帳號:guest(54.82.119.116)          離開系統
字體大小: 字級放大   字級縮小   預設字形  

詳目顯示

以作者查詢圖書館館藏以作者查詢臺灣博碩士論文系統以作者查詢全國書目勘誤回報
作者姓名(中文):嚴勻希
作者姓名(英文):Yun-xi Yen
論文名稱(中文):鉅量資料與雲端儲存之專利佈局與研發方向分析
論文名稱(外文):An Analysis of Patent Portfolios and R&D guidance in Big data and Cloud Storage
指導教授姓名(中文):劉國讚
指導教授姓名(英文):Kuo-Tsan Liu
口試委員姓名(中文):黃郁雯
郭開誠
口試委員姓名(英文):none
none
學位類別:碩士
校院名稱:國立臺灣科技大學
系所名稱:專利研究所
學號:M10024008
出版年(民國):102
畢業學年度:101
學期:2
語文別:中文
論文頁數:178
中文關鍵詞:專利分析與佈局雲端資料儲存鉅量資料
外文關鍵詞:Patent Analysis and PortfolioCloud StorageBig Data
相關次數:
  • 推薦推薦:0
  • 點閱點閱:121
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:14
  • 收藏收藏:0
龐大的網路資訊不但持續挑戰系統與硬體設備的負載能力,亦為資訊產業帶來了關於雲端運算的話題,其中又以鉅量資料和雲端資料儲存為發展的核心之一。在資訊產業日益競爭及專利策略被大型企業廣泛利用於商業佈局的情形下,分析既有鉅量資料與雲端資料儲存的專利及擬定佈局策略為研發前之重要課題。

本研究利用資料探勘之研究方法進行鉅量資料與雲端儲存之專利技術檢索,並且將主要專利權人、歷年專利核准趨勢與各專利分類核准件數……等數據繪製成圖表,並根據呈現的結果分析出具有價值之資訊,再利用歸納推理法將該領域之技術與功效進行歸類整理後繪製成功效矩陣圖表,最後由圖中之專利密度得知既有專利之分佈概況與推論出鉅量資料與雲端儲存之技術領域未可能的研發方向。此外,本研究更從雲端儲存的專利技術領域中選取出具代表性或重要之專利案件作為樣本,進行專利申請過程分析以及發明內容比較,並依此推論出特定專利權人於該技術領域之專利申請與佈局策略。

研究結果顯示:在鉅量資料的漸進發展過程中,(一)與鉅量資料關聯度最高者是在電腦軟體相關專利分類之近三年核准案,且專利文件常用關鍵字為「Large」,(二)主要專利權人以Microsoft和IBM獨大,其餘分散且持有件數不多,特定技術領域在三年內持有超過10件專利即可進入專利權人前十名,(三)藉由功效矩陣圖可知,專利雖多但仍存在許多待發展領域,且「垃圾收集」技術為近年來成長率最高的熱門領域。另外,在雲端資料儲存的研發與專利領域中,(一)許多專利權人藉由系列專利快速累積專利數量,(二)藉由功效矩陣圖選定目標技術,並利用系列專利持有20件以上之專利即可成為前十名專利權人。

鉅量資料與雲端儲存為熱門之技術領域,廠商可透過在特定領域以各種策略累積系列專利,除了提升專利的數量增加企業於專利版圖的能見度外,亦可聚集組織內部的研發焦點,使研發資源集中於具有較大發展可能性之技術板塊。
The huge amount of information not only keeps challenging the load of system and the hardware equipment but also brings an issue about cloud computing, wherein the Big Data and the Cloud Storage both becomes the spotlight on IT industry. As the information industry becomes more and more competitive, it is necessary to do patent analysis and organize patent portfolio before Research and Development.

