1人工智能在LPG行業(yè)的應(yīng)用目 錄一、人工智能介紹二、應(yīng)用情況三、發(fā)展方向工業(yè)和信息化部等四部委組織編制并印發(fā)了《國家人工智能產(chǎn)業(yè)標(biāo)準(zhǔn)化體系建設(shè)指南》，設(shè)計(jì)國家人工智能的發(fā)展思路，體系框架，行業(yè)應(yīng)用、保障舉措等內(nèi)容。2025年2月19日，國務(wù)院國資委召開中央企業(yè)“AI+”專項(xiàng)行動(dòng)深化部署會(huì)。會(huì)議明確提出，要抓住當(dāng)前人工智能產(chǎn)業(yè)發(fā)展的戰(zhàn)略窗口期，重點(diǎn)聚焦科技創(chuàng)新和根技術(shù)的掌握，推動(dòng)“從0到1”的原始創(chuàng)新，強(qiáng)化深度賦能，瞄準(zhǔn)高價(jià)值場景實(shí)施行業(yè)協(xié)同與開放合作。央企AI+專項(xiàng)行動(dòng)要大力發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，做強(qiáng)做優(yōu)實(shí)體經(jīng)濟(jì)，主動(dòng)適應(yīng)和引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變更，推進(jìn)信息化和工業(yè)化深度融合，以新一代信息技術(shù)賦能全產(chǎn)業(yè)體系，加快傳統(tǒng)產(chǎn)業(yè)改造升級(jí)，培養(yǎng)壯大新興產(chǎn)業(yè)，前瞻布局未來產(chǎn)業(yè)，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群?？萍紕?chuàng)新能夠催生新產(chǎn)業(yè)、新模式、新動(dòng)能，是發(fā)展新質(zhì)生產(chǎn)力的核心要素。2024年我國共有300多個(gè)生成式人工智能產(chǎn)品完成備案，用戶規(guī)模達(dá)2.3億人。相關(guān)企業(yè)超過4500家，核心產(chǎn)業(yè)規(guī)模已接近6000億元人民幣。2023年新能源汽車產(chǎn)量944萬輛，增長30%；服務(wù)機(jī)器人產(chǎn)量783萬套，增長23%；3D打印設(shè)備產(chǎn)量278.9萬臺(tái)，增長36%。一、人工智能介紹人工智能經(jīng)歷了兩次低谷和三次高潮，目前生產(chǎn)式大模型將人工智能從單場景模型到通用人工智能邁進(jìn)。1950年10月，圖靈發(fā)表論文《機(jī)器能思考嗎》。讓機(jī)器具備人的思維。1997年IBM深藍(lán)戰(zhàn)勝國際象棋世界冠軍，2016年谷歌alphago戰(zhàn)勝圍棋世界冠軍。一、人工智能介紹算法數(shù)據(jù)算力算力的實(shí)現(xiàn)離不開人工智能芯片和服務(wù)器，

尤其是具有超高運(yùn)算能力、符合市場需求的國產(chǎn)人工智能芯片，

是人工智能領(lǐng)域持續(xù)發(fā)展的關(guān)鍵。算力算法模型人工智能的發(fā)展依靠海量的數(shù)據(jù)，

隨著互聯(lián)網(wǎng)的發(fā)展，

各行各業(yè)數(shù)據(jù)量呈爆炸式增長，

積累海量、多維度數(shù)據(jù)為深度學(xué)習(xí)提供素材。數(shù)據(jù)數(shù)據(jù)的加工治理，

形成數(shù)據(jù)資產(chǎn)數(shù)據(jù)的百煉成鋼一、人工智能介紹從自然邏輯到機(jī)器學(xué)習(xí)再到深度學(xué)習(xí)，

算法的演變極大提高了人工智能的應(yīng)用范圍和效率。煉丹deepseek憑什么能脫穎而出？高性能R1進(jìn)入了推理模型階段，綜合性能躍居全球第一梯隊(duì)，技術(shù)指標(biāo)與國際頂尖水平直接對(duì)標(biāo)，奠定了國產(chǎn)大模型的行業(yè)標(biāo)桿地位。Deepseek以極高的產(chǎn)品性能為核心基礎(chǔ)，疊加：開源、低成本、國產(chǎn)自主研發(fā)三大優(yōu)勢，不僅實(shí)現(xiàn)技術(shù)代際跨越，更推動(dòng)AI技術(shù)普惠化與國產(chǎn)化生態(tài)繁榮，成為全球大模型賽道的重要領(lǐng)跑者。當(dāng)國外還在采取芯片禁令策略維持自己的A

I

領(lǐng)導(dǎo)地位時(shí)，

deepseek通過算法繞開了國外的芯片算力護(hù)城河。開源、低成本、國產(chǎn)化開源完整的模型權(quán)重、訓(xùn)練數(shù)據(jù)集、核心技術(shù)論文做了大量的模型架構(gòu)優(yōu)化和系統(tǒng)工程優(yōu)化。將國產(chǎn)模型與美國的代際差距從3-5年縮短至3-5個(gè)月，突破“卡脖子”技術(shù)瓶頸。一、人工智能介紹在該場景用戶隨意說句

“我有點(diǎn)悶熱”，車輛便能精準(zhǔn)理解，自動(dòng)調(diào)節(jié)空調(diào)溫度，同步打開車窗通風(fēng)，甚至還可能貼心開啟座椅通風(fēng)功能。DeepSeek

