金忠孝深度学习在智慧供应链中的应用金博士PPT课件

金忠孝博士 2017年8月10日 深度学习在智慧供应链中的应用 1 嘉宾介绍 姓名 金忠孝博士公司 上汽集团上汽 安吉人工智能实验室总工程师工作履历 1999年毕业于上海交通大学 获工学博士 研究方向为人工智能中的多智能设计 强化学习 15年以上软件架构设计和软件开发过程治理经验 获TOGAF企业架构师及COBITIT治理专家认证 现为上汽集团信息战略和系统支持部资深架构师 上汽 安吉人工智能实验室负责人 精通软件设计与开发 擅长企业架构设计 IT治理等 目前正从事上汽集团云计算 大数据和人工智能战略技术的研究和实施 基于在汽车行业已有15年以上的软件开发 企业架构设计和IT治理经验 金忠孝博士是国内少有的在汽车行业能将先进的IT技术和汽车工程有机地融合起来并进行顶层设计的复合型人才 2 上汽 安吉人工智能实验室 上汽 安吉人工智能实验室是上汽集团和安吉物流联合建设的面向 中国制造2025 的智慧供应链人工智能实验室 致力于通过人工智能技术 为供应链运输网络 仓储布局 运力排程 全局动态优化调度 车货匹配 库存管理 生产排程 采购计划 订单计划等供应链核心管理提供智慧的解决方案 研究方向 深度学习 最优化 计算机视觉 无人驾驶卡车 无人仓库 机器学习 数据挖掘 分布式计算等人工智能核心技术 实验室地址 上海市杨浦区创智天地企业中心3号楼 3 上汽 安吉人工智能实验室 研发队伍 目前研发队伍情况已有40人 其中20个博士 20个硕士主要来自北大 4 清华 12 上海交大 12 复旦 5 华中科大和浙大等 9 其中有留学经历的 12 5大领域 门类齐全 已经形成人工智能的体系化能力 4 目录 1 2 3 4 AlphaGo引发的 惨案 深度学习 汽车供应链现状 深度学习的智慧供应链 企业人工智能经验分享 5 1 AlphaGo引发的 惨案 2016年3月15日 AlphaGo4 1战胜韩国棋手李世石 宣告了新人工智能时代的到来 今年人工智能仍然火爆 百度引入了人工智能专家陆奇担任百度COO CEO李彦宏更是宣布百度今后是一家人工智能公司 阿里开启了 NASA 计划 面向机器学习 芯片 IoT 操作系统 生物识别这些核心技术 将组建崭新的团队 建立新的机制和方法 预算不设上限 全力以赴 腾讯则任命AI大牛俞栋博士为AILab副主任 并成立美国西雅图AI实验室 推动腾讯在语音识别及自然语言理解等AI领域的基础研究 今日头条以用人工智能算法来推荐新闻在业内闻名 2017年5月27日 AlphaGo3 0虐哭围棋现世界第一柯洁 AlphaGo在人类棋手面前简直就是围棋上帝 人类在人工智能面前该怎么办 6 认识AlphaGo 认识深度学习 阿尔法围棋 AlphaGo 是一款围棋人工智能程序 由谷歌旗下DeepMind公司的戴维 西尔弗 艾佳 黄 杰米斯 哈萨比斯与他们的团队开发 程序利用 价值网络 去计算局面 用 策略网络 去选择下子 谷歌声称李世石打败AIphaGo的概率为0 围棋界则多数站在李世石这一边 中国棋圣聂卫平认为李世石败北是不可能的事情 AlphaGo 李世石 4 1此前坚信人类必胜的聂卫平也感叹AlphaGo的妙招 对狗的下法脱帽致敬 而它的其妙新招更是让李世石两次起身出去抽烟 AlphaGo 棋手 60 0Master已经在线上平台上接连战胜了聂卫平 柯洁 朴廷桓 唐韦星 范廷钰 王古力 周俊勋和黄云嵩等多位围棋高手 AlphaGo 柯洁 3 05月27日当天下午 柯洁九段中盘告负 总比分0 3败于AlphaGo 赛后柯洁一度哽咽称 它太完美 我很痛苦 看不到任何胜利的希望 在Google云上有50个TPUs在运作 主要采用深度监督学习 蒙特卡洛搜索及一定的深度强化学习 在单个TPU机器上运行 AlphaGo成为自己的老师 从自己搜索里学习 更强大的策略 价值网络 在DeepMind 他们研究的不是一般的人工智能 AI 而是通用智能 或者说通用的学习机器 这种机器具有自主学习的能力 可以执行多种任务 