供应链风险扩散仿真平台：从「出了事再救火」到「算清代价再决策」
2026-09-22 · 解决方案
客户的问题从来不是「看不见风险」，而是「看见了也算不清代价」。 我们把「项目 → 多级 BOM → 物资 → 物流 → 供应商」连成一张可计算的视图： 一个断供情景进来，能算出它影响哪些项目、新增多少敞口； 一年数千次情景推演，损失中位数、P90、P99、最坏值四档全给。
适用对象：集团供应链管理层、风控与计划部门、数字化决策层 ｜ 主线实例：电力海外基建（18 个项目 / 185.03 亿美元合同额）＋ 航空制造（72 个机号）双行业实证 ｜ 交付形态：私有化部署，数据不出客户内网
一、问题背景：行业级缺陷，不是某家系统没配好
我们对 25 个主流供应链风险与仿真产品做了逐一调研（官网 / 官方文档 / 帮助中心全文检索）。 以下结论有正面证据支撑，可直接用于投标答疑：
| 行业通病 | 实测到什么程度 | 对客户的后果 |
|---|---|---|
| 只给评分，不给钱 | 9 家情报型产品全部输出无量纲评分，无一输出金额化损失 | 风控结论进不了预算和投资决策 |
| 不算概率、不给分位数 | 25 个产品中 0 个输出 VaR / ES / P50 / P90 / P99 | 回答不了「最坏情况要亏多少」 |
| 所谓"扩散"是静态映射 | 唯一有扩散机制的产品用的是静态 6 级矩阵，其余仅做受影响实体列举 | 回答不了「A 出事会连带哪几个项目」 |
| 监控与仿真两张皮 | 情报型有数据无引擎，仿真型有引擎无数据，中间靠 Excel 连接 | 仿真沦为年度一次性项目，不是日常能力 |
| 黑盒评分不可解释 | 不公开权重与推理链 | 危机来临时没人敢按它做决策 |
关键事实：「概率仿真 + 扩散传导 + 金额归集」三者同时具备的产品为 0 个。 本方案就是补这一层。
二、方案要点与目标
一句话：让每一次供应链决策，都先算清代价再选择。
三个动作：
- 建网 —— 把五段链条连成一张可计算的视图：项目（风险标的物）→ 多级 BOM → 物资 → 物流（仓库 / 航段 / 通道）→ 供应商。每条事实带来源指针与可信度，数据缺失不隐藏，直接标注为风险项。
- 扩散 —— 让风险沿网络逐跳传播，而不是孤立打分：多跳传播（含环路阻断、深度上限、强度衰减收敛三机制），自动识别单点故障（图上"拿掉就断链"的物资 / 供应商），输出「谁波及谁、传到第几跳衰减到多少、哪些节点被多家共享供应商放大」。
- 归集 —— 损失最终落到项目合同金额：概率情景推演（同种子同结果，可复现是审计的前提），输出每种风险的年度期望损失与分位数损失，归集到哪个项目、哪个里程碑、多少美元。
| 三句话 | 支撑数字（均已实测） |
|---|---|
| 风险沿链条算，不按台账看 | 1 家评分最好的供应商 → 58 项无替代源物资 → 13 个项目 → 1,312.8 万美元 |
| 风险落到项目和钱上，不落到告警条数上 | 18 个项目 / 185.03 亿美元合同额，逐项目敞口；289 条预警里最先动手的只有 4 条 |
| 风险算成概率分布，不算成红黄绿 | 3,900 次情景推演 2.5 秒跑完，P50 / P90 / P99 / 最坏四档全给 |
三、方案架构（客户视角）
- 数据接入：ERP / EAM、采购订单、WMS 库存、物流运单、QMS 质量、项目进度（PS / 计划）、外部风险事件
- 数据底座：供应链网络（五段链条）＋ 时序数据（库存 / 在途 / 指标）＋ 台账数据（项目 / 订单 / 质量），每条事实带来源与可信度
- 分析视图：控制塔看板（9 面板）＋ 13 张台账 ＋ Web 控制台
- 仿真内核：风险扩散 ＋ 概率推演 ＋ 金额归集（单命令起服务）
- 决策输出：报告 / 台账 CSV / 看板 / 情景对比 / 待办清单
分层带来的直接好处：换一个行业、换一套客户数据，只动 ①②，③④⑤ 的方法与口径不变 ——第六章用航空实例做了实证。
