CN115081913A - 一种供应链风险评估与防控*** - Google Patents

Abstract

本发明公开了一种供应链风险评估与防控***，包括资源采集与辨识模块、风险评估模块；资源采集与辨识模块，用于采集外部数据，并对数据进行抽取、转换和清洗，形成标签化数据进行存储与管理；风险评估模块，用于构建风险模型，然后根据基础规则和调用风险模型的计算结果，以风险评估结果指导生产决策，进行风险防控。本发明运用CVaR条件风险值，以用户订单的定制为基础进行需求辨识，依据业务需求对多源异构数据进行解析，对于总体风险值过高的供应链可实现节点的删除与替换，复用性高、灵活性高，根据三级供应链的特点进行多维度的风险建模，得出供应链风险值，对企业供应链风险和供应链管理做出指导与决策。

Description

一种供应链风险评估与防控***

技术领域

本发明属于计算机大数据技术领域，特别涉及一种供应链风险评估与防控***。

背景技术

当今电子商务时代对企业发展的最大挑战是，一直以来的大规模制造必须变成大规模定制的模式，即从原来的先造产品再找用户变为先选择出用户再造产品。传统企业的“生产一库存一销售”模式必须相应地转变为用户驱动的“即需即供”模式。供应链管理在企业大规模定制下发挥越来越重要的作用，供应链涉及的参与者众多且彼此环环相扣，任何一个环节的突发问题都可能给整个供应链上下游带来不利影响。因此，供应链***具有很大的不确定性与脆弱性，易遭受各种风险的攻击。

目前现有研究大多是单个企业之间的供应链运营与风险评估管理，而针对多维度的企业供应链风险建模，以及多级供应链，多企业模式下的供应链风险评估***相对较少。

发明内容

本发明的目的是提供一种利用CVaR条件风险值，对用户订单的定制需求进行辨识，依据业务需求对多源异构数据进行解析，根据三级供应链的特点进行多维度的风险建模，对于总体风险值过高的供应链可实现节点的删除与替换，复用性高、灵活性高、易扩展的一种供应链风险评估与防控***。

为实现上述目的，本发明采用的技术方案如下：

一种供应链风险评估与防控***，包括资源采集与辨识模块、风险评估模块；其特征在于：所述资源采集与辨识模块，用于采集外部数据，并对数据进行抽取、转换和清洗，形成标签化数据进行存储与管理；所述风险评估模块，与所述资源采集与辨识模块连接，用于根据所述资源采集与辨识模块处理后的数据，构建风险模型，然后根据基础规则和调用风险模型的计算结果，以风险评估结果指导生产决策，进行风险防控；

所述资源采集与辨识模块包括数据查询单元、资源标签管理单元和数据标签化存储单元；

所述数据查询单元与所述数据标签化存储单元连接，用于数据储存后可通过以企业注册ID为主键，从HDFS中查询企业的标签化数据；

所述资源标签管理单元与所述数据标签化存储单元连接，用于不断延展和扩充标签化数据，并对数据抽取、转换和清洗的规则进行扩充与修改；

所述风险评估模块包括风险模型构建单元和风险决策单元；

所述风险决策单元与所述风险模型构建单元连接，用于基础规则与风险模型的配置和管理，根据***实时事件的触发，通过规则库单元的调用，对多个供应链节点进行拼接组合，形成完整的供应链体系，从而完成风险防控规则的匹配和决策动作的执行；

所述风险模型构建单元与所述资源采集与辨识模块连接，用于根据所述资源采集与辨识模块处理后的数据，通过对实时供应链数据的在线计算和离线计算，进行风险模型建模与配置；

所述风险决策单元包括风险数据注入单元、规则库单元、规则管理单元和供应链模型组合单元；

所述规则管理单元与所述规则库单元连接，用于基础规则配置和风险模型参数配置；

所述规则库单元包括基础规则和风险模型；

所述基础规则，是无需逻辑处理的硬性规则，是由用户或企业直接定义规则内容的一类规则；

所述风险模型，由供应链多维度数据的注入，以业务逻辑为主，根据企业能力、产品能力、生产能力、配送能力而进行调整，通过调用风险模型算法决策供应链的输出动作，评价企业用户订单的可行性，支撑订单的快速判定与落地执行；

