基于TRIZ的最终理想结果(IFR)的确定方法

如图1所示,由于并非人人都是专家,都能遇到自己熟悉的问题,所以以往的经验未必对解决问题有太大的帮助.这种从问题出发,典型的问题导向做法往往不知道问题的解决办法在何处,有点类似"脚踩西瓜皮,划到哪里算哪里"的感觉.有时虽然能解决问题,但效率较低,且其解决办法是否是最优的也未必知晓.

如果是采用TRIZ,比如用到TRIZ的工具--最终理想结果(IFR),这种从解决问题所追求的结果出发,目标明确,则是典型的结果导向做法,通过对系统的最终理想结果(IFR)的确定,来判断具体问题的解决方案的空间和解决问题的入手点.

如图2所示,就像在黑夜里航行的船舶看到航灯,其好处是既知晓问题解决的理想方向,在解决问题的时候始终不会迷失方向,又能找到合理的解决问题的入手机会,导向性非常明确,这是以往多数的创新方法所不具备的优点.

首先,我们来看看最终理想结果(IFR)的概念,最终理想结果(IFR)是对发明问题的最好解决方案模型.它使系统完全消除了问题,并且没有让系统的参数发生恶化,且对系统的改变最小.它是解决方案的模型,可以指引着我们去解决发明问题.

其次,最终理想结果(IFR)的定义过程中,要注意系统的最终目标和最终理想结果的区别.

系统的最终目标是指所设计的系统应该达成的结果,即客户之声例如,客户需要清洁衣物,又不能过于劳累,所以设计了洗衣机,则洗衣机的最终目标就是清洁衣物,至于生产商用什么工作原理、什么系统组成来满足客户的需求,则会有不同的系统(产品)产生.

例如,清洁衣物,可以用灰尘等污物自身脱离衣物来作为IFR.当然,如果能做到这一点,系统就是非常理想的系统,但是,这往往是不可能的,否则系统就没有存在的必要了.

既然IFR是不太容易实现,为什么还要这样定义呢?这里主要是基于以下考虑:

1)在解决问题之初,先抛开各种客观限制条件,把最终理想结果作为终极追求目标;

2)针对问题情境,结合最终理想结果设立各种理想模型,即最优的模型结构来分析问题;

3)这样定义的IFR在后续的分析很容易达成共识,不会变来变去,干扰解题过程.

这时,我们就可以在最终理想结果(IFR)与系统问题现状之间不断选择不同的次理想结果,方便找到解决问题的入手点.

还是拿清洁衣物来举例说明,让灰尘等污物自己脱离衣物纤维这一IFR无法实现,那么就尝试改变工具(或执行机构),这样次理想结果就是衣物纤维自己能与灰尘等污物分离.

此时需要考虑的就是衣物纤维能不能像荷叶那样,具有自洁能力,灰尘等污物无法附着在衣物纤维上,故而就可以实现清洁衣物的目的.

还有,当衣物纤维不具备自洁功能时,可以将下一个次生理想结果定义为衣物纤维借助外力实现与灰尘等污物分离,这时问题就转变为利用什么力(或场)能实现两者的分离,能达到清洁衣物的目的.

如此这般,通过逐步后退一小步收敛问题的不同理想结果(次生、次次生……),更易发现解决问题的机会.

可以参照如图3所示的收敛过程进行定义,把不明确的问题通过IFR的多次定义、分析,将问题转化为明确的问题,寻找到解决问题的入手点.