数智化使能运营管理变革:从供应链到供应链生态系统

原文引用:陈剑,刘运辉.数智化使能运营管理变革:从供应链到供应链生态系统[J].管理世界,2021,37(11):227-240.作者单位:教育部人文社科重点基地、清华大学现代管理研究中心、清华大学经济管理学院

生态系统:是指由生物群落、其非生物环境及二者动态相互作用共同组成的综合系统。

生态系统的概念最初由Tansley(1935)提出,是指由生物群落、其非生物环境及二者动态相互作用共同组成的综合系统。Tansley指出生态学家需要考虑“整体系统”,包括生物和物理因素,且这些组分不能被割裂或独立对待,生态系统是动态的、相互作用的系统。Lindeman(1942)发表了对位于美国威斯康星州的赛达伯格湖的研究论文,这是首次就生态系统概念进行明确应用的经典案例。他将湖泊视为由生物和非生物组分构成的综合系统,构建了水域生态系统的食物网,并根据生物在食物网中的位置对其进行了分组。生态系统作为一个研究单元,尺度可小到池塘、湖泊,大到海洋甚至整个地球生态圈。每个生态系统都包含支持生命所必需的生态群落:生产者、分解者和消费者以及他们所依存的环境。生态系统的概念提出以来,不同时代的学者不断丰富着其理论和实践研究。

商业生态系统:定义为“基于相互作用的组织和个人的经济共同体,是商业世界的有机体”,共同体中的成员朝着共同愿景一致行动,形成相互支持的角色,强调由组织与组织、组织与个体互动所形成的经济联合体中组织或个体间相互依赖的关系特征。

为了更好地理解企业在竞争日益激烈的环境中如何形成并保持领先优势,Moore(1993)提出商业生态系统的概念:“与生物学中的生态系统类似,商业生态系统正在从商业元素的随机集合逐渐成长为有组织的共同体”,这可以看作是商业生态系统研究的起点。“企业围绕着创新协同进化:企业相互竞争合作支持新产品、满足客户需要,并最终开启下一轮创新”。进一步,Moore(1996)将商业生态系统定义为“基于相互作用的组织和个人的经济共同体,是商业世界的有机体”,共同体中的成员朝着共同愿景一致行动,形成相互支持的角色,强调由组织与组织、组织与个体互动所形成的经济联合体中组织或个体间相互依赖的关系特征。Iansiti和Levien(2004)将商业生态系统形容为各种不同实体组成的大型、松散连接的商业网络,以复杂的方式交互,公司的健康和绩效取决于系统的整体运行状况和绩效。生态系统成员相互关联,相互影响,其交互既可以是竞争性的,也可以是合作性的,形成了组织之间的共同命运,成员相互依赖,一些公司的失败可能会导致其他公司的失败(Peltoniemi,2006)。

数智化:定义为“数字化和智能化结合”,反映在大数据、人工智能、云计算、物联网、区块链等数字智能技术支持下,强大的数字化能力、人工智能技术与前瞻性的人工智能战略的融合趋势。

数字化是指利用数字技术改变商业模式,提供新的收入和价值创造机会,这是一个向数字业务转移的过程(Gartner,2021)。随着数字化变革的深入,人工智能等智能化技术成为数字化变革的关键部分,企业通过人工智能技术改善客户体验,提高搜索效率,甚至产生新的商业模式,将强大的数字化能力与人工智能技术及前瞻性的人工智能战略结合起来(ReierForradellasandGarayGallastegui,2021)。本文将数字化和智能化结合,简称为数智化,以反映数字化和智能化的这种融合趋势。数字智能技术的快速发展,既加速了竞争,又为供应链生态系统提供了强有力的支撑。运营管理的决策问题不仅仅是解决单个供应链上的管理问题,更是在数智化环境中围绕供应链形成的生态系统的问题。

全球化和专业化分工推动着供应链结构的变化,产品或服务的设计、生产、仓储、配送、售后服务等环节在全球范围的供应链中完成,在大数据、人工智能、云计算、物联网、区块链等数字智能技术的支持下,线性垂直供应链进一步演变为复杂、动态化、虚实结合的供应链网络。物理空间和数字空间的密集交织既对供应链管理形成了新的挑战,也从新的技术、新的视角、新的模式等方面创造了更多的机会,使供应链网络变得更加灵活。Perera等(2017)基于数据驱动探讨了供应链网络拓扑特征,并指出全球供应链网络日益复杂和相互关联,总结了数据驱动供应链网络的拓扑特征,基于适应度的生成网络模型来模拟实证研究中的供应链网络拓扑。Orenstein(2020)指出,供应链网络已从简单的顺序和线性过程演变为高度动态的网络,要求信息共享和可见性在整个网络中可用,并在实时的基础上作出决策。