R1

模型如同給汽車的

AI

大腦裝上

“

思維導(dǎo)圖”，

讓長序列數(shù)據(jù)處理效率飆升60%，能同時(shí)解析語音、攝像頭、傳感器等多維度復(fù)雜信息。deepseek可調(diào)用約

2000

個(gè)車載接口，實(shí)現(xiàn)車輛控制、主動(dòng)對(duì)話、售后服務(wù)的無縫銜接，讓交互從“被動(dòng)響應(yīng)”躍升為“主動(dòng)關(guān)懷”。一、人工智能介紹deepseek應(yīng)用案例2025年2月6日，吉利汽車正式宣布其自研的星睿大模型與全球頂尖AI大模型DeepSeek-R1完成深度融合，成為汽車行業(yè)首個(gè)實(shí)現(xiàn)此類深度合作的企業(yè)，標(biāo)志著智能汽車領(lǐng)域邁入“主動(dòng)服務(wù)”的新時(shí)代。福田區(qū)已上線11大類70名“數(shù)智員工”，覆蓋政務(wù)服務(wù)全鏈條。通過240個(gè)政務(wù)場景終端的精準(zhǔn)解析，覆蓋公文處理、民生服務(wù)、應(yīng)急管理、招商引資等多元場景。公文格式修正準(zhǔn)確率超95%，審核時(shí)間縮短90%，錯(cuò)誤率控制在5%以內(nèi)。深圳市福田區(qū)推出基于DeepSeek開發(fā)的“AI數(shù)智員工”，上線福田區(qū)政務(wù)大模型2.0版。除了有DeepSeek通用能力外，還結(jié)合各部門各單位實(shí)際業(yè)務(wù)流程，量身定制個(gè)性化智能體，首批滿足240個(gè)業(yè)務(wù)場景使用。①

“執(zhí)法文書生成助手”將執(zhí)法筆錄秒級(jí)生成執(zhí)法文書初稿；②

民生訴求分撥準(zhǔn)確率從70%提升至95%，民情周報(bào)日?qǐng)?bào)初稿一鍵生成；③

“安全生產(chǎn)助手”生成演練腳本效率提升100倍；④

“AI招商助手”企業(yè)分析篩選效率提升30%，分析時(shí)間縮至分鐘級(jí)；⑤

“深小服”數(shù)智黨務(wù)工作者覆蓋黨務(wù)咨詢、流程規(guī)范各項(xiàng)業(yè)務(wù)，覆蓋全區(qū)全體黨務(wù)工作者；⑥

“AI任務(wù)督辦助手”跨部門任務(wù)分派效率提升80%，按時(shí)完成率提升25%。deepseek應(yīng)用案例一、人工智能介紹比亞迪動(dòng)

力

電

池

缺

陷

檢

測

：DeepSeek

的工業(yè)視覺質(zhì)檢方案部署于比亞迪電池產(chǎn)線，

通過多模態(tài)模型（圖像+激光掃描）識(shí)別電池極片毛刺、隔膜褶皺等缺陷，

漏檢率從

0.3%降至

0.05%，每年減少質(zhì)量損失超

2

億元。富士康沙特阿美智能手機(jī)組裝線優(yōu)化：DeepSeek

的強(qiáng)化學(xué)習(xí)模型協(xié)調(diào)

2000+臺(tái)機(jī)器人協(xié)同作業(yè)，iPhone

主板貼片環(huán)節(jié)的節(jié)拍時(shí)間縮短

1

2

%

，

產(chǎn)能提升至120

萬臺(tái)/日。實(shí)現(xiàn)毫秒級(jí)動(dòng)態(tài)調(diào)度，解決多機(jī)器人路徑?jīng)_突問題。輸變電設(shè)備狀態(tài)評(píng)估：DeepSeek

的圖計(jì)算模型分析全國

200萬+電力節(jié)點(diǎn)數(shù)據(jù)，

提前

48小時(shí)預(yù)警變壓器過載風(fēng)險(xiǎn)，2023

年避免經(jīng)濟(jì)損失7.8億元。油井智能維護(hù)：DeepSeek

的聲波信號(hào)分析模型監(jiān)測油管腐蝕，維護(hù)周期從

3

個(gè)月延長至

8個(gè)月，單井年運(yùn)維成本下降30萬美元。國家電網(wǎng)DeepSeek已在全球制造業(yè)多個(gè)細(xì)分領(lǐng)域的頭部企業(yè)中實(shí)現(xiàn)規(guī)?；瘧?yīng)用一、人工智能介紹智能輔導(dǎo)某知名教育機(jī)構(gòu)利用DeepSeek開發(fā)了智能輔導(dǎo)智能體，能夠根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和反饋?zhàn)詣?dòng)生成個(gè)性化學(xué)習(xí)計(jì)劃和練習(xí)題，并通過對(duì)話形式解答學(xué)生的疑難問題。學(xué)生平均成績提升了15%，學(xué)習(xí)興趣和參與度也明顯提高。代碼診斷在某大型軟件開發(fā)項(xiàng)目中，項(xiàng)目組引入DeepSeek幫助開發(fā)團(tuán)隊(duì)分析軟件系統(tǒng)代碼，提供錯(cuò)誤診斷和修復(fù)建議，減少了30%的調(diào)試時(shí)間，顯著提高了開發(fā)效率。智能客服一汽豐田利用DeepSeek開發(fā)了智能客服智能體，能夠自動(dòng)處理常見客戶咨詢，并通過對(duì)話提供建議，智能在線客服機(jī)器人獨(dú)立解決率已從37%提升為84%，月均自動(dòng)解決客戶咨詢問題1.7萬次，顯著提升了客服坐席服務(wù)效率和客戶滿意度。案例三案例四案例五周鴻祎（360集團(tuán)創(chuàng)始人)：未來不擁抱AI、不理解AI、不掌握AI的個(gè)人和單位可能會(huì)被那些用AI的人淘汰。deepseek應(yīng)用案例一、人工智能介紹中石油：昆侖大模型實(shí)現(xiàn)儲(chǔ)層孔隙度、滲透率、飽和度等關(guān)鍵參數(shù)預(yù)測精度達(dá)到85%以上，儲(chǔ)層流體性質(zhì)識(shí)別準(zhǔn)確率提升至90%。中海油：海底數(shù)據(jù)中心極大提升了其在資源探測、生產(chǎn)監(jiān)控及故障預(yù)警等方面的競爭力。其中，油田的平均故障率降低了20%。行業(yè)DeepSeek部署進(jìn)程：2月8日中石化“長城大模型”中石油“昆侖大模型”中海油“海能平臺(tái)/智問”2月14日2025年 2月5日生產(chǎn)流程智能化重構(gòu)供應(yīng)鏈與資源協(xié)同優(yōu)化金融與業(yè)務(wù)風(fēng)控升級(jí)數(shù)據(jù)安全與合規(guī)管理人力資源管理智能化跨部門協(xié)同與決策支持人工智能給企業(yè)帶來的機(jī)遇驅(qū)動(dòng)產(chǎn)業(yè)升級(jí)與效率變革強(qiáng)化風(fēng)險(xiǎn)管控與合規(guī)能力推動(dòng)數(shù)字化管理創(chuàng)新優(yōu)化一、人工智能介紹由低到高分別為：1.5b,8b,32b,70b,671bdeepseek的三種使用渠道本地部署云平臺(tái)服務(wù)官方渠道官方網(wǎng)站手機(jī)APPAPI硅基流動(dòng)阿里百煉騰訊元寶國家超算平臺(tái)秘塔AI搜索deepseek官網(wǎng)地址：華為/榮耀手機(jī)已全面接入不啟用聯(lián)網(wǎng)搜索，

