技术演进的计量：一个新的视角

技术寄生是复杂系统中两种技术T1和T2之间的一类关系，其中一种技术T1从与T2的相互作用中受益（+），而T2有负面影响() 与T1.2的相互作用。技术共栖是两种技术之间的一种关系，其中一种技术T1从另一种技术中受益（+），而不影响另一种技术（0）。共生关系通常介于较大的主机技术和较小的共生技术之间。技术互惠主义是一类关系，其中每种技术都从其他技术的活动中受益（+，+）。4、技术共生是两种技术（T1、T2）之间的一类长期相互作用，它们在复杂系统中共同进化。共生技术具有长期相互作用，产生持续的互利，因此，复杂系统与其相关的技术子系统（++、++）之间存在协同进化。图1综合了支持技术进化的技术之间的交互类型。Cocialab工作文件2018–第2915号| P a g eCoccia M.（2018）《技术进化的测量：新视角图1》。影响整个技术体系演化的技术之间不同类型的相互作用注释。

在S中，技术Ti和Tj之间相互作用产生的积极、消极和中性效益的概念用数学符号+表示，,    0（零）；++技术Ti和Tj在S中的长期相互共生（即，Ti和Tj在S中的共同进化）带来了巨大的积极效益。一般来说，技术之间的寄生、互惠、共栖和共生并没有明确界定这些概念，每种关系都代表着复杂系统中技术进化发展的终点（参见Poulin，2006年的生态互动）。特别是，寄生是一种相互作用，随着时间的推移，这种相互作用可能演变为共栖、互惠和共生，以支持进化创新，如图1所示（比照Price，1991）。在复杂系统相互依存的共同进化之后，共生现象也越来越被认为是一种重要的选择力量（参见Smith，1991）。一般来说，如果技术提高了系统内交互的等级，那么它们支持整个技术系统的进化。此外，技术的进化是一个累积的过程，在保留旧的进化阶段的同时，增加新的进化阶段。这一过程可以用以下方式象征性地表示：技术技术寄生（+，)技术共生（++，++）技术互惠（+，+）技术共生（+，0）CocciaLAB工作文件2018–第2916号| P a g eCoccia M。

（2018）《技术进化的衡量：如果TS=技术共生的新视角》；TM=技术互惠主义；TC=技术共栖；TP=技术寄生，t、t、t、皮重是连续的时间段，而a、b、c、d是技术之间不断增加的相互作用水平，复杂技术中不同类型的相互作用可以表示为：TSt1=aTMt2=a+bTCt3=a+b+cTSt4=a+b+c+d■总体而言，技术寄生理论（Coccia和Watts，2018）在此简要描述，提出复杂系统中技术之间的相互作用倾向于在“可能的空间”内产生整个技术系统的逐步共同进化过程（Wagnerand Rosen，2014，passim）。复杂系统中技术演化的拟议技术指标本节致力于将拟议的技术寄生理论观点付诸实施，以宿主技术H和相关子系统P之间的简单技术互动模型的形式来衡量技术的演化。该模型侧重于技术子系统与整个技术宿主系统的比例变化有关。该模型基于异速生长原理，最初由生物学家开发，用于研究生物进化过程中身体各部分相对于整个身体的不同生长速率（Reeve和Huxley，1945；Sahal，1981）。设P（t）为技术P在t时的技术进步程度，H（t）为同时与P交互的主系统或主机系统的技术H的技术进步程度。

