基于人工智能技術(shù)的電網(wǎng)物資標(biāo)準(zhǔn)化推薦系統(tǒng)構(gòu)建

羅霞+劉輝林+左楠

摘 要：標(biāo)準(zhǔn)是對(duì)重復(fù)性事物和概念所做的統(tǒng)一規(guī)定，標(biāo)準(zhǔn)化是指為在一定的范圍內(nèi)獲得最佳秩序，對(duì)實(shí)際的或潛在的問題制定共同的和重復(fù)使用的規(guī)則的活動(dòng)。自2005年以來，國家電網(wǎng)公司持續(xù)開展物資標(biāo)準(zhǔn)化建設(shè)工作，不斷完善公司物資采購標(biāo)準(zhǔn)，解決了公司各單位物資分類及物料主數(shù)據(jù)不一致、物資采購技術(shù)要求不規(guī)范等問題，實(shí)現(xiàn)了物料主數(shù)據(jù)、物資采購標(biāo)準(zhǔn)的統(tǒng)一。本案提出基于人工智能技術(shù)的推薦系統(tǒng)應(yīng)用在國網(wǎng)電網(wǎng)公司物資標(biāo)準(zhǔn)化工作的業(yè)務(wù)構(gòu)想，進(jìn)一步提高標(biāo)準(zhǔn)物料的選用集中度與選擇效率，推進(jìn)電網(wǎng)物資標(biāo)準(zhǔn)化。

關(guān)鍵詞：人工智能；標(biāo)準(zhǔn)化；推薦系統(tǒng)

中圖分類號(hào)：TM711 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2017）21-0136-02

1 研究背景與研究意義

標(biāo)準(zhǔn)是對(duì)重復(fù)性事物和概念所做的統(tǒng)一規(guī)定，標(biāo)準(zhǔn)化是指為在一定的范圍內(nèi)獲得最佳秩序，對(duì)實(shí)際的或潛在的問題制定共同的和重復(fù)使用的規(guī)則的活動(dòng)。自2005年以來，國家電網(wǎng)公司持續(xù)開展物資標(biāo)準(zhǔn)化建設(shè)工作，不斷完善公司物資采購標(biāo)準(zhǔn)，解決了公司各單位物資分類及物料主數(shù)據(jù)不一致、物資采購技術(shù)要求不規(guī)范等問題，實(shí)現(xiàn)了物料主數(shù)據(jù)、物資采購標(biāo)準(zhǔn)的統(tǒng)一。在國家電網(wǎng)公司現(xiàn)行物料體系中共3569個(gè)小類，146269條物料主數(shù)據(jù)，其中標(biāo)準(zhǔn)物料16573條，固化技術(shù)規(guī)范書31069條。由于眾多的物資型號(hào)、新設(shè)備新材料新標(biāo)準(zhǔn)的應(yīng)用給設(shè)計(jì)人員造成理解上的差異與信息過載的問題。

本文通過基于人工智能技術(shù)的推薦系統(tǒng)應(yīng)用，提升標(biāo)準(zhǔn)物料選型的效率與準(zhǔn)確性，主要意義有以下幾點(diǎn)：

（1）推薦系統(tǒng)將實(shí)現(xiàn)設(shè)計(jì)人員更加靈活的標(biāo)準(zhǔn)化物料選型，有利于典型設(shè)計(jì)、固化技術(shù)規(guī)范書的迅速推廣。（2）實(shí)現(xiàn)工程物資通用調(diào)配。隨著物資通用性的進(jìn)一步提高，使得工程項(xiàng)目間的物資調(diào)配成為可能，在提高物資供應(yīng)能力的同時(shí)，降低工程物資的供應(yīng)風(fēng)險(xiǎn)。（3）支撐運(yùn)行檢修專業(yè)化。通過推薦系統(tǒng)的運(yùn)用，標(biāo)準(zhǔn)物料集中度的提高能減少相同類型設(shè)備間的差異性，提升檢修人員的工作效率，同時(shí)在設(shè)備搶修中，推薦系統(tǒng)可提供搶修人員提供替代型號(hào)，爭(zhēng)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(shè)備通用性的提升使得在運(yùn)設(shè)備的備品備件數(shù)量明顯下降，節(jié)約流動(dòng)資金，降低運(yùn)行維護(hù)成本。