知識(shí)庫更新至2024年7月，無法獲取實(shí)時(shí)信息個(gè)人部署：個(gè)人在本地設(shè)備運(yùn)行應(yīng)用，依賴自身計(jì)算資源，靈活便捷。企業(yè)部署：企業(yè)內(nèi)網(wǎng)搭建私有化系統(tǒng)，支持多用戶協(xié)作，數(shù)據(jù)可控。一體機(jī)：直接購買配置了DeepSeek模型的具備一定算力的一體機(jī)。一、人工智能介紹一、人工智能介紹商業(yè)智能（BI）是由數(shù)據(jù)倉庫、數(shù)據(jù)可視化等組成的數(shù)據(jù)類解決方案。人人都能分析數(shù)據(jù)提升業(yè)務(wù)將數(shù)據(jù)轉(zhuǎn)化為知識(shí)的分析工具，基于知識(shí)的決策方法經(jīng)營駕駛艙或智能決策系統(tǒng)商業(yè)智能BI一、人工智能介紹江鈴汽車建設(shè)了辦公的OA系統(tǒng)、資源管理的ERP系統(tǒng)、提升生產(chǎn)工藝CAPP系統(tǒng)、生產(chǎn)協(xié)同的KIT系統(tǒng)、營銷管理的DMS系統(tǒng)、質(zhì)量管理的QIS系統(tǒng)、用戶體驗(yàn)調(diào)研的GQRS系統(tǒng)，并在2020年，引入帆軟工具。措施1：打破數(shù)據(jù)孤島通過帆軟實(shí)時(shí)獲取了3個(gè)系統(tǒng)的數(shù)據(jù)，業(yè)務(wù)人員從原6分鐘查詢到一輛車輛信息縮減到2秒鐘，且報(bào)表數(shù)據(jù)自動(dòng)更新。1.多系統(tǒng)數(shù)據(jù)采集難轉(zhuǎn)型舉措2.線下數(shù)據(jù)繁雜3.實(shí)時(shí)獲取數(shù)據(jù)難措施2：移動(dòng)端集成實(shí)現(xiàn)帆軟對(duì)接各系統(tǒng)數(shù)據(jù)庫，并完成移動(dòng)端對(duì)接，從運(yùn)營、營銷、推廣和KPI這4個(gè)層面搭建各移動(dòng)端駕駛艙，確保關(guān)鍵崗位隨時(shí)隨地查閱高價(jià)值數(shù)據(jù)。措施3：落地?cái)?shù)據(jù)應(yīng)用場景質(zhì)量部門根據(jù)帆軟工具設(shè)置了千車抱怨數(shù)指標(biāo)，在收到用戶質(zhì)量問題反饋后，第一時(shí)間關(guān)聯(lián)該車的全生命周期數(shù)據(jù)、該生產(chǎn)批次數(shù)據(jù)查找問題，并完善對(duì)應(yīng)知識(shí)庫，有效提升了客戶滿意度。4.數(shù)據(jù)價(jià)值挖掘難多域集成的高價(jià)值數(shù)據(jù)多維度的數(shù)據(jù)分析展板隨時(shí)隨地的可見報(bào)表數(shù)據(jù)的全生命周期溯源數(shù)據(jù)的預(yù)判性風(fēng)險(xiǎn)預(yù)警從經(jīng)驗(yàn)決策轉(zhuǎn)為數(shù)據(jù)決策一、人工智能介紹優(yōu)點(diǎn)：全面的業(yè)務(wù)數(shù)據(jù)分析和洞察，深度洞察業(yè)務(wù)績效：易于理解的數(shù)據(jù)展示、關(guān)聯(lián)交叉分析、異常診斷，數(shù)據(jù)驅(qū)動(dòng)決策。提高決策效率和準(zhǔn)確性：即時(shí)更新、預(yù)測分析。促進(jìn)跨部門協(xié)作和信息共享。個(gè)性化工作臺(tái)，提升員工工作效率和積極性。容易出現(xiàn)的問題：靜態(tài)數(shù)據(jù)，只是簡單地堆積和呈現(xiàn)數(shù)據(jù)，缺乏對(duì)整體業(yè)務(wù)的全局視角，無法深入探索問題的根源。沒有梳理企業(yè)的價(jià)值鏈條，沒有根據(jù)角色進(jìn)行業(yè)務(wù)分級(jí)和關(guān)聯(lián)，導(dǎo)致一葉障目。數(shù)據(jù)和指標(biāo)的不全、不準(zhǔn)、不一致。第三階段：決策智能化第二階段：管理可視化第一階段：數(shù)據(jù)資產(chǎn)化以

"決策智能化"

為演進(jìn)方向，采用“菜單式”配置模式，構(gòu)建領(lǐng)導(dǎo)層專屬?zèng)Q策艙，實(shí)現(xiàn)

“一屏統(tǒng)覽

"

的智能管理模式。以“管理可視化”

為突破口，建設(shè)財(cái)務(wù)指標(biāo)中樞、電商運(yùn)營全景、市場分析引擎等八大主題模塊，實(shí)現(xiàn)數(shù)據(jù)可視化全面覆蓋。以

"數(shù)據(jù)資產(chǎn)化"