所述供应链模型组合单元与所述规则库单元连接，用于调用所述规则库单元中企业节点模型，以拖拽节点的方式拼接组合上下游供应链，可点击删除或替换供应链节点，进行灵活组合，形成可配置的完整供应链网络结构，并通过风险模型决策量化风险值，指导生产决策。

优选的，所述标签化数据，包括业务数据、生产数据、信用数据和其他外部数据。

优选的，所述业务数据，是通过唯一主键(企业注册ID)将同一企业从不同渠道发起的上下游交易关联勾兑在一起，形成一个完整的历史交易序列，实现供应链的资源整合，包括企业内部资源、配套企业资源、区域内其他资源；

所述生产数据，包括企业原材料、商户、设备、订单、库存、生产、配送、成本、质量、效益等多维度的产品能力资源、供应链配送能力资源、制造能力资源；

所述信用数据，包括企业资信、付款方式、信用限额；

所述其他外部数据，通过外部与其他企业平台接口或HTTP外部数据连接。

优选的，所述风险模型构建单元，具体为：

将风险模型定义为企业能力、产品能力、生产能力、配送能力，以此做为模板；

所述风险模型通过CVaR来进行供应链风险计算；供应链节点企业CVaR值含义为在一定的概率水平下，企业某供应链节点在某个特定的时间段内的损失额超过某个给定VaR值的期望大小；

其公式为：

CVaR_β＝VaR_β+E{f(x,y)-VaR_β|f(x,y)≥VaR_β} 式1

关于式1其中，

x＝(x₁,x₂,x₃,…x_n)^M，表示企业供应链定义模型中企业能力、产品能力、生产能力、配送能力的多维度影响因素的权重；

y＝(y₁,y₂,y₃,…y_n)^M，表示企业或供应链内由于不同风险因素影响产品价值的权重；

f(x,y)表示企业供应链内产品价值在一定持有期内的预期价值损失函数；

VaR_β表示在概率水平β下企业的供应链节点风险值，即可能的损失上限；

在线计算，通过家电企业ID查询历史交易序列，找出企业历史交易过的供应链上游多个原材料供应商、下游多级分销商，并接收实时企业数据；通过消息队列组件注入流式计算引擎，模拟供应链中原材料供应商、生产商、多级分销商的单节点风险；

离线计算，主要是学习供应链历史经验数据，通过调度大数据分布式集群来完成特征值计算，包括计算点个节点企业能力、产品能力、生产能力、配送能力在供应链风险中的影响权重，及产品价值的权重；

数据计算完成后生成类、属性、值定义的XML资源描述模板文件，储存于分布式缓存中；风险模型会于灰度环境中进行灰度测试，模拟供应链企业单个节点生产环境的运行情况；

风险特征管理负责将风险模型的参数的优化调整，全生命周期的管理与模型不断更新迭代；在不断迭代优化后，模块通过自定义的Java接口组件与风险决策单元进行数据传输，将供应链中企业单节点的风险模型存入规则库单元。

优选的，所述风险决策单元，具体为：

由供应链多维度数据的注入，以业务逻辑为主，根据企业能力、产品能力、生产能力、配送能力而进行调整，通过调用风险模型算法决策供应链的输出动作，评价企业用户订单的可行性，支撑订单的快速判定与落地执行；

风险模型将原料供应商、生产制造商、运输配送、下游经销商及连结在一起形成联合网络体系，涉及多个供应商、制造商以及多个经销商的三级供应链模型；由于CVaR的次可加性，得出对于某个制造商M的整条供应链条件在风险值Risk如下：