而其技术核心就是深度学习和强化学习 哈萨比斯认为 只要创造出通用的学习机器 就能够解决很多现在所无法解决的问题 AlphaGo胜5位棋手5位人类顶尖棋手陈耀烨 周睿羊 芈昱廷 时越 唐韦星尽管集群体智慧之力 也未能打败AlphaGo 最后主动认输 国际象棋的选择是有限的 每一步都大约有30多种选择 围棋的选择多得多 每一步都有几万种走法 规则 搜索 AlphaGo之父哈萨比斯却宣布AlphaGo退役并公开50盘AlphaGo自我对弈的棋谱 7 什么是深度学习 深度学习这台火箭 燃料为大数据 而云计算则是引擎 8 二 国内外同类技术对比分析 面向特定领域的人工智能技术 即专用人工智能 弱人工智能 由于应用背景具体明确 领域知识积累深厚 功能需求比较确定 因此形成了人工智能领域的单点突破 在局部智能水平的单项测试中可以超越人类智能 微软研究团队表示 该系统在ImageNet2012分类数据集中的错误率已降低至4 94 已超越人类 此前同样的实验中 人眼辨识的错误率大概为5 1 人工智能 专用领域 取得了突破性进展 2016年3月15日 棋手李世石与谷歌AlphaGo的人机大战最后一场开战 双方经历鏖战 局面极其复杂 最终李世石投子认输 双方的大比分定格在了李世石1 4告负 9 二 国内外同类技术对比分析 人工智能已经上升到国家战略 习近平总书记2014年6月在两院院士大会上强调指出 机器人革命 有望成为新一轮工业革命的一个切入点和重要增长点 我国将成为机器人的最大市场 但我们的技术和制造能力能不能应对这场竞争 我们不仅要把我国机器人水平提高上去 而且要尽可能多地占领市场 这样的新技术新领域还很多 我们要审时度势 全盘考虑 抓紧谋划 扎实推进 李克强总理2015年3月在人大政府工作报告中提出 中国制造2025 战略规划 5月19日国务院正式印发 中国制造2025 明确智能制造为主攻方向 2015年7月1日国务院印发 关于积极推进 互联网 行动指导意见 将 互联网 人工智能 列为11项重点行动之一 10 二 国内外同类技术对比分析 我国人工智能技术攻关和产业应用虽然起步较晚 但是发展势头良好 我国自主知识产权的文字识别 语音识别 中文信息处理 大数据舆情分析 智能视频监控 生物特征识别 工业机器人 娱乐机器人等智能科技成果已经进入大规模实际应用 人工智能技术在我们得到加速应用和推广 显现出良好的发展前景 例如 2014年中国市场的工业机器人销量猛增54 达到5 6万台 目前虽然Google IBM等国外巨头在人工智能技术方面总体处于领先地位 但是还没有形成绝对的垄断局面 巨头新贵机会均等 我们完全可以利用我国的市场需求优势 用户数据优势等条件发展人工智能核心技术和应用系统 实现自主人工智能技术对经济社会各领域的全面渗透 在信息化社会向智能化社会的过度期抢占国际人工智能技术和产业的制高点 从市场优势 应用优势到技术优势逐渐掌握主动权 人工智能领域的 OpenSource 开源 生态圈 使我们有了很好的学习机会 人工智能爆发期是我国后来居上的机会 11 中国在人工智能领域 12 中国率先把人工智能上升为国家战略 原创研发优势 美国原创研发能力极强 中国应用研发可以做到指标最高 美国远强于中国 人才优势 美国吸引世界人才 中国自己培养海量人才 美国能够招到全世界最优秀的研发人才 但中国也不怕 因为中国人口多 人才数量已经足够了 而且现在信息交流这么发达 美国发表的先进的研究思想 全世界都能第一时间看到 市场优势 美国产品天然面向全世界 中国市场同样大 英语有全球优势 美国推出的产品很快就能遍布全球 但中国自身市场就很大 人口比发达国家总数还多 如果开发好了丝毫不弱于美国的市场 应用和产业链优势 美国设计 中国与制造业产业链紧密结合 其实是中国优势 因为美国基本没有生产 苹果鼓吹多厉害 设计研发多好 但是中国华为等很多公司和产业紧密联系在一起 研发东西 除了原创 还需经历落地的过程 不能只发论文不管后续 要根据研究论文做出智能产品 而中国 在应用和产业链方面具有优势 13 人工智能成为美国的国家战略 14 