四、电力场景：五个典型问题，五个带出处的答案
场景 1 · 单源依赖：好供应商 + 无备份 = 最危险的组合
图 1：一家评分最好的供应商，沿供货关系向下推，牵动 13 个项目
✅ 数据实例里的一级供应商「上海电气集团」：OTD 0.999、PPM 50，41 家里交付表现和来料质量最好的一档 ——单点看它最不需要被担心。沿供货关系向下推：它承担 58 项无替代源物资 （定子线棒、转子绕组、励磁机、氢气冷却器等），波及 72 个实体 → 13 个项目，新增敞口 13,128,124 美元。
✅ 同类第二例「东方电气风电」：年采购额近 7,000 万美元、综合风险分 59（41 家最高）、 59 项无替代源物资，波及项目更少（2 个）但敞口 30,736,789 美元 ——「波及面广」和「单点代价高」是两种危险，只看项目数会漏判。
✅ 反向案例：「宁德时代」综合风险分 33（低于中位数，单看属安全档），但它是 15 项单源件的唯一来源。
交付给客户的：单点故障清单 + 无替代源物资清单 + 供应商集中度排名。 采购策略从「按评级分配订单」变成「按不可替代性分配关注度」。
场景 2 · 项目敞口：风险最后落在「项目」上，不在「告警」上
图 2：18 个海外项目逐个敞口，红点是风险聚集处
✅ 月度经营会上，供应链部门能汇报 289 条预警、10 家 CRIT 级供应商， 但总经理追问「哪个项目会晚？晚多久？要花多少钱？」时，通常答不上来。 ✅ 18 个项目 / 185.03 亿美元合同额 / 装机 19,800MW / 18 个国别，其中 10 个项目进度落后，最大落后 11.6 个百分点； 每个项目的敞口逐项可查、可加总、可追溯到具体物资与供应商。
交付给客户的：项目级风险敞口台账——每个项目一页，风险从哪条链来、卡在哪一票货、代价多少美元。
场景 3 · 告警分诊：289 条预警，最先动手的是 4 条
图 3：成千上万条预警里，真正需要集团拍板的只有 4 条
✅ 同一基准日一天产生 289 条异常预警，按处置紧迫度分级：AOG 70 / AD 141 / MEL 78； 按主线分布：库存 126、通道 54、供应商 40、项目 30、保留项 12、质量 9、物流 8、风险事件 6、传导 4。 真正需要集团层面拍板的传导类事件只有 4 条： 上海电气集团、东方电气风电、EH 油系统（1000MW 级）、水轮机转轮（150MW 级）。
交付给客户的：不是「让告警变少」，而是让每条告警带上优先级、责任方、建议动作和金额。 上会材料自动生成：一张表就是一份待办清单。
场景 4 · 进度—缺料联动：卡住的不是采购，是链条某一跳
图 4：从港口到工地，断点在哪一票货、哪一段通道，一眼定位
✅ 越南海阳燃煤电厂（7.58 亿美元，实际进度 62.6% / 计划 66.4%）： 一票电压互感器（800kV，A 类关键件）计划到港 09-19、实际 09-22，清关中停滞 4 天； 另一票和利时流量计计划 08-27 离港走「天津港 → 海阳省港」，状态仍是「计划」，停滞 19 天， 所在「越南-SEA」通道为 A 级关键通道。
✅ 通道层面：全量 62 条运输通道中「肯尼亚-AIR」延误率 50%、航段平均延误 32 天、等级 CRIT； 「埃及-SEA」「老挝-SEA」延误率 50% / 40%、平均延误 23.7 / 23.5 天。 一条通道的延误率，就是这条线上所有货的共同暴露。
交付给客户的：缺料定位从「跨部门排查几天」变成「看链路一眼定位到那一票货」。 催料催的是那一票货，不是整个供应商；物流部门的考核从「运费最低」变成「关键通道健康度」。
场景 5 · 风险预算：该不该现在投这笔钱
图 5：3,900 次情景推演的损失分布，P50 / P90 / P99 / 最坏四档参考线
✅ 39 类风险 × 每类 100 次 = 3,900 次情景试验，实测耗时 2.5 秒（种子固定、结果可复现）：