This study applied data mining techniques for obtaining the information of main patentee, the number of patents issued annually and the amount of issued patent in each patent classification of Big data and cloud storage technology. By plotting the various charts and maps, we can get valuable information. In addition, inductive reasoning techniques was applied for plotting the trimmed technology and problem issues into a technology function matrix to infer the future trends of R&D. In the last part of this study, several representative and important patents were selected for studying its application history in order to infer the portfolio and application strategies of these patents.

As the results of big data research, Big Data is highly relevant to the granted patents in last 3 years in computer software classification, the most common keyword is "Large” instead of “big”; Microsoft and IBM occupied the largest percentage of patents of Big Data and the rest of them were dispersed, accumulating over 10 patents in specific topic within three years can become top 10 patentees; and there are some wild fields in technology-function matrices and "Garbage Collection" is the most popular technical field in recent years. Furthermore, cloud storage patent analysis shows that many patentees quickly accumulate patents by series patents and obtaining over 20 patents by series patents from technology-function matrix can become Top 10 patentees.

By the aforementioned results, the corporate should accumulate series patents in specific areas via a variety of strategies, in order to increase the amount of patents to enhance patent visibility of the company and also gather the ability of R&D of the organization, so that R&D resources can be focused on a field which has more opportunities to be succeed in business.
摘  要I
ABSTRACTII
誌 謝 辭III
目 錄IV
圖目錄VIII
表目錄XI
第一章 緒論1
1.1 研究背景與動機1
1.1.1雲端運算簡介3
1.1.2 Hadoop與MapReduce10
1.1.3 鉅量資料(Big data)簡介11
1.2 文獻探討12
1.2.1 雲端服務分析文獻12
1.2.2 雲端技術文獻分析14
1.2.3 專利分析相關文獻15
