Читаем Алгоритм изобретения полностью

Прогрессивными и действующими в течение долгого времени оказываются только те тенденции, которые приближают реальную машину к идеальной. Взять хотя бы такую тенденцию, как увеличение размеров единичного агрегата. На первый взгляд неясно, почему увеличение размеров приближает машину к идеальной. Но все очень просто: чем больше машина, тем обычно меньше отношение ее собственного веса (объема, площади) к тому весу (объему, площади), с которым она работает. Грузовик, перевозящий три тонны груза, весит полторы тонны. Треть усилий двигателя тратится на то, чтобы «катать» саму конструкцию. Грузовик же, рассчитанный на пятнадцатитонный груз, весит всего пять тонн. Доля «мертвого» груза значительно снижается, а именно это и приближает машину к идеальной. 140-тонный самосвал разгружается за пятнадцать секунд — это намного меньше времени, необходимого для разгрузки двадцати восьми пятитонных машин.

Нередко идеалом считают машину «покрасивее». Это серьезная ошибка. Она создает психологический барьер, который изобретателю нелегко преодолеть. Мысль заранее настраивается на поиски решений в тех направлениях, которые ведут к машинам «изящным», «красивым». Принципиально новые пути при этом чаще всего оказываются в стороне.

Не приходится спорить: хорошая машина обязана быть красивой. Но это относится к «взрослым» машинам, а новорожденная имеет право быть уродливой. Важно, чтобы ее принцип был более совершенным, чем принцип уже известных машин. Если это условие соблюдено, можно не сомневаться, что машина скоро «похорошеет» и затмит старых красавиц.

Изобретатель, решая задачу, не должен думать о красоте будущей машины. Надо не бояться, если понадобится, предложить внешне еще неуклюжую, но внутренне безупречную конструкцию.

* * *

Если задача решается методом «проб и ошибок», поиски идут либо по «вектору инерции», либо — в лучшем случае — «во все стороны». Между тем, приступая к решению задачи, изобретатель может резко сузить «угол поисков». Решение должно приближать исходный объект к идеальной машине. Определив, какой должна быть в данном случае идеальная машина, изобретатель сразу находит наиболее перспективное направление поисков.

Разумеется, в каждом конкретном случае нужно уметь определить идеальную машину. Чем точнее изобретатель представляет себе идеальную машину, тем меньше доля случайности, тем направленнее ведутся поиски.

Идеальная машина играет роль маяка, указывающего, куда надо идти. Когда изобретатель ищет решение без такого маяка, его мысли разбегаются под влиянием множества причин. «Каждый из нас, — пишет американский психолог Эдвард Торндайк, — при решении интеллектуальной задачи осаждается буквально со всех сторон различными тенденциями. Каждый отдельный элемент как бы стремится захватить сферу влияния на нашу нервную систему, вызвать свои ассоциации, не считаясь с другими элементами и общим их настроением».

Привычные схемы осаждают изобретателя, блокируют пути, ведущие к принципиально новым решениям. В этих условиях, как отмечал И. П. Павлов, особенно сильно дают себя знать обычные слабости мысли: стереотипность и предвзятость.

Планомерный поиск, наоборот, упорядочивает мышление, повышает его продуктивность. Мысли как бы концентрируются на одном (главном для данной задачи) направлении. При этом посторонние идеи оттесняются, уходят, а идеи, непосредственно относящиеся к задаче, сближаются. В результате резко повышается вероятность встречи таких мыслей, от соединения которых и рождается изобретение.

Направленные поиски отнюдь не исключают интуицию. Напротив, упорядочение мышления создает «настройку», благоприятную для проявления интуиции.

* * *

Понятие об идеальной машине — одно из фундаментальных для всей методики изобретательства. Многие трудные задачи только потому и трудны, что в них содержатся требования, противоречащие главной тенденции в развитии машин — стремлению быть «повоздушнее». Почти все темники пестрят словами: «Создать устройство, которое...» Но зачастую никакого устройства и не надо создавать: вся соль задачи состоит в том, чтобы обеспечить требуемый результат «без ничего» или «почти без ничего». В сущности, идеальное решение — это когда машины совсем нет, а результат получается тот же, что и с машиной.

Возьмем для примера конкретную изобретательскую задачу — одну из тех, что публикуются в журнале «Изобретатель и рационализатор» под рубрикой «Требуются изобретения».


Задача 2

«Существующие дождевальные машины имеют низкую производительность. Если же попытаться достичь нужной интенсивности дождевания, увеличивая ширину захвата крыльев машин, резко возрастет их металлоемкость.

Выход? Облегчить конструкцию, применяя пластмассы. И подумать над тем, чем заменить... лейку. Ведь в дождевальных машинах используется принцип именно этого простейшего садового инструмента. Веера трубок, многоэтажный душ, пульверизаторы и разбрызгивающие турбины — все что угодно, лишь бы при экономии каждого квадратного сантиметра площади крыльев машины дождь моросил над наибольшей поверхностью участка»[21].

Перейти на страницу:

Похожие книги

Теория струн и скрытые измерения Вселенной
Теория струн и скрытые измерения Вселенной

Революционная теория струн утверждает, что мы живем в десятимерной Вселенной, но только четыре из этих измерений доступны человеческому восприятию. Если верить современным ученым, остальные шесть измерений свернуты в удивительную структуру, известную как многообразие Калаби-Яу. Легендарный математик Шинтан Яу, один из первооткрывателей этих поразительных пространств, утверждает, что геометрия не только является основой теории струн, но и лежит в самой природе нашей Вселенной.Читая эту книгу, вы вместе с авторами повторите захватывающий путь научного открытия: от безумной идеи до завершенной теории. Вас ждет увлекательное исследование, удивительное путешествие в скрытые измерения, определяющие то, что мы называем Вселенной, как в большом, так и в малом масштабе.

Стив Надис , Шинтан Яу , Яу Шинтан

Астрономия и Космос / Научная литература / Технические науки / Образование и наука
Ошибки в оценке науки, или Как правильно использовать библиометрию
Ошибки в оценке науки, или Как правильно использовать библиометрию

Ив Жэнгра — профессор Квебекского университета в Монреале, один из основателей и научный директор канадской Обсерватории наук и технологий. В предлагаемой книге излагается ретроспективный взгляд на успехи и провалы наукометрических проектов, связанных с оценкой научной деятельности, использованием баз цитирования и бенчмаркинга. Автор в краткой и доступной форме излагает логику, историю и типичные ошибки в применении этих инструментов. Его позиция: несмотря на очевидную аналитическую ценность наукометрии в условиях стремительного роста и дифференциации научных направлений, попытки применить ее к оценке эффективности работы отдельных научных учреждений на коротких временных интервалах почти с неизбежностью приводят к манипулированию наукометрическими показателями, направленному на искусственное завышение позиций в рейтингах. Основной текст книги дополнен новой статьей Жэнгра со сходной тематикой и эссе, написанным в соавторстве с Олесей Кирчик и Венсаном Ларивьером, об уровне заметности советских и российских научных публикаций в международном индексе цитирования Web of Science. Издание будет интересно как научным администраторам, так и ученым, пребывающим в ситуации реформы системы оценки научной эффективности.

Ив Жэнгра

Технические науки