(中海油能源物流有限公司,天津 300450)
摘要:当前各企业大力发展数据化建设,但是伴随着数字化水平高速提升,作为各业务系统的基础数据“物资主数据”的管理有待加强。为打造物资主数据的智能管理,突破传统主数据通过编码对物资进行描述的固有方式,转向更为精细化更准确的多维度物料描述。通过大数据或人工智能技术能够捕获行业经验和专家知识,使物资主数据能够更加准确和真实的描述物理世界中的实体。进一步提高用户提报物资编码的质量、提升物资主数据审核的工作效率、提高物资主数据的流转时间、丰富用户物资主数据查询手段,为用户提供更加先进、友好、便捷、智能的体验和服务。
关键词:人工智能;物资主数据;审核;便捷
党的十九大报告提出“推动互联网、大数据、人工智能和实体经济深度融合”。以大数据为代表的新技术得到迅猛发展,并渗透到各行各业,企业信息化也快速回归到数据的本身。在信息化系统多而杂的情况下,利用大数据或人工智能等技术的智能智能物资主数据管理工具的建设显得尤为重要。初步研究,各企业在完善物资主数据智能管理、提高企业在供应链中的决策能力、决策效率、决策准确性方面,还存在较大的提升空间。对如何改进物资提报、审核工作效率和效益;如何提高数据质量,做好物资集约化向物力集约化的转变、全面提升管理水平进行研究。应用人工智能等技术进一步提高用户提报物资编码的质量、提升物资主数据审核的工作效率、提高物资主数据的流转时间、丰富用户物资主数据查询手段,为用户提供更加先进、友好、便捷、智能的体验和服务的研究工作迫在眉睫。
信息系统建设和应用现状
在现代化企业中,物资主数据已贯穿工程、生产、设备、采办、仓储、销售、财务等企业运营全链条的始末,是企业运营管理的重要抓手。主数据平台是物资主数据的主要管理系统,ERP系统是企业信息化管理应用的核心,物资主数据作为ERP系统中的血液,物资主数据的质量以及物资分类的合理与否,都直接关系到各项业务信息的准确性,同时关系到各项业务在信息系统中的正常应用。截至到2021年底,企业ERP系统中有效物资编码为187万条,而且在逐年增长,因此,对物资主数据管理工具的需求越来越高,导致现有系统满足不了实际业务。
存在的问题及差距
在伴随着企业的不断发展过程中,基层主数据管理人员在频繁变动,导致管理人员在逐渐熟悉主数据相关内容之后无法直接传递给下一个人员,物资主数据的相关规范只能通过管理人员在日常提报以及审核过程中积累下来,所以由于人员的频繁变动造成数据标准无法得到有效传承,数据提报质量不高。
技术方案
研究运用人工智能(AI)机器学习技术,结合企业已有的分类标准和数据来训练一套AI模型来管理物料的属性模板,摒弃死板的物料模板,通过系统智能管理和维护物料属性模板。主要方式是运用人工智能技术,由工具对已有的属性模板以及已有的物资主数据进行学习,形成一套算法引擎从而逐可以使系统可以准确识别用户无规则的信息录入,判别录入信息所属物料属性及对应的属性模板。主要技术包括:
1)数据处理
数据处理ETL(Extract、Transform、Load)工具将系统分散的、异构数据源中的数据抽取到中间层,进行清洗、转换、集成,加载到Mem-DB中,为人工智能引擎提供数据支持。支持丰富的数据源对接接口,包括文件、SQL数据库、HDFS和AWS S3等。
2)自然语言处理(NLP,Natural Language Processing)
基于特定物料专业属性的数据集,结合自然语言处理的训练机制,实现系统可以准确的将用户填写的物资描述切分成具有业务合理性和语义完整性的词汇序列。词汇序列通过训练后,转变为特有词向量。基于词向量构成的向量空间进一步实现的文本关系计算。
3)命名实体识别(NER,Named-entity Recognition)
NER作为应用的核心技术,主要利用神经网络结构,识别自然语言文本所无法涵盖的专业领域具有特殊意义的命名实体。文本中的实体包括但不限于名称、尺寸、压力、口径、制造标准、材质等各种特征量,识别出实体后,根据实体的内容和位置,智能推断物料所属的类别。
4)神经机器翻译(NMT,Neural Machine Translation)
神经机器翻译是一种使用深度学习神经网络获取自然语言之间的映射关系的方法。NMT的非线性映射使用了连接编码器和解码器的状态向量来描述语义的等价关系,同时引入了注意力机制,综合文本语境特点、行业先验知识和词组位置等,动态地生成一个(加权的)语境向量,进一步增加物料主数据检索和判断的智能性和准确性。主要用于不规范输入的识别与纠错。
技术架构
根据业务范围和功能需求,建设智能主数据管理工具将作为企业主数据系统的前置工具,提供物资主数据的智能化管理入口,应用总体功能框架包括:访问前端层、智能物料主数据管理系统中间服务等主功能。系统功能应用架构如下:
1)访问前端层
主数据管理:物资主数据智能管理工具、智能查询、智能匹配分类、智能批量新增数据、待办事宜、重要通知、文档查询。
公共服务:用户认证、审批提示、终端安全、任务管理、配置管理。
数据服务:数据的封装、压缩、交换、保存。
2)中间服务层
主数据管理:智能申请、智能查询、冻结、清理、删除、多视图管理、校验、智能匹配、补充、审批、批量维护。
人工智能(AI)引擎:智能识别主数据、智能查询主数据、智能清理主数据。
数据模型管理:运用AI形成智能模板、树形分类显示主数据、模板运用更加灵活。
系统管理:文档管理、流程管理、角色权限用户管理、统计分析、日志管理、主数据配码。
功能设计
1)物资信息展示
以批次或工厂为单位,展示每条物料的基本信息以及图片、品牌、所属设备、价格、库存量、物流、地区等信息。
2)物资信息统计
按照类别、品牌、所属设备等展示信息生成多维度的可视化驾驶舱。生成以物资分类、物料、工厂、单位、品牌、所属设备、地区等多维度且灵活的,库存量,采购量等信息的统计报表。
3)物资信息查询
通过百度式的检索界面,最大化简化用户的操作复杂性,实现系统简单易懂,并支持对业务数据进行联想查询、模糊查询、精确查询、智能查询等功能。
4)物资信息提报
AI智能提报工具在物资主数据提报环节,根据物资标准和已有数据,自动对物资描述信息进行归类和属性的拆分、规范、纠错等处理。
5)AI智能审核工具
在物资主数据审核环节,自动校对物资描述信息的归类和属性是否满足物资标准的要求。通过AI对数据进行智能审核,实现对归类的的判断、属性值的校验和纠错,并提示错误原因。
综上所属,物资主数据智能管理工具可以进一步提高用户提报数据的质量、提升物资数据审核效率、减少物资数据的流转时间等。因此,对于建立以人工智能技术为基础的物资主数据管理工具尤为重要。
参考文献:
[1]刘中超 数据中心的数据质量管理工具设计与实现,华中科技大学,2013
[2]程志华,倪时龙,黄文思等 企业级非结构化数据管理平台研究及实践[J] 电力信息化,2012,10(3):12-20.
[3]胡波,电网业务系统数据质量管理平台的设计与初步 实现 中图分类号:F3 文献标识码B 文章编号:1009- 4067(2010)12-28-04
作者简介:吴冬梅(1989-),女,本科,中级工程师,研究方向:供应链数字化。
2