為核心目標(biāo)，通過數(shù)據(jù)中臺(tái)與數(shù)據(jù)治理雙輪驅(qū)動(dòng)，實(shí)現(xiàn)管理域信息的全鏈路數(shù)字化穿透。商業(yè)智能BI過去信息化數(shù)據(jù)傳統(tǒng)分析技術(shù)Volume

大量人工智能（AI）機(jī)器學(xué)習(xí)（ML）深度學(xué)習(xí)（DL）現(xiàn)在Variety

多樣Velocity

高速Veracity

真實(shí)Value

價(jià)值基本個(gè)人信息產(chǎn)品信息體檢財(cái)務(wù)醫(yī)療…基本個(gè)人信息通勤習(xí)慣長居地瀏覽行為產(chǎn)品信息AI大模型是指由大量數(shù)據(jù)和算法訓(xùn)練出來的模型。機(jī)器學(xué)習(xí)使機(jī)器能夠識(shí)別模式、做出預(yù)測和進(jìn)行決策生成式AI是指能夠模擬人類智能生成新的、有用的AI技術(shù)一、人工智能介紹如何使用大數(shù)據(jù)？

-

案例-

線上獲客2%-

4%付費(fèi)媒體：流量平臺(tái)自有媒體：品牌官網(wǎng)/app/小程序/公眾號(hào)向付費(fèi)媒體用戶投放廣告98%離開2%購買Why？一、人工智能介紹Deep

learning(RBM)行為足跡大數(shù)據(jù)N=710,000埋點(diǎn)采集特征工程注意力分配（特征數(shù)=53）激活次數(shù)持續(xù)時(shí)間活動(dòng)速度空間分布購買顧慮價(jià)格敏感產(chǎn)品適配性個(gè)人隱私Study1：識(shí)別購買顧慮個(gè)性化廣告一、人工智能介紹結(jié)果：個(gè)性化再定向提高轉(zhuǎn)化率Study

2：大規(guī)模隨機(jī)現(xiàn)場實(shí)驗(yàn)驗(yàn)證假設(shè)——個(gè)性化再定向提升購買轉(zhuǎn)化，同時(shí)避開隱私顧慮消費(fèi)者實(shí)驗(yàn)設(shè)置：某保險(xiǎn)公司根據(jù)study1的方法識(shí)別微信小程序上12萬未購買客戶購買顧慮隨機(jī)推送個(gè)性化再定向信息控制組2.78%1.96%0.90%control1

non-personalizedcontrol2

randomcontrol3

no-message2.50%2.00%1.50%1.00%0.50%0.00%3.00%Treat:Productfit

concernPrice

concern實(shí)驗(yàn)組Privacy

concern再定向轉(zhuǎn)化率刺激物：廣告信息一、人工智能介紹目 錄一、人工智能介紹二、應(yīng)用情況三、發(fā)展方向數(shù)據(jù)清洗模型原始數(shù)據(jù)原始數(shù)據(jù)迭代直到數(shù)據(jù)準(zhǔn)備好機(jī)器學(xué)習(xí)算法應(yīng)用數(shù)據(jù)清洗/準(zhǔn)備清洗好的數(shù)據(jù)迭代直到找到效果最好的模型應(yīng)用機(jī)器學(xué)習(xí)模型備選模型部署模型應(yīng)用模型人工智能底層：算法二、應(yīng)用情況國際油價(jià)與國內(nèi)LPG價(jià)格關(guān)聯(lián)研究建模及量化分析：通過計(jì)量經(jīng)濟(jì)學(xué)建模，采用ADF

檢驗(yàn)、ohansen

協(xié)整分析、格蘭杰（Granger）因果檢驗(yàn)、VAR

模型構(gòu)建及分析、脈沖響應(yīng)分析，得出Brent

油價(jià)與華南LPG

進(jìn)口價(jià)格指數(shù)的函數(shù)關(guān)系式。LPG全國價(jià)格指數(shù)破解研究將西北地區(qū)、西南地區(qū)等關(guān)聯(lián)性不大的地區(qū)的權(quán)重剔除，重新進(jìn)行歸一化處理。二、應(yīng)用情況60.6%61.8%64.7%68.0%70%68%66%64%62%60%58%56%2021年2022年2023年2024年2021-2024年產(chǎn)品后市預(yù)測準(zhǔn)確率走勢價(jià)格預(yù)測中國海油“海能”人工智能模型正式發(fā)布，覆蓋智能工廠、智能貿(mào)銷等8大類100多個(gè)業(yè)務(wù)場景模型。研發(fā)“機(jī)器學(xué)習(xí)”市場行情研判平臺(tái)，實(shí)現(xiàn)價(jià)格智能預(yù)測及預(yù)測準(zhǔn)確率實(shí)時(shí)評(píng)估，后市預(yù)測準(zhǔn)確率達(dá)68%。二、應(yīng)用情況充裝作業(yè)計(jì)劃分析算法充裝作業(yè)計(jì)劃分析的核心是對(duì)LPG銷量的準(zhǔn)確預(yù)測。是基于某LPG終端歷史銷量數(shù)據(jù)、客戶數(shù)據(jù)、外部影響因素（如天氣、節(jié)假日等）等信息，研究構(gòu)建數(shù)據(jù)分析模型，結(jié)合業(yè)務(wù)實(shí)際進(jìn)行修正，實(shí)現(xiàn)對(duì)未來LPG銷量進(jìn)行預(yù)測?？傮w技術(shù)路線包括：數(shù)據(jù)的預(yù)處理、特征工程、模型選擇與驗(yàn)證、采用集成學(xué)習(xí)策略，進(jìn)一步提升模型性能以及引入粒子群優(yōu)化算法（PSO）和人工蜂群算法（ABC）對(duì)模型訓(xùn)練中的超參數(shù)進(jìn)行優(yōu)化，確保模型參數(shù)達(dá)到全局最優(yōu)，進(jìn)一步提升預(yù)測效果。采用均方誤差（MSE）、平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）量化評(píng)估各模型預(yù)測結(jié)果的準(zhǔn)確性。同時(shí)對(duì)比分析各模型對(duì)銷量走勢的預(yù)測能力，得出結(jié)論機(jī)器學(xué)習(xí)模型（LSTM）的表現(xiàn)最佳，尤其在處理非線性和復(fù)雜的時(shí)間依賴關(guān)系方面。1nRMSE