关于式2其中，

Ut表示第t个上游供应商；

M’表示第m个核心制造企业；

Dr表示第r个下游经销商；

λ_mCVaR_β,M'表示的是制造企业自身的风险值；

表示核心制造商与上游供应商贸易给自身带来的风险值；

表示核心制造商与下游经销商贸易给自身带来的风险值；

CVaR_β,M'分别表示供应商、制造商、经销商在给定概率水平β下的CVaR值；

和

分别表示上游供应商、下游经销商对核心制造商的风险影响因。

优选的，所述风险决策单元，具体为：

当一个基础规则的所有条件全部满足时，需要执行后续的风险防控动作；根据风险模型预测，结合不同上下游企业的风险影响因子，计算出供应链总体风险值；风险模型预测结果的不同等级，将执行相应的动作，主要包括三种风险级别，第一级别(风险值小于60％)包括对供应链各个环节可能或已经出现的异常情况预警提示，通知并指导相关人员进行处理，此级别并不影响供应链的正常的运作；第二级别(风险值为60％-80％)会影响供应链给的运作稳定性，易产生不良的后果，可能需管理人员更换其中个别节点，需尽快进行处理；第三级别(风险值大于80％)将直接使得供应链停止运作，需管理人员删除或更换多个节点，或者直接停止此供应链运作，是最严格的干预措施。

优选的，所述企业能力，包括资信、付款、合作和黑白名单；

所述产品能力，包括置信度、CPK、质量其他指标、成本、利润和时间周期；

所述生产能力，包括生产订单分解、工单、排产、原材料库存、加工材料库存、其他材料库存、设备运行情况、设备生命周期、设备维护保养和生产技术组装；

所述配送能力，包括上游、下游的物流与信息流。

优选的，所述风险数据注入单元，采用参数统一的XML结构。

本发明的有益效果是：

通过模拟用户定制需求，将供应链风险模型定义为企业能力、产品能力、生产能力、配送能力，四大类能力包含各自子分支，使得模型定义更加清晰，且支持模板复用，建模更加便捷。

风险评估模块通过对供应链上下游中单个节点进行风险建模，然后针对生产商进行上下游的节点拼接组合，对于总体风险值过高的供应链可实现节点的删除与替换，灵活性较高，降低了供应链的成本。

在风险建模中引入CVaR条件风险值，以用户订单的定制为基础进行需求辨识，依据业务需求对多源异构数据进行解析，根据三级供应链的特点进行多维度的风险建模，得出供应链风险值，对企业供应链风险和供应链管理做出指导与决策。

附图说明

图1为本发明的一种供应链风险评估与防控***结构图；

图2为本发明风险模型示意图；

具体实施方式

下面结合附图和实施例，对本发明做进一步描述：

实施例1

如图1、2所示，本发明提供一种供应链风险评估与防控***，包括资源采集与辨识模块1、风险评估模块2；资源采集与辨识模块1，用于采集外部数据，并对数据进行抽取、转换和清洗，形成标签化数据进行存储与管理；风险评估模块2与资源采集与辨识模块1连接，用于根据资源采集与辨识模块1处理后的数据，构建风险模型13，然后根据基础规则12和调用风险模型13的计算结果，以风险评估结果指导生产决策，进行风险防控。

资源采集与辨识模块1属于***的最底层，包括数据查询单元4、资源标签管理单元5和数据标签化存储单元3。

在定制化家电生产中，资源采集与辨识模块1模块通过搭建Hadoop生态，实现对家电生产及上下游企业海量生产数据、业务数据、信用数据和其他外部数据的存储。

资源采集与辨识模块1先会从HDFS文件储存***中通过唯一主键(企业注册ID)中查询是否有企业历史数据，若有，则进行必要的历史数据更新；若没有则通过企业开放的数据接口获取生产、业务、信用等数据。

