解决方案:【D.SPOT会议及活动风险智能管理实践系列文章】第二期：解构

　　解决方案:【D.SPOT会议及活动风险智能管理实践系列文章】第二期：解构

　　在全局功能支持方面，D.SPOT还有“数据可视化”和“场景可配置”两大引擎，分别实现灵活的图表和报表呈现，以及针对不同行业和企业的个性化应用场景和流程配置。

　　下面我们将根据以上七种布局一一解构。

　　2.解构

　　1）智能风险预测

　　关键词：特征分析 | 人工智能 | 机器学习

　　在会前准备阶段，智能风险预测模块提供预测、判断和提示会议或活动（以下简称“会议”）是否存在潜在违规风险的功能。

　　首先，D.SPOT团队分析了大量历史会议数据的特征，选取了合规会议（即“好样本”）和违规会议（即“坏样本”），并对好坏样本进行了对比。建立多维度的风险特征信息库。

　　用户每次提交会议申请后，平台将利用基于人工智能的特征分析算法进行“撞库”，即找出任何与风险特征高度匹配的情况，从而识别潜在的违规行为。

　　与之前基于指标阈值的简单模型相比，D.SPOT目前应用了AI特征分析算法，预测准确率较之前提升了近50%。

　　举个例子： 一般来说，我们都认为会议风险与资金申请密切相关，所以传统的做法是给资金设定一个上限，超过上限就给出风险提示。而这其实很容易避免——只要故意适当降低资金即可。

　　事实上，历史数据分析表明，并不是资助越高，风险就越大；随着资助申请数量逐渐增加，违规数量呈下降趋势。

　　经过特征分析，D.SPOT 的 AI 模型识别出会议经费与会议策划时间的比值是一个更重要的因素，该因素越偏离同类活动的平均值，风险相关性越强。显然，这样的特征分析更科学、更实用。

　　最后，通过不断的机器学习和对违规会议特征的积累，风险特征信息库将不断丰富，预测准确率也会越来越高。

" />

　　2）在线会议管控

　　关键词：实时监控 | 定量分析 | 灵活适配 | 数据安全

　　在线会议管控模块基于智能语音和图像分析算法，能够快速高效地实时监控和自动识别在线会议的关键风险。

　　典型的潜在违规风险包括：会议中长时间集体静默、*敏*感*词*或分享内容黑屏、参会人数异常等，可通过语音识别（ASR）和图像等算法准确检测并预警识别（如图2所示）。

　　图2：D.SPOT识别线上会议潜在违规风险

　　其次，D.SPOT对线下会议中通常关注的有效发言时长、有效参会时长等关键控制指标，实现了人工难以实现的自动秒级统计精度。

　　同时，在用户授权的前提下，D.SPOT可以自动记录演讲全文，并利用自然语言处理（NLP）技术结合历史会议纪要进行全面分析，实现真正意义上的大数据——样式 风险识别（图 3）。

　　图3：D.SPOT在线会议风险监测分析报告示例

　　第三，我们都知道网络会议平台有很多种。为此，D.SPOT自主研发了一系列适配接口，实现了多平台适配（多）、短周期交付（快）、无缝体验（好）、轻量级开发（省）。目前可适配在线视频会议软件、在线学术会议网站、企业内部定制平台。

　　3）线下会议管控

" />

　　关键词：远程控制 | 数据采集

| 数据验证

　　对于线下会议，D.SPOT不仅支持现场管控，还支持远程管控。

　　在当前疫情的挑战下，很多线下会议的管控人员很难及时调动起来。这时候，远程会议控制就起到了至关重要的作用。在保证管控业务连续性的同时，也保证了管控人员的健康和安全，同时大大节省了差旅成本。

　　其次，信息采集是线下会议管控的重要环节。D.SPOT提供丰富的信息采集类型，包括照片、视频、表格、音频和实时视频连线等，可以根据控制场景和用途自由组合。同时，随着地理位置信息和时间戳信息的记录，进一步保证了信息的真实性和有效性。

　　4）风险情报感知

　　关键词：全面覆盖 | 算法驱动 | 数据驱动 | 安全

　　与传统的抽样管控相比，D.SPOT实现了一种颠覆性的管控模式——全密钥风控。

　　“全量”首先体现在会议类型的全覆盖上：数字化技术的应用使管控范围覆盖所有会议，包括线上会议、线下会议和混合会议。

　　“全量”还体现在分析的全覆盖上：得益于大数据技术，D.SPOT的分析范围从传统的单场分析，转变为全历史场数据的交叉比对。

　　其次，D.SPOT的风险感知是由算法和数据共同驱动的。

　　如上所述，D.SPOT自主研发了一系列针对会议场景的风险识别算法，包括：自动重制识别、相似度识别、字符数自动识别等，这些风险识别算法收录

50多个关键特征参数. 与传统的基于风险指标的监控手段相比，实现了更智能、更准确、更动态的风险识别效果。

　　最后，D.SPOT在注重控制效果的同时，也不忘保障数据安全。无论是数据存储、传输、分级分类保护等，都提供了完整的、有针对性的解决方案。

　　解决方案:MES系统的采集数据方式的类型有哪些?

　　Manufacturing Execution MES系统有功能版块可以帮助企业实现生产数据采集分析、生产计划管理、生产过程监控等，这里不一一介绍，主要说说它的数据采集功能版块，可以也就是说，数据采集是系统进行数据统计和生产管理等后续工作的基础。在采集过程中，会涉及生产条件、材料、设备、人员、工艺等不同类型的数据，因此会有不同类型的数据。采集

方法。

　　MES系统数据采集方式的种类主要有外部直接采集、过程中系统自动采集、条码采集、传感器采集等。

　　1.直接从外部获取

" />

　　系统从外部获取的数据是指必须录入的数据，如产品代码、产品工艺、工艺名称、工艺条件目标等相关数据。MES系统可以为企业生成一个属于自己的数据采集库，主要是通过规范基础的定义和流程数据基础的定义。

　　2.过程中自动采集

　　该过程中的数据主要是指过程开始运行的时间、结束时间、设备状态等相关数据。生产过程中会设置相关的基础数据。突发事件发生后，MES系统会根据预先设定的数据自动采集。

　　3.条形码采集

　　在系统的数据采集方式中，条码采集的方式是最常用的一种方式。在这个过程中，会有一个采集的前提，即通过编码与预先设定的数据建立关系，或者用编码的方式表达出来。

" />

　　4. 通过传感器采集

数据

　　在一些行业中，对温度、压力、湿度等信息的要求非常严格，而这部分数据信息的采集来源是通过各种传感器，如温度传感器、压力传感器、无线数据采集卡、PC组成.

　　综上所述，在MES系统的数据采集方式中，这种通过条码采集数据的方式采集的数据准确率高，录入速度快，成本也可以大大降低。因此，建议尽可能对数据进行分类编码，并转化为条码，方便现场数据采集。

　　实时准确的数据采集是MES系统成功实施的重要基础。企业在实施系统时必须充分考虑系统数据采集的特点。