Forecasting and Social Change, 77(1), 1-19, 2010.
Wang, P., Cockburn, L. M., & Puterman, M. L., Analysis of patent data—a mixed-Poisson-regression-model approach. Journal of Business & Economic Statistics, 16(1), 27-41, 1998.
Doğanavşargil, E., & Fattori, M., Decision tree analysis as a tool to optimise patent current awareness bulletins. World Patent Information, 30(3), 212-219, 2008.
Beveratos, P., Freire, M., Guglielmi, M., & Lascar, S., A tool to support the patent process: The patent decision tree. In International astronautical federation–56th international astronautical congress (Vol. 8, pp. 5028-37), 2005.
Xiao, L., Wang, G., & Liu, Y., Patent Text Classification Based on Naive Bayesian Method. In 2018 11th International Symposium on Computational Intelligence and Design (ISCID) (Vol. 1, pp. 57-60). IEEE, 2018, December.
Lee, K., Park, I., & Yoon, B., An approach for r&d partner selection in alliances between large companies, and small and medium enterprises (smes): Application of bayesian network and patent analysis. Sustainability, 8(2), 117, 2016.
Choi, S., & Jun, S., Vacant technology forecasting using new Bayesian patent clustering. Technology Analysis & Strategic Management, 26(3), 241-251, 2014.
Jun, S., & Lee, S., Patent analysis using Bayesian network models. International Journal of Software Engineering and Its Applications, 7(3), 205-212, 2013.
Lee, K., Go, D., Park, I., & Yoon, B., Exploring Suitable Technology for Small and Medium-Sized Enterprises (SMEs) Based on a Hidden Markov Model Using Patent Information and Value Chain Analysis. Sustainability, 9(7), 1100, 2017.
Grimaldi, M., Cricelli, L., Di Giovanni, M., & Rogo, F., The patent portfolio value analysis: A new framework to leverage patent information for strategic technology planning. Technological forecasting and social change, 94, 286-302, 2015.
Wang, X., & Carlsson, C., Patent-related decision-making with fuzzy real option analysis. International Journal of Mathematics in Operational Research, 9(4), 467-486, 2016.
Collan, M., Fuller, R., Wang, X., & Mezei, J., Numerical patent analysis with the fuzzy pay-off method: valuing a compound real option. In 2011 Fourth International Conference on Business Intelligence and Financial Engineering (pp. 405-409), 2011, October.
Leung, C. M., & Kwok, Y. K., Real options game analysis of sleeping patents. Decisions in Economics and Finance, 34(1), 41-65, 2011.
Collan, M., & Heikkilä, M., Enhancing Patent Valuation with the Pay-off Method. Journal of Intellectual Property Rights, 16, 377-384, 2011.
Huang, M., Zolnoori, M., Balls-Berry, J. E., Brockman, T. A., Patten, C. A., & Yao, L., Technological Innovations in Disease Management: Text Mining US Patent Data From 1995 to 2017. Journal of medical Internet research, 21(4), e13316, 2019.
Lai, C. Y., Hwang, S. Y., & Wei, C. P., On the Patent Claim Eligibility Prediction Using Text Mining Techniques. In Proceedings of the 51st Hawaii International Conference on System Sciences, 2018, January.
Abbas, A., Zhang, L., & Khan, S. U., A literature review on the state-of-the-art in patent analysis. World Patent Information, 37, 3-13, 2014.
Tseng, Y. H., Lin, C. J., & Lin, Y. I., Text mining techniques for patent analysis. Information Processing & Management, 43(5), 1216-1247, 2007.
Yoon, B., & Park, Y., A text-mining-based patent network: Analytical tool for high-technology trend. The Journal of High Technology Management Research, 15(1), 37-50, 2004.
Altuntas, S., Dereli, T., & Kusiak, A., Analysis of patent documents with weighted association rules. Technological Forecasting and Social Change, 92, 249-262, 2015.
Sunghae, J., A New Patent Analysis using Association Rule Mining and Box-jenkins Modeling for Technology Forecasting, Information Japan, vol. 16, no. 1, pp. 555-562, 2013.
He, C., & Loh, H. T., Pattern-oriented associative rule-based patent classification. Expert Systems with applications, 37(3), 2395-2404, 2010.
Haegeman, K., Marinelli, E., Scapolo, F., Ricci, A., & Sokolov, A., Quantitative and qualitative approaches in Future-oriented Technology Analysis (FTA): From combination to integration?. Technological Forecasting and Social Change, 80(3), 386-397, 2013.
Durmuşoğlu, A. Effects of clean air act on patenting activities in chemical industry: learning from past experiences. Sustainability, 9(5), 862, 2017.
İSG Risk Değerlendirme Yönetmeliği., https://www.resmigazete.gov.tr/eskiler/2012/12/20121229-13.htm. Erişim Tarihi 10.10.2020, 2012.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Nazlı Gülüm Mutlu ^*
0000-0003-0210-5175
Türkiye

Serkan Altuntaş
0000-0003-4383-4710
Türkiye

Yayımlanma Tarihi

2 Eylül 2021

Gönderilme Tarihi

23 Ekim 2020

Kabul Tarihi

16 Mart 2021

Yayımlandığı Sayı

Yıl 2021 Cilt: 36 Sayı: 4

DOI

https://doi.org/10.17341/gazimmfd.815361

IZ

https://izlik.org/JA48KU46MF

Kaynak Göster

RIS / Bibtex

APA

Mutlu, N. G., & Altuntaş, S. (2021). Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 36(4), 1875-1892. https://doi.org/10.17341/gazimmfd.815361

AMA

1.Mutlu NG, Altuntaş S. Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi. GUMMFD. 2021;36(4):1875-1892. doi:10.17341/gazimmfd.815361

Chicago

Mutlu, Nazlı Gülüm, ve Serkan Altuntaş. 2021. “Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 36 (4): 1875-92. https://doi.org/10.17341/gazimmfd.815361.

EndNote

Mutlu NG, Altuntaş S (01 Eylül 2021) Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 36 4 1875–1892.

IEEE

[1]N. G. Mutlu ve S. Altuntaş, “Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi”, GUMMFD, c. 36, sy 4, ss. 1875–1892, Eyl. 2021, doi: 10.17341/gazimmfd.815361.

ISNAD

Mutlu, Nazlı Gülüm - Altuntaş, Serkan. “Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 36/4 (01 Eylül 2021): 1875-1892. https://doi.org/10.17341/gazimmfd.815361.

JAMA

1.Mutlu NG, Altuntaş S. Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi. GUMMFD. 2021;36:1875–1892.

MLA

Mutlu, Nazlı Gülüm, ve Serkan Altuntaş. “Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, c. 36, sy 4, Eylül 2021, ss. 1875-92, doi:10.17341/gazimmfd.815361.

Vancouver

1.Nazlı Gülüm Mutlu, Serkan Altuntaş. Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi. GUMMFD. 01 Eylül 2021;36(4):1875-92. doi:10.17341/gazimmfd.815361

Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi

Teknolojik değişimlerin patent verilerine dayalı istatistiksel kontrol grafikleri ile izlenmesi

Öz

Anahtar Kelimeler

Destekleyen Kurum

Proje Numarası

Teşekkür

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

Ön eğitimli Bert modeli ile patent sınıflandırılması

Türkiye’nin toplam sağlık harcaması tahmini için trend-artık ayrıştırması temelli bir modelleme yaklaşımı

Process Monitoring with Individual Measurements: A Case Study in Corrugated Cardboard Industry