2 汽车供应链现状 汽车工业是国民经济的支柱产业 汽车供应链是指汽车产业链上原材料 零部件 整车以及售后配件在各个环节之间的实体流动过程 包含物流 信息流和资金流 是智能制造核心 汽车供应链是供应链领域中最高端 最科学 最复杂的 汽车供应链不仅仅只是需要仓储 配送整车 而是对供应链有需求的所有汽车零配件进行管理 因其包含了对汽车1万多种零配件的供应链管理 所以 一辆汽车零配件的配送量就相当于整车的一万倍 规模非常大 运作流程极其复杂 15 人工智能时代的新制造 2016年10月13日在杭州 云栖大会上 马云讲了五个新 并且放言 这五个新将会冲击很多的行业 今天我们先说了 不然20年后 你们又说 我们又破坏了你们 新零售 未来没有电子商务这一说 只有新零售这一说 也就是线上 线下和物流结合在一起 只有这样才能诞生真正的新零售 新制造 过去制造讲究规模化 标准化 但未来30年制造讲究的是智慧化 个性化 定制化 新金融 未来的新金融必须支持新的八二理论 也就是支持80 的中小企业 个性化企业 新技术 原来的机器吃的是电 以后的吃的会是数据 新资源 数据是人类第一次自己创造了能源 而且数据越用越值钱 面向机器学习 芯片 IoT 操作系统 生物识别这些核心技术 将组建崭新的团队 建立新的机制和方法 预算不设上限 全力以赴 16 菜鸟物流的智慧物流骨干网 菜鸟将推100万辆新能源智慧物流车马云 未来可能扩到1亿辆 菜鸟ACE计划同时推出了 整车设计制造 共享运力 行业解决方案 等产品 作为首个参与行业标准制定的智能物流大数据公司 菜鸟网络将联合网商银行等金融机构向物流公司 运营企业及配送司机提供500亿元的供应链金融服务 在市场导入 金融服务等方面给予合作伙伴支持 据了解 该计划的目标是 打造100万辆搭载 菜鸟智慧大脑 的新能源物流汽车 让大数据助力绿色物流 让汽车上的 智慧大脑 直接用数据帮助快递公司 配送员做思考和决策 最终 连线成面 打造一张移动的绿色智慧物流骨干网 17 供应链是工业互联网的核心连接 供应商 最终用户 供应网络 核心企业 分销网络 采购 制造 分销 供应链的本质是 连接 工业互联网 的核心 连接 人 物 工具 庞大复杂价值高 物流 信息流 资金流 产业链 价值链 生态链 18 人工智能是未来智慧供应链的关键技术 19 中国汽车物流供应链概述 1 汽车物流概念 汽车物流是指汽车产业链上原材料 零部件 整车以及售后配件在各个环节之间的实体流动过程 广义的汽车物流还包括废旧汽车的回收环节 汽车物流在汽车产业链中起到桥梁和纽带的作用 汽车物流是实现汽车产业价值流顺畅流动的根本保障 我国汽车产业的高速发展为汽车物流行业提供了巨大的发展空间 随着汽车物流需求的快速增长 汽车物流行业已经形成了较为完整的体系 2 中国汽车物流特点 我国汽车物流成本占汽车工业总产值的10 左右 2014年 我国汽车行业规模以上企业累计完成工业总产值6 9万亿元 2014年汽车物流市场规模约为6901亿元 2016年8626亿元 今后10年内 中国依旧是世界最大的汽车消费国和汽车制造国 而在全球采购物流配送的大潮中 后起之秀的中国无疑将成为 兵家必争之地 汽车物流是物流领域中最高端 最科学的 最复杂的 汽车物流业不仅仅只是需要仓储 配送整车 而是对物流有需求的所有汽车零配件进行配送 因其包含了对汽车1万多种零配件的供应链管理 所以 一辆汽车零配件的配送量就相当于整车的一万倍 中国产业调研网发布的 中国汽车物流市场调研与发展前景预测报告 2017年 供应链是智能制造的核心资源 也是国家的战略资源 20 上汽集团零部件物流供应链现状 入厂物流调度优化 超过1000多个零部件供应商站点 包括超过100多个关键 特殊的供应商 50多个工厂以及日均30 000多张左右的订单 售后物流运输优化 超过5000多个零售4S店 100多个仓库 100多个转运中心以及上海仓日均60 000多张左右的订单 其余仓库日均10 000到15 000张订单 支持1天10万多张订单的全局动态最优化调度算法 日行驶里程2000万公里以上 