总体而言,供应链管理的演变植根于不同时代背景下运营管理的不断发展,从聚焦单个企业,扩展到企业间(即供应链),再到面向企业群/网(供应链网络),“供应商—制造商—批发商—零售商”垂直供应链的线性结构被颠覆,形成错综复杂的供应链网络。

在供应链网络中,如果从生态系统的视角来看,供应链中不同节点功能类似的厂商形成了一类种群(如图1所示),比如,供应商种群、制造商种群、零售商种群,而且显现出与自然界中种群类似的特征,如密度、年龄结构、出生率和死亡率、迁入率和迁出率等等。而且,随着数字智能技术的发展,全球不同国家的供应链在时空上形成更为紧密的联系。例如,基于云计算、边缘计算、物联网和区块链等技术可以提供实时信息或数据,并与运输公司、跟踪设备和供应商等相连接。从而,在数字智能技术的推动下,全球时空范围内,作为围绕供应关系形成的种群的集合,不同类型产品的供应链形成了不同类型的供应链群落,比如智能冰箱供应链群落、智能卫浴供应链群落。

随着顾客需求的不断升级,越来越多的产品形成了集成式、一站式的数据—服务—产品包,这些供应链群落并不是相互割裂的,而是相互交叉、交互作用。以智能家庭为例,不再是一个个单一的产品,而是基于数字智能技术相互连接、具有网络结构的智能家电系统。例如,海尔智能家电生态系统中,围绕美食、洗护、用水、空气等集成化需求,将冰箱、燃气灶、油烟机、烤箱、洗衣机、熨烫机、体感试衣镜、净水器、热水器、空调等家电通过物联网和数智技术控制系统集成。并且,基于不同场景形成了新的商业模式。比如,基于衣服的洗护场景,形成了衣物全周期的智能零售与服务,实现了购、洗、护等全场景的交互。这里面既有满足一般家庭生活需求的冰箱、卫浴供应链群落,也有与不同场景结合后形成的满足高阶家庭生活需求的医疗健康、美食养生供应链群落。比如,智能马桶除了传统功能,还可以完成尿常规、尿流率等基本体检功能,通过与手机、平板电脑、云端等数智设备连接,可以与医疗健康等服务供应链群落进一步交互。智能冰箱可以提供养生食谱,与美食养生供应链交互,或者与电商平台交互后可以一键下单采购食材。

从单个企业到线性供应链、到供应链网络、再到供应链生态系统,并不仅仅是结构的变化,而是反映了大量的企业同时与多个不同类型的供应商和客户合作的特点,网络中各种信息流和物流相互作用,相互影响,任何一个节点的小变化往往会导致连锁反应或涟漪效应。供应链网络提供了供应链生态系统形成的物理基础,进而不同供应链群落突破了传统供应链的边界,相互交叉、相互影响(如图1所示),既有基于供应、制造和零售的关系的相互交叉,又有基于生产复合的数字—服务—产品包的相互补充,形成了相互依赖的、网络化、动态化的供应链生态系统,不同供应链之间具有共生关系,更重要的是,所有的参与者协同进化。

供应链生态系统:定义为“围绕数字—服务—产品包,由供应链群落的各类主体关联互动而形成的生态系统”。利用数字智能技术促进生态系统中的成员融合联动,优化信息流、物流和资金流,提供复合互补、开放扩展的数字—服务—产品包以满足客户个性化需求。

本文侧重于考察数智化环境中的供应链生态系统,将其定义为:围绕数字—服务—产品包,由供应链群落的各类主体关联互动而形成的生态系统(如图2所示)。数字智能技术促进生态系统中的成员融合联动,优化信息流、物流和资金流,提供复合互补、开放扩展的数字—服务—产品包以满足客户个性化需求。供应链生态系统由直接或间接参与数字—服务—产品包创造的所有主体组成,既包括供应商种群(从在生态系统中所处的位置和作用而言,可类比为自然生态系统中的初级生产者,下同)、制造商种群(初级消费者)、零售商种群(中级消费者)、最终客户(高级消费者)和金融服务、物流服务、结算服务等外部服务提供商(系统分解者),也包括在生产、仓储、配送等阶段的数智设备和最终提供给客户的数字—服务—产品包,这些成员相互依赖,共生共存。

