昆仑数据携手积微物联聚焦大宗物流吞吐
来源: | 作者:k君 | 发布时间: 2019-01-23 | 1896 次浏览 | 分享到:

近日,由工业和信息化部指导,中国信息通信研究院联合工业互联网产业联盟、华为、富士康、积微物联共同主办的第二届“中国工业大数据创新竞赛”决赛答辩会议在京圆满落幕。昆仑数据和清华大学主导发起的北京工业大数据创新中心作为2017-2018两届赛事的联合主办方和协办方,昆仑数据为该赛事提供竞赛选题、数据验证及专家评审等全程支持。在2017年与金风科技携手提供“对风偏航优化”赛题后,2018年,昆仑数据联合积微物联,提出“钢卷仓储吞吐量预测”这一钢铁产业园亟待解决的难题。


 
640111
 
关于“钢卷仓储吞吐量预测”
钢卷仓储吞吐量趋势预测,顾名思义是钢铁产业园的钢卷吞吐量,趋势变化不仅仅与如区域经济状况、供应商经营状况、钢铁市场等微观因素有关,还与国家政策、国内经济形势、国际经济形势等宏观因素有关。
 
赛题数据来源于积微物联下属的全资子公司达海产业园。通过对达海产业园历年的历史销售、订单、仓储、吞吐量等数据(经过脱敏处理)分析建模,并结合国家未来发展趋势、钢铁供需市场等外在因素,实现对未来一个月内,达海产业园各品类的钢铁吞吐量的预测分析,为提升钢铁园区运作效率提供决策支持。
 
预测任务主要有两个:
1.按照两大类货品类型(冷卷、热卷),分别预测未来4个周钢铁的周入库量和周出库量(重量);
2.按照两大类货品类型(冷卷、热卷),分别预测未来7天的日入库量和日出库量(重量)。
 
预测类数据分析问题的关键
和很多其他预测建模问题一样,在“钢卷仓储吞吐量预测”中更挑战的问题在于:如何找出未来趋势的指示变量。本竞赛题目尝试鼓励参赛者放开眼界,从扩展数据的维度上去思考大数据分析,而不仅仅是算法上改进,跨界数据融合才是工业大数据价值实现的原动力之一。
 
在本预测问题中,关键维度包括:
· 时序模式的学习:趋势、周期项、短期波动项
· 假节日、异常天气的影响与补充:特别是春节(对经济规律不仅影响大,而且每年的春节对应的公历日期都在变)
· 大客户或客户分群的问题:很多经济问题都是8:2原则(20%的客户贡献80%的工作量);不同行业、不同客户在钢卷需求的稳定性和规律也不同。
 
不局限于钢铁产品,大宗物流数据分析问题是工业生产中一个重要课题,涉及到价格预测、物流服务优化等各个方面,对优化产业链效率有重要的改善作用。
 
以赛交友、以赛育人
第二届中国工业大数据创新竞赛自2018年11月启动以来,吸引了来自海内外近3000名参赛选手,较去年增长近一倍,其中70%以上来自于高校学生,涉及计算机、自动化控制、机械工程、统计、动力工程等多个领域。
 
决赛答辩按照“钢卷仓储吞吐量预测”和“刀具剩余寿命预测”两个竞赛主题,分别由清华大学软件学院王建民院长和美国智能维护系统(IMS)中心李杰教授担任专家组组长。两个专家组听取了决赛队伍的方案介绍,并从赛题理解、算法选择、模型验证和方案创新性等方面对决赛队伍进行打分和点评,决出最终获奖名次,颁奖仪式将在2019年工业互联网峰会上进行。
640
 
昆仑数据首席数据科学家田春华博士担任专家组评审,他曾参与并指导团队参与过KDD-CUP及PHM Data Challenge等国际一流赛事。“参赛团队在算法选择、模型融合/调优上表现出了深厚的算法功底;在参赛和答辩过程中,大家各具优势,在代码上、在外部数据利用上、在业务解读(特别是大客户分析)等方面各有新意”他对此次参赛队伍评价道,“如能综合热/冷卷产品应用行业的生产需求周期特点、经济市场的长期趋势特征、运输条件的短期影响等业务驱动因素;以及恶劣天气前后的吞吐量、大客户业务量模式聚类等业务场景,将能实现更有效的决策支持。”
 
此次竞赛为工业大数据领域的相关研究人员和创业者们提供了一个成果转移转化的交流平台;同时,竞赛也为国内诸多数据分析从业者走近探索工业领域,为工业领域从业者学习接触更多大数据及人工智能技术,提供了优质的双向通道。