TRIZ推廣的危機也是轉機

 

TRIZ推廣的危機也是轉機

2023.10.17

2023©汪周禮

 

意外的成功或失敗

根據Peter Drucker’s 7 sources of Innovation 內容指出，創新的七種來源之一，第一個就是意外的成功與失敗！

 

 

情境：

前兩天舉辦的活動，實際到場人數少，算是在台灣發展兩年多以來，人數來最少的一次，也是報到率最低的一次。

不過，這反而更能突顯出這次到場朋友們強烈的學習動機，反映出課程開始前後學員們熱絡的互動交流。

 

 

發現問題：

在整個交流過程，透過與這次學員朋友們的互動中，持續觀察到這幾年台灣發展TRIZ的兩個關鍵問題：

 

1. TRIZ有沒有用：這是老掉牙的問題，一樣兩極化的結果。會用的說可以用，不會用的說沒有用。但TRIZ持續發展至今，仍為國際大企業所採納，甚至美國 NASA 工程安全中心 (NESC) 學院，仍有TRIZ課程。全球五百大企業仍然採用TRIZ作為培訓工程師的課程之一。

TRIZ有沒有用? 如果要我回答，屏除推廣者的角度，以使用者的角度來說，答案當然是肯定有用，而且非常有用！

 

2. TRIZ 如果有用，那要怎麼用：這個問題應該是目前推廣的主要障礙，幾年從不少產業朋友直接或間接得知，很多朋友上了 TRIZ 課程以後，因為不知道怎麼使用，而認為TRIZ對他沒有用，放棄接觸繼續研究TRIZ，非常可惜！。

 

 

第一個問題模型：

這兩個問題直接反應出 TRIZ 一個關鍵的矛盾問題模型：

IF           TRIZ知識工具複雜

THEN        TRIZ知識工具應用效果好

BUT         TRIZ知識工具難學

 

 

 

 

問題背景成因深入描述：

15年前開啟TRIZ學習歷程，上課時大量填補新知識，像一個鯨魚進入南極海底看到大量南極磷蝦一般，恨不得能一口吞光所有知識點。

 

上課後，想辦法努力應用在工作中解決問題，也因此學TRIZ後的第二年(2009年)，成功應用在工作中蘋果專案的專利迴避設計(蘋果)，獲得非常大的成就感！

 

 

第二個問題模型：

由於TRIZ工具的應用成果驚人，在國際間受到眾多跨國企業的歡迎，隨著學習人數的增加，也出現了由於TRIZ知識體系太過龐大，沒有時間學習TRIZ的問題。

因此，這最近這10年，整個TRIZ工具的目標受眾，從最早的科學家、到引入歐美後的研發工程師，一直到近年的企業工程師，這種情況下，為了符合時間和對象的需求，大幅簡化了TRIZ工具，但也因此開始出現了TRIZ沒用的聲音。

 

這反映出前面的問題，剛好也可以使用矛盾問題模型來描述：

 

IF          TRIZ 知識工具簡單

THEN       TRIZ 知識工具學習時間短

BUT        TRIZ 知識工具應用效果差

 

綜合這兩個問題可以得到TRIZ知識工具的一個關鍵物理矛盾問題模型：

TRIZ知識工具 要複雜也要簡單 為了滿足學習時間和應用效果的不同需求

 

解決方案：

目前思考的解決方案很多，但仍舊需要經得起不同市場的在地化考驗。

(* ChatGPT也提供雖已有但也很不錯且值得參考的建議方案概念)

 

 

重新思考應用問題，從自己開始：

我自己從2008-2014年有幸持續向三位不同的國際TRIZ大師學習：

1. Sergei Ikovenko  (MIT/Tufts professor, 前GE創新顧問)

2. Isak Bukhman   (美國實戰型TRIZ 解題大師)

3. Darrell Mann    (英國實戰型TRIZ 應用大師)

 

學習時數累積超過360個小時，讓我完整學習從理論到實務應用的TRIZ知識工具，也因此深知 TRIZ知識工具體系的龐大複雜以及應用上的強大。

 

隨著接觸到的技術問題越來越複雜，整個應用的過程就對是自身思考慣性的梳理過程，也因此有時候即便你知道有這個工具存在，但在面臨實際關鍵問題，外在壓力下，會本能的驅使自己採用自己認為最可靠的工具來解決問題，但如此一來，一旦思考流程錯誤，TRIZ工具就完全派不上用場，導致對於如何切入問題使用TRIZ工具而出現盲點，產生現使用障礙。 我當初協助企業做出成功的軟體專利迴避設計案例 (2013申請專利, 2015年發表在國際研討會上一炮而紅) 也是如此，使用TRIZ工具之前，需要重新歸零思維模式(reset mindset)，相信操作流程與工具，踏實的依照步驟逐步正確地使用對應的工具。

