图数据库助力供应链柔性升级

导读

当今市场环境受短视频等流媒体影响，任何风险事件在社交网络中传播速度极其迅速，留给企业的反应时间按分秒计，传统供应链的年度计划面对剧烈变化的市场环境已失去意义。此外，受近年局势动荡的影响，市场需求和供应情况变动加快、不可预测性增加，对企业弹性供应链能力及应急响应速度提出了更高的要求。传统表单式的存储，以及由此而来的跨业务线、跨系统的割裂数据，无力支撑动态多变的市场对业务决策实时性与智能化的需求。
天然擅长处理复杂深链关系的图技术正是供应链横向集成的最佳技术解决方案。图模型本身的特点就是直观还原业务，企业可通过图技术将多源数据以所有参与者都能理解的方式建模、连通。模型可以灵活调整，高效完成各类深链查询，实现全链路的信息透明化。在供应链中涉及的需求变动、价格变动、供应变化、原料问题、生产缺陷等需要向上追溯源头、向上向下追踪影响范围、评估影响大小的业务问题，图数据的深链查询性能为实时业务决策提供最有力的技术保障。

本文以车企供应链为例，演示图技术如何赋能供应链管理，寻找风险模式，助理供应链柔性升级。

图技术需求

供应商的生产系统发生故障、其上游供应商因故（发生交通事故、自然灾害或者区域冲突等不可控事件）延迟交货导致的无法生产或延迟生产都能造成供应链风险。由于这些突发情况通常不可预测，想要降低这些风险的影响，需要在系统层面增强供应链的韧性，识别风险供应模式。

例如，当一个或多个零部件的供应过分集中在少数原材料供应商上时，一旦该供应商受到内外部不利因素的影响，不能正常提供采购的原材料，而零部件供应商的库存又不充足时，便会造成供应链断裂，影响下游的正常生产运营。虽然企业对于产品的直接供应商通常非常熟悉易于规避风险，但是对上游间接供应商的了解程度往往不够，容易忽略风险供应模式。本质上讲，供应链风险是由决策信息的可获得性、透明性、可靠性不足造成的。针对上述典型的供应风险模式，把供应商、零部件抽象成为点，供应关系和零部件相互组成关系抽象成为它们之间的边，整合供应链端到端的信息，构成一张统一大图，通过图模式识别，能够快速直观地将风险识别出来。

图1：供应链全景图谱构建流程

图模型构建

对供应链问题的分析需要端到端的可视化，从供给端到需求端分别包含组装商、供应商、车辆、零部件、元件等元素，将它们分别建成实体点。在物料层面，车辆由部件组成，部件由元件组成，元件由零件组成，需要分别有一条有向的“组成”边来代表它们之间的关系。在生产与供应层面，供应商和组装商生产部件、元件、零件，需要分别有一条有向的“生产”边来代表它们之间的关系，供应商向组装商提供零部件，之间需要有一条“提供”的边来代表它们的关系。

最终，供应链中的所有组成要素和它们之间的生产关系都被收录到图模型中，企业可以根据它全面、快速地获取整个供应链路中物料之间的关系，供应商之间的关系，以及供应商与物料的关系。

供应链管理模型如下图所示。

图2：供应链管理模型

图谱应用-链路脆弱点发现

供应链中的一家供应商如果是连接供应链路上下游的唯一必经节点，则该供应商如发生风险事件导致无法生产，则整条供应链极易发生断裂。同理，如果一个供应商节点位于越多其它顶点之间最短路径上，则该供应商连接上下游供应商的重要性越大，如果出现问题，对供应链的影响越大。通过图技术中的中心性算法，结合图展示，可以直观地发现供应链网络中此类脆弱点供应商，从系统层面减少供应链断裂风险。

查询逻辑

• 查询车企P1拥有的所有车型的零部件组成网络以及对应供应商（图3）；
• 查询车企所有车型的供给网络（图4）；
• 执行中介中小性算法，返回中介中心性最大的三个供应商节点（表1）；
• 展示风险供应模式。

查询结果
如下图所示，通过图技术的统一建模，整车产品到零件的物料组成网络，企业及其组装商到零件供应商的供应网络都可以直观地展示，从而实现两个视角下端到端的可视化。通过中介中心性算法快速定位了供应链网络中的脆弱节点为supply_B01、02、04，车企要考虑寻找其他能完成相同任务的生产商，来规避供应链风险。