(yi

y?i

)21nMAE

|yi

y?i

|n

i

1 n

i

1采用基于個(gè)體優(yōu)勢與群體決策融合的集成決策方法，發(fā)揮不同算法的預(yù)測優(yōu)勢，確定充裝作業(yè)計(jì)劃分析算法：LSTM+CNN+XGBoost+SARIMA+套索回歸二、應(yīng)用情況日銷量預(yù)測驗(yàn)證充裝作業(yè)計(jì)劃分析算法日銷量預(yù)測，平均絕對(duì)百分比誤差（MAPE）為

11.2%，模型（橙色）能夠較好的擬合真實(shí)充裝量曲線（藍(lán)色），模型具備一定的準(zhǔn)確性與可靠性。周銷量預(yù)測總體態(tài)勢穩(wěn)定，規(guī)律性較強(qiáng)，預(yù)測平均絕對(duì)百分比誤差（MAPE）為

6.3%，模型（紅色）能夠較好的擬合真實(shí)曲線（藍(lán)色）。與日銷售預(yù)測情況相比，周銷售預(yù)測在準(zhǔn)確性上有顯著提升，能夠更為精準(zhǔn)地反映銷售趨勢。周銷量預(yù)測驗(yàn)證LSTM模型銷量預(yù)測結(jié)果二、應(yīng)用情況運(yùn)營利潤平衡性分析算法運(yùn)營利潤平衡性分析算法旨在綜合分析銷量、成本和價(jià)格等關(guān)鍵因素之間的關(guān)系，確定最大化利潤的平衡點(diǎn)，并提供最優(yōu)定價(jià)建議?？傮w技術(shù)路線包括：數(shù)據(jù)采集清洗、銷量價(jià)格關(guān)聯(lián)分析、銷量成本關(guān)聯(lián)分析、目標(biāo)優(yōu)化，建立最大化利潤的優(yōu)化模型。其中銷量價(jià)格關(guān)聯(lián)分析利用機(jī)器學(xué)習(xí)模型預(yù)測出基準(zhǔn)價(jià)格下的銷量

，引入價(jià)格彈性模型，表示無偏估計(jì)出定價(jià)與基準(zhǔn)價(jià)

間的銷量波動(dòng)

。最終得出位成本的影響程度不同，采用多元線性回歸模型，挖掘單位成本與各類成本間的復(fù)雜關(guān)聯(lián)，輔助進(jìn)行單位成本分析。運(yùn)營利潤平衡性分析算法技術(shù)路線QbasePbase

Q最后結(jié)果：Q

Qbase

Q銷量成本關(guān)聯(lián)分析引入單位成本概念，采用機(jī)器學(xué)習(xí)預(yù)測不同成本要素對(duì)單銷量價(jià)格關(guān)聯(lián)分析曲線CQCunit

totalCtotal=Cvariable+

CfixedCunit

0

1Cprocurement

2Clogistics

3Clabor

ò銷量成本關(guān)聯(lián)分析曲線運(yùn)營利潤計(jì)算示意圖價(jià)格/成本利潤銷量銷量成本曲線銷量價(jià)格曲線建立利潤公式，并構(gòu)建利潤最大化非線性目標(biāo)函數(shù)，并根據(jù)價(jià)格、銷量、成本之間的關(guān)系求解最優(yōu)解。

(p)

p

q(p)

c(q(p))二、應(yīng)用情況運(yùn)營利潤平衡性分析算法基于某LPG終端2021年以來的銷售數(shù)據(jù)，利用模型對(duì)每次價(jià)格調(diào)整后銷量的變化情況進(jìn)行測試，驗(yàn)證算法的有效性。右圖所示為部分價(jià)格調(diào)整前后實(shí)際銷量變化和預(yù)測銷量變化情況。驗(yàn)證發(fā)現(xiàn)，每次

LPG

價(jià)格調(diào)整后，銷量均會(huì)出現(xiàn)顯著變化，預(yù)測誤差的平均值為0.18噸，中位數(shù)為0.14噸，除個(gè)別數(shù)據(jù)點(diǎn)外，預(yù)測誤差均控制在

0.3

噸以內(nèi)?？烧f明模型能夠?qū)r(jià)格變動(dòng)引起的銷量變化情況進(jìn)行較為精準(zhǔn)的預(yù)測。此外，價(jià)格調(diào)整幅度與預(yù)測準(zhǔn)確性之間存在明顯關(guān)聯(lián)，價(jià)格調(diào)整幅度越小，模型預(yù)測的準(zhǔn)確性越高；而當(dāng)單次價(jià)格調(diào)整幅度過大時(shí)，模型預(yù)測容易產(chǎn)生較大誤差。綜上，模型能夠有效地構(gòu)建起

LPG

銷量與價(jià)格之間的關(guān)聯(lián)關(guān)系，進(jìn)而指導(dǎo)氣站進(jìn)行合理的調(diào)價(jià)，取得利潤最大化。二、應(yīng)用情況庫存合理性分析算法氣瓶庫存分析基于歷史銷量和氣瓶數(shù)據(jù)，建立關(guān)聯(lián)關(guān)系模型，根據(jù)LPG銷量預(yù)測，推斷出氣站運(yùn)營所需的氣瓶數(shù)量，并結(jié)合氣瓶的周轉(zhuǎn)時(shí)間進(jìn)行合理的供應(yīng)規(guī)劃。利用機(jī)器學(xué)習(xí)模型

