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）*

预测性维护 03.2021 上海 / 中国 罗兰贝格 洞见 数字化运维的制胜基石 1 随着互联技术的革新、大数据的应用与积累、计算能力的提 升及相关模型理论的高速发展，人工智能的应用场景逐渐丰 富，并在近几年逐步过渡到实操落地。各行各业正积极探索 通过人工智能赋能的运营模式，并以此推动产业升级及长期 的运营转型。 在政策端，从2017年7月国务院印发的《新一代人工智能发 展 备品备件销售、设备维护及维修等）作为制造业的重要组成 元素，通过工业互联网及人工智能的深度融合打造出创新的 应用场景，并实现持续降本增效的趋势目标。 运维服务的发展进程主要分为四个阶段： 01 预测性维护是什么？ 我们为什么需要它？ 封面图片： koto_feja 01 / 运维服务的发展进程 从需求侧来看，完整的数字化运维服务将成为企业选择运维 服务供应商的主要考量维度之一。罗兰贝格针对全球领先制 能赋能的数字化运维解决方案将是新的趋势。 资料来源：罗兰贝格 基于故障 预测的维护 响应式 维修 计划性 维护 基于条件 的维护 "故障后维护" "预防性维护" "预测性维护" "状态监控式维护" 2 02 / 预测性维护运作原理 1.消极维护：这是运维服务最原始的方式，通常指当机械故 障后安排技术人员到场维修。由于此维护方式通常发生在 设备故障后，具有高度不可预测性及突发性，且设备本身 的损伤程度较高，易造成修理时间及费用垫高等情况，还

研究报告 2025 年全球感知技术十大趋势预测 2 前言 在当今时代，人工智能、大数据、物联网以及新型通信技术正以前所未有的速度蓬勃发展。 这些技术的不断进步，犹如一股强大的推动力，为感知技术的发展带来了前所未有的机遇。感知 技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定 市场前景以及丰富的商业落地案例。我们力求为读者呈现一幅全景式的未来感知技术图谱，让读 者能够清晰地了解感知技术的发展脉络和未来走向。 研究报告 2025 年全球感知技术十大趋势预测 3 目录 前言...................................................................................... .................................................................... 23 研究报告 2025 年全球感知技术十大趋势预测 4 二、 商业案例 ....................................................................................

9 ◼ 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%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑电网的负荷需求、不同 市场供需分析与预测： 1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Deepseek可以对能源的市场需求进行准确预测。例如， 通过分析城市的人口增长趋势、工业发展规划以及居民生活方式的变化，预测城市未来的电力需求增长情况，为电力企 业的规划和投资提供依据。 2、供应分析：对于能源的供应端， Deepseek可以分析能源生产 企业的产能、设备运行状况、资源储备等信息，预测能源的供应 能力和供应稳定性。例如，在石油和天然气行业，模型可以根据 油田的产量数据、设备的维护情况以及新的勘探开发计划，预测 未来的油气供应情况，帮助交易商和供应商提前做好应对措施。 3、供需平衡分析：综合考虑能源的市场需求和供应情况， Deepseek可以对能源市场的供需平衡进行分析和预测。有助于市场监管部 门及时发现供需失衡的情况，并采取相应的调控措施，如调整能源价格、增加能源供应或引导需求侧管理，以维护能源市场的稳定。

将会产生巨大的经济效益。 本文 以重型装备制造企业的节能减排为需求， 介绍了重型装 备制造企业能源管理系统的设计与实现。 该能源管理系 统主要对能源介质、 能耗设备、 计量设备、 计量数据、 能耗统计、 能源消耗预测进行管理。 1 系统设计 1.1 系统设计思想 （1）能源消耗统计。 本系统以能耗设备为统计单位， 对能耗设备基础数据进行统计分析， 可以实现车间、 能 源介质、 设备等统计对象在任意（年、季、月、日）时间单 C# 和 SQL Server 数据库的交互通过 ADO.NET 实 现。 （2）能源消耗预测。 在能耗统计基础上可以进行能源 消耗预测， 能源消耗预测是基于历年各个产品的产量和 当年的能源消耗量来进行的， 给定预测年份各个产品的 产量， 采用最小二乘法， 即可得到该预测年份的能源消 耗预测值。 矩阵 A 为 6×5 维度的由 a11～a65 组成， 即为往年各个 产品数量矩阵， 矩阵 天然气/ 煤气使用累积量 （EnergyConsume） x1～x5 为产品一到产品五在预测年份（如 2013 年）的产品 单耗， 通过矩阵计算求出矩阵 X， 得到 x1～x5 的值。 矩 阵 P 为 1×5 维度的由 p1～p5 组成， p1 到 p5 为产品一到产 品五在预测年份的产品数量， 预测年份的总能耗为 E： E=p1x1+p2x2+p3x3+p4x4+p5x5。 矩阵计算如下：