 

 

應用關鍵：

這些年應用TRIZ解決不少大大小小的企業問題，歸納總結我自己的使用心得後發現有兩點主要因素影響能否成功應用TRIZ：

 

第一點，要擁有正確的TRIZ系統知識，了解從系統分析到問題分析以及建立問題模型以及工具的完整使用流程。

第二點，也是最關鍵的一點，就是要讓自己相信TRIZ工具，要相信TRIZ知識工具的系統應用流程，在第一點的基礎上，千萬不要被自己過去的思考模式牽引，否則一定會用錯而無法產生解決方案。

 

其實，即便是現在，自己還是會有慣性思考模式出現，只是會提醒自己把思考模式重新歸零，切換成TRIZ 系統思維重新思考問題。

 

 

結論：

累積不少成功案例後，為了能夠讓企業更有效率的創新，提高產業競爭力，促進社會進步，於是選擇創業，一開始將主要目標市場放在海外，也獲得一些不錯的成果。直到疫情爆發，回到台灣，才讓我開始觀察台灣的TRIZ市場現況。

 

在觀察的過程中，順便辦了不少公益推廣課程，這兩年不含企業培訓，線上與線下的活動超過18場，同時也趁機觀察一些台灣坊間TRIZ的免費課程或YOUTUBE上的相關內容，發現很多問題，關鍵問題在於缺少操作TRIZ工具前的系統思維模式，依樣畫葫蘆的結果，造成學員難以了解 TRIZ方法的學習核心目的在 訓練學員 突破慣性思考模式，而不僅僅是學習工具使用。

 

目前仍然在調整TRIZ知識工具的服務類型與模型，期待能夠找到最適合台灣產業需求的TRIZ知識工具，為提升產業競爭力貢獻一份心力。

 

#TRIZ

#實戰創新

#數位轉型

#ChatGPT

#DALLE3

#GAI

創新之道：TRIZ與CECA的智慧融合於ChatGPT

創新之道：TRIZ與CECA的智慧融合於ChatGPT

 2023.10.09

(image prompts:"Like the spiral of DNA, on the right is a bright and green environment full of technology, and on the left is a dark, dilapidated and backward environment. A person is walking on the road in the middle of the left and right, looking above.")

隨著生成式AI (GAI) 工具ChatGPT的問世，大家逐漸發現 GAI工具可以有效提升數位生產力！

設計好提問詞組，你也可以讓ChatGPT學會使用工具！

本篇文章介紹了三個重要的工具：ChatGPT、TRIZ的IF-THEN-BUT模型以及CECA模型。透過展示ChatGPT的基本架構，描繪TRIZ的邏輯模型，並描述CECA模型的因果鏈分析，我們深入了解了這些工具在技術分析中的應用。資訊檢索和分析以及生成問題模型成為了進一步創新解決方案的基石。透過探索創新的解決策略並應用這些新工具以推動創新，我們能夠開發出更有效的技術解決方案。未來展望部分談到了ChatGPT的未來發展和如何提高研發創新效率。最後，文章鼓勵讀者探索和應用這些新工具，共同推動技術創新的進程，以開創科技創新的新篇章。在這個過程中，讀者的參與和探索成為了推動技術創新不可或缺的力量，共同構建了一個充滿挑戰和機遇的技術創新生態系。

關鍵字 key words: ChatGPT, TRIZ, CECA, 技術創新, 問題分析, 生成式人工智能 (GAI), IF-THEN-BUT問題描述模型, 因果鏈分析, 技術信息分析, 研發創新效率

文章大綱：

1. 導言 (約200字)
• 介紹技術創新的重要性
• 提及傳統的問題分析方法和它們的局限性
  
  
2. TRIZ和CECA模型的概述 (約400字)
• 簡要介紹TRIZ的IF-THEN-BUT模型
• 簡要介紹CECA（因果鏈分析）模型
• 兩者在技術分析和創新中的應用和重要性
  
  
3. ChatGPT的崛起 (約300字)
• 介紹ChatGPT的基本架構和功能
• 說明ChatGPT如何改變了問題分析的過程
  
  
4. 模型應用實例分析 (約600字)
• 解析圖1中的IF-THEN-BUT模型應用
• 解析圖2中的CECA模型應用
• 解析圖3中ChatGPT在實際項目中的應用
  