自然界中由于环境的不同,形成不同类型的生态系统,比如草原生态系统、森林生态系统、农业生态系统、淡水生态系统、海洋生态系统,而且生态系统随着环境的变化而不断演进,持续地、动态地发生着变化。在供应链生态系统中也类似,基于集成的数据—服务—产品包的不同形态,形成了智能家电、智能出行、智能家庭等不同类型的生态系统。总体而言,供应链生态系统中往往会有一家与其他企业相互依赖性最大、对整个系统影响最深远的企业,即核心企业或领导者企业。例如,小米智能家电生态系统和蔚来电动汽车生态系统,分别围绕核心企业小米和蔚来构建。除了产品不同以外,核心企业在供应链中扮演的角色也有很大不同,零售商主导的,例如京东、亚马逊等在线零售商;制造商主导的,例如海尔、华为等制造企业。主导核心企业的角色不同,形成的系统也具有不同特征。

虽然体现的形式有所不同,但是在供应链生态系统中,如图2所示,核心企业往往会构建集成平台作为生态系统形成发展的内部环境,承担了产品集成商、系统管理者和推动者的角色,协调各种不同类型的参与者在供应链的不同环节形成丰富的、异质互补的组合。平台作为内部环境,为开发补充性产品、技术或服务提供了基础,是创造具有互补功能的数字—服务—产品包的创新环境,反过来创新也使这一环境更有价值。而外部环境则是宏观经济、政策法规、产业形势等,这些对生态系统的输入和输出都会产生外部影响。基于外部环境和核心企业构建的平台内部环境,不同类型的群落、数智设备、数智产品以及期间生成的海量数据,共同形成了供应链生态系统。

值得注意的是,供应链生态系统的环境边界是一个相对概念,其环境边界可以不断开放扩展,这是其能够不断发展壮大的基础。围绕不断开放扩展的数字—服务—产品包,基于供应关系建构了不同厂商及客户之间复杂联结的网络,容许不同类型的成员进入,与更多的供应商、用户、提供互补产品的公司相互协调链接。比如汽车制造商的共享出行平台开放车辆端口,除了软件层面,也允许自动驾驶硬件的安装,以更开放包容的态度面对未来的共享出行。随着数据—服务—产品包集成功能的不断增加,将不同类型产品和服务的提供商不断整合,形成越来越丰富、越来越多样的系统。

供应链生态系统强调供应链视角,致力于解决数字—服务—产品包的稳定、可靠、及时的供应,已经成为企业经营管理的对象(企业—供应链—供应链生态系统),是企业运营和竞争不可回避的重要议题。领军企业是否要构建自己的供应链生态系统?中小企业是否要加入已有的供应链生态系统?是加入单一生态系统还是同时加入多个生态系统企业的商业目标不仅仅是自身的利润最大化,而是要考虑整个供应链生态系统利润的最大化;企业决策不仅仅要考虑自身,更要考虑生态系统成员,任何一个成员的倒闭都可能会导致其他公司的倒闭,甚至影响整个生态系统的生存。从运营管理的研究角度,非常有必要分析供应链生态系统的基本结构,考察其主要特性,这也是本文后续的研究重点。

数字智能技术对供应链产生深刻影响,物联网、大数据、云计算等技术推动了不同类型产品之间的互联互通,数据量、计算能力和连接能力的大幅增长,以连接性为基础形成了网络结构。供应链生态系统可以认为是在数字智能技术支撑下,基于系统平台内部环境建立的相互影响、相互连接的不同供应链,由具有互补性和扩展功能的产品或服务的供应商、制造商、零售商、客户组成的网络。从空间视角来看,供应链生态系统的基本拓扑结构为网络结构,供应链成员、数智产品、数智设备等相互连接形成了复杂网络。

