基于安全监测公共服务平台的企业供应链安全风险预控方法研究

0 引 言

汽车产业是长产业链、大协同、大制造的“集成化”产业，完整而强大的汽车供应链是汽车产业有力发展的基本特征之一[1]。汽车供应链是一个包含各类供应商、制造商、物流商、销售商等多个主体的复杂而又庞大的系统，主体是零部件等物料供应体系，具有全球化的采购和生产方式[2]，因此管控难度很大[3]。汽车企业之间的竞争本质上是体系能力和供应链之间的竞争，建立高效协同、有竞争优势的供应商体系，是各汽车企业良性发展和正常经营的前提[4]。2020年全球大环境引起世界经济的发展下行造成了广泛的影响，本来就处于降速发展和调整期的全球汽车产业也遭受了巨大冲击，全产业链深受影响，供应链大范围错期、延迟，全球货物的物流不畅通[5]。类似事件对现有的全球汽车产业格局和供应链稳定造成较大的影响，导致汽车产业链供应链的稳定供给安全问题日益凸显。

随着大数据、云计算等技术的发展，供应链向着数字化、智能化的方向转型升级[6]。中国汽车产业面临巨大变革，如何借助大数据赋能中国汽车产业发展就成为重要课题，但是国内针对基于大数据技术提升汽车供应链风险预控能力的研究仍存在较多空白[7]。以服务国家摸清汽车产业家底、把脉汽车产业发展态势、防控产业链“卡脖子”瓶颈作为出发点，2021年由工信部直属单位——工业和信息化部装备工业发展中心牵头，联合行业的优势资源建设汽车领域产业链和供应链安全监测平台。工信部通过建立中国汽车产业链供应链大数据平台，实现了汽车全产业链的异构数据融合和实时获取，能够帮助政府主管部门快速全面地掌握中国汽车产业链的风险状况，实现更科学、高效的精细化管理；工信部通过充分挖掘汽车产业链供应链的数据价值，为汽车产业的健康发展提供了持续新动能。

1 汽车产业链供应链安全监测公共服务平台

1.1 平台内容

平台将以汽车研发设计、开发测试和生产制造全过程中涉及的汽车产业链供应链为基础，调研汽车产业链供应链的相关政策、法规和标准，研究汽车产业链供应链涉及的产业地图，对关键零部件和技术、关键原材料进行安全评估、自主可控分析和产业化公关建议。在此基础上，平台建立了一套电子化、可视化的汽车及零部件产业地图。平台规划设计总体方案如图1所示。

图1 汽车产业链供应链安全监测公共服务平台总体方案

1.1.1 汽车行业大数据平台

工业和信息化部装备工业发展中心建立的汽车行业大数据平台，包括汽车公告数据、合格证数据、双积分数据、汽车及零部件产业地图等，能够获取汽车整车及关键零部件数据、汽车基础数据（政策、法规、标准、工具、关键原材料等）、软件升级备案管理数据等行业数据源，接收业务范围内企业上传的标准数据，并进行存储、预处理和挖掘分析。试点行业机构初步处理汽车产业链供应链中企业提供的源数据，实现了与国家数据中心的协同处理和服务。

1.1.2 整车/供应链企业数据平台

平台按照统一的采集机制和采集规范，定期将标准化数据实时上传至国家数据中心。企业通过国家数据中心获得数据服务，用于调节产能、应急处置、攻关关键技术、协同发展等方面。

1.2 平台功能

1.2.1 数据接入

人们利用平台接入汽车及零部件产业地图数据、行业管理数据、汽车整车及关键零部件数据、软件升级备案管理数据、产业运行数据等，根据数据的内容、格式、类型以及存储和传递方式等规范和标准化要求，开发数据同步、数据转发、边缘计算、数据抽取等功能，实现了数据的统一接口、统一规范以及标准化数据传输。

1.2.2 数据处理、存储和计算

平台提供数据处理的虚拟化环境，形成对数据和日志完整的管理策略，实现处理、存储和计算功能，对计算资源进行统一管理和监控。平台开发数据处理功能，实现数据的格式化、映射、分级、校验、清洗、解析、筛选、增强等功能，实现敏感数据、脱敏数据的持久存储、实时缓存、容灾备份，确保数据存储的高安全性、高可靠性。同时，平台构建大型分布式数据仓库，对汇总数据、事件数据、抽样数据等使用不同的存储策略、存储介质和存储区域，以满足平台的数据处理功能和性能需求。最后平台通过整合主流数据计算、分析挖掘引擎，包括实时高性能计算、离线计算引擎和全文搜索引擎，支持用于更快的交互查询，实现数据查询。