获取数据后通过数据ETL组件对数据进行抽取、转换和清洗形成标签化数据从而进行数据管理，形成的标签化数据有：业务数据、生产数据、信用数据和其他外部数据。

业务数据是通过唯一主键(企业注册ID)将同一企业从不同渠道发起的上下游交易关联勾兑在一起，形成一个完整的历史交易序列，实现供应链的资源整合，包括企业内部资源、配套企业资源、区域内其他资源。生产数据是从企业原材料、商户、设备、订单、库存、生产、配送、成本、质量、效益等多维度的产品能力资源、供应链配送能力资源、制造能力资源。信用数据包括对从企业资信调查、付款方式、信用限额等环节实行的全面监控。其他风险数据通过外部与其他企业平台接口或HTTP外部数据连接。

数据查询单元4与数据标签化存储单元3连接：用于数据储存后可通过以企业注册ID为主键，从HDFS中查询企业的业务数据、生产数据、信用数据及其他外部数据。

资源标签管理单元5与数据标签化存储单元3连接，标签化数据是动态的，用于***可随着基础风险数据的更新不断延展和扩充标签化数据，并对数据抽取、转换和清洗的规则进行扩充与修改。

资源采集与辨识模块1会运行基于Java的客户端程序，程序通过基于REST的HDFSAPI，实现与风险评估模块2的通讯及数据文件的上传。

风险评估模块2包括风险模型构建单元6和风险决策单元7。

风险模型构建单元6与资源采集与辨识模块1连接，用于根据资源采集与辨识模块1处理后的数据，通过对实时供应链数据的在线计算和离线计算，进行风险模型建模与配置；

风险评估模块2通过模拟用户定制需求，将风险模型13定义为企业能力、产品能力、生产能力、配送能力，以此做为模板。四大类能力包含各自子分支，具体如图2所示。企业能力，包括资信、付款、合作和黑白名单等；产品能力，包括置信度、CPK、质量其他指标、成本、利润和时间周期等；生产能力，包括生产订单分解、工单、排产、原材料库存、加工材料库存、其他材料库存、设备运行情况、设备生命周期、设备维护保养和生产技术组装等；配送能力，包括上游、下游的物流与信息流等。

家电供应链单个节点的风险模型13：

风险模型13通过CVaR来进行供应链风险计算。供应链节点企业CVaR值含义为在一定的概率水平下，企业某供应链节点在某个特定的时间段内的损失额超过某个给定VaR值的期望大小。

其公式为：

CVaR_β＝VaR_β+E{f(x,y)-VaR_β|f(x,y)≥VaR_β} 式1

关于式1其中，

x＝(x₁,x₂,x₃,…x_n)^M，表示企业供应链定义模型中企业能力、产品能力、生产能力、配送能力的多维度影响因素的权重；

y＝(y₁,y₂,y₃,…y_n)^M，表示企业或供应链内由于不同风险因素影响产品价值的权重；

f(x,y)表示企业供应链内产品价值在一定持有期内的预期价值损失函数；

VaR_β表示在概率水平β下企业的供应链节点风险值，即可能的损失上限。

在线计算通过家电企业ID查询历史交易序列，找出企业历史交易过的供应链上游多个原材料供应商、下游多级分销商，并接收实时企业数据。通过消息队列组件注入流式计算引擎，模拟供应链中原材料供应商、生产商、多级分销商的单节点风险。

离线计算主要是学习供应链历史经验数据，通过调度大数据分布式集群来完成特征值计算，包括计算点个节点企业能力、产品能力、生产能力、配送能力在供应链风险中的影响权重，及产品价值的权重。

数据计算完成后生成类、属性、值定义的XML资源描述模板文件，储存于分布式缓存中。风险模型13会于灰度环境中进行灰度测试，模拟供应链企业单个节点生产环境的运行情况。风险特征管理负责将风险模型13的参数的优化调整，全生命周期的管理与模型不断更新迭代等功能。在不断迭代优化后，风险模型构建单元6通过自定义的Java接口组件与风险决策单元7进行数据传输，最终供应链中企业单节点的风险模型13存入规则库单元9。

