供应商准入认证KPI体系 — 新供应商评估、认证审核与准入门槛量化

Skill-Supplier-Qualification-Onboarding-KPI · 04-供应链

causalexperimentrecommendationpricing供应链与补货推荐与搜索数据采集与治理定价与利润风控与合规WF-A 智能补货WF-D 选品扫描WF-E Review监控WF-F 动态定价WF-I 智能体工程WF-K 全域风险防御

年化 ROI5万元

实现难度⭐⭐☆☆☆

业务视角

适用角色供应链负责人 · 采购负责人 · CEO / 运营 VP

适用平台Amazon FBA · 海外仓 · 多国仓位（美/欧/日）

什么情况下用库存周转率低，资金压在海外仓出不来；SKU 断货紧急空运，物流成本吃掉毛利；多仓库存分布不均

成功是什么样的库存周转天数从 90 天降到 60 天，断货率 <3%，海外仓综合成本降低 15-25%

业务痛点

库存周转天数太长资金压死了断货了只能空运救急成本爆了多市场库存分配不均

1. 解决的问题

新供应商引入时面临"认证缺失导致海关扣押"——认证到期三级预警+准入评分将合规事故降至0，每次扣押损失5-15万元

2. 核心算法逻辑

供应商准入（Supplier Qualification）是建立合格供应商池的前置门槛。陈凤霞框架将准入流程分为三关：

3. 业务应用场景

场景A：新吸奶器OEM供应商快速准入评估 - 业务问题：新产品开发需要找新OEM，收到10家供应商报价，需要快速筛选进入3家做深度评估 - 数据要求：供应商基本信息表（营业执照/认证/产能/财务状况）+ 报价单 + 样品 - 预期产出： - 10→3家初步筛选得分矩阵（基于认证/产能/价格/交期四维度） - 3家深度评估检查清单（工厂审核+样品测试） - 推荐准入供应商排名 - 业务价值：系统化准入减少因供应商认证缺失导致的海关扣押事件（历史上因此损失约8万元/次）

**场景B：年度供应商认证有效期监控** - **业务问题**：现有20家合格供应商，每家都有FDA/CE/FCC等多个证书，证书到期未续导致发货被拦截 - **数据要求**：供应商认证台账（供应商名称/证书类型/到期日） - **预期产出**： - 证书到期预警（提前90天/60天/30天三级预警） - 高风险到期证书清单（影响主力SKU的证书优先级最高） - **业务价值**：防止证书失效导致的发货延误，每次事故成本约5-15万元

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

ROI预估：避免一次因供应商认证缺失的海关扣押事件 = 节省5-15万元（包括重发费、库存滞留费、Buy Box损失）；认证到期预警系统将"意外合规失效"事件降至0
实施难度：⭐⭐☆☆☆（认证台账建立有初始工作量，后续维护为日常运营）
优先级评分：⭐⭐⭐⭐⭐（母婴类目FDA/CE/FCC合规是出口必须，准入失误=发货中断）
评估依据：陈凤霞书中指出母婴品类80%的供应链合规事故源于"未及时更新供应商认证台账"

7. 代码模板

代码块数量：2 · 路径：未检测到

"""
供应商准入认证 KPI 体系
功能：新供应商评分 / 认证有效期监控 / 合格供应商台账管理
输入：供应商信息 + 认证台账
输出：准入推荐 + 证书到期预警 + 合格供应商KPI报告
"""
import numpy as np
import pandas as pd
from datetime import datetime, timedelta
import warnings
warnings.filterwarnings('ignore')


def generate_supplier_candidates(seed=42):
    """生成候选供应商评估数据"""
    np.random.seed(seed)
    
    suppliers = [
        {'name': '深圳宝美电子', 'fcc': True, 'ce': True, 'rohs': True, 
         'iso9001': True, 'capacity': 8000, 'years': 8, 'price_index': 0.95,
         'response_days': 2, 'sample_quality': 9.2},
        {'name': '广州婴优科技', 'fcc': True, 'ce': False, 'rohs': True,
         'iso9001': True, 'capacity': 5000, 'years': 5, 'price_index': 0.88,
         'response_days': 3, 'sample_quality': 8.5},
        {'name': '东莞母婴制品', 'fcc': False, 'ce': True, 'rohs': False,
         'iso9001': False, 'capacity': 3000, 'years': 3, 'price_index': 0.82,
         'response_days': 5, 'sample_quality': 7.8},
        {'name': '宁波精工制造', 'fcc': True, 'ce': True, 'rohs': True,
         'iso9001': True, 'capacity': 12000, 'years': 12, 'price_index': 1.05,
         'response_days': 1, 'sample_quality': 9.6},
        {'name': '杭州新研科技', 'fcc': True, 'ce': True, 'rohs': True,
         'iso9001': False, 'capacity': 4000, 'years': 2, 'price_index': 0.90,
         'response_days': 4, 'sample_quality': 8.8},
    ]
    return pd.DataFrame(suppliers)


def score_supplier_qualification(df_candidates, product_category='电子/吸奶器'):
    """
    供应商准入评分（TOPSIS + 权重加总）
    维度：认证合规(40%) / 产能与经验(20%) / 价格竞争力(20%) / 响应质量(20%)
    """
    print("=" * 60)
    print(f"【供应商准入评分 - 品类：{product_category}】")
    print("=" * 60)
    
    results = []
    for _, row in df_candidates.iterrows():
        # 1. 认证合规评分（0-40分）
        # 母婴电子类必须：FCC/CE/RoHS
        required_certs = ['fcc', 'ce', 'rohs']
        cert_score = sum([row[c] for c in required_certs]) / len(required_certs) * 30
        iso_bonus = 10 if row['iso9001'] else 0
        compliance_score = cert_score + iso_bonus
        
        # 是否满足上市最低要求
        must_have = row['fcc'] and row['ce']  # FCC+CE是电子类出口最低要求
        
        # 2. 产能与经验（0-20分）
        capacity_score = min(20, row['capacity'] / 1000)

8. 论文来源

2307.12583