供应链生态系统的复杂网络结构中,根据主节点的不同,可能会有各种不同形态,包括星型结构、环型结构、树型结构、总线型结构、分布式结构和混合式结构等常见的拓扑结构。比如,如果是数智产品为主节点,可能会以星型结构为基本结构;如果是数智设备主节点,可能会以分布式结构为基本结构。节点之间的连接既有单向的,还有双向的,既可能是强连接,还有可能是弱连接。复杂网络介于规则网络和随机网络之间,小世界(TheSmall-World)是其主要特征之一,比较有代表性的模型包括Watts和Strogatz(1998)构建的WS小世界网络模型、Newman和Watts(1999)提出的NW小世界模型等。Vespignani(2018)在WS小世界网络模型提出20周年之际回顾网络科学的发展,提出得益于前所未有的计算能力、大数据集和新的计算建模技术,推动了当前各个领域新一代复杂网络研究的发展,但是以小世界模型为代表的复杂网络模型仍然支撑着我们对网络拓扑结构的理解,其与不同科学领域的结合奠定了网络科学的基础。以复杂网络模型为基础,可以围绕平均路径长度、聚集系数、度及度分布、介数、小世界、无标度等复杂网络的统计特征,从空间视角开展供应链生态系统的拓扑结构分析。

供应链生态系统可以通过节点之间的连接成长发展,可能会向上发展形成更为大型的网络,也可能向下嵌入子网络,还有可能横向发展出新的网络,既可能是平面网络,也可能是多维度的立体网络。无标度(ScaleFree)是复杂网络的另一个主要特征。Barabási和Albert(1999)提出许多具有复杂拓扑结构的大型网络都遵循无标度幂律分布特征,这是两种机制的结果:(1)成长机制,网络通过添加新的节点而不断扩展成长;(2)优先连接机制,新的节点在加入网络时会倾向于与具有更多连接的节点相连。从而,其节点的连接数量按照幂律分布衰减,即除了极少的节点有非常多的连接以外,大部分节点只有很少的连接。

生态系统作为一个研究对象,可以在不同尺度上界定。尺度可小到池塘、湖泊,大到海洋甚至整个地球生态圈。同样围绕数字—服务—产品包,供应商种群、制造商种群、零售商种群,形成了不同尺度的供应链生态系统。如图3所示,智能家电和智能卫浴、智能健康等不同类型的生态系统具有很好的协同关系,相互联系,形成了更为丰富的智能家庭供应链生态系统。进一步,智能家庭供应链生态系统还可以与外部的智能出行、智能餐饮服务等其他类型系统,通过数字智能技术的连接,在更大尺度上进行协同,形成智能生活供应链生态系统。更进一步,这样的生态系统还可以在更大尺度上与其他系统交互。更为重要的是,这些系统并不是相互割裂的,系统成员在生态系统中和其他成员相互依存,不同供应链的上下游企业同时在系统中进行创新、作出贡献并寻找新的数字—服务—产品包的组合,通过各类不同的集成平台,相互交叉形成了互补依存,呈现出不同类型供应能力的集成优化。

在多层级、网络化、动态化的供应链生态系统中,整个系统都共同致力于降低和管理风险,提高系统的鲁棒性和敏捷性。鲁棒性强调能够避免供应链关系的停顿或崩溃,维持相对稳定供应的能力;敏捷性强调对供应变化或需求变化具有快速响应的能力。而且,为有效地满足客户日益提升的个性化需求,实现不断增长的定制化要求和应对激烈竞争,要求提高供应链系统的韧性和柔性。韧性强调面对意外事故时可以作出适应性反应,并调整回到正常状态的能力;柔性强调调整供应链各个环节,动态分配不同产品(服务)族之间的供应和生产能力。

数字智能技术提供了具有可操作性的支撑,例如物联网、区块链等数字智能技术使远程和实时监视、诊断、控制和优化地理上广泛分散的供应链成为可能,协同机器人、人工智能、可穿戴设备和增强现实技术可以提升人机互动的能力,从而构建全球分布的适应性供应链网络,具有能够动态快速调整和重新分配供应链能力的可能性,提高了系统的鲁棒性和敏捷性。人工智能和机器学习成为了智能工厂革命的驱动力,例如,交互式可视化技术是一种可行的、快速的、有效的方法,提高了整个供应链生态系统的可视性,增强了供应链生态系统的韧性和柔性。