2 國內(nèi)外研究水平及相關(guān)理論基礎(chǔ)

推薦系統(tǒng)常用的算法在之前的一些文獻(xiàn)中已有比較詳盡的概述，常用的包括近鄰?fù)扑]，基于隱變量模型推薦等。近鄰算法是指通過計(jì)算用戶與用戶或者用戶與商品間的某種距離，以這種計(jì)算出的距離為依據(jù)進(jìn)行推薦?；陔[變量的方法則往往用于處理一些較為復(fù)雜的問題。它假設(shè)用戶之所以喜愛或選擇某種物品，是因?yàn)橛脩艉臀锲分g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，難以直觀描述的，因而需要用一些方法去推測(cè)這些隱含的量，進(jìn)而根據(jù)這些用戶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(tǒng)構(gòu)建

3.1 推薦系統(tǒng)業(yè)務(wù)應(yīng)用場(chǎng)景設(shè)計(jì)

本文推薦系統(tǒng)業(yè)務(wù)流轉(zhuǎn)步驟是：（1）通過挖掘基礎(chǔ)數(shù)據(jù)、標(biāo)準(zhǔn)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，為設(shè)計(jì)人員提供不同用戶、不同項(xiàng)目類型之間相似的標(biāo)準(zhǔn)物料，使設(shè)計(jì)人員可快速查找到通用的、標(biāo)準(zhǔn)物料信息。（2）項(xiàng)目管理人員在接收到設(shè)計(jì)人員提供的信息后，可通過推薦系統(tǒng)提供的推薦信息復(fù)核是否選用標(biāo)準(zhǔn)物料。（3）物資計(jì)劃管理人員根據(jù)項(xiàng)目人員的復(fù)核結(jié)果，以及推薦系統(tǒng)提供的推薦信息復(fù)核標(biāo)準(zhǔn)物料選用情況。（4）對(duì)項(xiàng)目物資進(jìn)行采購，采購信息計(jì)入歷史采購數(shù)據(jù)庫，如圖1所示。

3.2 推薦引擎概要設(shè)計(jì)

推薦系統(tǒng)的核心是推薦引擎，本創(chuàng)意推薦引擎主要由業(yè)務(wù)數(shù)據(jù)層，算法邏輯層，業(yè)務(wù)規(guī)則層、應(yīng)用層四部分組成。業(yè)務(wù)數(shù)據(jù)層主要負(fù)責(zé)不同數(shù)據(jù)來源和類型數(shù)據(jù)的收集、存儲(chǔ)等，主要包括基礎(chǔ)數(shù)據(jù)（物料主數(shù)據(jù)庫、物料分類數(shù)據(jù)庫）、標(biāo)準(zhǔn)數(shù)據(jù)（固化技術(shù)規(guī)范ID庫、通用設(shè)計(jì)庫）與業(yè)務(wù)數(shù)據(jù)（庫存數(shù)據(jù)、歷史采購數(shù)據(jù)）等。算法邏輯層主要利用協(xié)同過濾和關(guān)聯(lián)規(guī)則等算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到推薦的中間結(jié)果。業(yè)務(wù)規(guī)則層由系統(tǒng)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(guī)則，從而對(duì)推薦結(jié)果進(jìn)行進(jìn)一步過濾和排序。應(yīng)用層主要負(fù)責(zé)提供不同的推薦類型接口，如組合推薦、相似推薦、貨源最近推薦等，如圖2所示。

4 總結(jié)與展望

通過基于人工智能技術(shù)的推薦系統(tǒng)在國家電網(wǎng)公司標(biāo)準(zhǔn)物料選型工作中的應(yīng)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(biāo)準(zhǔn)的導(dǎo)向性作用。隨著采購標(biāo)準(zhǔn)集中度的進(jìn)一步提高，對(duì)提高國產(chǎn)電力電氣設(shè)備制造標(biāo)準(zhǔn)化、電力行業(yè)標(biāo)準(zhǔn)化，積極引導(dǎo)供應(yīng)商生產(chǎn)制造，避免非標(biāo)準(zhǔn)物資設(shè)備的使用，降低資源消耗，創(chuàng)建節(jié)約型社會(huì)具有十分重要的意義。endprint