图数据库实践 - 如何将图数据库应用于供应链管理

导读

当前，随着全球化的加速和供应链的复杂性增加，供应链风险管理已经成为企业日常运营中不可忽视的重要方面。由于自然灾害、贸易保护、供应商更迭等因素的影响，供应链中的任何一个环节出现问题都可能导致生产中断、物流延误、成本增加，从而影响企业运营稳定性。然而，供应链生产流程长，数据贯穿于各个环节中，且由于各系统间数据定义不统一，造成跨部门间数据整合困难，无法将供应链整体形成端到端的图谱。因此，企业需要制定综合的供应链风险管理计划，降低风险并提高灵活性和韧性，以应对市场变化和风险挑战。

早在2021年，知名零售制造商捷豹路虎就已采用图数据库技术实现物流流程优化和供应链管理。我们知道，汽车供应链的世界上最复杂的供应链之一，平均每辆汽车将由4500个零部件组成，甚至有些系列车型可提供超3万个零部件供客户定制。供应链网络涉及的汽车的制造工艺、消费者定制化需求、经济动荡等因素，都会影响原材料成本、整车制造周期、企业营收效益。而捷豹路虎借助图数据库技术，将之前需要花费数周时间进行的供应链模型查询缩短至45分钟。查询时间的缩短能帮助企业对供应链变化进行快速分析，从而最大限度地减少可能产生的违约金费用。同时，数据分析产生的价值能帮助企业识别供应链薄弱环节并及时做出优化。

尽管企业花费了大量资金，但依靠传统模式的供应链的问题依然频繁出现，尤其是近两年战争和疫情的影响，留给企业对供应链风险做出反应的时间急剧减少，导致一系列问题，如：关键部件交付延迟，导致供应链不畅、某些部件供过于求，产生额外的库存成本、整个装配线闲置，导致无效折旧、因未满足生产合同要求不得不向供应商支付合同罚款等。

图技术需求

企业为应对供应链系统中，存在不可预测的突发情况而造成的风险。系统需要增加供应链韧性，全局识别供应链模式，对薄弱环节进行监测，从而最大程度降低风险影响。例如，通过链路识别，对某些重要零部件的供应商进行监测，做好库存补足或者供应商备份，即使出现供应商断层的情况，也不会造成供应链的断裂。针对供应链风险模式，我们将供应商、零部件等信息抽象成点，零部件之间依赖关系、供应商之间依赖关系等抽象成边，从而构建出供应链端到端图谱，当供应链系统中出现成本浮动、零部件缺失等问题时，能通过图算法向上回溯源头、向下识别影响范围，为企业业务决策提供数据支持。

以Galaxybase图数据库构建供应链管理图谱的基本原理图如下。

图模型构建

以车辆供应链为例，构建供应链管理图谱，可根据实际情况进行展开。订单指定供应商提供零部件，零部件可组成上级功能性部件，不同的功能性部件根据车型配置组装成不同车型，按订单指定车型交付客户。同时，供应商之间也存在互相采购的关系，零部件之间也存在嵌套组合的关系。接下来使用Galaxybase图数据库来创建数据模型，点类型和点属性如下表所示。

点类型	属性
订单	订单编号、供货期、成本预算等
供应商	企业名称、日产量、仓储等
零件	名称、零件等
功能	功能名称等
车型	名称、车型等

边类型、起始点类型、终止点类型如下表所示。

边类型	起始点类型	终止点类型
指定	订单	供应商
供应	供应商	零件
使用	功能	零件
车型配置	车型	功能
订单车型	订单	车型
运输	供应商	供应商
采购	供应商	供应商
使用	零件	零件

供应链管理模型如下图所示。

更多图模型构建方式请参考图构建。

图谱应用-故障溯源

在企业生产环节中，某订单可能出现质量问题，企业应该即使找到问题所在，并将此生产线上的供应商进行调整，同时对可能影响的其它生产线进行预警。举例，订单A出现质量问题，需要定位产生质量问题的原因，并推测可能影响的其它生产线。上文所建图模型中，我们将进行探查。

查询结果

如下图所示，利用图技术从供应链顶端向下深链查询，找到造成订单A质量问题的供应商为轮毂供应商A，在图谱上将其标红。同时，轮毂供应商A还给雪地车轮提供轮毂，将此生产线标记为黄色，提醒工作人员加大产品抽查频次，防止产品问题影响进一步扩大，在出现质量问题时尽快挽回企业口碑。

图谱应用-产能调整

在企业生产环节中，供应商可能由于气候原因、经济原因造成产生不足的情况，供应链应该在短时间内根据产能情况做出生产计划的调整，并定位可能存在的替代供应商。举例，橡胶供应商B的日产量由于原产地气候原因骤降，如何在短时间内判断按原有生产计划是否能满足订单需求？是否可以迅速找出替代方案？上文所建图模型中，我们将进行探查。

查询结果

如下图所示，橡胶供应商B由于气候原因，导致日产量减少。根据图谱显示，橡胶供应商B的产量减少将影响A车型的订单量，系统将产能信息实时更新，并计算出产量缺口。同时，根据查询算法得出，存在橡胶供应商A为A型橡胶提供产量，防止供应链断裂。

结语

以上仅为供应链管理图谱的简单展示，通过上述两个例子，可以看到图数据模型能实现多源数据的互联互通，将多源数据以所有参与者都理解的方式建模、连接，并且模型可以随时调整，高效完成各类聚合及深链查询，实现全链路的信息透明化。 此外，图数据库具备的智慧分析与推理能力，能够迅速地进行深链查询和推理，让供应链中的需求变动、价格变动、供应问题、仓储问题等对上下游的影响可以轻松预测，连接数据与商业决策，给企业充足的时间调整定价或营销策略，规避风险。

后续，我们会在创邻科技微信公众号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。