更进一步,基于鲁棒性、敏捷性、韧性和柔性而衍化出的更为综合的性能,在供应链生态系统中,促成了系统成员共生共存、合作协同的自组织性。供应链生态系统由大量基于供应关系的企业组成,是动态的、复杂的。在动态的环境中,生态系统遭受干扰后,基于内部的负反馈和自我调节,在没有集中式控制干预的情况下,自下而上地快速应对外界的干扰和影响,具有自组织、自配置、自修复和自纠正的功能(Arthur,2021)。当多个供应链网络合作应对中短期供应风险时,它们可以被视为复杂的自适应系统,表现出自组织性(AzadeganandDooley,2021)。

自然界中,生物与生物间(同种或不同种)、生物与环境间的协同进化形成多样性,是生态系统能够健康发展的基础保障和重要体现。同样,供应链生态系统中,基于集成化数字—服务—产品包的开放性,越来越多的产品和合作伙伴加入系统,多样性对其健康发展也发挥着重要作用。开放多样的供应链生态系统推动了价值共创,不同类型的成员在供应链的不同环节互动、不同生态之间相互开放关联,共同创造价值。例如,制造商在设计环节就让合作伙伴和消费者共同参与进来,能够更好地在产品中体现消费者需求。合作伙伴和消费者的参与程度越高,生态系统对产品的商业洞见就越多。再如,京东在电商领域,主要是零售和制造生态交互,现在通过与医疗健康生态交互,形成新的价值创造。价值共创的伙伴可以在决策和购物过程的不同阶段,通过云计算、虚拟现实、增强现实、混合现实等技术,进行实时动态的交互,创造更符合市场需求的产品。通过价值共创的开放商业模式,能够更好地抓住外部机会,降低成本,形成竞争优势,以应对不断发展的新兴颠覆性商业模式。

系统的正反馈推动了进化性,正反馈具有增补作用,能促进事物的发展,正反馈系统通过迭代可以描述系统的发展或进化。迭代关系可以是单变量和多变量,线性或非线性的,随机的或确定的,可以是点点变换及集合或图形的变换,可以是算法及选择过程等(郑维敏,1997)。供应链生态系统的进化是数字—服务—产品包的进化和供应链成员的进化基础上宏观层面的进化。系统中的各种主体间相互作用,将会进化出一大批新产品、新业态、新体系结构、新商业模式。而且,这些新的业务活动通过不同的网络拓扑结构形成更多的链接,生态系统内更为频繁的动态互动,生态系统之间更加复杂的交互,推动生态系统的组织形式和结构的扩展变化,形成更加复杂的生态系统结构。苹果的iOS和谷歌的Android智能手机生态系统表明,生态系统复杂程度越高越有助于应用程序开发人员维持其优势(KapoorandAgarwal,2017)。生态系统进化的趋势是为了实现更加强大的功能,更好适应外部商业环境的变化,适应消费者更为个性化、动态、多变的需求,形成更高的生产效率,实现更大的市场占有,产生更为丰富的产品形态,更好地在全球化市场中成长和竞争。

基于进化性,与自然界的生态系统类似,将会形成两种进化机制,即变异性和选择性保留,变异性推动了系统的不断创新满足客户更高的需求,而选择性保留则保证了系统的稳定性和延续性。进化的过程中,形成了“优胜劣汰”,不具有竞争力的产品形态被淘汰、不具有竞争力的供应链成员被淘汰、不具有竞争力的商业模式被淘汰,形成了新老产品、新老成员、新老商业模式之间的替代。诺基亚、摩托罗拉在手机行业的衰落,柯达在数码相机领域的凋零,苹果在智能手机时代的崛起,正是这种进化带来的“优胜劣汰”的结果。进化性推动形成更好地满足不断升级的客户需求的生态系统、产生更为深刻的创新、提供具有更多附加价值的数字—产品—服务包。

供应链生态系统中,竞争模式发生了根本变化,不仅仅是强调合作大于竞争,更重要的是强调共生。数字平台的日益普及正促使老牌公司重新启动战略,对竞争、协作和共存等新兴形式兼容并包,体现了互惠主义的“水涨船高”策略,而不是敌对分出胜负(Khanaghaetal.,2020)。这里面,既有不同成员之间对客户、资源的直接竞争,也有由于产品部分替代关系的间接竞争。竞争之外,更广泛的是共生关系,既有成员实现共同收益的互利共生,也有未损害一方利益而另一方受益的偏利共生,还有系统应该避免的一方受益但损害另一方利益的寄生共生。强大的生态系统能够很好地平衡其成员的合作价值贡献和竞争价值分配(GuelerandSchneider,2021)。基于供应链生态系统的内外部环境,供应链核心企业的作用在于有效设计生态系统治理机制,实现竞争与合作的动态平衡,推动系统成员的共生共存与共同发展。如何设计出更有效的供应链生态系统运营机制,创造出更为广泛的多赢结果,也是未来研究的重要方向。

