2020 無疑是特殊的一年，而 AI 在開年的這場”戰疫“中表現出了驚人的力量。站在“新十年”的起點上，CSDN【百萬人學AI】評選活動正式啓動。本屆評選活動在前兩屆的基礎上再度升級，設立了「AI優秀案例獎Top 30」、「AI新銳公司獎Top 10」、「AI開源貢獻獎Top 5」三大獎項。我們相信，榜樣的力量將成爲促進AI行業不斷髮展的重要基石，而CSDN將與這些榜樣一起，助力AI時代的”新基建“。
一、團隊簡介
聯想研究院人工智能實驗室爲聯想智能服務供應鏈團隊配備了優越的計算資源和研發隊伍。整個團隊的人員構成包含有機器學習、數學、計算機等相關專業研究背景的國內外知名高校畢業博士3名，碩士5名。同時，研發團隊獲得了聯想人工智能計算平臺—聯想大腦的支持，聯想大腦旨在支持聯想的智能轉型戰略，支持智能製造的整個價值鏈和廣泛的應用場景。它提供了不同級別的定製功能，是算法研究人員，應用程序開發人員和業務人員共同合作構建AI生態系統的協作平臺，可滿足本項目研發的全生命週期管理能力，包括模型訓練，模型推理和一站式開發環境。
二、案例詳情
聯想研究院攜手業務部門打造的聯想智慧服務供應鏈系統（聯想智鏈）面向服務供應鏈，基於多種機器學習算法和運籌優化技術，快速準確地助力企業進行服務供應鏈網絡規劃、備件需求計劃、庫存優化等決策支持，快速滿足客戶需求，提升用戶滿意度，同時降低企業服務供應鏈採購、運輸、庫存等運營成本。重點技術如下：
1、服務供應鏈需求預測
在服務供應鏈需求預測的研究上，方法衆多且各有所長，聯想智慧服務供應鏈綜合應用各種方法，建立集成式服務供應鏈需求預測方法。綜合研究了跟需求預測相關的時間空間產品客戶特徵、傳統時間序列預測方法（包括ARIMA、Holt-winters預測方法、ETS預測方法）、多層級傳統時間序列預測方法（最優集成預測方法、多層級調和預測方法）、基於神經網絡的預測方法（包括RNN、WaveNet、Seq2seq）、基於神經網絡的時空需求預測和機器學習融合模型研究，把以上各有所長的模型通過自適應加權方法融合成統一的通用需求預測模型，以滿足全生命週期預測需要。
2、服務供應鏈時間序列生成
通過時間序列條件生成模型，生成按照場景設定的服務供應鏈時間序列需求數據，採用擇優選取或者加權融合的方法把條件變分自編碼器和條件生成對抗神經網絡的結果進行綜合，爲服務供應鏈時間序列生成賦能。
3、服務供應鏈仿真模擬
服務供應鏈仿真模擬是從採購端一直到需求端的整個過程，涉及到需求採購模塊、分貨補貨模塊、服務供應鏈底端消耗模塊。服務供應鏈仿真對每個產品每個備件在每個仿真時間點都會進行計算，通過基於GPU的多尺度並行計算仿真平臺，加速整個仿真的時效性。
4、多目標貝葉斯優化
把服務供應鏈仿真的輸入-計劃策略參數，通過貝葉斯優化，找到全局最優的計劃參數，從單目標貝葉斯優化擴展到多目標貝葉斯優化，通過優化採集函數從而達到最小化服務供應鏈仿真計算的迭代次數。
三、典型應用場景
聯想作爲全球大型智能設備製造商，產品線複雜，產品多元化，其服務備件數量也高達19萬餘種，聯想全球化的服務供應鏈受地理、時間以及不同地區用戶習慣等諸多因素影響。如在印度雨季，手機和筆記本的特定備件的壞損率會急劇增加，這給服務供應鏈的需求預測帶來了極大的挑戰。
聯想智鏈通過機器學習引發主動需求預測，觸發多層級多場景下提供對服務備件未來整個生命週期以及採購計劃期內準確的需求趨勢分析和需求週期性波動預測。
1、通過建立產品代與代之間關聯性影響因素之間的聯繫，如前代產品備件故障率與下一代產品備件故障率之間的相關性模型輔助預測。
2、建立通用的多層級多網點預測模型，滿足預測結果加和的一致性和不同生命週期預測要求，包括新品發售期前的預測，新品發售期後的預測，產品平穩期的預測，產品末期的預測等。
3、通過提供安全庫存優化模塊，用來幫助計劃人員找到備件所在位置、類別、生命週期和價格範圍內的最佳安全庫存參數。
4、提供智能化的分貨補貨以及再平衡模塊，用來幫助計劃人員找到最合理的分貨策略，如計劃週期，分貨激活條件，分貨優先級等。
聯想智鏈不僅通過自動化極大的減少計劃人員的工作量，且顯著提升了服務供應鏈的表現。在應用聯想智鏈後，聯想集團的服務供應鏈，需求預測比人工表現提升了7%，人員需求減少20%，採購支出減少23%，庫存總水平減少18%，總體帶來每年上千萬美元的資金節約。