风险决策单元7包括风险数据注入单元8、规则库单元9、规则管理单元10和供应链模型组合单元11；

风险决策单元7与风险模型构建单元6连接，用于基础规则12与风险模型13的配置和管理，根据***实时事件的触发，通过规则库单元9的调用，对多个供应链节点进行拼接组合，形成完整的供应链体系，从而完成风险防控规则的匹配和决策动作的执行。为了便于异构***风险数据的注入，风险数据注入单元8的入口参数统一采用XML结构进行定义。其中，规则库单元9由具体的基础规则12和风险模型13组成，共同决策，具体规则如下：

基础规则12，是无需逻辑处理的硬性规则，是由用户或企业直接定义规则内容的一类规则。如若供应链上下游某一节点不满足条件，可直接删除或替换。以家电企业为例：基础规则12可以是日产量的上限，生产成本的上限，企业信用问题等等。

企业可以自主的新增或修改规则，可发布新的版本。基础规则12的优点是规则的及时性强，要求较低。

风险模型13，由供应链多维度数据的注入，以业务逻辑为主，根据企业能力、产品能力、生产能力、配送能力而进行调整，通过调用风险模型算法决策供应链的输出动作，评价企业用户订单的可行性，支撑订单的快速判定与落地执行。

风险模型13将原料供应商、生产制造商、运输配送、下游经销商及连结在一起形成联合网络体系，涉及多个供应商、制造商以及多个经销商的三级供应链模型；由于CVaR的次可加性，得出对于某个制造商M的整条供应链条件在风险值Risk如下：

关于式2其中，

Ut表示第t个上游供应商；

M’表示第m个核心制造企业；

Dr表示第r个下游经销商；

λ_mCVaR_β,M'表示的是制造企业自身的风险值；

表示核心制造商与上游供应商贸易给自身带来的风险值；

表示核心制造商与下游经销商贸易给自身带来的风险值；

CVaR_β,M'分别表示供应商、制造商、经销商在给定概率水平β下的CVaR值；

和

分别表示上游供应商、下游经销商对核心制造商的风险影响因。

供应链模型组合单元11与规则库单元9连接，可通过html页面交互，用于调用规则库单元9中企业节点模型，以拖拽节点的方式拼接组合上下游供应链，可点击删除或替换供应链节点，进行灵活组合。以家电企业为例：生产商可选择上游供应商企业，每个供应商节点需生产交付多少原材料，交付日期等等；选择下游分销商企业，每个分销商节点交付多少成品，以及价格等等。形成可配置的完整供应链网络结构，并通过模型决策量化风险值，指导生产决策。

规则管理单元10与规则库单元9连接，用于业务人员可通过html交互页面对基础规则12和风险模型13参数进行配置与修改。此外，还可以添加企业黑白灰名单的管理。

当一个基础规则的所有条件全部满足时，需要执行后续的风险防控动作；根据风险模型预测，结合不同上下游企业的风险影响因子，计算出供应链总体风险值；风险模型预测结果的不同等级，将执行相应的动作，主要包括三种风险级别，第一级别(风险值小于60％)包括对供应链各个环节可能或已经出现的异常情况预警提示，通知并指导相关人员进行处理，此级别并不影响供应链的正常的运作；第二级别(风险值为60％-80％)会影响供应链给的运作稳定性，易产生不良的后果，可能需管理人员更换其中个别节点，需尽快进行处理；第三级别(风险值大于80％)将直接使得供应链停止运作，需管理人员删除或更换多个节点，或者直接停止此供应链运作，是最严格的干预措施。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (8)