1.3 研究方法與流程17
1.4 研究範圍與架構19
第二章 鉅量資料專利概況分析22
2.1前 言22
2.1.1 本章之分析步驟22
2.1.2 專利資料庫之選擇23
2.1.3 檢索策略23
2.1.4 本章內容24
2.2 專利分類分析25
2.2.1 美國專利分類707分析28
2.2.2 美國專利分類709分析31
2.2.3 美國專利分類711分析33
2.2.4 美國專利分類712分析35
2.2.5 小結37
2.3 主要專利權人分析38
2.3.1 主要專利權人搜尋38
2.3.2 主要專利權人之專利件數40
2.4 主要專利權人與分類分析48
2.4.1 主要專利權人於UPC 707之專利分析48
2.4.2 主要專利權人於UPC 709之專利分析50
2.4.3 主要專利權人於UPC 711之專利分析52
2.4.4 主要專利權人於UPC 712之專利分析54
2.5 關鍵字專利分析56
2.5.1 Hadoop專利分析56
2.5.2 MapReduce專利分析58
2.6 結論61
第三章 鉅量資料之研發方向分析65
3.1 前言65
3.2 美國專利分類707研發方向65
3.2.1 707類之次分類與專利件數66
3.2.2 技術-功效矩陣之功效分類列表69
3.2.3 分類707近三年之技術-功效矩陣圖73
3.2.4 次分類707/813近三年之技術-功效矩陣圖75
3.3美國專利分類709研發方向78
3.3.1 709類之次分類與專利件數78
3.3.2 技術-功效矩陣之功效分類列表80
3.3.3 技術-功效矩陣之功效分類列表86
3.3.4 分類709近三年之技術-功效矩陣圖86
3.3.5 次分類709/204近三年之技術-功效矩陣圖88
3.4 美國專利分類711研發方向90
3.4.1 711類之次分類與專利件數90
3.4.2 技術-功效矩陣之功效分類列表92
3.4.3 技術-功效矩陣之功效分類列表93
3.4.4 分類711近三年之技術-功效矩陣圖94
3.4.5 次分類711/154近三年之技術-功效矩陣圖95
3.5 美國專利分類712研發方向97
3.5.1 712類之次分類與專利件數97
3.5.2 技術-功效矩陣之功效分類列表98
3.5.3 技術-功效矩陣之功效分類列表101
3.5.4 分類712近三年之技術-功效矩陣圖101
3.5.5 次分類712/214近三年之技術-功效矩陣圖103
3.6結論105
3.6.1 分類707之研發方向建議105
3.6.2分類709之研發方向建議106
3.6.3分類711之研發方向建議107
3.6.4 分類712之研發方向建議108
第四章 雲端資料儲存研發方向分析109
4.1 前言109
4.2 雲端資料儲存技術於美國分類707之範圍界定111
4.3 雲端檔案儲存技術研發方向-次分類707/609114
4.3.1 次分類707/609專利數量分析114
4.3.2 技術-功效矩陣之功效分類列表115
4.3.3 次分類707/609之技術-功效矩陣圖116
4.3.4 次分類707/609重要專利檢索118
4.3.5次分類707/609重要專利之個案解析119
4.3.6 次分類707/609重要專利系列121
4.4 雲端檔案管理技術研發方向-次分類707/705128
4.4.1 次分類707/705專利數量分析128
4.4.2 技術-功效矩陣之功效分類列表129
4.4.3 次分類707/705之技術-功效矩陣圖130
4.4.4 次分類707/705重要專利檢索132
4.4.5 次分類707/705重要專利案件之個案解析133
4.4.6 次分類707/705重要專利系列135
4.5 雲端檔案管理技術研發方向-次分類707/821140
4.5.1 次分類707/821專利數量分析140
4.5.2 技術-功效矩陣之功效分類列表141
4.5.3 次分類707/821技術功效矩陣圖141
4.5.4 次分類707/821重要專利檢索144
4.5.5 次分類707/821重要專利案件之個案解析146
4.5.6 次分類707/821重要專利系列148
4.6 結論161
第五章 結論與未來研究方向165
5.1 結論165
5.1.1 鉅量資料相關專利分析165
5.1.2 鉅量資料的技術應用與研發方向167
5.1.3 雲端資料儲存相關專利分析169
5.1.4雲端資料儲存的技術應用與佈局策略170
5.2 未來研究方向172
5.2.1 雲端技術之主要競爭公司的專利佈局策略分析172
5.2.2 雲端技術之專利價值判斷172
5.2.3 雲端儲存技術之重要專利申請專利範圍解析173
參考文獻174
專業書籍:

1. 陳達仁(2009),“專利資訊檢索、分析與策略”, 華泰文化。
2. 廖和信、陳啟桐 (2009),“發明專利申請及說明書撰寫實務-機械.電子.     
  軟體”,經濟部智慧財產局。
3. 雷萬雲 (2011),“直達雲端運算的核心SaaS PaaS IaaS 的營運教戰手冊”,  佳魁資訊出版。
4. 相元翰 (2011),“雲端運算創新服務案例與模式分析”,經濟部。
5. 陳修賢 (2012),“雲端經濟4強決戰:完全圖解「後PC世界」的蘋果、Google、  
  Facebook與亞馬遜野心與布局”, 大寫出版。
6. 楊文誌(2012),“雲端運算技術指南”,松崗出版。
7. 余昱辰、朱新瑞、陳振坤、郭禎麟、張志佳、林詩怡、戴志翰 (2012),“專  
  利分析及運用概論:創意、發明、專利”,元照出版。
8. 劉國讚(2012),“專利法之理論與實用”,元照出版。
9. 胡世忠(2013),“雲端時代的殺手級應用:Big Data海量資料分析”, 天  
  下雜誌出版。


碩博士論文:

1. 許賓鄉 (2012),“雲端服務模式探討:以銀髮族居家安全健康互動雲端服務
 為例”,國立臺灣科技大學/管理研究所碩士論文。
2. 籃聖喆 (2012),“支援雲端應用效能管理之基於事件知識的需求預測”,臺
  灣大學/資訊管理學研究所碩士論文。
3. 陳泓叡 (2012),“行動雲端應用程式中運算及儲存資源運用之探討”,臺灣        
  大學/資訊工程學研究所碩士論文。
4. 張贇煜(2011),“雲端資料中心節能之研究-以微軟雲端資料中心為例”,
  國立中央大學/資訊管理學系碩士在職專班碩士論文。
5. 王尉任(2013),“雲端彈性虛擬資料中心服務平台之安全性提升”,國立中
  央大學/資訊工程學系在職專班碩士論文。
6. 黃獻輝(2009),“雲端運算於企業應用之研究”,淡江大學/資訊管理學系
碩士論文。
7. 彭康桓(2008),“雲端商業智慧服務策略之研究”,國立交通大學/管理學
院碩士在職專班管理科學組碩士論文。
8. 葛聲慈(2008),“雲端運算基礎設施服務之分析”,國立交通大學/管理學
院碩士在職專班科技管理組碩士論文。
9. 曾國恭(2009),“ 以雲端運算服務建構之數位學習管理系統2.0”,中原
  大學/資訊管理研究所碩士論文。
10.楊建民(2009),“雲端運算服務導向架構電子發票加值平台XML-based訊息
轉換器與資料中心之研究”,國立政治大學/資訊管理研究所碩士論文。
11.吳俊興(2009),“ 針對雲端計算環境建置以分散式雜湊表為基礎之同儕式
  檔案系統”,國立高雄大學/資訊工程學系碩士班碩士論文。
12.詹雅淇(2012), “適用於雲端運算環境之繼承式雙目標基因演算法應用與
  實作”,國立交通大學/資訊科學與工程研究所碩士論文。
13.陳耀宗(2011),“ 基於MapReduce之雲端運算下具地域特性之動態排程”,
國立政治大學/資訊科學學系碩士論文。
14.鄧達峰(2012),“ 高效能雲端平台之研究”, 國立交通大學/資訊學院資
訊學程碩士論文。
15.王廣新(2012),“ 使用Hadoop實作之雲端監控系統”, 國立交通大學/
  資訊學院資訊學程碩士論文。
16.黃柏翰(2011),“基於Hadoop雲端運算架構建立策略交易與回測模擬平
  台”,國立政治大學/資訊管理研究所碩士論文。
17.金禾山 (2009),“專利佈局模式與申請策略 - 以任天堂Wii為例”, 國立
臺灣科技大學/管理學院MBA碩士論文。
18.王安邦(2006),“網絡觀點探索專利佈局之研究-以TFT-LCD產業為例”,
  國立中央大學/企業管理研究所碩士論文。
19.袁建中(2011),“ 以專利分析探討觸碰技術發展趨勢”,國立交通大學/
  理學院應用科技學程碩士論文。
20.劉俊良(2011),“雲端運算產業專利佈局策略之研究”,國立勤益科技大學
/研發科技與資訊管理研究所碩士論文。


專業報導:

1. Zia Daniell Wigder(2009) ,“Global Online Population Forecast, 2008
To 2013”,Forrester Reserch,Inc.
2. 程鏡明,“連續二年 SAS作業風險居全球第一”,工商時報,2009/2/8。
3. 曹乙帆(2009),”雲端運算的儲存基礎架構 揭開雲端儲存的面貌”,RUN!PC
雜誌,11月號。

技術文件:

The NIST Definition of Cloud Computing(2011), NIST Special Publication
 800-145.