上汽集团2016年汽车零部件的物流配送全量至少有670万 1万 670亿个 21 上汽集团整车物流业务现状 1 业务规模大 每天配送16种以上商品车 年运送总量达到800万辆以上乘用车 世界第一 年配送次数达到1000万次以上 一次运输总计公里数512337万公里 2 业务区域广阔 覆盖全国所有的大中型城市 并在二 三线城市中进一步推进 覆盖560多个城市 因此 多地拼车 情形复杂 3 实时性要求高 客户商品车订单实时更新 调度决策要求越快越好 调度系统需要在短时间内给出调度方案 6 业务约束复杂 既要考虑客户需求满足 可调配资源 轿运车数量 装载率 客户交货期 还要考虑道位时间段 装载组合 最早可利用时间 拼车的先长后短 物流分公司的运输量比例 小型车后配载等200多个复杂变量 4 水路 公路 铁路混合运输 需要通过优化调整公 铁 水配置在满足客户需求的同时降低运输成本 提高利润 4000多条公路 26条铁路 345节车皮 7条水路 12艘海轮 6艘江轮 20800辆大板车 5 运输网络复杂 包含仓库 站台 码头 CDC及经销商 共计20000多个运输节点 整车 22 3 深度学习的智慧供应链 该项目利用集团云计算和大数据平台 通过人工智能技术 尤其是深度学习和全局最优化技术对安吉物流的整车物流业务中的运输网络 仓储布局 运力排程 动态调度 车辆拼装 道位排程等进行全局化 系统化地优化 提升物流运作效率 降低物流运作成本 23 深度学习的汽车物流智慧供应链内容 1 供需预测 包含订单预测 运力预测以及在途到达等信息 掌控今后一年 一月 一周 三日内的情况 提前锁定计划资源 制定工作计划 2 订单分配优化 智能分单 基于历史订单数据和全局最优 结合运力资源和订单需求进行全局优化分配 计划和排程等 4 车辆装载优化 车货匹配 在确保最大装载率和载重的情况下 使拼车率尽可能低 提高运输效率 3 全局动态调度优化 结合运力资源 运输方式 公路 水路 铁路 和OTD窗口时间等进行物流运输的全局动态调度和优化 5 仓储运作优化 包括仓库 站台 码头 CDC等5000个以上节点的仓库布局优化以及基于供需预测的800多万辆商品车布库优化 整车仓储面积1131万平米 6 道位排程优化 根据板车发运计划 发运车辆优先级及板车情况 优化道位排程 提高道位利用率 7 运力资源优化 基于历史数据和实时运作数据 对运力资源 物流运输线路 轿运车 运输节点 驾驶员等 进行全局优化 8 沙盘推演 工业AlphaGo 通过可视化的方式对人工智能优化模型进行仿真 场景模拟 沙盘演练等训练操作 体现人工智能价值 标杆 UBER 标杆 Amazon 24 项目特点 从人工智项目规模 难度 经济效益 研发团队来评价 该项目将处于中国工业互联网人工智能项目第一梯队的水平 业务规模在汽车行业 世界第一 实体业务产生的大数据 客观上我们是拥有中国汽车供应链领域最多数据的实验室 满足各种复杂的业务约束 至少200多个变量以上 算法的难度非常有挑战 研发团队的水平国内领先 8个专职物流业务专家全职加入 人工智能系统的训练师 产生的经济效益巨大 领导高度重视 集团董事长 总裁和安吉物流总经理 一把手工程 这是一个会让每一个参与的人工智能研发人员异常兴奋的项目 25 深度学习的智慧供应链目标 1 全局动态优化调度 快 准 实时化 全局化 最优化合适的公路 水路 铁路比例运输路径尽可能短空载率尽可能低满足窗口时间要求 2 车辆装载最优 4 仓储运作最优 3 运力资源最优 5 运输效率全局最优 合理的仓库布局合理的仓库布库 放什么车型 放多少 道位排程 不同用户的车 尽量不拼车如果拼车 尽量在同一线路上满载运输车型分配合理 载重量最大 综合成本最优全局动态最优运作效率最高 多少辆和多少类型运输车 车辆画像 多少个司机 司机画像 多少条和多少类型线路 合理的配比等 26 深度学习的智慧供应链的价值 27 深度学习的智慧供应链的价值 2 8法则 数据价值密度20 的SQL小数据具有80 的价值密度80 的工业大数据密度只有20 