XGBoost

建立不同類型客戶數(shù)量與銷量之間的關(guān)聯(lián)關(guān)系。根據(jù)未來銷量預(yù)測和關(guān)聯(lián)關(guān)系模型預(yù)測民用、工商和餐飲用戶的數(shù)量。根據(jù)用戶畫像，分析各類用戶的用氣周期，并結(jié)合氣瓶的平均流轉(zhuǎn)時(shí)間，計(jì)算滿足正常周轉(zhuǎn)所需的流轉(zhuǎn)率。結(jié)合氣瓶檢驗(yàn)報(bào)廢周期，最終確定未來的氣瓶需求數(shù)量。散裝氣庫存分析通過對(duì)歷史銷量數(shù)據(jù)和庫存數(shù)據(jù)的深入分析，結(jié)合銷量預(yù)測結(jié)果，確保在滿足市場需求與安全庫存的前提下，結(jié)合上游LPG價(jià)格波動(dòng)情況，合理規(guī)劃庫存水平，推導(dǎo)出未來的最佳庫存方案。在銷售預(yù)測基礎(chǔ)上，通過回歸模型和機(jī)器學(xué)習(xí)模型，結(jié)合庫存成本、上游采購價(jià)格，建立庫存優(yōu)化模型，實(shí)現(xiàn)最小化庫存成本和滿足銷售需求的雙重目標(biāo)。二、應(yīng)用情況庫存合理性分析算法庫存優(yōu)化分析主要實(shí)現(xiàn)了對(duì)未來的氣瓶需求進(jìn)行預(yù)測，同時(shí)給出接下來一周的采購計(jì)劃，并對(duì)每天的庫存進(jìn)行預(yù)測。用戶采購行為分析用戶采購行為分析包括活躍用戶分析和用戶采購行為分析兩部分內(nèi)容，其中用戶采購行為分析是對(duì)當(dāng)前的各類活躍用戶數(shù)量進(jìn)行分析統(tǒng)計(jì)，并通過餅圖進(jìn)行可視化展示；用戶采購周期是對(duì)各類用戶的活躍用戶的平均兩次采購間隔進(jìn)行計(jì)算得出，其中民用用戶數(shù)量最多，采購間隔也最長。根據(jù)用戶采購行為建立客戶畫像，可以為后續(xù)的氣瓶需求預(yù)測提供支撐。氣瓶需求預(yù)測氣瓶需求預(yù)測是根據(jù)月銷量的預(yù)測結(jié)果，結(jié)合不同類型用戶的采購行為習(xí)慣和用戶數(shù)量，考慮氣瓶流轉(zhuǎn)等因素，對(duì)未來的氣瓶需求進(jìn)行預(yù)測，通過對(duì)比圖中當(dāng)前的氣瓶庫存數(shù)量曲線，可以在氣瓶不足以滿足未來銷量時(shí)及時(shí)預(yù)警，根據(jù)氣瓶缺口提前對(duì)氣瓶進(jìn)行采購，保證平穩(wěn)有序運(yùn)營。3)庫存與采購分析氣瓶采購分析可以根據(jù)未來一周的日銷量預(yù)測結(jié)果，結(jié)合當(dāng)前的庫存數(shù)據(jù)，給出接下來一周的LPG采購計(jì)劃，同時(shí)對(duì)每天的庫存余量進(jìn)行預(yù)測與展示。二、應(yīng)用情況智能配送算法二、應(yīng)用情況固定時(shí)窗分批以無效跑動(dòng)少、空駛率低和運(yùn)力管理合理為主要原則，建立配送網(wǎng)絡(luò)規(guī)劃模型，通過建立決策變量定量地衡量規(guī)劃結(jié)果的優(yōu)劣，最終形成更為科學(xué)、合理的配送區(qū)域劃分結(jié)果，同時(shí)根據(jù)交付緊迫度與配送路徑長度，形成配送路徑策略。決策變量基于運(yùn)籌優(yōu)化技術(shù)，通過定義三個(gè)核心指標(biāo)，即配送點(diǎn)聚合度、訂單聚合度、訂單重心與配送點(diǎn)重心的偏離程度，從統(tǒng)計(jì)學(xué)角度利用三類指標(biāo)評(píng)判單均行駛距離的大小。訂單分批配送的適配策略主要有固定訂單量分批和固定時(shí)窗分批兩種引入時(shí)間窗概念，以時(shí)間窗為約束條件，以配送時(shí)間最短為目標(biāo)，合理高效的組織配送服務(wù)。固定時(shí)窗分批是指事先約定一個(gè)固定的時(shí)間段Tfix，把它作為一段節(jié)點(diǎn)，把這個(gè)時(shí)間段內(nèi)所有訂單進(jìn)行匯總，這些訂單作為一個(gè)批次來處理?；跉v史數(shù)據(jù)，統(tǒng)計(jì)計(jì)算一年內(nèi)（或當(dāng)月）配送點(diǎn)每天平均訂單數(shù)量為xavg，標(biāo)準(zhǔn)差為xσ，則按95%置信區(qū)間可以大致估算每天平均訂單量的高置信邊界為：xmax=xavg+2xσxmin=xavg-2xσ則每日單位時(shí)間訂單密度邊界粗略估算為：xmax-T=xmax/Txmin-T=xmin/T則固定時(shí)窗Tfix的取值范圍可保守估計(jì)為：t≤Tfix≤n/(xmax-T*qmax)按照上述策略選定固定時(shí)窗Tfix分批次配送，能夠滿足一定程度的及時(shí)配送，且配送頻率可控，客戶體驗(yàn)較好。參數(shù)確定：策略介紹：二、應(yīng)用情況貿(mào)易信息分析系統(tǒng)系統(tǒng)內(nèi)所有客戶余額信息SAP系統(tǒng)系統(tǒng)內(nèi)所有客戶余額信息對(duì)比兩系統(tǒng)余額生成比對(duì)結(jié)果自動(dòng)抓取數(shù)據(jù)自動(dòng)抓取數(shù)據(jù)自動(dòng)對(duì)比數(shù)據(jù)自動(dòng)登錄手動(dòng)登錄人工采集數(shù)據(jù)人工采集數(shù)據(jù)手動(dòng)登錄人工對(duì)比數(shù)據(jù)自動(dòng)標(biāo)注手動(dòng)標(biāo)注自動(dòng)登錄自動(dòng)化流程（機(jī)器人操作）原有流程（人工處理）RPA技術(shù)應(yīng)用-

