基于安全監測公共服務平臺的企業供應鏈安全風險預控方法研究

0 引 言

汽車產業是長產業鏈、大協同、大制造的“集成化”產業，完整而強大的汽車供應鏈是汽車產業有力發展的基本特征之一[1]。汽車供應鏈是一個包含各類供應商、制造商、物流商、銷售商等多個主體的復雜而又龐大的系統，主體是零部件等物料供應體系，具有全球化的采購和生產方式[2]，因此管控難度很大[3]。汽車企業之間的競爭本質上是體系能力和供應鏈之間的競爭，建立高效協同、有競爭優勢的供應商體系，是各汽車企業良性發展和正常經營的前提[4]。2020年全球大環境引起世界經濟的發展下行造成了廣泛的影響，本來就處于降速發展和調整期的全球汽車產業也遭受了巨大沖擊，全產業鏈深受影響，供應鏈大范圍錯期、延遲，全球貨物的物流不暢通[5]。類似事件對現有的全球汽車產業格局和供應鏈穩定造成較大的影響，導致汽車產業鏈供應鏈的穩定供給安全問題日益凸顯。

隨著大數據、云計算等技術的發展，供應鏈向著數字化、智能化的方向轉型升級[6]。中國汽車產業面臨巨大變革，如何借助大數據賦能中國汽車產業發展就成為重要課題，但是國內針對基于大數據技術提升汽車供應鏈風險預控能力的研究仍存在較多空白[7]。以服務國家摸清汽車產業家底、把脈汽車產業發展態勢、防控產業鏈“卡脖子”瓶頸作為出發點，2021年由工信部直屬單位——工業和信息化部裝備工業發展中心牽頭，聯合行業的優勢資源建設汽車領域產業鏈和供應鏈安全監測平臺。工信部通過建立中國汽車產業鏈供應鏈大數據平臺，實現了汽車全產業鏈的異構數據融合和實時獲取，能夠幫助政府主管部門快速全面地掌握中國汽車產業鏈的風險狀況，實現更科學、高效的精細化管理；工信部通過充分挖掘汽車產業鏈供應鏈的數據價值，為汽車產業的健康發展提供了持續新動能。

1 汽車產業鏈供應鏈安全監測公共服務平臺

1.1 平臺內容

平臺將以汽車研發設計、開發測試和生產制造全過程中涉及的汽車產業鏈供應鏈為基礎，調研汽車產業鏈供應鏈的相關政策、法規和標準，研究汽車產業鏈供應鏈涉及的產業地圖，對關鍵零部件和技術、關鍵原材料進行安全評估、自主可控分析和產業化公關建議。在此基礎上，平臺建立了一套電子化、可視化的汽車及零部件產業地圖。平臺規劃設計總體方案如圖1所示。

圖1 汽車產業鏈供應鏈安全監測公共服務平臺總體方案

1.1.1 汽車行業大數據平臺

工業和信息化部裝備工業發展中心建立的汽車行業大數據平臺，包括汽車公告數據、合格證數據、雙積分數據、汽車及零部件產業地圖等，能夠獲取汽車整車及關鍵零部件數據、汽車基礎數據（政策、法規、標準、工具、關鍵原材料等）、軟件升級備案管理數據等行業數據源，接收業務范圍內企業上傳的標準數據，并進行存儲、預處理和挖掘分析。試點行業機構初步處理汽車產業鏈供應鏈中企業提供的源數據，實現了與國家數據中心的協同處理和服務。

1.1.2 整車/供應鏈企業數據平臺

平臺按照統一的采集機制和采集規范，定期將標準化數據實時上傳至國家數據中心。企業通過國家數據中心獲得數據服務，用于調節產能、應急處置、攻關關鍵技術、協同發展等方面。

1.2 平臺功能

1.2.1 數據接入

人們利用平臺接入汽車及零部件產業地圖數據、行業管理數據、汽車整車及關鍵零部件數據、軟件升級備案管理數據、產業運行數據等，根據數據的內容、格式、類型以及存儲和傳遞方式等規范和標準化要求，開發數據同步、數據轉發、邊緣計算、數據抽取等功能，實現了數據的統一接口、統一規范以及標準化數據傳輸。

1.2.2 數據處理、存儲和計算

平臺提供數據處理的虛擬化環境，形成對數據和日志完整的管理策略，實現處理、存儲和計算功能，對計算資源進行統一管理和監控。平臺開發數據處理功能，實現數據的格式化、映射、分級、校驗、清洗、解析、篩選、增強等功能，實現敏感數據、脫敏數據的持久存儲、實時緩存、容災備份，確保數據存儲的高安全性、高可靠性。同時，平臺構建大型分布式數據倉庫，對匯總數據、事件數據、抽樣數據等使用不同的存儲策略、存儲介質和存儲區域，以滿足平臺的數據處理功能和性能需求。最后平臺通過整合主流數據計算、分析挖掘引擎，包括實時高性能計算、離線計算引擎和全文搜索引擎，支持用于更快的交互查詢，實現數據查詢。