THE END
1.数据挖掘概念(AnalysisServices有关如何将 SQL Server 工具应用于业务方案的示例,请参阅数据挖掘基础教程。 定义问题 与以下关系图的突出显示相同,数据挖掘过程的第一步就是明确定义业务问题,并考虑解答该问题的方法。 该步骤包括分析业务需求,定义问题的范围,定义计算模型所使用的度量,以及定义数据挖掘项目的特定目标。这些任务转换为下列问题: https://technet.microsoft.com/zh-cn/library/ms174949(en-us,sql.105).aspx
2.具备安全态势感知能力的安全管理平台厂商动态图:态势感知核心过程示意图 它通过态势要素获取,获得必要的数据,然后通过数据分析进行态势理解,进而实现对未来短期时间内的态势预测。注意,态势感知最终达成的目标是实现对未来的短期预测,是一个动态、准实时系统。 1.2 安全态势感知 在上个世纪末90年代,态势感知才被引入到信息技术安全领域,并首先用于对下一代入侵检测https://news.zol.com.cn/149/1490562.html
3.zfcg.fuzhou.gov.cn/upload/document/20210531/a2f60d92e4d649a9计算资源管理调度功能示意图 计算资源管理调度模块不仅对GPU计算资源设备进行管理与调度,对GPU容器云平台进行管理与调度,而且对不同算法仓库体系模式的分析集群进行统一管理。 功能设 计 针对独立分析集群,计算资源管理调度模块主要实现嵌入式架构GPU服务器、通用X86架构GPU服务器的运行状态管理,以及按照单台或多台的方式添http://zfcg.fuzhou.gov.cn/upload/document/20210531/a2f60d92e4d649a9bd2b904312f583f0.html
4.编程数学之图形可视化分析白宁超的官网通过揭示数据背后的规律和隐藏信息,给相关角色提供参照价值,做出相应的决策。这在数据挖掘、自然语言处理、机器学习都广泛应用。本文主要介绍常见的图形可视化的概念和使用,使读者最短时间掌握基本的统计知识。(本文原创,转载必须注明出处.) 饼图 定义 饼图广泛得应用在各个领域,用于表示不同分类的占比情况,通过弧度https://bainingchao.github.io/2018/10/10/%E7%BC%96%E7%A8%8B%E6%95%B0%E5%AD%A6%E4%B9%8B%E5%9B%BE%E5%BD%A2%E5%8F%AF%E8%A7%86%E5%8C%96%E5%88%86%E6%9E%90/
5.《2020科技趋势报告》:AI和中国,成为未来科技世界关键词程序员使用特殊的深度学习算法,同时使用大量的数据,通常是数兆字节的文本、图像、视频、语音等,系统被训练成独立学习。虽然概念上的深度学习并不是什么新鲜事,但最近发生的变化是计算量和可用的数据量。实际上,这意味着越来越多的人工过程将被自动化,包括软件的编写,计算机很快就会开始自己编写。 https://www.tmtpost.com/4274113.html
6.HTTP/2协议HPACK(HTTP2头部压缩)原理介绍1.3 HEADER 压缩编码示意图 Tips:'Huffman'算法是一种压缩算法。 1.4 HEADER 压缩编码示意图 动态表可以简单理解为在请求过程中映射的索引表,比如第一个请求帧(frame)使用静态表+Huffman算法构成的索引表(静态表+动态表)可以在下一次请求帧(frame)中只需要传递新增的内容使用Huffman算法,不变的内容可以使用索引表中https://developer.aliyun.com/article/1343532
7.生物材料双向拉伸试验知识科普图7 心包内注射机械-电耦合水凝胶贴片用于心肌修复示意图[40] 除上述方法外,3D工程心血管组织在替换受损结构方面显示出巨大的前景。具体地说,组织工程血管移植物具有取代生物和合成移植物的潜力。Mayoral等通过3D打印、混合熔融沉积建模、静电纺丝技术和干细胞接种制作了一种组织工程化体外血管贴片(见图8),用于评价3Dhttp://www.tjcaremc.com/Article-3400021.html