1.2.3 数据分析

数据分析采用自动化挖掘处理与专业人员深入分析相结合，提供建模分析、数据挖掘、数据确权、分级共享、预测分析、数据溯源等功能，实现多种针对汽车产业链供应链数据特性的数据挖掘与分析能力。基于人工智能、大数据等技术对平台数据进行建模分析和数据挖掘，数据包括相关的原材料供应商、零部件及元器件供应商、集成供应商的产能、计划、分布等行业运行信息。在此基础上，平台通过相关数据实现了汽车产业链供应链数据监测、态势分析、预警预判、数据追溯、安全风险评估等服务功能，为建立自主、可控、完整的产业链供应链安全提供了有力的支撑。

1.2.4 应用服务

平台开发数据可视化交互、门户和信息综合展示、移动终端管理服务、移动终端应用和数据BI功能，根据不同类型用户，面向平台用户、企业用户建立统一的用户身份管理平台，实现用户的ID管理、基础属性维护管理、用户身份认证及用户授权等功能。

1.2.5 开放 API接口

平台提供开放的标准API数据接口，实现了与汽车行业大数据平台、整车企业数据平台、供应链企业数据平台及其他数据平台间的数据交互；实现了汽车产业链供应链相关的数据规范、信息上报等标准服务API。

2 汽车产业链供应链安全监测和预警模型

目前，由于缺少有效的数据支撑，国内还未形成一套针对汽车产业链的完整量化指标评价体系，国内产业安全问题的研究还处于由定性分析到定量分析的过渡阶段[7-8]，人们对于供应链中的大数据分析应用还缺乏深入的研究[9]。本平台采集的基础数据涵盖了汽车产业上游、中游和下游等不同部分，相比于已有研究具有较为丰富的数据支撑，可选择更加灵活的安全监测预警模型。

本平台既要利用已有的分析方法和预警模型，同时也要充分地挖掘大数据中蕴含的重要价值。考虑到模型的不确定性广泛存在于计量建模、分析和预测的各个领域，本平台采用基于多模型的方法，并通过一定的权重对不同的估计和预测进行加权，同时通过权重考虑模型的不确定性。即一方面，平台使用集成学习方法对多个传统模型进行组合，根据从大量的数据统计分析获得的具体指标，对整个行业的发展现状和安全进行监测、评估，以提高预测的准确率。另一方面，平台基于大规模数据和深度学习技术构建供应链预测模型，对供应链上每个节点的状态进行预测，同时将预测结果作为产业监测模型的输入实施进一步评估分析，能够提前发现产业链潜在的风险点，为汽车产业风险防控提供数据支撑。

2.1 基于集成学习的汽车产业链安全监测预警

集成学习作为一类组合优化的学习方法，不仅能通过组合多个简单模型以获得性能更优的组合模型，而且允许研究者针对具体的机器学习问题设计组合方案以得到更为强大的解决方案[10]。首先，由于汽车产业链供应链的数据类型多样，且数据融合、清洗与加工是非常复杂的过程，容易引入不稳定的因素，因此本项目使用Bagging算法来提升预测模型的稳定性和抗噪能力。其次，本项目对神经网络和SVR等多个异质模型使用stacking算法进行集成，以提高预警模型的准确率。以Bagging算法为例，模型的输入为某个时间点汽车产业具体的指标值，模型的输出为整体汽车产业的安全指数。图2为基于集成学习的汽车产业链安全监测预警建模示意图。

图2 基于集成学习的汽车产业链安全监测预警建模示意图

2.2 基于图神经网络的供应链安全监测预警模型研究

供应链网络具有复杂性、动态性和交叉性等特征，通常层次结构复杂，跨越多个行业，原材料和零部件供应商、整车制造商、销售商之间不断优化组合，随着时间和空间不断变化，以适应市场需求。图是表征节点和节点之间关系的一种数据结构，其最大的优势在于具有结构信息，对于依赖关系和逻辑关系表达能力很强。因此，基于图的机器学习已经成为近两年人工智能的热门研究方向之一[11-13]。

考虑到供应链是高度动态网络，随着时间在不断发生变化，因此本平台采用时空图神经网络对汽车产业链供应链的状态进行建模，能够同时捕获空间和时间的依赖关系。如图3所示，邻接矩阵A表示供应链节点之间的连接关系，X表示节点属性值构成的属性矩阵。图卷积层在A和X（t）上操作以捕获空间相关性，而1D-CNN延时间轴在X上滑动以捕获时间相关性。输出层为每个节点生成一个预测，例如下一个时间步节点的属性值。

