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

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% 。

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，

LES NTal k … 数据 平台 数据收集 数据存储 数据集市 多维度查 阅 数据更新 数据个性 化 数据权限 控制 运营数据可视化 数据预警 供应链预警 销量预测 智能供应链 库存预测 数据规约 数据集成 数据交换 数据清洗 数据建模 价值挖掘 ROI 收 集 投入计 算 投入预 测 投入分 配 营销管理 用户行为分析 会员活动 会员机制 会员消息 会员推荐 智能商品排序 关联商品推荐 热销商品推荐 智能推荐 数据接口 订单 市 场 数 据 精 确 管 理 运 营 精 细 化 业 务 处 理 平 台 生产预测 配送预测 精准营销 基础数据 分析 营销分析 用户分析 运营分析 市场 负责人 营销 负责人 运营 负责人 库存 管理员 …… 其 他 数 据 分 析 系 统 4 章节 01 没有成熟的销售预测产品，人工预测工作量巨大，周期 长，无法完成供应链数据的可视化 用户行为数据收集不全面，不能支撑用户画像，无法实 现用精确营销及站内个性化推荐 业务现状 7 数据分析 - 总结经验指导未来 分析 销售 指导 采购 优化 仓储 8 供应链问题 销售预测准确率低 库存配置不合理 补货周期长 T+2提前期长 补货不及时 手动采购有限制 预测方法不合理

浪费不知情  信息化孤岛：能源相关系统独立运 行，无法集中综合管控  园区能效管理粗放，预测不准确， 能源利用率低  缺乏专业的能效管理和节能分析 能效管理 1.0 能效管理 2.0 能效管理 3.0 无有效节能手段 无法实时管理，事后管理为主 技术、数据和业务融合， 事前预测，事中控制，事后追溯 实时监控 事中控制  完成能源计量数据采集，实现状态 监控   实现一定的能耗数据统计分析  单点节能，无系统节能和管理节能 的手段  缺乏能耗预测方法，缺乏节能分析 手段  统一 ICT 资源、统一联接、统一数 据 底座，统一集成平台，实现以业 务 驱动的全融合；  实现完整的能耗数据监控，统计和 分析  系统节能，管理节能  提供多种能效智慧化分析手段，提 供有效的节能建议 5 目录 1. 园区能效管理发展趋势 IAM 、 EI 、 IEF 等 10 个 平台组件。体现了平台 的 集 成性和连接性。 3. 支持：公有云 / 混合云部署。 ...... 能效实时监测 异常告警及处置 能效统计分析 能源运营预测优化 联接 4G/5G Wi-Fi 5/ 6 NB- IoT Etherne t Optical e-LTE …… 端 照明系统 智能电表 空调机组 AHU/VAV 新风机组 制冷主机、冷却泵、冷却塔

AI+ 质量管理是运用人工智能、大数据、物联网、云计算等新一代信息技术，对产品质量进 行全生命周期、全过程、全要素的智能化管理，实现质量问题的预防、预测、预警和持续改进。 - 预防性 ：从被动检测转向主动预防 - 预测性 ：预测质量趋势和潜在问题 - 实时性 ：实时监控和反馈质量状态 - 全面性 ：覆盖产品全生命周期 - 智能性 ：具备自学习和自优化能力 AI+ 质量管理——方案概述 3 、 质量预测 根据实时生产数据和模型 ，预测产品质量趋势 ，及时发现潜在质量问题。 4 、 工艺参数优化 利用优化算法 ，对关键工艺参数进行调整 ， 以实现产品质量的最 大化。 形成闭 环 ， 持 续 改进 AI+ 质量管理——架构蓝图 ① 生产过程透明化（ SPC 全流程 监控，保障设备生产过程工艺稳 定可靠）：快速定位稳定性不足 的环节，为后续预测与优化提供 数据基础； 数据基础； ② 生产过程可预测（ AI 驱动优化， 实现预测性维护与分析）：构建 AI 模型实现质量预测、工艺调优 与故障预判，形成主动式管控闭 环。 ③ 知识经验可关联可沉淀 （ FMEA 失效模式与影响分析 +LLM 大语言模型，闭环反馈）： 产品研发设计和生产过程知识库、智 能体问答应用。 AI+ AI+ 质量管理——产品清单 基本模块 基本模块 算法管理模块 算法管理模块 单工序闭环控制

.52 5.2 客户行为预测............................................................................................................................................................54 5.2.1 购买意向预测............. DeepSeek 大模型作为 CRM 的核心 技术，不仅能够提升客户互动的质量，还能通过数据驱动的洞察优 化营销策略和客户服务。 DeepSeek 大模型的优势在于其强大的数据处理能力和精准的 预测分析。通过整合多源数据，包括客户行为数据、交易历史、社 交媒体互动等，DeepSeek 能够生成全面的客户画像，帮助企业更 好地理解客户需求和行为模式。此外，其自学习能力使得模型能够 持续优化，适应不断变化的商业环境。 DeepSeek 大模型在 CRM 中的主要应用场景：  客户细分与个性化推荐：通过分析客户数据，将客户细分为不 同的群体，并为每一群体提供个性化的产品和服务推荐。  预测分析：利用历史数据和机器学习算法，预测客户未来的购 买行为和偏好，提前制定营销策略。  自动化客户服务：通过自然语言处理技术，实现自动化的客户 服务，如聊天机器人，提高响应速度和服务质量。  风险管理：识别