| 口径 | 金额（美元） |
|---|---|
| 全年损失总额 | 887,191,477 |
| 单次损失 P50 | 479,046 |
| 单次损失 P90 | 2,694,943 |
| 单次损失 P99 | 7,280,300 |
| 最坏一次 | 13,373,291（泥石流情景） |
✅ 风险治理方向自动排序：按全年损失，暴雨（1.36 亿）、政策突变（1.07 亿）、 泥石流（0.97 亿）、检修延期（0.77 亿）、备件短缺（0.46 亿）居前—— 暴雨、政策突变、泥石流单类全年损失都超过战争（0.19 亿）和制裁（0.35 亿）十倍以上。 凭直觉排风险，几乎一定会排错。
交付给客户的：一笔缓解投入只要低于它覆盖场景的 P90 损失（269 万美元），它就是便宜的。 审批语言从「要不要做」变成「划不划算」；保险、囤料、备份产能的报价可以直接和这张表比。
场景 6 · 健康度与经营复盘
✅ 全塔健康分 64 / 100，六维拆解：进度 52.8（权重 25%）、单源依赖 45.7（10%）、 库存 62.9、供应商 62.7、物流 83.5、风险 79.4——短板一眼可见。 ✅ 一次全塔运行 0.03 秒：进度口径可以按天刷新，不是季度咨询报告。
交付给客户的：一年后能复盘——「当初的判断值多少钱」，因为每个数字都留痕、可重算。
五、数据接入与集成：客户最关心的三个问题
Q1 数据从哪些系统来？
| 域 | 典型来源 | 电力实例里的对应表 |
|---|---|---|
| 项目与合同 | PM 系统 / 合同台账 | 18 个项目、里程碑、进度双口径（实际 / 计划） |
| 物资与 BOM | EAM / 设计 BOM | 695 项物资、510 条 BOM 关系，按锅炉/汽机/电气/光伏/储能/水机等专业分类 |
| 采购与订单 | ERP / SRM | 372 张订单、承诺交期、履约状态 |
| 库存 | WMS | 27 个仓库（现场/区域/中心三级）、636 条库存快照、覆盖天数 |
| 物流 | 货代运单 / 报关 | 195 条航段、62 条通道、7 态物资状态机、清关节点 |
| 质量 | QMS | 30 条质量告警（带报告号 + 页码）、17 项保留项 |
| 风险事件 | 集团风控台账 | 12 条风险事件 |
接入形态：文件批量导入（CSV / JSON）起步，后续走接口对接。 不要求客户先做数据治理再上系统——缺失数据本身会被标注为风险项， 补一块数据，可信区间就收窄一块。
Q2 你们的数字凭什么信？
图 6：单据证实的和推演出来的互不冒充，低可信项显式标红
- 每个事实记两样东西：来源（哪张单据 / 哪份报告 / 哪一页）与可信度。 电力实例 30 条质量告警覆盖 29 份不同报告，页码范围 2–28，逐条带出处指针。
- 事实与推断分开呈现：单据证实的和推演出来的互不冒充。
- 客户可以现场抽一条数据往回追——查不到出处是我们的问题，不是客户的猜测。
- 结果可复现：同一份数据、同一套口径、同一套输出，已实测逐项一致。
Q3 准确率怎么承诺？
我们不承诺「绝对准确」，承诺的是「可信到什么程度、哪一部分不可信、 补哪些数据能收窄多少」。这是风控系统能被审计和追责的唯一诚实姿势。
六、跨行业实证：同一套方法，两个行业
图 7：电力与航空，同一套方法与口径，换数据不换方法
✅ 用两个完全不同行业、完整规模的实例，以同一套方法和同一套口径跑出了同样的输出：
| 对比项 | 电力 / 海外基建 | 航空制造 |
|---|---|---|
| 风险标的物 | 18 个项目 / 185.03 亿美元 / 装机 19,800MW / 18 国 | 72 个机号 / 在手订单 2,375 架（已交付 1,558） |
| 链条 | 项目 → BOM → 物资 → 物流 → 供应商 | 机号 → 零件 → 供应商 → 工厂 → 运输 |