  
5. ChatGPT的未來展望 (約400字)
• 談論通用人工智能（GAI）工具如ChatGPT的潛力和未來發展
• 討論它們如何影響技術信息分析和研發創新效率
  
  
6. 結論 (約200字)
• 總結ChatGPT、TRIZ和CECA的融合在推動技術創新和問題分析中的重要性
• 鼓勵讀者探索和應用這些新工具以推動創新

 

導言

在當今這個日新月異的科技時代，技術創新已成為推動社會進步的不二法門。它不僅助力企業保持在激烈的市場競爭中的領先地位，也是解決我們日常生活中眾多挑戰的關鍵。然而，每一個創新的背後，都伴隨著無數的問題需要解決。這就需要我們有一套有效的問題分析和解決方法。

傳統上，問題分析常常依賴於人的經驗和直覺。例如，TRIZ的IF-THEN-BUT模型和CECA（因果鏈分析）模型是兩個被廣泛採用的問題分析工具。它們通過系統化的方法來幫助我們理解問題的本質和找到可能的解決方案。然而，這些方法也有其侷限性。首先，它們通常需要大量的時間和專業知識來運用，這對許多非專業人士來說是一個相當大的挑戰。其次，傳統的問題分析方法往往難以應對日益複雜和多變的技術問題，這限制了我們在創新道路上的探索。

隨著人工智能技術的快速發展，一個新的解決方案—ChatGPT正逐漸浮出水面。它通過智能化的方式來協助我們分析問題，為我們的創新之路添磚加瓦。在接下來的內容中，我們將深入探討ChatGPT是如何融合TRIZ和CECA模型，並且展示它在實際項目中的應用，以及它對未來技術創新的可能影響。

 

TRIZ和CECA模型的概述

 

在探討創新的道路上，TRIZ的IF-THEN-BUT模型和CECA（因果鏈分析）模型是兩個相當重要的里程碑。這些模型提供了一個結構化的框架，幫助我們理解和解決技術問題，推動創新的發展。

首先，讓我們來看看TRIZ的IF-THEN-BUT模型。這個模型是基於邏輯推理的基礎上構建的。它的核心思想是：“如果”有某個情況存在，“那麼”會得到某個結果，“但是”如果有不符合的情況，就能指出存在的問題。這個模型能夠幫助我們識別和理解技術矛盾，並尋找可能的解決方案。它的結構化方法為解決技術問題提供了清晰和直接的路徑，有助於尋找和應用創新的解決方案。

接下來，我們來看看CECA（因果鏈分析）模型。這個模型著重於探討事物之間的因果關係。通過詳細分析各種元素和它們之間的關係，CECA模型能幫助我們挖掘問題的根本原因，並提供一個系統化的方法來解決它們。這個模型特別適用於複雜的技術問題，它可以幫助我們理解問題的本質，並找到有效的解決策略。

這兩個模型在技術分析和創新中的應用是不可忽視的。它們提供了一個有效的方法來識別和解決技術問題，是推動技術創新的重要工具。通過這些模型，我們能夠更好地理解技術問題和矛盾，並找到解決它們的創新方法。在許多實際項目中，這些模型已被證明是非常有價值的，它們幫助團隊找到了突破性的解決方案，推動了技術創新的進展。在未來，隨著我們不斷探索和實現新的創新方法，這些模型將繼續發揮它們在技術分析和創新中的重要作用。

 

ChatGPT的崛起

 

在我們探討TRIZ和CECA模型的智慧融合中，一個名為ChatGPT的新星正迅速崛起，它的出現為我們的創新之路提供了前所未有的便利。ChatGPT基於OpenAI的GPT-4架構，是一款強大的自然語言處理工具，能夠理解和生成人類的語言。它不僅能夠進行高質量的文本生成和翻譯，還能夠以人類的方式解析並回答各種問題，這包括技術問題分析和解決方案的生成。

ChatGPT的基本架構和功能使它成為了一個出色的問題解析助手。通過簡單地輸入你的問題或者需求，它能夠迅速地提供相應的回答或建議。而且，它還能夠通過線上工具，例如搜索引擎，來收集和提供更多的相關信息，使得問題分析的過程變得更加完整和深入。