需要分析挖掘数据的依赖关系20 的SQL小数据将引爆80 工业大数据价值 28 物流业务运作产生的物流供应链大数据 物流需求 调度数据 仓储数据 运力数据 线路数据 订单数据 货品数据 整车 零部件 其他 运输要求 客户数据 基本数据 商品车类型 地理位置 客户名称 主机厂名称 服务水平 品牌 车型 下线数量 对应VDC 省 市 区 县 详细地址 经纬度 用户数据 基本数据 地理位置 用户需求 基本数据 运输工具 运输公司 位数 运输时间 运输方式 装载信息 服务范围 商品车类型 服务对象 服务线路 运能 出发地理位置 目的地理位置 额定运输量 扩展运输量 最小运输量 驾驶员 大板车 海上轮船 江上轮船 火车 公路 铁路 水路 调度指令 GPS 实际数据 基本数据 客户 类型 名称 VDC VSC CDC 地理位置 省 市 区 县 详细地址 经纬度 服务范围 收车能力 发车能力 存储能力 服务地理位置 服务对象 服务商品车 客户 用户 品牌 运输方式 额定收车量 扩展收车量 最小收车量 收车时间 额定发车量 扩展发车量 最小发车量 收车时间 额定存车量 扩展存车量 最小存车量 存车时间 线路产品 绩效数据 收入 成本 服务水平 仓储效率 窗口时间要求 装运要求 线路要求 运费要求 品牌 车型 尺寸 数量 类型 名称 尺寸 数量 名称 尺寸 数量 客户类型 4S店 2S店 C端用户 省 市 区 县 经纬度 详细地址 名称 电话 Email 需求类型 内容 时间 数量 能级 车队能力 公路调度 轿运车 调度时间 出发地 目的地 运输订单 计划出发时间 预计到达时间 轿运车线路 水路调度 船舶型号 调度时间 出发地 目的地 运输订单 计划出发时间 预计到达时间 铁路调度 车皮编号 调度时间 出发地 目的地 运输订单 计划出发时间 预计到达时间 实际出发时间 实际到达时间 GPS数据 运输网络 限行数据 限长数据 桥梁限重 高速收费 罚款数据 休息站点 出发地 目的地 中转地 线段时间 合计时间 休息时间 限高数据 铁路运输网络 铁路站台 水路运输网络 港口 天文潮汛 出发地 目的地 客户 运输方式 产品价格 产品供方 化优最局全 全局最优化 全局最优化 度调态动化优最局全 满足OTD 其他要求 厂内物流 入厂物流 售后物流 装载率 29 人工智能解决方案 计算智能 模式识别 感知智能 认知智能 公共核心技术 深度学习平台 整车物流 口岸 航运 非汽车物流 产品智能 其他物流业务 零部件物流 终端智能 云端智能 贝叶斯分类器设计 线性分类器设计 非线性分类器设计 特征选取和生成 聚类分析技术等 遗传算法 蚁群优化算法 免疫算法 分布估计算法 粒子群优化算法 模拟退火算法 其他算法 图像识别 视频识别 手势识别 人脸识别 语音识别 自然语言理解 机器翻译 其他 机器学习 推荐算法 预测系统 统计学习 深度学习 强化学习 决策算法 归纳算法 神经网络训练模型 神经网络模型库 深度学习算法库 大规模分布式深度学习平台 自学习的人工智能系统 最优化算法库 TensorFlow等大型深度学习平台 云计算平台 大数据平台 IoT平台 无人仓库 无人驾驶卡车 数据智能 物流大脑 智能数据总线 自学习的数据获取 数据清洗 数据预处理 端 管 云 深度学习的物流供应链人工智能平台 业务智能 运力画像 仓库画像 供需预测智能分单全局调度车货匹配仓储优化运力优化道位排程沙盘推演 卡车画像 客户画像 30 未来上汽的智慧供应链 每一个承运商 每一个司机 每一辆大板车 每一条线路 每一个仓库 每一个汽车供应链管理人员等供应链的每一个节点都是在物流大脑的帮助下有条不紊地 高效地工作着 让 物 更好地流动 31 该项目和AlphaGo的区别和联系 DeepMind 沙盘推演 物流大数据 监督学习 强化学习 VS 策略网络 价值网络 共同点 不同点 共同点 不同点 特定领域 围棋 结构复杂的动态网络规划深度学习是基础监督学习 大数据 强化学习模式 特定领域 物流供应链 结构复杂的动态网络规划 深度学习是基础监督