| 关键暴露 | 695 项物资 / 510 条 BOM / 41 家供应商 | 1,005 项零件 / 969 条 BOM / 116 家供应商 / 271 项单源件 |
| 交付风险 | 18 个项目中 10 个进度落后，最大落后 11.6 个百分点 | 33 个机号延期，其中 16 个判定为受影响 |
| 风险与质量 | 12 条风险事件 / 289 条预警 / 30 条质量告警 | 72 条风险事件（合计 15.60 亿欧元影响）/ 320 条质量问题（55 严重），质量成本 1.088 亿欧元 |
换行业变的是数据接入和行业配置，不是方法本身。 对客户的意义：集团多板块（电力 / 航空 / 新能源）可以用一套体系统一管理， 试点到推广的成本从「重做一遍」变成「接一份数据」； 跨板块可以横向比较同一种风险的两种量级（电力侧一家供应商承担 58 项无替代源物资 vs 航空侧全量 271 项单源件）。
七、试点路径与验收门（建议 12 周试点）
| 阶段 | 周期 | 交付物 | 验收门（写进合同的那种） |
|---|---|---|---|
| T0 数据摸底 | 1–2 周 | 数据可得性清单 + 缺口即风险清单 | 双方确认接入表范围与基准日 |
| T1 建网 | 2–3 周 | 客户自己的供应链网络入库，五段链条贯通 | 单点故障清单、单源依赖清单产出且经客户业务方抽检认可 |
| T2 扩散与仿真 | 3–4 周 | 情景库 + 损失分布报告（P50/P90/P99/最坏） | 同一情景在客户数据上端到端跑通且换种子可复现；客户任选 1 条结论现场回溯到单据 |
| T3 并行验证 | 2–3 周 | 平台结论 vs 客户人工经验判断对比表 | 客户风控/项目条线确认输出可用；分歧项逐条有解释 |
| T4 上线推广 | 持续 | 控制塔看板 + 台账 + 报告自动化 + 培训 | 进入月度经营会例行使用 |
试点选型建议：选 1 个板块 10–20 个项目起步（覆盖一个完整交付链）， 不要一开始全集团铺开——方法验证靠的是一条链算得准，不是一张网铺得大。
八、预期效果
| 项 | 实测值 | 对客户的含义 |
|---|---|---|
| 供应链网络装载 | 16.7 万条关系装载 461 ms（约 36 万条/秒） | 客户级数据规模秒级入库 |
| 单点故障全图扫描 | 毫秒级（2.5 万实体规模的图上实测 3 ms 级） | 「哪些节点拿掉就断链」随时可答 |
| 时序指标写入 | 53 万点/秒，窗口聚合 1.2 ms | 库存/在途/健康度按天甚至按时刷新 |
| 全塔一次性计算 | 0.03 秒 | 看板不是月报，是日更 |
| 3,900 次情景推演 | 2.5 秒 | 会前跑 10 组情景对比完全来得及 |
| 可复现性 | 固定种子 → 同输入必得同输出 | 审计、复盘、答辩的底线要求 |
图 8：从「出了事再救火」到「算清代价再决策」
部署形态：Docker 私有化交付，数据不出客户内网。 单机即可运行（嵌入式存储，无需客户准备数据库集群），可选对接客户既有数据平台。
九、能力边界：已具备 / 规划中（对外表述纪律）
| 能力 | 状态 | 对外怎么说 |
|---|---|---|
| 五段链条建网、单点故障、单源依赖、告警分诊、健康分 | ✅ 已实测 | 直接演示 |
| 概率仿真 + 分位数（P50/P90/P99/最坏）+ 金额归集 | ✅ 已实测 | 直接演示 |
| 多跳扩散（环阻断 / 深度上限 / 强度衰减） | ✅ 内核已实测，与业务层贯通进行中 | 说「内核已验证，接入完整链路为试点期交付项」 |
| 风险预算指标 VaR / ES / 期望年化损失 / 重现期 | ⏸ 规划中（差异化核心，竞品无一具备） | 说「二期交付」，不得说已有 |
| 时间轴仿真（库存动态 / 停机恢复 / 干预措施量化） | ⏸ 规划中 | 同上 |
