摘 要

工业云平台系统立足于工业4.0和中国制造2025的提出，将各工业企业联系在一起，实现上中下游企业的互通及数据共享，为企业的产品管理提供科学的建议。企业可在该平台上对自己的原材料及产品进行管理。同时可根据系统提供的个性化销售、购买推荐来调整自己的销售、购买计划，更快更好地从面向库存的生产模式向面向订单的生产模式转型，进一步推动工业企业统一管理，实现零库存构想。

关键词：工业云，工业4.0，个性化推荐

第1章 中国制造业的信息化进程

1.1 中国制造业

“中国制造”历经长期的发展，建成了门类齐全、独立完整的制造业体系，对我国从农业大国转 变为工业大国起到了重要作用。改革开放以来，“中国制造”取得的巨大成就是“MADE IN CHINA”的产品遍布了全球，中国享有“世界工厂”的赞誉。在巨大的制造业体量规模背后，是我国制造业技术 品质工艺的相对落后与严重的产能过剩，我国制造业呈现“大而不强”的状况。总体上看，中国制造业存在的问题，主要集中在创新能力、产业结构、品牌质量、信息化水平等方面[1]，而其中信息化水平是转变发展方式的重要动力。本课题就产生与信息化存在的问题息息相关。

1.2 中国制造业的信息化现状

就目前来看，我国制造业的信息化程度不均衡，不同企业之间的信息化水平差别较大。就企业规模来看，大中型企业的信息化水平较高，但小型企业信息化水平比较低；就所在行业来看，重工业企 业信息化水平高，轻工业水平信息化水平偏低。不仅如此，我国信息化成果的质量普遍较差。对于一些走入信息化的企业，他们的数据量足够高，但是缺乏分析数据的能力，保存广大的数据反而成为了 企业的负担。而这些数据本可以对企业的决策提供有力的支持。

1.3 迈入工业4.0时代

工业4.0”第一次提出是在2013年德国的一项国家战略上，以信息化和智能化为实现方式，以产品的个性化和高效为目标建立的新型工业体系。此后即被世界认为是第四次工业革命。世界的主要发达国家，都在制定自己的“工业4.0”计划。我国也在2015年5月制定了《中国制造2025》的政策。其中更 是明确提出了推进信息化与工业化深度融合的目标[2]。

“工业4.0”基于标准模块，加上针对客户的个性化需求，通过动态配置的单元式生产，实现规模化。同时，大规模定制从过去落后的面向库存的生产模式转变为面向订单的生产模式，大幅度降低库存，甚至零库存运行。在生产制造领域，需求推动着新一轮生产制造革命以及技术与解决方案的创新[3]。其中，为了更好的实现制造与销售的数据化，对企业的材料购买和产品销售进行推荐具有深刻的意义：它不仅会为各个企业提供材料和销售的渠道，建设更加公开的产品信息网络，更会优化企业自身的销售策略和采购策略，为企业的发展提供强有力的支持。

第2章 面向工业云的个性化推荐

2.1 工业云简介

随着工业4.0和中国制造2025的提出和互联网的发展，各个工业企业建立起一套智能化系统，从而帮助企业决策者做出最优决策，实现生产制造最优化和利益最大化已经成为必然。然而，很多中小企业没有能力独自建立起一套智能化系统，因此我们需要建立起一个工业云平台。

各个企业的ERP系统统一存放在工业云上，另外企业可通过该系统进行原材料的购买和产品的销售，此过程可利用个性化推荐技术对企业的原材料购买和产品销售进行推荐，从而实现企业利益最大化。

2.2 个性化推荐技术

互联网信息的爆炸式增长和种类的纷繁复杂以及新兴电子商务服务（购买产品、产品比较等）的出现，导致了信息过载，降低用户满意度。

近年来，推荐系统被认为是解决信息过载的有效工具。从根本上讲，推荐系统根据不同的推荐方法和用户所处的环境和需求， 推荐系统利用存储在自定义数据库的关于用户、 可用物品以及先前交易的数据和各种类型的其他知识产生的推荐内容。然后用户浏览推荐结果，并做出隐式或者显式的反馈。所有用户的行为和反馈存储在推荐数据库，并且可用于在下一次用户和系统相互作用时产生新的推荐。

2.3 推荐方法

常用的推荐方法有基于内容的推荐、协同过滤推荐和混合推荐方法，下面将逐一介绍。

2.3.1基于内容

基于内容的推荐是在推荐引擎出现之初应用最为广泛的推荐机制，它的核心思想是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。

2.3.2 基于用户的协同过滤

基于用户的协同过滤推荐的基本原理是，根据所有用户对物品或者信息的偏好，发现与当前用户口味和偏好相似的“邻居”用户群。它的基本假设是，喜欢类似物品的用户可能有相同或者相似的口味和偏好。

