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 | 1897 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。