1.一种供应链风险评估与防控***，包括资源采集与辨识模块、风险评估模块；其特征在于：所述资源采集与辨识模块，用于采集外部数据，并对数据进行抽取、转换和清洗，形成标签化数据进行存储与管理；所述风险评估模块，与所述资源采集与辨识模块连接，用于根据所述资源采集与辨识模块处理后的数据，构建风险模型，然后根据基础规则和调用风险模型的计算结果，以风险评估结果指导生产决策，进行风险防控；

所述资源采集与辨识模块包括数据查询单元、资源标签管理单元和数据标签化存储单元；

所述数据查询单元与所述数据标签化存储单元连接，用于数据储存后可通过以企业注册ID为主键，从HDFS中查询企业的标签化数据；

所述资源标签管理单元与所述数据标签化存储单元连接，用于不断延展和扩充标签化数据，并对数据抽取、转换和清洗的规则进行扩充与修改；

所述风险评估模块包括风险模型构建单元和风险决策单元；

所述风险决策单元与所述风险模型构建单元连接，用于基础规则与风险模型的配置和管理，根据***实时事件的触发，通过规则库单元的调用，对多个供应链节点进行拼接组合，形成完整的供应链体系，从而完成风险防控规则的匹配和决策动作的执行；

所述风险模型构建单元与所述资源采集与辨识模块连接，用于根据所述资源采集与辨识模块处理后的数据，通过对实时供应链数据的在线计算和离线计算，进行风险模型建模与配置；

所述风险决策单元包括风险数据注入单元、规则库单元、规则管理单元和供应链模型组合单元；

所述规则管理单元与所述规则库单元连接，用于基础规则配置和风险模型参数配置；

所述规则库单元包括基础规则和风险模型；

所述基础规则，是无需逻辑处理的硬性规则，是由用户或企业直接定义规则内容的一类规则；

所述风险模型，由供应链多维度数据的注入，以业务逻辑为主，根据企业能力、产品能力、生产能力、配送能力而进行调整，通过调用风险模型算法决策供应链的输出动作，评价企业用户订单的可行性，支撑订单的快速判定与落地执行；

所述供应链模型组合单元与所述规则库单元连接，用于调用所述规则库单元中企业节点模型，以拖拽节点的方式拼接组合上下游供应链，可点击删除或替换供应链节点，进行灵活组合，形成可配置的完整供应链网络结构，并通过风险模型决策量化风险值，指导生产决策。

2.根据权利要求1所述的一种供应链风险评估与防控***，其特征在于：所述标签化数据，包括业务数据、生产数据、信用数据和其他外部数据。

3.根据权利要求2所述的一种供应链风险评估与防控***，其特征在于：所述业务数据，是通过唯一主键(企业注册ID)将同一企业从不同渠道发起的上下游交易关联勾兑在一起，形成一个完整的历史交易序列，实现供应链的资源整合，包括企业内部资源、配套企业资源、区域内其他资源；

所述生产数据，包括企业原材料、商户、设备、订单、库存、生产、配送、成本、质量、效益等多维度的产品能力资源、供应链配送能力资源、制造能力资源；

所述信用数据，包括企业资信、付款方式、信用限额；

所述其他外部数据，通过外部与其他企业平台接口或HTTP外部数据连接。

4.根据权利要求3所述的一种供应链风险评估与防控***，其特征在于：所述风险模型构建单元，具体为：

将风险模型定义为企业能力、产品能力、生产能力、配送能力，以此做为模板；

所述风险模型通过CVaR来进行供应链风险计算；供应链节点企业CVaR值含义为在一定的概率水平下，企业某供应链节点在某个特定的时间段内的损失额超过某个给定VaR值的期望大小；