2.3.3 基于项目的协同过滤

基于项目的协同过滤[4]推荐的基本原理也是类似的，只是说它使用所有用户对物品或者信息的偏好，发现物品和物品之间的相似度，然后根据用户的历史偏好信息，将类似的物品推荐给用户，基于 项目的协同过滤推荐和基于内容的推荐其实都是基于物品相似度预测推荐，只是相似度计算的方法不一样，前者是从用户历史的偏好推断，而后者是基于物品本身的属性特征信息。

2.3.4 混合推荐

在现行的Web 站点上的推荐往往都不是单纯只采用了某一种推荐的机制和策略，他们往往是将多 个方法混合在一起，从而达到更好的推荐效果。几种比较流行的组合方有加权的混合、切换的混合和 分层的混合。

2.4 工业云上的购买原材料推荐系统

2.4.1 特殊性

工业云上的用户不同于普通电子商务的买家和新闻浏览者，前者购买的商品类别比较固定、单一，对同一商品有重复购买行为；而后者购买的商品类别比较多样化，而且对同一商品往往不存在重复购买行为。此外，工业企业的原材料购买比普通用户商品的购买更加复杂，除了与原材料的类别与单价有关，还需要考虑库存成本、运输成本、时间成本等诸多因素，针对工业云上推荐系统的特点，采用了以下推荐的推荐算法。

2.4.2 算法

当某一企业要购买某种原材料时，首先根据企业所有原材料信息找出与之相似的企业集，然后根 据该种原材料的信息，找出与相似的所有原材料集，之后获取企业集中各个企业针对原材料集中的原 材料的购买情况。之后再结合各种原材料的当前价格、原材料供应商地理位置、原材料历史销售情况、 历史用户反馈等因素进行综合推荐。

这一推荐方法吸收了基于内容和协同过滤推荐算法的思想，同时又对其做出一定改进，从而适应对工业企业这一特殊用户的推荐，既有基于内容和协同过滤推荐算法的优点，又解决了基于内容和协 同过滤推荐算法所存在的问题。

1. 基于购买的原材料，采用类似于基于内容的推荐机制，锁定适合该企业购买的原材料集，从而确保之后能够提供更加精确的推荐。

2. 基于企业的所有原材料情况，采用类似于协同过滤的机制，找到与之相似的企业集，我们可以认为该企业的购买原材料情况与之相似的企业购买的情况在很大程度上具有一致性，这也符合实际情况。

3. 很好的解决了基于内容和协同过滤推荐算法的冷启动问题。本文提出的推荐算法中，当出现一个 新企业时，可根据该企业所需原材料的情况找出与之相似的企业集，然后根据该企业集的购买情 况结合其他众多因素进行推荐；当出现新的原材料时，该原材料必定与已经存在的某些原材料具 有一定相似性，当某企业需要该类原材料时，新的原材料必定会出现在推荐集中。

2.5 工业云上的生产产品的推荐系统

2.5.1 面临的困难

1. 数据的非实时性:工业环境中，下游商家的推荐比上游商家的推荐更为复杂，其中一个重要的原 因就在于两者两者数据的实效性不同。上游商家能够为企业提供其所需的原材料的各种实时的信息，包括原材料的价格，原材料的质量，可以提供的数量等一系列数据。根据这些数据可以相对比较轻易的形成对上游商家的推荐机制。然而对于下游商家而言，企业往往难以准确的获得其下游商家的未来需求。此时就需要有相应的方法想对准确的预测出未来的需求。

2. 数据的复杂性、多元性:企业与其下游商家每产生一次交易，在云系统上就会留下交易记录，每一条交易记录中都包含着大量的原始数据。这些未经处理的原始数据包含的信息部分是对推荐结果有影响的，另外部分对推荐下游商家没有任何作用。所以必须得从这些原始的数据中挖掘出有用 的数据，并根据一定的规则对这些有用的数据进行整合形成一个可以量化比较的的数据(综合评分)。

2.5.2 算法

1. 预处理:在工业云系统中，每次企业与其下游商家进行交易时就会产生一条交易记录被存入数据库中。记录中包含着大量信息，通过对这些信息进行挖掘、计算。每一条交易最终都会产生一个综合评分被放入数据库中。

