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數據不一致、物資採購技術要求不規範等問題，實現了物料主數據、物資採購標準的統一。本案提出基於人工智能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：人工智能；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數據不一致、物資採購技術要求不規範等問題，實現了物料主數據、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條物料主數據，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、新設備新材料新標準的應用給設計人員造成理解上的差異與信息過載的問題。
本文通過基於人工智能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。隨着物資通用性的進一步提高，使得工程項目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）支撐運行檢修專業化。通過推薦系統的運用，標準物料集中度的提高能減少相同類型設備間的差異性，提升檢修人員的工作效率，同時在設備搶修中，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。設備通用性的提升使得在運設備的備品備件數量明顯下降，節約流動資金，降低運行維護成本。
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，基於隱變量模型推薦等。近鄰算法是指通過計算用户與用户或者用户與商品?的'某種距離，以這種計算出的距離為依據進行推薦。基於隱變量的方法則往往用於處理一些較為複雜的問題。它假設用户之所以喜愛或選擇某種物品，是因為用户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，進而根據這些用户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網絡，概率圖模型，神經網絡等。
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）通過挖掘基礎數據、標準數據和業務數據，為設計人員提供不同用户、不同項目類型之間相似的標準物料，使設計人員可快速查找到通用的、標準物料信息。（2）項目管理人員在接收到設計人員提供的信息後，可通過推薦系統提供的推薦信息複核是否選用標準物料。（3）物資計劃管理人員根據項目人員的複核結果，以及推薦系統提供的推薦信息複核標準物料選用情況。（4）對項目物資進行採購，採購信息計入歷史採購數據庫，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數據層，算法邏輯層，業務規則層、應用層四部分組成。業務數據層主要負責不同數據來源和類型數據的收集、存儲等，主要包括基礎數據（物料主數據庫、物料分類數據庫）、標準數據（固化技術規範ID庫、通用設計庫）與業務數據（庫存數據、歷史採購數據）等。算法邏輯層主要利用協同過濾和關聯規則等算法對數據進行預處理，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類型接口，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
通過基於人工智能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。隨着採購標準集中度的進一步提高，對提高國產電力電氣設備製造標準化、電力行業標準化，積極引導供應商生產製造，避免非標準物資設備的使用，降低資源消耗，創建節約型社會具有十分重要的意義。