如果P和H都按照某种S形的技术增长模式发展，那么这种模式可以用logisticCocciaLAB工作文件2018–第2917号| P a g eCoccia M.（2018）《技术发展的衡量：一种新的透视函数》（Measurement of the evolution of technology:a new perspectivefunction）中的微分方程正式表示： HKKBDTDH1111我们可以将方程改写为： dtbdHHKHK1111该方程的积分为： TBAHKH11LOG日志TBAHHK111日志 tbaKH111exp1tba11t=拐点的横坐标。H的增长分别可以描述为：tbaHHK111log[1] 经必要修改后，对于与H（t）类似的P（t），方程式为：tbaPPK222log[2] 此处的logistic曲线是一条对称的S形曲线，拐点为0.5K，1a=常数，取决于初始条件，1K=平衡增长水平，1b=增长率参数。求解t的方程【1】和【2】，结果为：PPKbbaHHKbbat2221111Log1Log1产生的表达是：CocciaLAB工作文件2018–第2918号| P a g eCoccia M.（2018）技术进化的测量：新视角21211BBPKCHKH[3] 当P和H与其最终值相比较小时，得到以下简单的进化模型：1）（1BHAP[4] 在哪里 112112CKKAbb和121BBB1是增长的进化系数。方程的对数形式1）（1BXAP是一个简单的线性关系：HBAP LNLN11[5] 技术演化模型[5]具有线性参数，这些参数由有序最小二乘法估计。模型[5]中的1bin值表示不同的技术进化模式，并在下一节的实际案例中进行量化。

特别地，11b P的相对变化率是否低于H；随着时间的推移，整个主机系统的技术发展缓慢（不发达）。1具有单位值：11B、 然后，Pi和Hi这两种技术在其基于整个技术系统（H）及其交互子系统Pi之间的互惠互动（协同进化）的进化过程中有成比例的变化。系统元素之间的比例变化也被称为等距。简而言之，这里的整个技术系统在一段时间内有一个比例的进化（增长）。11b Pi的相对变化率是否大于H；这种模式表明，由于2018年第2919号《技术进化的衡量：技术宿主系统整体结构的新视角》（2018年）的变更，子系统P结构中的技术进步比例不同。整个技术系统H在整个过程中都有加速的进化（发展）时间的问题。这种方法可以证明技术进化中测量的代表性和唯一性定理。此外，这种以进化增长系数为代表的异速生长模型的结果可以在技术进化的有序尺度上系统化（表2）。表2：。

复杂系统中技术进化的规模进化增长的系数进化增长的等级技术进化的类型进化预测的进化阶段1低b<1整个系统技术的低进化欠发达技术在一段时间内发展缓慢2平均b=1技术的比例进化增长技术有稳态进化路径3高b>1技术加速进化发展技术最有可能快速进化技术进化规模的属性（表2）：a）规模上等级较高的技术具有较低等级的技术进步。b） 如果一项技术在规模上排名最高（即三项），那么它会迅速发展（发展）。反之亦然，如果一项技术在规模上排名最低（即一项），则其发展缓慢（欠发达）。c） 高阶技术在规模上的演化累积了低阶技术演化的所有先前阶段，并在整个技术系统H及其子系统组件Pi之间形成了卓有成效的相互共生关系。Cocialab工作文件2018–第2920号| P a g eCoccia M.（2018）技术演变的测量：一种新的透视材料和方法数据及其来源本文使用四种示例技术的历史数据来说明技术的演变：农用拖拉机、货运机车、，美国的蒸汽动力发电厂和内燃式发电厂。数据来源为Sahal发布的表格（1981年，第319-350页，最初来源于贸易文献；参见Coccia，2018）。

请注意，对于某些技术而言，最早年份和战争年份的数据非常稀少。衡量衡量技术演变的技术参数由技术功能衡量（FMT）在考虑重大和次要创新的过程中给出（Sahal，1981，第27-29页）。农用拖拉机技术参数的测量方法为：  1920-1968年CE期间以马力小时为单位的燃油消耗效率表明了农用拖拉机发动机（一个子系统）的技术进步。该FMT表示模型【5】的因变量P。  1920-1968年CE期间的机械效率（牵引杆马力与皮带或动力输出的比率–PTO马力）表明了农用拖拉机的技术进步。该FMT表示模型的解释变量H【5】。对于货运机车，FMT为：  1904-1932年间，pound的牵引力表明了美国机车的技术进步。该FMT表示模型的因变量P【5】。  1904-1932年间的铁路总里程表明了美国铁路基础设施系统的技术进步。该FMT代表了模型的解释变量【5】。Cocialab工作文件2018–第2921号| P a g eCoccia M.（2018）技术演进的测量：蒸汽发电技术的新视角，FMT是：  1920-1970年间，每磅煤的平均燃料消耗效率（千瓦时）表明了锅炉、涡轮机和发电机的技术进步。