2. 有交易记录的产品推荐:当企业对其一个下游商家A进行推荐产品B时，若A以前对产品B已有过购 买记录，则会将以前的综合评分拿出与已有的模型匹配，选取其中匹配度最高的模型，并用该模 型预测下一次交易的推荐指数。为了提高匹配速度，我们可以提前设置一个拟合度阈值，一旦某一模型匹配度超过了该阈值，我们就停止匹配。认为该模型就是满足的。同时为了降低不可信的推荐，我们同样设置一个阈值，若模型拟合度低于该阈值我们可以认为匹配是失败的，最终得出 的结果也是可舍弃的。

3. 无交易记录的产品的推荐:当企业推出一个对下游商家陌生的产品的时候(可能产品是新产品，也可能企业和该下游商家以前未有过该产品的交易记录)。 我们采用一种基于相似度的推荐算法。在此我们需要完善自己的数据库，给每个产品都打上其具有的属性标签(一个产品可以有一个或者多个标签)，通过利用标签来找出下游商家购买过的产品与该产品相似的产品。然后通过对相 似产品的预测来近似的获得该产品的推荐指数。

第3章 实验成果：工业云平台

3.1 主要概念

3.1.1 简介

工业云平台是一款面向工业企业，集企业产品管理ERP与个性化推荐系统与一体的系统。它将企业日常管理和个性推荐有机的结合，并将上中下游工业企业都集中在一个云平台中，实现数据的共享 和大数据分析，为工业企业对自身产品管理及销售、采购策略提供科学的服务。

3.1.2 应用云服务的理念

经过选择，我们决定应用云服务理念假设本系统，理由如下：

1. 云服务可以解决制造业信息化不均等。中小型企业无需在建立信息化的过程中花费过多的成本，使其可以尽早进行信息化，使大中小型企业信息化水平趋同。

2. 云服务可以解决制造业企业对数据的盲目性。接入专业平台后，企业可以将其数据经由云平台进行分析，从而得到更加专业的决策意见。

3. 只有应用云服务理念，才能打破信息孤岛，使上下游企业信息互联，从而才能进行推荐。如果平台独立于其他企业信息，会有收集信息不全面以及效率低的缺点。

3.1.3 适配工业大数据

伴随着云平台的选择，必须选用合适的大数据算法才能保证系统的正常运行。大数据算法不在本文讨论的范围之内，但是本系统为大数据算法的引入提供了空间，使得企业运行中数据可以经由本系统指导企业的决策。同时，引入大数据算法也有利于在短时间内构建更加精确的模型，并在此基础上进行推荐。

3.2 工业云平台系统设计

3.2.1 系统功能结构

 

3.2.2 系统用例分析

 

3.3 预期效果

3.3.1 产品管理ERP

1. 企业可以查看并编辑自己的原材料表和产品表。企业可以在现有的全部产品类目表中，选择添加自己企业的生产所需原材料（或产品），同时也可以删除不需要的原材料（或不生产的产品）。

2.企业可以自主选择是生产的产品是否出售，并对出售产品进行具体定义，如商品定价，商品详情等。

3. 企业可以查看自己原材料、产品的库存，并允许修改（可能存在产品损坏的情况）。

4. 企业可以选择生产线进行生产，并自动更新库存。

3.3.2 个性化推荐

1. 企业需要购入原材料时，可选择原材料进行选购，系统会自动查询出出售该材料的企业并进行个性化推荐。企业可自主选择按价格、距离及系统综合评分进行排序。

 

图 3: 原材料购买推荐

 2.企业可进入推销模块后，系统会自动为企业推荐需要该企业产品的下游买家，供企业参考。企业可根据此推荐自行联系买家推销自己的商品。

 

图 4: 产品推销推荐

3.3.3 物流管理

1.买方企业提出购买申请后系统将自动生成订单，买方和卖方企业均可查看。

2.买方企业在卖方发货前可取消订单，发货后将不被允许。

3.卖方企业可选择拒绝订单请求不予发货。

4.订单完成后，买方企业可选择给出此次交易的评分，此评分将作为卖方企业该商品的综合评分参考。

参考文献

[1] 贺正楚,潘红玉.德国“工业4.0”与“中国制造2025”[J].长沙理工大学学报(社会科学版),2015(3):103-110.

[2] 王喜文. 工业4.0、互联网+、中国制造2025 中国制造业转型升级的未来方向[J]. 国家治理, 2015(23).

[3] 国务院. 国务院关于印发《中国制造2025》的通知.

[4] 游文 ,叶水生.电子商务推荐系统中的协同过滤推荐口[J].计算机技术与发展 ,2006,16(9)l70.72

[5] 张海燕.丁峰。姜丽红.基于模糊聚类的协同过滤推荐方法 [J].计算机仿真 ,2005,22(8):144—147

[6] 王卫平 .刘颖.基于客户行为序列的推荐算法 [J].计算机系统应用 ,2006,15(9):35—3

分享让更多人看到