图3：C00001车型的零部件组成关系及对应供应商
图4：C00001车型的供应商及供给关系

ID	Centrality
supply_B01	12
supply_B02	8
supply_B03	2

表1：车企P1所有供应网络中中介中心性最大的节点

图谱应用-集中风险发现

集中风险说明

供应商集中风险：
如果某供应商A的生产所需物料完全由上级供应商B供应，则这种依赖关系更强，如果B发生风险，则一定会导致A以及所有依赖A的下游企业无法生产，A与B之间存在直接的供应商集中风险；

如果供应商A与其直接上游之间并不存在供应商集中风险，但是经过多个层级、多个上游供应商的依赖关系，最终集中在了同一个间接上游供应商C上，若C发生风险，同样会导致A以及依赖A的企业无法生产，则称这种情况为间接供应商集中风险。

如果供应链中企业A的生产所需物料需要企业B供应，则企业B的产量会对A的产量产生影响，则称企业A对企业B有依赖关系。上述两种供应模式都会使整个供应链的系统风险激增，但是它们在存在于生产制造关系表的庞大冗杂的供应链数据中，难以通过人工挖掘出来，图技术的自动化挖掘能力正是解决这个问题的最好方案。

查询逻辑

• 找到组成某车型的所有部件，以及这些部件对应的完整供应链路；
• 从部件点开始，沿部件-组装商-元件生产商-零件生产商的供应链路向上遍历；
• 按广度优先搜索，找到所有的组织商和供应商，周到无法向上游扩展，标记所有原料提供商；
• 如果原料供应商只有一个，则该供应链存在风险；
• 从风险供应链原料供应商开始，往下游扩展，如果下游供应商有且仅有一个，则标记该下游供应商为风险供应商，直到网络无法向下游扩展；
• 输出所有的风险供应商。

查询结果
如表2所示，车型C00002的四个部件供应链路都存在集中风险供应商，根据图5的画布展示可以看出车型C00002共有七个部件。部件part_A01与part_A02的供应链路相似，上游有两个组装商（部件生产商）supply_A08和supply_A09，并且这两个组装商在下一个层级并未完全汇聚到同一元件生产商，所以这两个部件的供应链路均没有风险。在部件part_A03的供应链路中，下级有两个组装商supply_A09和supply_A10，并且这两个组装商在下一个层级并未完全汇聚到同一元件生产商，所以该部件的供应链路没有风险。

部件part_A04与part_A06的供应链路完全相同，上游只有一个组装商supply_A10，所以part_A04与part_A06有供应商集中风险，他们重度依赖的供应商是supply_A10，supply_A10上游只有一个元件生产商supply_B14，supply_B14上游只有一个零件生产商supply_C17，所以supply_B14和supply_C17也是part_A04与part_A06的重度依赖企业。Part_07与part_04、part_A06的情况类似。

在部件part_A05的供应链路中，下级虽然有两个组装商——supply_A10和supply_A11，但这两个组装商下级完全汇聚到一个元件生产商supply_B14，所以part_A05没有直接供应商集中风险，但是有间接供应商风险，supply_B14、supply_C17是其重度依赖企业。

综上，存在供应商集中风险的部件有四个，并且共同重度依赖生产商supply_C17与元件生产商supply_B14，如果它们发生风险，车型C00002的供应链极易发生断裂，需要最重点关注，立刻寻找替代供应商，降低供应链系统风险。

风险部件	依赖供应商
part_A04	[supply_A10,supply_B14,supplyC17]
part_A05	[supply_B14,supplyC17]
part_A06	[supply_A10,supply_B14,supplyC17]
part_A07	[supply_A11,supply_B14,supplyC17]

表2：车型C00002存在供应商集中风险的部件及相关依赖供应商

图5：车型C00002存在供应商集中风险的部件及相关依赖供应商可视化视图

结语

以上仅为供应链全景图谱的简单展示，用同样的方法，企业还能找到存在供应商集中风险的部件、零件和元件，以及他们各自重度依赖的供应商有哪些。

后续，我们会在创邻科技官网发布更多图数据库热点应用场景和前沿资讯，并将可复现的数据集、建模方法、查询语句进行公开，欢迎对图数据库感兴趣的同学关注。