基於人工智慧科學技術的電網物資標準化推薦系統構建論文

摘 要：標準是對重複性事物和概念所做的統一規定，標準化是指為在一定的範圍內獲得最佳秩序，對實際的或潛在的問題制定共同的和重複使用的規則的活動。自2005年以來，國家電網公司持續開展物資標準化建設工作，不斷完善公司物資採購標準，解決了公司各單位物資分類及物料主資料不一致、物資採購技術要求不規範等問題，實現了物料主資料、物資採購標準的統一。本案提出基於人工智慧技術的推薦系統應用在國網電網公司物資標準化工作的業務構想，進一步提高標準物料的選用集中度與選擇效率，推進電網物資標準化。

關鍵詞：人工智慧；標準化；推薦系統

中圖分類號：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

標準是對重複性事物和概念所做的統一規定，標準化是指為在一定的範圍內獲得最佳秩序，對實際的或潛在的問題制定共同的和重複使用的規則的活動。自2005年以來，國家電網公司持續開展物資標準化建設工作，不斷完善公司物資採購標準，解決了公司各單位物資分類及物料主資料不一致、物資採購技術要求不規範等問題，實現了物料主資料、物資採購標準的統一。在國家電網公司現行物料體系中共3569個小類，146269條物料主資料，其中標準物料16573條，固化技術規範書31069條。由於眾多的物資型號、新裝置新材料新標準的應用給設計人員造成理解上的差異與資訊過載的問題。

本文通過基於人工智慧技術的推薦系統應用，提升標準物料選型的效率與準確性，主要意義有以下幾點：

（1）推薦系統將實現設計人員更加靈活的標準化物料選型，有利於典型設計、固化技術規範書的迅速推廣。（2）實現工程物資通用調配。隨著物資通用性的進一步提高，使得工程專案間的物資調配成為可能，在提高物資供應能力的同時，降低工程物資的供應風險。（3）支撐執行檢修專業化。通過推薦系統的運用，標準物料集中度的提高能減少相同型別裝置間的差異性，提升檢修人員的工作效率，同時在裝置搶修中，推薦系統可提供搶修人員提供替代型號，爭取搶修時間，減少企業電量損失。（4）降低備品備件存量。裝置通用性的提升使得在運裝置的備品備件數量明顯下降，節約流動資金，降低執行維護成本。

2 國內外研究水平及相關理論基礎

推薦系統常用的演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，基於隱變數模型推薦等。近鄰演算法是指通過計算使用者與使用者或者使用者與商品?的'某種距離，以這種計算出的距離為依據進行推薦。基於隱變數的方法則往往用於處理一些較為複雜的問題。它假設使用者之所以喜愛或選擇某種物品，是因為使用者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，難以直觀描述的，因而需要用一些方法去推測這些隱含的量，進而根據這些使用者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網路，概率圖模型，神經網路等。

3 推薦系統構建

3.1 推薦系統業務應用場景設計

本文推薦系統業務流轉步驟是：（1）通過挖掘基礎資料、標準資料和業務資料，為設計人員提供不同使用者、不同專案型別之間相似的標準物料，使設計人員可快速查詢到通用的、標準物料資訊。（2）專案管理人員在接收到設計人員提供的資訊後，可通過推薦系統提供的推薦資訊複核是否選用標準物料。（3）物資計劃管理人員根據專案人員的複核結果，以及推薦系統提供的推薦資訊複核標準物料選用情況。（4）對專案物資進行採購，採購資訊計入歷史採購資料庫，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，本創意推薦引擎主要由業務資料層，演算法邏輯層，業務規則層、應用層四部分組成。業務資料層主要負責不同資料來源和型別資料的收集、儲存等，主要包括基礎資料（物料主資料庫、物料分類資料庫）、標準資料（固化技術規範ID庫、通用設計庫）與業務資料（庫存資料、歷史採購資料）等。演算法邏輯層主要利用協同過濾和關聯規則等演算法對資料進行預處理，得到推薦的中間結果。業務規則層由系統使用者進行配置，配置特定物料推薦時必要的條件和規則，從而對推薦結果進行進一步過濾和排序。應用層主要負責提供不同的推薦型別介面，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

通過基於人工智慧技術的推薦系統在國家電網公司標準物料選型工作中的應用，將提高電力企業物資選型的集中度，進一步發揮企業採購標準的導向性作用。隨著採購標準集中度的進一步提高，對提高國產電力電氣裝置製造標準化、電力行業標準化，積極引導供應商生產製造，避免非標準物資裝置的使用，降低資源消耗，建立節約型社會具有十分重要的意義。