图3 基于图神经网络的汽车产业链供应链安全监测预警建模示意图

在本技术方案中，模型输入为供应链网络、每个节点的状态属性，模型输出为下一个时间步节点的属性值。定期从车企收集清洗加工后的数据作为模型训练数据和测试数据，预测的结果一方面可以根据已有的经验和规则对供应链进行风险预警，另一方面可以用于汽车产业监测预警模型指标的计算以及结果的预测。

3 基于平台开展对Y公司供应链安全风险的预控实践

3.1 Y公司供应链风险预警能力现状

企业需要认清并分析供应链风险类型，才能识别并分析风险发生的概率、产生的危害程度以及具体管控风险的措施，基于对Y公司的调研，当前Y公司供应链存在以下风险。

供应风险：Y公司作为主机厂对上游关键零部件供应商的相关信息掌握得不够清晰，无法及时、敏锐地捕捉到相关风险，无法对企业的采购与储备计划做出适应性调整。上游的部分供应商停摆就会引发供应链的“断链”危机，带来严重的后果。

政策法规风险：Y公司有专门负责收集国内外行业相关政策、法规、标准等方面信息的业务单元，可以较好地应对政策、法规的变化，但通常较为被动。

供应链风险预控体系不健全：Y公司通常是根据政策、事件等进行分析后，人为识别风险并进行点状预警，缺少对供应链各个环节的数字化管理，无法根据信息进行实时评估，存在风险识别不及时、不准确的问题。

3.2 基于安全监测公共服务平台的解决方案

针对上述Y公司供应链存在的风险及问题，利用安全监测公共服务平台所提供的功能与服务实现对风险点进行有效的识别、预防与管控，主要场景包括以下类型。

基于本公共服务平台的供应链安全评估指标体系和安全监测评估工具，可以为主机厂提供供应链安全评估诊断服务。当平台得出某个产业链供应链产品将存在安全风险时，发出预警，作为其预防供应链风险和优化供应链安全现状的参考依据。

基于本公共服务平台提供的汽车及零部件产业地图，可以为主机厂提供各类关键零部件的主要供应商信息、产能信息、交期信息、客户信息以及经营状况、发展规划等多方面的信息，为主机厂的渠道寻源及现有渠道的优化调整工作提供有效的参考。

基于本公共服务平台提供的各关键零部件上游核心企业的相关信息，以及原材料市场行情及趋势预测等信息，为企业的远期采购规划及零部件储备计划提供指导。

基于本公共服务平台提供的各类零部件涉及的国内外相关政策、法规、标准等信息，可以为企业的产品规划、开发、设计、验证等提供明确的指导。

基于本公共服务平台提供的汽车关键零部件供应商的相关市场表现信息，如召回信息、重大事故信息、投诉信息等，能够为各主机厂的渠道选择和优化提供参考。

3.3 基于服务平台实现Y公司供应链风险的主动预控

通过汽车产业链供应链安全监测公共服务平台的行业推广应用，可以为Y公司的供应链管理提供有效的支持。

首先，利用本公共服务平台的关键零部件数据库、产业链供应链安全评估指标体系和安全监测评估工具，Y公司通过搭建需求管理和模块化设计平台、订单产销协调和精益管理模块、客户全触点管理与订单交易模块以及供应链优化和内容智能推荐等，形成订单→供应→排产的供应链管理流程，实现对平台整合信息价值的充分挖掘与利用。

其次，利用本公共服务平台提供的各主机厂产销数据和关键零部件企业的供需及产能规划等数据，Y公司通过建立自己的产能规划数据联动模型；并和平台的数据形成联动，能够合理有效地规划调整自身的产能，制订合理的排产计划，为供应链管理者进行计划、协调、操作、控制和优化信息流、物流、资金流等方面的决策提供依据。

最后，Y公司借助平台所提供的数据采集与挖掘能力，从产品的可获得性、质量、效率等维度搭建供应链安全评估指标体系，通过安全监测模型实现对产业链安全的评估、监测，提前发现潜在风险点并进行风险预控；同时解决当前存在的对汽车零部件的二三级乃至多级供应商管理深度不足的问题，以实现对供应链体系的穿透式管理。

4 结 语

本文提出的汽车产业链供应链安全风险预控方法依托于工信部牵头搭建的安全监测公共服务平台提供的数据库，基于智能算法搭建预警模型，对供应链中所可能产生的风险进行识别和预警，并借助平台所提供的相关服务协助汽车制造企业不断地提升自身的供应链主动管理能力，为汽车制造企业如何利用该平台搭建自身的供应链风险预控体系提供了思路和方法。