� 亚洲零售数字化行业市场规模，按收入计（����-����预测） � 中国零售数字化行业市场规模，按收入计（����-����预测） � 零售数字化产业链生态图谱 � 亚洲零售行业市场规模，按照地区进行细分（����-����预测） �.� 亚洲实体零售行业市场规模（����-����预测） �.� 亚洲零售行业的痛点分析 �.� � 全球零售行业市场规模，按零售额计（����-����预测） � 全球零售行业市场规模，按照大洲进行细分（����年） � 中国零售数字化企业出海趋势分析 � 中国零售数字化企业出海的机遇和挑战 � AI技术赋能中国零售数字化企业出海 � 中国零售行业市场规模，按零售额计（����-����预测） ····························· 下，产品质量问题追溯也常因信息滞后引发消费端的不满，难以迅速处理诸如门 店库存和产品质量等问题。零售企业，尤其是大型零售企业，需要通过数字化系统 提升供应链整合能力，对供应商进行统一优化管理，并利用销售预测等技术打破 门店需求与供应商供应之间的壁垒，从而降低零售企业的运营成本，提高业务效 率。 �.� 零售行业的复杂性 助力零售赢在数字时代 Empower Retailers to Thrive

"三角失衡，数据治理滞后、算法黑箱与 行业适配断层是主要障碍 01BI受限，AI重构决策： ◆ 传统BI受限于封闭架构与技术壁垒，难以满 足实时动态决策需求 ◆ AI通过自动化数据流水线与智能算法重构 全链路效率，推动主动预测式决策 02ABI爆发增长，厂商驱动转型： ◆ 中国ABI市场呈现爆发式增长，未来将持 续高速扩张 ◆ 头部厂商正加速ABI的自动化、智能化、 普惠化，驱动企业决策机制深度转型 白皮书｜2025/05 核心生产要素的战略价值，但传统BI因封闭架构、静态处理、 技术壁垒及历史决策惯性，难以支撑从实时感知、多元分析 到预测决策的现代化转型需求，其滞后性不仅削弱企业对市 场动态的敏捷响应能力，更成为全员数据赋能与战略前瞻决 策的关键瓶颈。 ❑ AI赋能通过构建自动化数据流水线释放人力冗余，依托智能 算法提供动态预测与战略决策支持，不仅重构数据采集、处 理与分析的全链路效率，更推动决策机制从被动响应转向前 瞻 leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 传统BI产品局限性分析 传统BI受限于数据封闭、静态处理、高技术门槛与历史导向等，难以适应 实时、多元与预测驱动的现代商业需求。这些短板削弱了企业对外部动 态的感知，也无法满足敏捷决策与全员赋能的时代要求 人工智能与商业智能发展背景——传统BI局限性 来源：头豹研究院 传统BI系统主要依赖企业内部的

*预警预测* 基于互联网搜索引擎的传染病监测 预警研究进展 黄思超1，刘魁2，蒋健敏2 摘要： 传染病监测预警是传染病防控工作的重要技术手段，互联网的快速发展与搜索引擎的普及应用为传染病的监测提供了 新的思路和方法。 本研究重点阐述了国内外研究者利用搜索引擎开展传染病监测预警的研究进展，为现有传染病监测预警系统 的完善和补充提供参考。 关键词： 传染病监测预警；搜索引擎；大数据；流行病学 周。随后，Ginsberg 等［4］在 2009 年提出了谷歌流感趋势（google flu trends，GFT）的 概念：其构建的模型纳入了 45 个流感及类似流感 症状的检索词。谷歌的 GFT 模型的预测结果与美 国疾病预防控制中心（CDC）流感病例监测结果的 相关系数高达 0.97，并比美国 CDC 流感监测系统 报告早 1 ~ 2 周。初步证明了基于网络监测可以提 早 发 现 疫 情 。 其 后 vardguiden 选取流感相关 搜索词并获得其检索数，结果显示与实验室流感确 诊病例数构成比和哨点报告的流感及类似流感症 状病例模型的确定系数 R2 分别为 0.90 与 0.89，验 证结果显示预测发病高峰与实际发病高峰高度重 合。Pelat 等［9］基于谷歌平台，研究了 2004－2009 年 法国流感、胃肠炎、水痘 3 种传染病临床哨点监测 数据与法语词条“禽流感疫苗”，“胃肠炎”，“水痘”

四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现；泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗 AlphaFold 促使蛋白质结构预测革命性进步 .......................................................... 12 2.3 化合物虚拟筛选有效提升化合物结构新颖性 ...................................................... 12 2.4 ADMET 预测可提前考量药物成药可能性 ..

运 维 大 会 2 0 1 9 · 上 海 站 监控运维体系规划 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 建设目标&要求 与AI技术结合进行故障、性能及容量的预测， 实现监控智能化 推动规范化、自动化的运维管理流程，提供完 善的故障处理和快速修复机制 实时掌握数据中心整体资产配置使用情况、运 行趋势和健康状况，为决策层提供数据依据 • 及时性 故障在第一时间告警并通知管理员 规则匹配 回溯分析 预设规则 知识库 深度学习 决策树 异常反馈 …… 分析 使用率统计 预处理 过滤 实时告警 阈值判断 历史数据 业务分析 根因分析 趋势分析 故障预测 数据挖掘 大数据分析 dbs api G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 技术架构 Kafka 历史数据 t agent tt Heatbea t-server callback logstash agent logstash agent logstash 心跳、配置同步 redis redis mysql 定时同步 历史查询 历史查询 故障预测 历史查询 历史查询 报表服务 transfer transfer 通知模块 事件处理 自动处理 人工处理 告警处理 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海