| 干预方案反事实对比（同一场景改一个参数看差值） | ⏸ 规划中 | 同上 |
| Web 控制台（图谱交互 + 仿真进度 + 报告下载） | ⏸ 规划中（当前交付形态：看板 + 台账导出 + 命令行） | 说「试点期以台账与报告交付」 |
| 参数标定（风险发生概率的历史数据拟合） | ⏸ 依赖客户历史事件数据 | 说「落地时随客户数据标定」 |
一条必须回避的表述陷阱：不要把「支持多级供应商建模」这类行业入场券当卖点—— 客户会认为这是应有之义。差异化始终只讲三条：准确性 + 量化 + 扩散仿真。
十、为什么是我们
- 三条能力同时具备：概率仿真、扩散传导、金额归集——25 个竞品中 0 个同时做到，这是结构性差异，不是功能列表差异。
- 每个数字可回溯、可复现：带来源指针 + 固定种子，敢让客户现场抽检、现场重跑。
- 方法行业无关：电力与航空两套完整规模实例已实证「换数据不换方法」。
- 工程底线可见：653 项自动化测试全绿；性能与规模数字全部为实测值，不引用厂商宣传材料。
- 私有化交付：数据不出内网，单机可运行，不绑定客户云环境。
附：数字出处速查（被追问时当场翻）
| 数字 | 值 | 出处文件 |
|---|---|---|
| 电力项目数 / 合同额 / 装机 | 18 / 185.03 亿美元 / 19,800MW | guodian_overseas_tower/data/projects.json |
| 电力数据规模 | 695 物资 / 510 BOM / 195 航段 / 41 供应商 / 372 订单 / 636 库存快照 | guodian_overseas_tower/data/_meta.json |
| 上海电气集团影响面 | 58 项无替代源 / 72 实体 / 13 项目 / 13,128,124 美元 | guodian_overseas_tower/output/摘要-20260915-175603.md |
| 东方电气风电影响面 | 59 项无替代源 / 30,736,789 美元 | 同上 |
| 预警总量与分级 | 289 条（AOG 70 / AD 141 / MEL 78），传导类 4 条 | 同上、output/01-异常预警清单.csv |
| 全塔健康分与六维 | 64 / 100（进度 52.8、单源 45.7…） | output/摘要-20260915-175603.md |
| 情景试验总量与分布 | 3,900 次 / 887,191,477 美元 / P50-P90-P99 / 最坏 | rs/reports/risk_report.md |
| 装载与算法性能 | 16.7 万条 461 ms；割点 3 ms 级 | product-tech/P0.2-oxigraph-spike-实测报告.md |
| 时序写入性能 | 53 万点/秒；聚合 1.2 ms | product-tech/P0.4-tsink-spike-实测报告.md |
| 航空实例规模 | 72 机号 / 1,005 零件 / 271 单源件 / 320 质量问题 / 2,375 架订单 | a350_supplychain/a350_supply_chain.db |
| 竞品调研结论 | 25 个产品；「仿真+扩散+金额」三者兼备 0 个 | .research/供应链风险与仿真竞品调研报告.md |
| 测试基线 | 653 passed / 0 failed | rs/（cargo test --workspace） |
数据口径说明：本文引用的两套数据实例（电力 / 航空）均为完整规模的仿真数据集， 用于演示方法链路与输出形态，不代表任何企业真实经营数据。 对外统一说法：「这是我们用两套完整规模的仿真数据集跑出来的结果」； 落地后第一件事就是把同一套输出换成客户自己的数据——数字会变，方法不用变。