客戶貨款余額數(shù)核對(duì)應(yīng)用場景概述：每月財(cái)務(wù)關(guān)賬后，需要對(duì)能源銷售業(yè)務(wù)相關(guān)的兩個(gè)系統(tǒng)的200余家客戶余額逐一核對(duì)確認(rèn)，該項(xiàng)工作涉及客戶數(shù)量多、耗時(shí)長及多系統(tǒng)交互等問題。自2022年12月至今，完成5000余次客戶貨款余額核對(duì)。能源銷售業(yè)務(wù)客戶余額核對(duì)人工處理約10分鐘/次，人工智能處理1分鐘/次，效率提升90%。二、應(yīng)用情況智能體平臺(tái)：百萬頁特色知識(shí)7個(gè)通用場景應(yīng)用海能DEEPSEEK二、應(yīng)用情況經(jīng)營情況匯總副產(chǎn)品經(jīng)營關(guān)鍵數(shù)據(jù)，一屏掌握銷售全貌市場分析整合價(jià)格、供需等市場數(shù)據(jù)，多維刻畫市場趨勢，輔助制定差異化銷售策略。智能決策基于機(jī)器學(xué)習(xí)模型，智能預(yù)測市場未來波動(dòng)趨勢，輔助決策層調(diào)整銷售節(jié)奏、制定銷售策略。線上報(bào)告月度經(jīng)營分析報(bào)告在線化、結(jié)構(gòu)化呈現(xiàn)，提升報(bào)告?zhèn)鏖喰?，?shí)現(xiàn)經(jīng)營管理閉環(huán)。從“人工收集+靠經(jīng)驗(yàn)判斷”到“自動(dòng)集成+數(shù)據(jù)輔助決策”的轉(zhuǎn)變一源治理數(shù)據(jù)規(guī)范自動(dòng)采集可視化駕駛艙經(jīng)營管理駕駛艙數(shù)據(jù)對(duì)接貿(mào)易信息分析系統(tǒng)油氣產(chǎn)品銷售外輸智能運(yùn)行平臺(tái)運(yùn)營表現(xiàn)智能決策價(jià)格監(jiān)測財(cái)務(wù)指標(biāo)供需格局銷售建議回顧評(píng)估資源流向分析報(bào)告客戶分析…二、應(yīng)用情況【經(jīng)營情況】模塊介紹功能定位：整合銷售實(shí)時(shí)數(shù)據(jù)與財(cái)務(wù)數(shù)據(jù)，構(gòu)建全景經(jīng)營看板，實(shí)現(xiàn)業(yè)務(wù)與財(cái)務(wù)雙維聯(lián)動(dòng)監(jiān)控。應(yīng)用場景：支持業(yè)務(wù)部門和管理層及時(shí)掌握銷售進(jìn)度、品類結(jié)構(gòu)變化與效益情況，為經(jīng)營策略調(diào)整提供數(shù)據(jù)支撐。應(yīng)用成效：實(shí)現(xiàn)從“每月匯總”到“每日監(jiān)控”的轉(zhuǎn)變，經(jīng)營分析響應(yīng)速度提升約70%?！臼袌龇治觥磕K介紹功能定位：融合油氣副產(chǎn)品價(jià)格、供需、開工率等市場數(shù)據(jù)，形成系統(tǒng)化市場分析視圖，并結(jié)合客戶數(shù)據(jù)，構(gòu)建“市場-客戶”雙維度聯(lián)動(dòng)分析體系。應(yīng)用場景：用于識(shí)別熱點(diǎn)區(qū)域與重點(diǎn)客戶群體，為業(yè)務(wù)人員優(yōu)化資源配置提供支撐，實(shí)現(xiàn)從“價(jià)格導(dǎo)向”向“客戶導(dǎo)向”轉(zhuǎn)變。應(yīng)用成效：有效提高了產(chǎn)品定價(jià)水平，提升了高價(jià)值客戶貢獻(xiàn)度，實(shí)現(xiàn)市場策略和客戶管理的雙向提效。二、應(yīng)用情況【智能決策】模塊介紹功能定位：充分融合業(yè)務(wù)數(shù)據(jù)與模型算法分析能力，結(jié)合產(chǎn)品特點(diǎn)及終端產(chǎn)銷庫存，智能生成后市研判及出貨節(jié)奏建議，動(dòng)態(tài)進(jìn)行經(jīng)營效果評(píng)估，提升銷售策略的科學(xué)性與前瞻性。應(yīng)用場景：用于銷售計(jì)劃制定、出貨節(jié)奏掌控等日常經(jīng)營關(guān)鍵節(jié)點(diǎn)。應(yīng)用成效：通過及時(shí)優(yōu)化流程，大幅提升了各環(huán)節(jié)執(zhí)行效率；降低了人為經(jīng)驗(yàn)判斷誤差，有效提升了副產(chǎn)品后市研判能力，2025年1-5月后市預(yù)測準(zhǔn)確率達(dá)71%，提升3個(gè)百分點(diǎn)?！揪€上報(bào)告】模塊介紹功能定位：支持內(nèi)容共享、線上協(xié)作以及多部門協(xié)同查詢，涵蓋關(guān)鍵經(jīng)營指標(biāo)分析評(píng)估、市場行情簡要分析、物流效率評(píng)估、下月價(jià)格預(yù)測及出貨節(jié)奏建議等，通過深入剖析公司經(jīng)營中存在的問題，持續(xù)優(yōu)化經(jīng)營行為。應(yīng)用場景：實(shí)現(xiàn)月度經(jīng)營分析報(bào)告線上化自動(dòng)生產(chǎn)及結(jié)構(gòu)化發(fā)布。實(shí)際成效：大幅縮短了經(jīng)營報(bào)告編制時(shí)間，提高了報(bào)告數(shù)據(jù)準(zhǔn)確性，提升了報(bào)告?zhèn)鏖喰剩构芾韽?fù)盤更加高效，實(shí)現(xiàn)了“數(shù)據(jù)分析-策略調(diào)整-經(jīng)驗(yàn)沉淀”的閉環(huán)。二、應(yīng)用情況財(cái)務(wù)成本費(fèi)用分析目前已實(shí)現(xiàn)手機(jī)移動(dòng)端集成，支持用戶電腦端或移動(dòng)端訪問，便于管理層及時(shí)洞察經(jīng)營情況。財(cái)務(wù)成本費(fèi)用分析、商務(wù)合同管理、人事管理、供應(yīng)鏈管理以及倉儲(chǔ)運(yùn)輸管理駕駛艙應(yīng)用。商務(wù)合同管理…二、應(yīng)用情況目 錄一、人工智能介紹二、應(yīng)用情況三、發(fā)展方向組織者創(chuàng)新者代理型智能體推理模型通用模型C h a t G P T ，deepseek-V3OpenAI-o1、deepseek-R1OpenAI-operator目前不存在（2029）目前不存在（2027）三、發(fā)展方向智能體三、發(fā)展方向AI+ChatBI三、發(fā)展方向?qū)υ捠街悄軋?bào)表系統(tǒng)構(gòu)建基于AI的BI平臺(tái)，利用AI的智能讓BI系統(tǒng)能夠解決更復(fù)雜的業(yè)務(wù)場景，產(chǎn)出更精準(zhǔn)的分析結(jié)果，從而使決策科學(xué)準(zhǔn)確。AI+ChatBI三、發(fā)展方向AI+ChatBI語言交互操作，降低技術(shù)門檻自主智能分析智能視頻分析三、發(fā)展方向智能安檢、電子讀表智能傳輸、異常識(shí)別分析智能視頻分析三、發(fā)展方向識(shí)別效率低狀態(tài)識(shí)別：當(dāng)前主要采用人工方式查驗(yàn)槽車檢驗(yàn)文件及裝車安全合規(guī)性，核驗(yàn)質(zhì)量嚴(yán)重依賴人工責(zé)任感和工作經(jīng)驗(yàn)，不能高效及時(shí)安全問題并消除安全隱患。作業(yè)智能化：槽車充裝作業(yè)過程基本靠人工，存在作業(yè)效率低、安全隱患大、精度控制差、勞動(dòng)強(qiáng)度高、管理難度大、一致性差等問題。作業(yè)智能化低過程管理信息化程度低信息化管理：在裝車計(jì)劃申報(bào)、車輛識(shí)別、排隊(duì)叫號(hào)、地磅無人值守、鶴位提單裝卸、業(yè)務(wù)結(jié)算等、報(bào)告打印等過程中缺少信息化管理手段。神經(jīng)網(wǎng)絡(luò)模型、語言大模型、多模態(tài)大模型、科學(xué)計(jì)算大模型槽車車牌、裝車資質(zhì)文件、裝車標(biāo)準(zhǔn)動(dòng)作、作業(yè)數(shù)據(jù)模型基礎(chǔ)模型輸入模型輸出槽車識(shí)別結(jié)果、裝車條件符合性驗(yàn)證、作業(yè)軌跡規(guī)劃提高槽車安全檢查效率實(shí)現(xiàn)槽車的智能識(shí)別及充裝合規(guī)性資質(zhì)文件的核驗(yàn)。提升槽車安全檢查效率60%以上。實(shí)現(xiàn)槽車充裝作業(yè)的自動(dòng)化實(shí)現(xiàn)識(shí)別、尋位、對(duì)接、緊固、驗(yàn)漏、置換、充裝及歸位等全流程的自動(dòng)化，提升充裝作業(yè)的自動(dòng)化程度。降低人工工作量30%。實(shí)現(xiàn)充裝作業(yè)過程的智能化管理實(shí)現(xiàn)裝車計(jì)劃申報(bào)、車輛識(shí)別、排隊(duì)叫號(hào)、業(yè)務(wù)結(jié)算、報(bào)告打印等過程信息化管理。提升作業(yè)管理效率30%以上。槽車智能充裝場景簡介：以提高終端槽車充裝作業(yè)安全性為出發(fā)點(diǎn)，基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)，通過人工智能技術(shù)，依托“海能”大模型，實(shí)現(xiàn)終端槽車安全狀態(tài)的智能識(shí)別和風(fēng)險(xiǎn)預(yù)警。依托海能大模型技術(shù)底座大數(shù)據(jù)和智能分析，構(gòu)建槽車智能識(shí)別能力，開啟槽車智能識(shí)別、智能管理應(yīng)用三、發(fā)展方向業(yè)務(wù)需求：

