系統創意思維．續．完

這篇會介紹餘下的兩個系統創造思維模式 - 任務一體化和屬性相依。

任務一體化模式

舊式的煮食用煲都沒有刻度，很難知道下了多少水多少材料。現在很多煮食用的煲都加上了刻度，食材和水下了的份量便一目了然，這是任務一體化系統創造模式的一個典型例子。

任務一體化或者功能一體化模式，能讓現有的產品或服務裡的資源，去執行更多工作，或提供更多功能。這包括產品或服務的組成部份，和產品或服務的週邊的事物。

任務一體化模式的方法

使用任務一體化模式，

-         首先得列出產品或服務的內部和外部組成部份，和產品使用地點週邊的事物。

-         選擇其中一個，並分配它之前沒有執行的任務給這部份。這組件現在變成了一個虛擬構思。

-         然後發掘這個構思的潛在好處，並加以修整改進。

這個模式有三種分配任務的方法。

第一種是讓產品的其中一個組成部份去承擔另一個部份的工作。上面剛提到加上刻度的煲，就是一個明顯的例子。

第二種，是讓組成部份承擔其他產品或服務組成部份的工作。為輪胎充氣的時候，日產（Nissan）汽車的喇叭會發出嗶嗶聲，讓你知道何時達到正確的輪胎壓力。這時，汽車的喇叭承擔了輪胎壓力錶的工作。

第三種，是讓其他產品或服務的組成部份取代需要改進的產品或服務的組成部份的工作。

屬性相依模式

一個響聲漸強的鬧鐘，開始非常柔和地響起，然後響聲逐漸變大，直到你終於醒來。

漸進太陽眼鏡，能隨著環境變亮而變暗。

這兩種產品的屬性都會根據外在條件變化。

漸變鬧鐘的響度隨時間而變化。漸進太陽眼鏡的明暗度會隨著外部光線的亮度而變化。

當一件事發生變化時，另一件事也會伴隨發生變化。這就是屬性相依模式的標誌。

運用屬性相依模式，需要使用兩個列表。

首先是四週環境的屬性列表。這些可能是物理屬性，如寬度、長度或高度。也可能是人的特徵，如性別，年齡和個人喜好。然後為這些屬性加上編號 1、2、3，依此類推。

另一個是產品或服務的屬性列表。屬性是指產品或服務的特徵。例如，電視屏幕的大小就是一個屬性。然後，用字母 A、B、C 等列出這些屬性。

現在，從每個列表中隨意選一個屬性。例如，屬性 5 和屬性 C。

你的虛擬構思是隨著屬性5的變化，屬性 C 也會隨之變化。

然後發掘潛在的好處和目標市場，並修整改進。

系統創造思維的特色

系統創造思維有幾個特點:

-         基於封閉世界原理

-         先有解決方案，才發現有待解決的問題

-         兩個問題 - 應該這樣做嗎？我們能做到嗎？

封閉世界原理

當你閱讀這篇和上一篇關於系統創造思維的一切之時，或許已經發現了創意源自產品或服務的自身，並沒有依賴外在的世界。這正正就是應用了封閉世界理論。

你或許經常聽到”Think outside the box” ，就是不要被條條框框規限。系統創造思維則反其道而行 ”Think inside the box” ，強調創意出於一個封閉的世界，並不需要外在的資源，以至出產創意的活動變得更有效率。

當然，打破常規也會產生創意，”Think outside the box” 並沒有甚麼不對之處。

先有方案，問題後來

每一種方法都有其限制，系統創造思維也不例外。

我們都希望問題出現時，創意能有效的幫助解決。

系統創造思維卻是創造出新構思，再尋找對應能解決的問題。其實，不少問題的答案都是無心插柳。

兩個問題

有兩個問題，在使用系統創造思維的時候，需要反覆的問。

應該這樣做嗎？

這個問題的意思是新的構思是否有實際的用途，能幫助解決現有的問題嗎?

我們能做到嗎？

而這個問題的意思則是不能紙上談兵，構思能夠實踐方為王道。

如果新的構思不符合這兩個原則，或者沒有改進而達標的潛力，那麼就可以把這個構想擱下，別在浪費時間了。如果這兩個問題都有正面的答案，便可以繼續改良，讓其進入實用的階段。

靈活運用 – 另一個例子

系統創造思維有五個模式，它們可以在同一個創造上重複或者疊加使用，並且沒有限制使用的次數，可以無限使用。

就以電動車這個創意發明為一個例子。

拿掉汽車引擎這個主要部份就是運用減法，

增加電池的數量就是運用乘法的結果。原本汽車電池只為輔助功能，例如燈，空調，等提供能源。複製電池，然後修改電池用途變成汽車的主要動力來源，再放回車內。

最後，電動車出來了…

後話

感謝讀完全文。

這兩篇其實就是一個課程的筆記總結，加上一點筆者的想法，和想到比較接近生活的例子的記錄。

有興趣更加深入了解這個系統創造思維，網上會有更多詳細的資料。Roni Horowitz 的論文 ”Creative Problem Solving in Engineering Design” 可以作為參考，論文會稍長。Drew Boyd 則是現今努力推廣這個方法的導師。

如果讀完有幫助，懇請給筆者一個讚作為鼓勵，支持。歡迎留言交流討論，謝謝。

原文可參閱網站MM Byte Size Learning。

本文亦同時發佈於方格子和Potato Media。