網路資訊:

1. IBM(2013),“海量資料分析顯學 引領企業航向創新”,
網址:www.ibm.com/news/tw/zh/2013/03/21/g512069g13271s50.html,
2. DIGITIMES,“雲端運算的演進與相關技術發展”,
  網址:http://www.digitimes.com.tw/,上網日期:2013年1月3日。
3. National Institute of Standards and Technology,網址:  
  http://csrc.nist.gov/,上網日期:2013年1月3日。
4. Rajkumar Jonnala(2012),”Top 2 Cloud Computing Models”,
  網址:http://www.techiestate.com/top-2-cloud-computing-models/
5. CloudBusiness網站,網址: http://www.cloudbusiness.com , 上網日期:2013年04月12日。
6.『微軟』,維基百科,2013/5/18,網址:http://zh.wikipedia.org/wiki/ %E5%BE%AE%E8%BD%AF,上網日期:2013年04月12日。
7. Microsoft Corporation網站,網址:http://www.microsoft.com,上網日
  期:2013年5月21日。
8. 田裕斌,“聯想併IBM PC部門 對台商影響全面化”,大紀元,2004/12/8,
網址:http://www.epochtimes.com/b5/4/12/8/n741549.htm。
9.『IBM』,維基百科,2013/3/23,網址:http://zh.wikipedia.org/wiki/IBM
10.范眠,“IBM併購雲端軟體業者Cast Iron Systems ”,iThome,2010/5/4,
網址:http://www.ithome.com.tw/itadm/article.php?c=61005。
11.IBM網站,網址:http://www.ibm.com,上網日期:2013年5月21日。
12.馬培治,“IBM購併策略”,iThome,2011/7/21,網址:http://www.digitimes. com.tw/tw/dt/n/shwnws.asp?CnlID=10&cat=35&id=0000243107WQM0LU5R19TFL26U9KWB9&ct=1
13.『甲骨文公司』,維基百科,2013/5/11,網址:http://zh.wikipedia.org/wiki/Oracle
14.『SAP』,維基百科,2013/4/29,網址:http://zh.wikipedia.org/wiki/SAP %E5%85%AC%E5%8F%B8
15.Joyce,“SAP 併購 SuccessFactors 以加速實踐雲端運算策略”,NOWnews,
2011/12/6,網址:http://wenews.nownews.com/news/43/news_43866.htm
16.哈燒王,“EMC 併購 Pivotal Labs 強化巨量資料儲存”,自由電子報, 2012/4/12,網址:http://iservice.libertytimes.com.tw/3c/news.php? no=5360&type=3
17.吳明宜,“看準雲端與巨量資料 EMC和VMware成立關鍵組織”,2012/12/5,   
網址:http://news.networkmagazine.com.tw/classification/trends/2012/12/05/44439
18.辜雅蕾(2011),“EMC的巨量資料對策:Greenplum Greenplum可同時支援兩
種技術”,網址: http://www.ithome.com.tw/itadm/article.php?c=68277&s=9
19.EMC網站,網址:http://taiwan.emc.com,上網日期:2013年5月21日。
20.SAS 網站,網址:http://www.sas.com,上網日期:2013年5月21日。
21.『Google』,維基百科,2013/5/18,網址:http://zh.wikipedia.org/wiki/Google
22.趙郁竹,“台大/交大參與Google海外第一波雲端運算學術計畫”, iThome
2008/1/29,網址:http://www.ithome.com.tw/itadm/article.php?c=47340
23.王宏仁,『徹底解讀IT明日之星─雲端運算』, iThome ,2008/6/23,網址:
  http://www.ithome.com.tw/itadm/article.php?c=49410&s=1
24.NetApp 網站:http://www.netapp.com/,上網日期:2013/5/21。
25.麟瑞科技,『麟瑞科技通過NetApp認證 成為NetApp在台灣註冊服務供應
商』,2005/2,網址: http://www.ringline.com.tw/epaper/news940201.htm
26.潘羿菁,『NetApp登台設研發中心』,中時電子報,2013/1/28,網址:
http://news.chinatimes.com/focus/501012724/122013012800109.html
27. Martijn van Groningen(2009), ”INTRODUCTION TO HADOOP”,
http://blog.trifork.com/2009/08/04/introduction-to-hadoop,上網日期:2013年4月12日。
 
 
 
 
第一頁 上一頁 下一頁 最後一頁 top
* *