8.大厂技术实现详解知识图谱的构建全流程@自然语言处理系列自底向上构建:借助一定的技术手段,从公开采集的数据中提取出资源模式,选择其中置信度较高的信息,加入到知识库中。 知识图谱的构建 | 自顶向下→自底向上; 6-3 1.3 “实体-关系-实体”三元组 下图是典型的知识图谱样例示意图。可以看到,“图谱”中有很多节点,如果两个节点之间存在关系,他们就会被一条无向边连接https://cloud.tencent.com/developer/article/1938296
9.技术揭秘互联网广告黑产盛行,如何反作弊?机器作弊[1]成本低,特征集中,容易识别;人工作弊成本高,作弊者要想获利也会表现会一定的集中性,需要深入分析数据挖掘异常特征,从而识别作弊。 三 广告点击反作弊核心问题 世界广告主联盟WFA表示[1]“若不采取措施,2025 年虚假广告花费将高达 500 亿美元,仅次于毒品交易金额,成为世界第二大非法营收https://www.51cto.com/article/635445.html
10.数字孪生数字孪生系列报道:15家单位22位作者研究成果,数字数据融合是指在实现车间物理融合与模型融合基础上,基于车间运行一致性原理,对物理车间现场实时数据、虚拟车间模型数据、仿真数据、车间服务系统数据等覆盖全要素、全流程、全业务的相关数据进行生成—建模—清洗—关联—聚类—挖掘—迭代—演化—融合等操作,有效真实刻画和反映车间运行状态、要素行为等各类动态演化过程、https://www.zhuanzhi.ai/document/d63863c6849a79c6a6f25d51bb522554
11.《暗黑地牢》全地图各道具使用效果一览表(2)检查GPS上的采集信息后,把GPS连接至计算机进行数据导入,但连接前一定要关闭GPS电源再连接。 电子地图如何制作简介 电子地图如何制作简介 下列为电子地图的制作过程 1.准备纸的地图如:交通旅游图、测绘局购买的图等你想做的图。 2.把准备的地图扫描进计算机 3.下载地图矢量化软件mapinfo professional,autoCAD等也https://m.360docs.net/doc/fa2328e24bfe04a1b0717fd5360cba1aa8118c2f.html
12.艺术档案数字化民间艺术的数字化涉及信息的采集、处理和储存,这其中包含采集设备的选择、数据处理方式、储存格式和数据库技术。但是截止到目前,并没有一个全国统一的数据加工规范或标准,无论在民间艺术普查阶段还是在名录项目申过程中,都不同程度存在一些问题,具体表现在:数据资料保存很好,但标示和描述很差,以至于使潜在的用户无法了解https://www.zboao.com/cgal/8068.html
13.科学网—[转载]人工智能时代的数据隐私垄断与公平图2 数据透明对隐私、垄断和公平问题的促进作用示意图 在大数据透明的具体实现上,政府机构和研究者们分别从政策和技术上做出诸多努力和探索。政策上,GDPR等法律法规的出台,明确规定了数据主体(即用户)对数据的控制权,以保证个人数据在其数据生命周期中具有更高的透明度,数据主体对个人数据具有更强的管控能力;技术上,https://blog.sciencenet.cn/blog-3472670-1289492.html
14.2020年媒体技术趋势报告:13大领域89项变革全输出德克萨斯大学阿灵顿分校和谷歌的研究人员一直在研究使用框架语义的自动化技术。框架是描述了特定类型事件、情况、对象或关系及其参与者的示意图。研究人员扩展了一个名为FrameNet的系统用来专门为包括自动事实核查在内的功能构建新框架。 在屏事实核查 (On-Screen Fact Checking) https://36kr.com/p/5267903
15.机器学习实战——LBP特征提取在上面的实验中,由于数据图只有2020,单元尺寸为4时,单元个数只有25个,所以在等价旋转不变LBP算法中,特征维度只有925,等价模式本来为了降维而生,但是本身就不高的维度降维后,丢失了很多特征信息,这可能是LBP(9)只有86.7%的准确率的重要原因。总结一下,上面的实验结果只是一个很简单的验证,并不能说明LBP(9)算法不https://www.jianshu.com/p/8d96ceb45f74