其公式为：

CVaR_β＝VaR_β+E{f(x,y)-VaR_β|f(x,y)≥VaR_β} 式1

关于式1其中，

x＝(x₁,x₂,x₃,…x_n)^M，表示企业供应链定义模型中企业能力、产品能力、生产能力、配送能力的多维度影响因素的权重；

y＝(y₁,y₂,y₃,…y_n)^M，表示企业或供应链内由于不同风险因素影响产品价值的权重；

f(x,y)表示企业供应链内产品价值在一定持有期内的预期价值损失函数；

VaR_β表示在概率水平β下企业的供应链节点风险值，即可能的损失上限；

在线计算，通过家电企业ID查询历史交易序列，找出企业历史交易过的供应链上游多个原材料供应商、下游多级分销商，并接收实时企业数据；通过消息队列组件注入流式计算引擎，模拟供应链中原材料供应商、生产商、多级分销商的单节点风险；

离线计算，主要是学习供应链历史经验数据，通过调度大数据分布式集群来完成特征值计算，包括计算点个节点企业能力、产品能力、生产能力、配送能力在供应链风险中的影响权重，及产品价值的权重；

数据计算完成后生成类、属性、值定义的XML资源描述模板文件，储存于分布式缓存中；风险模型会于灰度环境中进行灰度测试，模拟供应链企业单个节点生产环境的运行情况；

风险特征管理负责将风险模型的参数的优化调整，全生命周期的管理与模型不断更新迭代；在不断迭代优化后，模块通过自定义的Java接口组件与风险决策单元进行数据传输，将供应链中企业单节点的风险模型存入规则库单元。

5.根据权利要求4所述的一种供应链风险评估与防控***，其特征在于：所述风险决策单元，具体为：

由供应链多维度数据的注入，以业务逻辑为主，根据企业能力、产品能力、生产能力、配送能力而进行调整，通过调用风险模型算法决策供应链的输出动作，评价企业用户订单的可行性，支撑订单的快速判定与落地执行；

风险模型将原料供应商、生产制造商、运输配送、下游经销商及连结在一起形成联合网络体系，涉及多个供应商、制造商以及多个经销商的三级供应链模型；由于CVaR的次可加性，得出对于某个制造商M的整条供应链条件在风险值Risk如下：

关于式2其中，

Ut表示第t个上游供应商；

M’表示第m个核心制造企业；

Dr表示第r个下游经销商；

λ_mCVaR_β,M'表示的是制造企业自身的风险值；

表示核心制造商与上游供应商贸易给自身带来的风险值；

表示核心制造商与下游经销商贸易给自身带来的风险值；

CVaR_β,M'分别表示供应商、制造商、经销商在给定概率水平β下的CVaR值；

和

分别表示上游供应商、下游经销商对核心制造商的风险影响因。

6.根据权利要求5所述的一种供应链风险评估与防控***，其特征在于：所述风险决策单元，具体为：

当一个基础规则的所有条件全部满足时，需要执行后续的风险防控动作；根据风险模型预测，结合不同上下游企业的风险影响因子，计算出供应链总体风险值；风险模型预测结果的不同等级，将执行相应的动作，主要包括三种风险级别，第一级别(风险值小于60％)包括对供应链各个环节可能或已经出现的异常情况预警提示，通知并指导相关人员进行处理，此级别并不影响供应链的正常的运作；第二级别(风险值为60％-80％)会影响供应链给的运作稳定性，易产生不良的后果，可能需管理人员更换其中个别节点，需尽快进行处理；第三级别(风险值大于80％)将直接使得供应链停止运作，需管理人员删除或更换多个节点，或者直接停止此供应链运作，是最严格的干预措施。

7.根据权利要求6所述的一种供应链风险评估与防控***，其特征在于：所述企业能力，包括资信、付款、合作和黑白名单；

所述产品能力，包括置信度、CPK、质量其他指标、成本、利润和时间周期；

所述生产能力，包括生产订单分解、工单、排产、原材料库存、加工材料库存、其他材料库存、设备运行情况、设备生命周期、设备维护保养和生产技术组装；

所述配送能力，包括上游、下游的物流与信息流。

8.根据权利要求7所述的一种供应链风险评估与防控***，其特征在于：所述风险数据注入单元，采用参数统一的XML结构。

Images