解決當(dāng)前終端槽車作業(yè)管理過程中槽車安全狀態(tài)識(shí)別效率低、準(zhǔn)確性差、作業(yè)過程人工勞動(dòng)強(qiáng)度大、作業(yè)過程信息化管理水平低等問題。建設(shè)目標(biāo)：

實(shí)現(xiàn)槽車安全狀態(tài)的智能識(shí)別，

提升槽車安全狀態(tài)的智能化、高效化管理，

實(shí)現(xiàn)裝車過程的自動(dòng)化，

提升槽車充裝作業(yè)自動(dòng)化程度，

實(shí)現(xiàn)裝車作業(yè)過程的數(shù)字化管理。技術(shù)手段：

通過人工智能技術(shù)與槽車狀態(tài)識(shí)別融合，建立槽車智能充裝場景于信息化管理模型，模型通過車牌自動(dòng)識(shí)別并進(jìn)行裝車資質(zhì)審核、車體安全性智能核驗(yàn)、自動(dòng)規(guī)劃裝車、過程信息化管理，具備承運(yùn)商安全預(yù)警和客戶安全預(yù)警。進(jìn)行AI模型訓(xùn)練，并不斷動(dòng)態(tài)驗(yàn)證優(yōu)化，最終實(shí)現(xiàn)槽車充裝過程的信息化、智能化管理，提升管理效率，降低人工成本。價(jià)值成效：

提升槽車安全檢查效率，

降低人工工作量，

提高槽車充裝作業(yè)的信息化水平。槽車智能充裝三、發(fā)展方向采用蒙特卡洛模擬構(gòu)建VaR模型，量化庫存不確定性，結(jié)合多種風(fēng)險(xiǎn)計(jì)量法分析庫存損益。基于歷史數(shù)據(jù)，建立理性庫存損益模型，預(yù)測不同情境下?lián)p益，評(píng)估最大潛在損失。結(jié)合非線性規(guī)劃，優(yōu)