2021年6月 供应链预测算法及应用 王桐 阿里巴巴-数字供应链事业部 Outline： • 预测场景及特性 • 预测算法研发路线及结果 • 预测应用案例 GMV预测 预测标的：GMV 提前期：未来1个月、一年 颗粒度： 行业*天*全国，行业 *月*全国 用途：支持整体经营计划（KPI制定，营销资源分配，供 应链资源分配） 评估口径：达成率 real/fcst （离线）商品销量预测：支持补货、调拨决策 （离线）商品销量预测：支持补货、调拨决策 （离线）仓单量预测：支持仓库、配送产能（人力）准备 （离线）GMV预测：支持长期经营计划 销量预测 预测标的：销量（需求） 提前期：未来1~8周 颗粒度： 货品*天*仓 用途：支持采购、补货、调拨决策 评估口径：minmax，加权平均 单量预测 预测标的：交易单/物流单数量 提前期：未来1天，未来1周 颗粒度： 货主*天*仓，行业 *天*仓 用途：支持仓库端人力准备 评估口径：1-MAPE，加权平均 供应链预测场景及特性 T T-1h T-1d T-1w T-4w T-8w T-1y 预测场景细分方式： • 预测标的：GMV、销量、单量、客服呼叫量、云计算请求量等各种不确定的需求 • 提前期：离线（长期（y, m）、中期(w)、短期(d)）、实时(h) • 颗粒度：预测对象颗粒度（店铺、行业、类目；商品、sku、货品；货主、行业）*

1 实现降本增效 By ：施耐德电气 梅峰 建材及矿业能力中心经理 如何通过预测与控制 智能工厂 智能工厂建设目标： 5 个方向 故障维修 预防维护 人工操作 机器操作 事后统计 质量预控 人工经验 智能决策 资源效率 安环第一 人 机 料 法 环 3 战略决策 持续发展 设备效率 业务运营 能效管理 生产工艺控制 设备级 生产级 控制级 企业级 山 实时性 4 层架 构 智能化的三层深度 数字化 3 2 1 • 信息的记录、存储、查询、汇总、展示 • 移动 APP 访问信息 • 便于数据的追溯、比对、分析、总结 •智能预测 •智能分析 •智能决策 •让机器替代人形成强大劳动力 信息化 智能化 物理工厂 人的经验 经验知识化 知识模型化 模型算法化 算法代码化 代码软件化 软件使用 • 质量 • • 物流 • 书面信息数字化 • 智能设备 自 动 数 据 采 集 • 自 动取样 • 在线分析 • 自 动感知 人 智 ” 到 “ 智机 3 层深 度 5 APC 智能预测与控制 6 借助于智能控制，可以消除人与人的差别 操作员不同，造成成本和质量上的差异 288 万 每月能耗成本节约 24 万 每年能耗节约 288 万 CO2 减排 8400

图形 1 AI+ 设备（预测性维护）方案 图形 1 背景 加入星球获取更多更全的数智化解决方案 预测性维护是工业大数据和人工智能结合落地的重要应用场景 ，为企业带来多方 面效益 预测性维护（ Predictive Maintenance ，简称 PDM ）是以设备状态为依据的新兴的维护方式 ，在设备运行时对其主要部位进行周期性 或 持续监测 ，判定其所处的状态 ，预测状态未来的发展趋势 ，并依据该状态发展趋势和可能的故障模式 ，并依据该状态发展趋势和可能的故障模式 ，预先制定维修计划 ，确定机器应该修 理的时间、 内容、方式。预测性维护可以为企业带来以下效益： ☐ 降低维保成本 ☐ 延长设备寿命 ☐ 提高设备使用率 ☐ 减少库存成本 ☐ 提升生产安全 维护触发点 固定周期，不考虑设备实际 状态，可能带来过度维护 必要时，预留足够应对时间 给一线人员在故障前做出应对 维护方式 根据零部件的平均损坏率进行维护， 不考虑实际运行状态 根据设备的实际运行状态 决定维护方式及关注点 维护成本 维护成本高， 停机停产时间较长 维护成本低， 停机停产时间较短 使用场景 无法准确获得单体 设备运行状态时 单体设备状态可获知时 预测性维护与预防性维护虽然只有一字 之差 ，在理念上却截然不同。预防性维 护不考虑系统设备当前的运行状态和健 康状态 ，是按照已经安排好的时间来完 成计划内的维护工作 ，会引起过度维护

13334/j.0258-8013.pcsee.181058 文章编号：0258-8013 (2019) 23-6791-13 中图分类号：TM 73 园区型综合能源系统多时间尺度模型 预测优化调度 王成山 1，吕超贤 1，李鹏 1，李树泉 2，赵鲲鹏 2 (1．智能电网教育部重点实验室(天津大学)，天津市 南开区 300072； 2．国家电网公司客户服务中心，天津市 东丽区 有 效的调度策略是实现这一目标的关键。该文针对一个实际园 区综合能源系统冬季运行优化调度问题进行研究。在对设备 进行详细建模基础上，建立包含滚动优化环节和动态调整环 节的两阶段多时间尺度模型预测控制调度策略：滚动优化阶 段以系统运行费用和机组启停罚金最小为目标，结合分时电 价并考虑多系统互补运行，通过多步滚动求解制定系统大时 间尺度调度计划；动态调整阶段以滚动优化阶段调控计划为 基 越性，有效降低运行成本，减少主机启停次数；动态调整阶 段的引入可快速响应可再生能源和系统负荷小时间尺度变 化，经济可靠地满足系统用能需求。 关键词：园区型综合能源系统；蓄热装置；启停罚金；模型 预测控制；多时间尺度；优化调度 0 引言 随着化石燃料的枯竭和全球环境污染问题的 日益突出，开发和利用可再生能源，提高终端能源 消费的效率、清洁化水平至关重要[1-3]。园区型综合 能源系统(community