ChatGPT的出現徹底改變了傳統的問題分析過程。過去，我們需要花費大量的時間和精力，逐步分析問題的各個方面，尋找可能的解決方案。然而現在，只需幾秒鐘的時間，ChatGPT就能夠幫助我們繪製出問題的模型，並提供可能的解決方案。它不僅大大節省了我們的時間，也讓問題分析的過程變得更加簡單和直接。而且，它還能夠輕鬆地融合TRIZ和CECA模型，為我們提供一個全新、高效的問題分析和解決方案生成平台。在ChatGPT的幫助下，我們可以更加輕鬆地面對技術問題，推動創新的進程，逐步走向成功的未來。

 

模型應用實例分析

 

在探索技術創新的道路上，理論和實踐總是相互交織的。透過具體的實例分析，我們能夠更清晰地理解TRIZ的IF-THEN-BUT模型、CECA模型以及ChatGPT如何在實際項目中發揮作用。

Fig. 1

首先，讓我們通過圖1深入了解IF-THEN-BUT模型的應用。在這個圖中，我們可以看到一個典型的技術矛盾情境。該模型透過“如果...那麼...但是...”的邏輯結構，清晰地指出了在達到預期目標的過程中所遇到的主要障礙。透過這個模型，項目團隊能夠迅速識別出問題所在，並探索出解決這個矛盾的創新方案。這不僅加快了問題解決的速度，也為項目的成功提供了有力的支持。

IF-THEN-BUT是TRIZ六種基礎問題描述模型之一，主要用來描述技術矛盾問題和物理矛盾問題，而矛盾問題模型，也是TRIZ最早、最基礎的問題描述模型。

Fig. 2

接下來，圖2展示了CECA模型的應用。在這個示例中，我們可以看到一個很好的因果鏈分析。CECA模型通過分析不同元素之間的因果關係，清晰地呈現了問題的根源以及可能的解決方案。透過這個模型，我們可以更好地理解複雜問題的本質，並找到有效的解決方法。它使得項目團隊能夠在早期階段就識別出潛在的問題，從而避免了後期可能出現的更大困難。

CECA(Cause and Effect Chain Analysis)因果鏈分析，這個工具與其他許多著名的問題挖掘工具類似，例如FTA(Failure Tree Analysis)，魚骨分析圖(Fishbone Diagram)以及why-why法(問為什麼-為什麼)，但在這些工具中，CECA更重視每一個問題之間的直接連接關係與具體對應關係。

Fig. 3

最後，圖3為我們展示了ChatGPT 結合IF-THEN-BUT和CECA方法在實際項目中的組合應用。雖然圖中的信息由於保密需要而進行了模糊處理，但我們仍可以清楚地看到ChatGPT如何幫助項目團隊自動化地分析問題，並迅速生成問題模型。與傳統的手工分析方法相比，ChatGPT不僅節省了大量的時間和人力資源，也大大提高了問題分析的準確性和效率。通過這個實例，我們可以看到ChatGPT的強大潛力，以及它如何助力技術團隊在面對複雜問題時，找到更快更好的解決方案。

通過以上的實例分析，我們可以清晰地看到TRIZ的IF-THEN-BUT模型、CECA模型和ChatGPT在技術分析和創新中的重要作用。它們不僅為我們提供了有效的問題分析工具，也為我們在創新之路上提供了強有力的支援。隨著這些模型和工具的不斷完善和發展，我們有理由相信，未來的技術創新將會更加快捷、簡單和高效。

 

ChatGPT的未來展望

在科技迅速演變的今天，通用人工智能（GAI）工具如ChatGPT的出現，開啟了無限的可能。這些工具的潛力和未來發展令人期待，它們不僅可以大大加速我們的問題分析過程，而且能夠提高研發創新的效率。

ChatGPT的核心優勢在於其強大的自然語言處理能力和問題解析能力。隨著技術的進一步完善，未來它將能夠更好地理解複雜的技術語言和概念，提供更精確和深入的分析。此外，隨著機器學習模型的不斷進步，ChatGPT將能夠學習和掌握更多的技術知識，為我們的技術分析和創新提供更強大的支援。

在技術資訊分析方面，ChatGPT和類似的GAI工具將使得資訊檢索和分析變得更為便捷和準確。它們能夠自動化地從大量的資料中提取重要的技術信息，並提供清晰的分析和報告。這不僅節省了大量的時間和人力，而且能夠避免人為的錯誤和遺漏，確保我們能夠獲得準確和可靠的技術分析。

在研發創新效率方面，GAI工具的潛力同樣令人震撼。它們能夠迅速地生成問題模型和解決方案，大大加速了創新的節奏。此外，通過與其他先進的技術和工具的集成，ChatGPT將能夠提供一個全面的創新平台，支援我們從問題發現到解決方案生成的整個過程。