该FMT表示模型的因变量P【5】。  1920-1970年间，发电厂的平均利用规模（百万千瓦时蒸汽发电的净产量与蒸汽发电厂数量的比率）表明了整个发电厂的技术进步。该FMT表示模型的解释变量【5】。对于内燃式电力技术，FMT是：  1920-1970年CE的平均燃料消耗效率（单位：千瓦时/立方英尺）表明了锅炉、涡轮机和发电机的技术进步。该FMT表示模型的依赖变量P【5】。  1920-1970CE期间的平均发电厂利用规模（内燃式发电厂以百万千瓦时为单位的净发电量与这些发电厂总数的比率）表明了整个发电厂的技术进步。本FMTre给出了模型的解释变量【5】。模型和数据分析程序【5】在实际情况中实施的技术进化模型是：Ln Pt=Ln a+B Ln Ht+ut（ut=误差项）[6]a是一个常数，表示技术的技术进步程度，在时间t代表主机技术的子系统H，在时间t代表技术的技术进步程度表示交互子系统P的主机技术；这是《2018年全面相关CocciaLab工作文件》第2922号的驱动复杂系统| P a g eCoccia M。

（2018）《技术演进的衡量：技术子系统的新视角》。备注：让1和2分别为P和H的增长率，即21BBB测量P与H的相对生长。B<1， 1将数据转换为对数，以获得正态分布，该正态分布适用于使用普通最小二乘法进行回归分析来估计关系[6]。使用统计软件SPSS进行统计分析 版本24。农业、铁路运输和发电技术演变的案例研究本文以农用拖拉机、货运机车、，美国蒸汽动力发电和内燃式电力技术。表3显示了描述性统计数据。Cocialab工作文件2018–第2923号| P a g eCoccia M.（2018）技术进步的衡量：新视角表3–描述性统计数据（拖拉机发动机）马力小时的燃油消耗效率（拖拉机）牵引杆马力与皮带（拖拉机）的机械效率比（机车功率）磅的牵引力（铁路总里程）（机车基础设施）NMean2.134.1910.4312.86Std。

偏差0.270.1460.220.11偏斜度-0.76-0.68-0.21-1.04峰度-0.83-0.56-1.19-0.06LN每磅煤的平均燃料消耗效率（蒸汽发电厂的涡轮机和各种设备）LN蒸汽发电厂的平均规模（蒸汽发电厂）LN每立方燃气的平均燃料消耗效率（涡轮机和内燃机厂的各种设备）LN内燃机厂平均规模（内燃机厂）NMean-0.254.85-2.750.51Std。偏差0.341.430.330.85偏度-0.67-0.17-0.670.02峰度-0.09-1.260.04-1.64农用拖拉机技术的演变结果（1920-1968）表4显示，B=1.74，即B>1，发动机的子系统组件技术与整个农用拖拉机相比有一个比例增长。这表明技术进化的规模有了很大的进步，代表了整个农用拖拉机系统的发展（见图2）。Cocialab工作文件2018–第2924号| P a g eCoccia M.（2018）技术进化的测量：新视角表4–基于异速生长方程的农用拖拉机技术估计关系注：**  在1‰时显著；解释变量为牵引杆马力与皮带的机械效率比（农用拖拉机的技术进步–Hosttechnology），t=（1920–1968）图2。