腾讯 以 Deep5eek 为代表 的 在能源行业的应用 前景预测 贾德香 博士、正高 国网规划计划领军人才、 国网能源院高级专家 注册电气师、 咨询师 OT Deep5eek 等 RI 大模型简介 Deep5eek 在能源应用前景 预测 0 3 挑战与应对策略 Deep5eek 等 RI 大 模型简介 20 世纪 50 ~ 70 年代是人工智能技术的萌芽时期。 集群、分布式训练框架等。 二、 AI 大模型的核心技术与特 点 Te n c e n 腾 讯 Te n c e n 腾 讯 02,Deep5eek 等 RI 大 模型在能源应用前景 预测 n 国网光明电力大模型：（开源与闭源并举） 发输变配用、调度、交易 规划、建设、运行、检修、营销 n 南网，大瓦特 n 三峡集团“大禹”大模型 n 中核集团龙吟大模型 n 中国广核，“锦书”大模型 RI 大 模型在能源应用前景 预测 能源生产与管理 n 新能源发电优化： 1 、精准的功率预测： DeepSeek 可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如， 针对某风光装 机占比达 58% 的省级电网， DeepSeek 通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从 19% 降至 3.2% ，日前预测精 度提高 至 94.7% 。

人工智能在电力需求侧仿真与预测中的若千应用 景锐 ( 副教授 ) 厦门大学能源学院 目录 1 在仿真中应用 2 在预测中应用 2 3 背景意义 全球变暖， 2024 年为有记录以来全球最热年，为舒适与健康不得不消耗大量能源 ! 《电力系统调节能力 优化专项行动实施方 案 (2025-2027 年 ) 》 目标：在需求侧建设相当于 5% √ 全国所有城市 个厦门城市微气候： √ 1km/1h 温、光、风、湿、 水 √ 全国所有城市 14 目录 1 在仿真中应用 2 在预测中应用 15 门控循环单元 GRU 为 LSTM 的 简化 变体，将遗忘门与输入门合并为更 新门，将输出门替换为重置门，可 对前序信息进行记忆或遗忘，兼顾 负荷序列时序性与非线性，进一步 hi Transformer 由多个编码器 和 解码器组成，核心在于多头自 注意力机制，捕捉输入序列中 每个元素与其他元素的相关性 Transformer 负荷预测的深度学习方法 CNN 在 BP 网络基 础上将隐含层替换 为卷积层与池化层， 减少网络需要优化 的参数 CNN 人 t 是 LSTM 保留 RNN

求计划的验证过程，同时密切监控 预测准确性 C- 供应计划  甲方还需在供应商协同、端到端供 应能力可见性等方面进行提升 物流网络和相应的库存计划与监控 仍然较弱 B-S&OP S&OP 关注解决需求和供应的冲 突，欠缺对年度财务计划的考虑 应尽快提高 IT 支持的整体水平，并 加快决策速度 A1- 客户协同 A2- 预测周期 A3- 预测 A4- 内部协同 A5- 计划物流部 • 分公司计划物流经理：制定分公司 4/5 周销售预测，制定分公司购销合同，制定 要货计划 市场部 • 市场部经理：负责制定分公司市场活动方案，指导分公司销售预测 办事处 • 办事处经理：协助计划物流经理制定购销合同及销售预测 • 渠道经理：协助计划物流经理制定购销合同及销售预测 • 业务员：协助计划物流经理制定购销合同及销售预测 海外营销 总部 行销部 计划组 • FCST Plan name 总部 4 周净需求 Horizon 5 周 Bucket 每周 考虑 CDC+RDC 库存 需求计划重点关注 蝈内需求高阶流程 蝈内需求计划主要由总部制定 3 个月滚动预测及月度购销合同，指导物料采购及 月度生产 Plan name 物料采购计划 ( 短周期 ) Horizon 4 周 Bucket 每周 考虑物料库存及供应商反馈 参考 参考 1.1 1

体系规划总图 体系规划总图 计划流程规划 计划流程规划 销售的供应资源匹 配诊断 销售的供应资源匹 配诊断 供应商产能管理体 系规划 供应商产能管理体 系规划 销售预测管理 ( 线 上 + 线下） 销售预测管理 ( 线 上 + 线下） 供应链计划体系及 组织诊断 供应链计划体系及 组织诊断 供应链体系规划 供应链体系规划 执行体系诊断 执行体系诊断 执行体系流程规划 柔性供应链策略——动态均衡库存管理 柔性供应链策略——动态均衡库存管理 敏捷供应链策略——交付周期优化规划 敏捷供应链策略——交付周期优化规划 S&OP 精细化标签管理 S&OP 精细化标签管理 销售预测诊断（线 上 + 线下） 销售预测诊断（线 上 + 线下） 订货模型诊断 订货模型诊断 周 周 电商促销活动 电商促销活动 实操案例（以 8 月促销活动大面积断货为案例分析良品整个 S&OP ） 实操案例（以 致各段库存不能时时进行协调和监控，库存不 合理时时出现； 2 、产品预预实差异很大，没有建立科学的分 析、计算、监控机制，导致公司两级分化（大 批断货和大批库存积压）； 3 、产品分类计划维度过于单一，不能有效指 导预测、订单计划、储备、发货、售卖，周转 效率和产品新鲜不佳，消费者体验差； 4 、全渠道对于产品新鲜体验、品质安全没有 能够很强贯彻组织的日常工作中，不能高效和 指导员工的工作； 5 、公司缺乏产品新鲜管理的机制和技术手段，