未來，隨著ChatGPT和其他GAI工具的不斷發展和完善，它們將在技術分析和創新方面發揮越來越重要的作用。它們不僅將使得技術分析變得更加便捷和準確，而且將大大提高我們的研發創新效率，推動我們在科技創新的道路上不斷前進。在這個令人興奮的時代，讓我們期待ChatGPT和其他GAI工具帶來的美好未來，以及它們將如何助力我們開創更多的可能！

結論

在科技不斷前進的舞台上，ChatGPT、TRIZ和CECA的融合展示了一種強大的力量，它們在推動技術創新和問題分析中的重要性不容忽視。這些工具和模型提供了一個獨特且高效的方式，使我們能夠更好地理解技術問題，並找到創新的解決方案。它們不僅大大縮短了問題分析的時間，也提高了我們在面對複雜技術挑戰時的創新效率。

當我們回顧這篇文章的探討，可以清晰地看到未來的技術分析和創新將會更加依賴於這些先進的工具和模型。它們的融合為我們打開了一扇通往高效、快速和創新解決方案的大門。透過它們，我們不僅能夠更快地解決當前的技術問題，也能夠探索未來可能遇到的挑戰。

因此，我想鼓勵每一位讀者，無論是技術專家還是創新愛好者，都去探索和應用ChatGPT、TRIZ和CECA等多種不同工具。讓我們利用這些新工具的力量，共同推動技術創新的輪子向前滾動，開創更多的可能，迎接未來充滿挑戰和機遇的科技世界。在這個探索和創新的旅程中，每一個新的發現和進步，都將為我們的未來帶來無限的精彩和期待！

2023©汪周禮 提供原稿並編整ChatGPT輸出

智合創新‧傳遞創新知識與服務

GAI(生成式AI)工具提高數位生產力。

企業服務需求，歡迎來信聯絡。
service@iiiinnovation.com

 

應用CHATGPT 創造出屬於自己的知識經濟版圖！

 

應用CHATGPT 創造出屬於自己的知識經濟版圖！

原創內容

2023©汪周禮

 

要想創造出個人知識經濟版圖，首先要能產出高品質的輸出內容，這裡面有兩個重點，避免輸出內容產生偏誤(BIASED)與雜訊(NOISY)，這兩個問題經過實驗，成功打造出複雜的提問鏈組合，總結這些提問鏈組合，摘要出一些重點分享有興趣的朋友參考！

 

以下介紹CHATGPT輸出高品質內容的應用流程關鍵：

 

1. 需要熟悉提問模式：這個是最基本的功夫，單一提問模式的類型非常多種，需要熟悉不同的輸出內容架構，選擇適合的提問模式類型。

2. 需要熟悉提示詞工程：這一塊屬於提問模式的進階，透過熟悉提示工程的研究結果，應用到對應的內容模組上，提高細節程度。目前常見的提示詞工程有14種之多，個人目前採用後，發現有幾個可能對提升內容品質比較有幫助，思維鏈(Chain-of-Thought)、生成知識提示(Generated Knowledge Prompting)、思想樹(Tree-of-Thoughts)、檢索增強生成(Retrieval Augmented Generation, RAG)等等多種提示工程技巧組合運用。

3. 需要熟悉方法論工具：所謂的熟悉，如字面所提，要能清楚自己所使用的方法論工具的應用範圍和應用限制，如此才能有效結合前面提示工程技巧，降低LLM出現(幻覺)而影響輸出內容品質。

4. 需要了解目標內容結構：這也是最重要的一點，能夠清楚地知道需要GAI產生的內容結構，並且根據目標內容結構拆解成模組，這個概念類似專案管理中的(Work Breakdown structure, WBS)，將目標內容結構化，將結構化的目標內容拆解成提示工程模組，並且在滿足內容品質的前提下，順利根據結構化的模組，產生對應的內容輸出。

 

5. 需要專業領域知識： 這一塊是人為把關的部分，也是最重要的部分。畢竟，在專業領域，有些經驗技能的獨特知識與抽象概念，GAI目前還難以達成，最後輸出內容，目前仍舊需要透過專家把關後，才能提交給客戶。

 

做到這五點，你也可以創造出屬於自己的知識經濟版圖。

---

知識挖掘、技術挖掘、創新挖掘、專利挖掘、創新式專利迴避設計

服務聯絡：service@iiiinnovation.com (iii + innovation)

協助企業或個人，打造專屬創新知識應用平台

智合創新─傳遞創新知識與服務