Logistics：汽车供应链中断如何提前预警？深度学习给出了新的检测方案

供应链中断直接影响客户满意度。汽车供应链由一级供应商、二级供应商和装配厂组成。新冠疫情导致2020年下半年汽车装配厂材料短缺，墨西哥供应商订单取消的情形有所增加，交货时间从30天延至90天，安全库存下降。已有研究采用线性规划、离散事件仿真、贝叶斯网络等方法，但存在未报告延迟收货、忽略一级供应商中断风险、未考虑需求变异与变动提前期、忽略再订货点等局限。为此，本研究提出融合系统动力学与深度学习的混合模型，将中断设定于一级与二级供应商之间。本文贡献包括：构建聚焦收货延迟的系统动力学模型；利用其生成数据设计深度学习网络检测中断。

模型包含一级与二级供应商两个环节，采用Stella Architect 3.4.1仿真，结合2020至2023年61个月真实需求数据。方程涵盖需求、原材料/在制品/成品库存、确认订单、交付产品、服务水平、积压订单、补货订单、生产速率、再订货点、安全库存等。需求服从正态分布；安全库存基于95%置信水平 (安全系数1.65)；中断风险由斜坡与阶跃函数定义。模型基于一家生产汽油箱的一级供应商，中断能力率0至1：0为无中断，0.25为技术停工，0.50为材料短缺，1.0为严重中断 (相当于15天暂停)。再订货点基于平均需求6797个、标准差1638个、95%安全系数。初始库存3500个 (两周)，提前期两周，二级供应商订货间隔一周。发货因运输风险延迟一周。神经网络采用双通道并行架构：一通道提取系数θ，另一通道提取基张量φ，经卷积层与全连接层后分类，采用交叉熵损失与Adam优化器训练，k=5。

模型考虑10种情景，涵盖无中断、需求增减20%至70%、中断率0.5至0.7、提前期延长等。结果显示，2020年4至11月二级供应商延迟两周，汽油箱产量降75%；4月供应链暂停后客户交付骤降，随后需求三年内从4500增至8300个 (增80%)；服务水平从80%降至65%；成品库存下降66%后回升30%。神经网络评估以收货延迟为输入，对比多层感知机 (MLP) 与奈曼-皮尔逊 (NPB)。1500个样本，80%训练、20%测试。受试者工作特性曲线 (ROC) 显示所提网络AUC=0.87最高，MLP=0.76，NPB=0.63。DeLong检验表明差异均显著。中断类F1分数所提为0.69，MLP为0.62，NPB为0.20。

情景五显示需求降50%、中断能力0.5时，二级供应商订单取消两周，成品库存降75%，积压订单增加，服务水平下降，一级供应商仅满足68%需求。模型假设需求正态分布、提前期一至四周可变、95%安全系数、定期审查策略。局限包括排除总成本、仅60个月数据、仅两个层级、仅模拟汽油箱。所提方法在精确率与召回率间取得良好平衡。工业应用中面临数据异构、噪声、实时推理、数据不平衡与动态适应等挑战，可通过剪枝、雾计算、数据增强、迁移学习等应对。

本研究将系统动力学与深度学习结合，检测汽车行业一级供应商的供应链中断。中断由2020年4至11月二级供应商材料短缺引起，需求降50%，服务水平下降。保持两周成品库存可缩短交货时间并缓解多米诺效应。未来将扩展历史数据、纳入多米诺效应，并扩展至二级供应商的中断检测。

期刊主要发表与物流和供应链相关的原创文章和高质量评论。主题涵盖领域包括但不限于：人工智能、物流分析和自动化；可持续发展与逆向物流；人道主义和医疗保健物流；最后一公里，电子商务与销售物流；海运物流；供应商，政府和采购物流等。

精选视频

相关文章推荐

相关公众号推荐