- 相關(guān)推薦
基于人工智能科學(xué)技術(shù)的電網(wǎng)物資標準化推薦系統構建論文
摘 要：標準是對重復性事物和概念所做的統一規定，標準化是指為在一定的范圍內獲得最佳秩序，對實(shí)際的或潛在的問(wèn)題制定共同的和重復使用的規則的活動(dòng)。自2005年以來(lái)，國家電網(wǎng)公司持續開(kāi)展物資標準化建設工作，不斷完善公司物資采購標準，解決了公司各單位物資分類(lèi)及物料主數據不一致、物資采購技術(shù)要求不規范等問(wèn)題，實(shí)現了物料主數據、物資采購標準的統一。本案提出基于人工智能技術(shù)的推薦系統應用在國網(wǎng)電網(wǎng)公司物資標準化工作的業(yè)務(wù)構想，進(jìn)一步提高標準物料的選用集中度與選擇效率，推進(jìn)電網(wǎng)物資標準化。
關(guān)鍵詞：人工智能；標準化；推薦系統
中圖分類(lèi)號：TM711 文獻標識碼：A 文章編號：1671-2064（2017）21-0136-02
1 研究背景與研究意義
標準是對重復性事物和概念所做的統一規定，標準化是指為在一定的范圍內獲得最佳秩序，對實(shí)際的或潛在的問(wèn)題制定共同的和重復使用的規則的活動(dòng)。自2005年以來(lái)，國家電網(wǎng)公司持續開(kāi)展物資標準化建設工作，不斷完善公司物資采購標準，解決了公司各單位物資分類(lèi)及物料主數據不一致、物資采購技術(shù)要求不規范等問(wèn)題，實(shí)現了物料主數據、物資采購標準的統一。在國家電網(wǎng)公司現行物料體系中共3569個(gè)小類(lèi)，146269條物料主數據，其中標準物料16573條，固化技術(shù)規范書(shū)31069條。由于眾多的物資型號、新設備新材料新標準的應用給設計人員造成理解上的差異與信息過(guò)載的問(wèn)題。
本文通過(guò)基于人工智能技術(shù)的推薦系統應用，提升標準物料選型的效率與準確性，主要意義有以下幾點(diǎn)：
�。�1）推薦系統將實(shí)現設計人員更加靈活的標準化物料選型，有利于典型設計、固化技術(shù)規范書(shū)的迅速推廣。（2）實(shí)現工程物資通用調配。隨著(zhù)物資通用性的進(jìn)一步提高，使得工程項目間的物資調配成為可能，在提高物資供應能力的同時(shí)，降低工程物資的供應風(fēng)險。（3）支撐運行檢修專(zhuān)業(yè)化。通過(guò)推薦系統的運用，標準物料集中度的提高能減少相同類(lèi)型設備間的差異性，提升檢修人員的工作效率，同時(shí)在設備搶修中，推薦系統可提供搶修人員提供替代型號，爭取搶修時(shí)間，減少企業(yè)電量損失。（4）降低備品備件存量。設備通用性的提升使得在運設備的備品備件數量明顯下降，節約流動(dòng)資金，降低運行維護成本。
2 國內外研究水平及相關(guān)理論基礎
推薦系統常用的算法在之前的一些文獻中已有比較詳盡的概述，常用的包括近鄰推薦，基于隱變量模型推薦等。近鄰算法是指通過(guò)計算用戶(hù)與用戶(hù)或者用戶(hù)與商品間的某種距離，以這種計算出的距離為依據進(jìn)行推薦�；陔[變量的方法則往往用于處理一些較為復雜的問(wèn)題。它假設用戶(hù)之所以喜愛(ài)或選擇某種物品，是因為用戶(hù)和物品之間有一些隱含的屬性相匹配，這樣隱含的屬性往往是較為抽象，難以直觀(guān)描述的，因而需要用一些方法去推測這些隱含的量，進(jìn)而根據這些用戶(hù)與物品的隱含量的匹配度，做出新的推薦。常用的方法包括矩陣分解，Bayes網(wǎng)絡(luò )，概率圖模型，神經(jīng)網(wǎng)絡(luò )等。
3 推薦系統構建
3.1 推薦系統業(yè)務(wù)應用場(chǎng)景設計
本文推薦系統業(yè)務(wù)流轉步驟是：（1）通過(guò)挖掘基礎數據、標準數據和業(yè)務(wù)數據，為設計人員提供不同用戶(hù)、不同項目類(lèi)型之間相似的標準物料，使設計人員可快速查找到通用的、標準物料信息。（2）項目管理人員在接收到設計人員提供的信息后，可通過(guò)推薦系統提供的推薦信息復核是否選用標準物料。（3）物資計劃管理人員根據項目人員的復核結果，以及推薦系統提供的推薦信息復核標準物料選用情況。（4）對項目物資進(jìn)行采購，采購信息計入歷史采購數據庫，如圖1所示。
3.2 推薦引擎概要設計
推薦系統的核心是推薦引擎，本創(chuàng )意推薦引擎主要由業(yè)務(wù)數據層，算法邏輯層，業(yè)務(wù)規則層、應用層四部分組成。業(yè)務(wù)數據層主要負責不同數據來(lái)源和類(lèi)型數據的收集、存儲等，主要包括基礎數據（物料主數據庫、物料分類(lèi)數據庫）、標準數據（固化技術(shù)規范ID庫、通用設計庫）與業(yè)務(wù)數據（庫存數據、歷史采購數據）等。算法邏輯層主要利用協(xié)同過(guò)濾和關(guān)聯(lián)規則等算法對數據進(jìn)行預處理，得到推薦的中間結果。業(yè)務(wù)規則層由系統使用者進(jìn)行配置，配置特定物料推薦時(shí)必要的條件和規則，從而對推薦結果進(jìn)行進(jìn)一步過(guò)濾和排序。應用層主要負責提供不同的推薦類(lèi)型接口，如組合推薦、相似推薦、貨源最近推薦等，如圖2所示。
4 總結與展望
通過(guò)基于人工智能技術(shù)的推薦系統在國家電網(wǎng)公司標準物料選型工作中的應用，將提高電力企業(yè)物資選型的集中度，進(jìn)一步發(fā)揮企業(yè)采購標準的導向性作用。隨著(zhù)采購標準集中度的進(jìn)一步提高，對提高國產(chǎn)電力電氣設備制造標準化、電力行業(yè)標準化，積極引導供應商生產(chǎn)制造，避免非標準物資設備的使用，降低資源消耗，創(chuàng )建節約型社會(huì )具有十分重要的意義。
【基于人工智能科學(xué)技術(shù)的電網(wǎng)物資標準化系統構建論文】相關(guān)文章：
基于μSOS的智能家居系統設計論文07-04
關(guān)于基于C的在線(xiàn)考試系統設計與實(shí)現論文07-04
基于樹(shù)莓派的智能家居系統設計與實(shí)現論文07-03
基于手機控制的智能家居安防系統設計論文07-04
簡(jiǎn)析基于MVC模式的高校實(shí)驗排課系統設計與實(shí)現論文07-03
淺談物聯(lián)網(wǎng)的逆向物流管理信息系統構建論文07-03