1.2.3 數據分析

數據分析采用自動化挖掘處理與專業人員深入分析相結合，提供建模分析、數據挖掘、數據確權、分級共享、預測分析、數據溯源等功能，實現多種針對汽車產業鏈供應鏈數據特性的數據挖掘與分析能力。基于人工智能、大數據等技術對平臺數據進行建模分析和數據挖掘，數據包括相關的原材料供應商、零部件及元器件供應商、集成供應商的產能、計劃、分布等行業運行信息。在此基礎上，平臺通過相關數據實現了汽車產業鏈供應鏈數據監測、態勢分析、預警預判、數據追溯、安全風險評估等服務功能，為建立自主、可控、完整的產業鏈供應鏈安全提供了有力的支撐。

1.2.4 應用服務

平臺開發數據可視化交互、門戶和信息綜合展示、移動終端管理服務、移動終端應用和數據BI功能，根據不同類型用戶，面向平臺用戶、企業用戶建立統一的用戶身份管理平臺，實現用戶的ID管理、基礎屬性維護管理、用戶身份認證及用戶授權等功能。

1.2.5 開放 API接口

平臺提供開放的標準API數據接口，實現了與汽車行業大數據平臺、整車企業數據平臺、供應鏈企業數據平臺及其他數據平臺間的數據交互；實現了汽車產業鏈供應鏈相關的數據規范、信息上報等標準服務API。

2 汽車產業鏈供應鏈安全監測和預警模型

目前，由于缺少有效的數據支撐，國內還未形成一套針對汽車產業鏈的完整量化指標評價體系，國內產業安全問題的研究還處于由定性分析到定量分析的過渡階段[7-8]，人們對于供應鏈中的大數據分析應用還缺乏深入的研究[9]。本平臺采集的基礎數據涵蓋了汽車產業上游、中游和下游等不同部分，相比于已有研究具有較為豐富的數據支撐，可選擇更加靈活的安全監測預警模型。

本平臺既要利用已有的分析方法和預警模型，同時也要充分地挖掘大數據中蘊含的重要價值。考慮到模型的不確定性廣泛存在于計量建模、分析和預測的各個領域，本平臺采用基于多模型的方法，并通過一定的權重對不同的估計和預測進行加權，同時通過權重考慮模型的不確定性。即一方面，平臺使用集成學習方法對多個傳統模型進行組合，根據從大量的數據統計分析獲得的具體指標，對整個行業的發展現狀和安全進行監測、評估，以提高預測的準確率。另一方面，平臺基于大規模數據和深度學習技術構建供應鏈預測模型，對供應鏈上每個節點的狀態進行預測，同時將預測結果作為產業監測模型的輸入實施進一步評估分析，能夠提前發現產業鏈潛在的風險點，為汽車產業風險防控提供數據支撐。

2.1 基于集成學習的汽車產業鏈安全監測預警

集成學習作為一類組合優化的學習方法，不僅能通過組合多個簡單模型以獲得性能更優的組合模型，而且允許研究者針對具體的機器學習問題設計組合方案以得到更為強大的解決方案[10]。首先，由于汽車產業鏈供應鏈的數據類型多樣，且數據融合、清洗與加工是非常復雜的過程，容易引入不穩定的因素，因此本項目使用Bagging算法來提升預測模型的穩定性和抗噪能力。其次，本項目對神經網絡和SVR等多個異質模型使用stacking算法進行集成，以提高預警模型的準確率。以Bagging算法為例，模型的輸入為某個時間點汽車產業具體的指標值，模型的輸出為整體汽車產業的安全指數。圖2為基于集成學習的汽車產業鏈安全監測預警建模示意圖。

圖2 基于集成學習的汽車產業鏈安全監測預警建模示意圖

2.2 基于圖神經網絡的供應鏈安全監測預警模型研究

供應鏈網絡具有復雜性、動態性和交叉性等特征，通常層次結構復雜，跨越多個行業，原材料和零部件供應商、整車制造商、銷售商之間不斷優化組合，隨著時間和空間不斷變化，以適應市場需求。圖是表征節點和節點之間關系的一種數據結構，其最大的優勢在于具有結構信息，對于依賴關系和邏輯關系表達能力很強。因此，基于圖的機器學習已經成為近兩年人工智能的熱門研究方向之一[11-13]。

考慮到供應鏈是高度動態網絡，隨著時間在不斷發生變化，因此本平臺采用時空圖神經網絡對汽車產業鏈供應鏈的狀態進行建模，能夠同時捕獲空間和時間的依賴關系。如圖3所示，鄰接矩陣A表示供應鏈節點之間的連接關系，X表示節點屬性值構成的屬性矩陣。圖卷積層在A和X（t）上操作以捕獲空間相關性，而1D-CNN延時間軸在X上滑動以捕獲時間相關性。輸出層為每個節點生成一個預測，例如下一個時間步節點的屬性值。

