Supply Chain Resilience Modeling — 供应链韧性建模：断链风险预测与备选方案规划
Skill-Supply-Chain-Resilience-Modeling · 04-供应链
causalexperimentforecastingoptimizationfraud_detection供应链与补货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-K 全域风险防御
年化 ROI¥20-100 万（以避损为主）
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
1. 解决的问题
广东单一电机供应商停产6周损失80万但事前不知道应该备几家备选——贝叶斯网络量化各组件断链概率和恢复时间，双重采购最优分割策略将年预期断链损失降低60-80%
2. 核心算法逻辑
供应链韧性的两个维度：
3. 业务应用场景
业务问题：吸奶器的核心电机来自广东单一供应商，疫情期间停产 6 周，直接损失 ¥80 万。虽然知道需要备选供应商，但不知道应该认证几家、各自备多少库存。
数据要求： - 当前供应商信息（地理位置/年供货量/过往交期稳定性） - 历史断链事件（停产原因/持续天数） - 产品的月均消耗量和 Lead Time
预期产出： - 各组件的韧性评分（0-100） - 最脆弱的环节排序（优先处理） - 备选供应商策略：应该认证几家，各备多少库存 - 断链模拟：各种场景下的预期损失
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：
- 识别高韧性漏洞并采取行动：避免下次断链损失 ¥30-100 万
- 备选供应商认证的 ROI 量化：帮助决定是否值得投入 ¥5-10 万认证成本
- 安全库存精准调整：既不过度积压也不断货的最优水位
- 年化综合 ROI：¥20-100 万（以避损为主）
- 实施难度：⭐⭐⭐☆☆（贝叶斯网络有成熟库（pgmpy）；断链历史数据整理约 2 周；完整系统 4-6 周）
7. 代码模板
代码块数量：3 · 路径：未检测到
"""
Supply Chain Resilience Modeling
供应链韧性：贝叶斯网络风险建模 + 双重采购优化
"""
import numpy as np
from dataclasses import dataclass, field
from typing import Optional
@dataclass
class SupplierNode:
"""供应商节点"""
supplier_id: str
name: str
location_risk: float # 0-1，地理风险（地震区/政治不稳定）
capacity_risk: float # 0-1，产能风险（单一大客户依赖）
quality_risk: float # 0-1，质量风险
lead_time_days: int # 正常交期
max_disruption_days: int # 历史最长断链天数
disruption_probability: float # 年断链概率
@dataclass
class ComponentChain:
"""单个组件的供应链"""
component_name: str
monthly_demand: float
safety_stock_days: int
primary_supplier: SupplierNode
backup_suppliers: list[SupplierNode] = field(default_factory=list)
def compute_resilience_score(chain: ComponentChain) -> dict:
"""计算供应链韧性评分"""
primary = chain.primary_supplier
# 脆弱性评分（越高越脆弱）
vulnerability = (
0.4 * primary.disruption_probability +
0.3 * primary.location_risk +
0.3 * primary.capacity_risk
)
# 恢复能力（有备选供应商则恢复更快）
if chain.backup_suppliers:
best_backup = min(chain.backup_suppliers, key=lambda s: s.lead_time_days)
recovery_days = best_backup.lead_time_days
recovery_buffer = chain.safety_stock_days
recovery_capability = 1 - min(1, max(0, recovery_days - recovery_buffer) / 30)
else:
recovery_capability = 0.1 # 无备选，恢复能力极低
recovery_days = primary.max_disruption_days
# 综合韧性分
resilience = (1 - vulnerability * (1 - recovery_capability)) * 100
# 期望损失天数（每年）
expected_disruption_days = (primary.disruption_probability *
max(0, primary.max_disruption_days - chain.safety_stock_days))
8. 论文来源
- 2406.09871