圖3 基于圖神經網絡的汽車產業鏈供應鏈安全監測預警建模示意圖

在本技術方案中，模型輸入為供應鏈網絡、每個節點的狀態屬性，模型輸出為下一個時間步節點的屬性值。定期從車企收集清洗加工后的數據作為模型訓練數據和測試數據，預測的結果一方面可以根據已有的經驗和規則對供應鏈進行風險預警，另一方面可以用于汽車產業監測預警模型指標的計算以及結果的預測。

3 基于平臺開展對Y公司供應鏈安全風險的預控實踐

3.1 Y公司供應鏈風險預警能力現狀

企業需要認清并分析供應鏈風險類型，才能識別并分析風險發生的概率、產生的危害程度以及具體管控風險的措施，基于對Y公司的調研，當前Y公司供應鏈存在以下風險。

供應風險：Y公司作為主機廠對上游關鍵零部件供應商的相關信息掌握得不夠清晰，無法及時、敏銳地捕捉到相關風險，無法對企業的采購與儲備計劃做出適應性調整。上游的部分供應商停擺就會引發供應鏈的“斷鏈”危機，帶來嚴重的后果。

政策法規風險：Y公司有專門負責收集國內外行業相關政策、法規、標準等方面信息的業務單元，可以較好地應對政策、法規的變化，但通常較為被動。

供應鏈風險預控體系不健全：Y公司通常是根據政策、事件等進行分析后，人為識別風險并進行點狀預警，缺少對供應鏈各個環節的數字化管理，無法根據信息進行實時評估，存在風險識別不及時、不準確的問題。

3.2 基于安全監測公共服務平臺的解決方案

針對上述Y公司供應鏈存在的風險及問題，利用安全監測公共服務平臺所提供的功能與服務實現對風險點進行有效的識別、預防與管控，主要場景包括以下類型。

基于本公共服務平臺的供應鏈安全評估指標體系和安全監測評估工具，可以為主機廠提供供應鏈安全評估診斷服務。當平臺得出某個產業鏈供應鏈產品將存在安全風險時，發出預警，作為其預防供應鏈風險和優化供應鏈安全現狀的參考依據。

基于本公共服務平臺提供的汽車及零部件產業地圖，可以為主機廠提供各類關鍵零部件的主要供應商信息、產能信息、交期信息、客戶信息以及經營狀況、發展規劃等多方面的信息，為主機廠的渠道尋源及現有渠道的優化調整工作提供有效的參考。

基于本公共服務平臺提供的各關鍵零部件上游核心企業的相關信息，以及原材料市場行情及趨勢預測等信息，為企業的遠期采購規劃及零部件儲備計劃提供指導。

基于本公共服務平臺提供的各類零部件涉及的國內外相關政策、法規、標準等信息，可以為企業的產品規劃、開發、設計、驗證等提供明確的指導。

基于本公共服務平臺提供的汽車關鍵零部件供應商的相關市場表現信息，如召回信息、重大事故信息、投訴信息等，能夠為各主機廠的渠道選擇和優化提供參考。

3.3 基于服務平臺實現Y公司供應鏈風險的主動預控

通過汽車產業鏈供應鏈安全監測公共服務平臺的行業推廣應用，可以為Y公司的供應鏈管理提供有效的支持。

首先，利用本公共服務平臺的關鍵零部件數據庫、產業鏈供應鏈安全評估指標體系和安全監測評估工具，Y公司通過搭建需求管理和模塊化設計平臺、訂單產銷協調和精益管理模塊、客戶全觸點管理與訂單交易模塊以及供應鏈優化和內容智能推薦等，形成訂單→供應→排產的供應鏈管理流程，實現對平臺整合信息價值的充分挖掘與利用。

其次，利用本公共服務平臺提供的各主機廠產銷數據和關鍵零部件企業的供需及產能規劃等數據，Y公司通過建立自己的產能規劃數據聯動模型；并和平臺的數據形成聯動，能夠合理有效地規劃調整自身的產能，制訂合理的排產計劃，為供應鏈管理者進行計劃、協調、操作、控制和優化信息流、物流、資金流等方面的決策提供依據。

最后，Y公司借助平臺所提供的數據采集與挖掘能力，從產品的可獲得性、質量、效率等維度搭建供應鏈安全評估指標體系，通過安全監測模型實現對產業鏈安全的評估、監測，提前發現潛在風險點并進行風險預控；同時解決當前存在的對汽車零部件的二三級乃至多級供應商管理深度不足的問題，以實現對供應鏈體系的穿透式管理。

4 結 語

本文提出的汽車產業鏈供應鏈安全風險預控方法依托于工信部牽頭搭建的安全監測公共服務平臺提供的數據庫，基于智能算法搭建預警模型，對供應鏈中所可能產生的風險進行識別和預警，并借助平臺所提供的相關服務協助汽車制造企業不斷地提升自身的供應鏈主動管理能力，為汽車制造企業如何利用該平臺搭建自身的供應鏈風險預控體系提供了思路和方法。