[论文解读] A Knowledge Graph Perspective on Supply Chain Resilience

Yushan Liu, Bailan He+8 more|arXiv (Cornell University)|May 15, 2023

Supply Chain Resilience and Risk Management被引用 6

一句话总结

本文提出了一种基于知识图谱的框架，通过将多源供应链数据整合到结构化的知识图谱中，以增强供应链韧性，实现知识图谱补全以进行链接预测（均 reciprocal rank 达到 0.4377），并利用图分析识别关键供应商（通过中心性度量）。该方法将透明度提升至三级供应商，并支持自动风险检测。

ABSTRACT

Global crises and regulatory developments require increased supply chain transparency and resilience. Companies do not only need to react to a dynamic environment but have to act proactively and implement measures to prevent production delays and reduce risks in the supply chains. However, information about supply chains, especially at the deeper levels, is often intransparent and incomplete, making it difficult to obtain precise predictions about prospective risks. By connecting different data sources, we model the supply network as a knowledge graph and achieve transparency up to tier-3 suppliers. To predict missing information in the graph, we apply state-of-the-art knowledge graph completion methods and attain a mean reciprocal rank of 0.4377 with the best model. Further, we apply graph analysis algorithms to identify critical entities in the supply network, supporting supply chain managers in automated risk identification.

研究动机与目标

• 通过将异构供应链数据整合到统一的知识图谱中，解决供应链不透明和数据割裂问题。
• 利用最先进的知识图谱补全技术，预测供应链网络中的缺失关系。
• 通过图分析和中心性度量，识别关键供应商及供应链脆弱点。
• 通过支持自动化检测高影响供应链中断，实现主动风险管理。

提出的方法

• 从多源供应链数据（包括供应商、业务范围以及如'supplies_to'和'located_in'等关系）构建异质知识图谱。
• 应用知识图谱补全模型（例如，TransE、RotatE、DistMult）预测缺失链接，并使用均 reciprocal rank (MRR) 进行评估。
• 为每个供应商计算五种中心性度量——度数、中间性、接近性、特征向量和三角形计数，以评估其在网络中的重要性。
• 将中心性得分聚合为综合重要性得分，以按关键性对供应商进行排序。
• 通过子图可视化关键供应链，突出显示高分供应商以及具有单一来源依赖性的业务范围。
• 将节点和边的属性（例如，国家层面的风险指数、公司名称）作为未来模型增强的潜在特征进行整合。

实验结果

研究问题

• RQ1 知识图谱补全在复杂供应链网络中预测缺失供应商关系方面的有效性如何？
• RQ2 在多级供应链中，哪种图中心性度量最能识别关键供应商？
• RQ3 聚合的中心性得分在多大程度上提升了对高风险供应链节点的检测能力？
• RQ4 知识图谱在多大程度上提升了从一级到三级供应商的透明度与数据整合能力？
• RQ5 节点和边的属性在提升链接预测和风险评分准确性方面发挥什么作用？

主要发现

• 表现最佳的知识图谱补全模型实现了 0.4377 的均 reciprocal rank (MRR)，表明对缺失链接的预测性能中等至较强。
• 西门子在供应链网络中作为核心实体，其聚合重要性得分为 37.25，显著高于第二高的供应商（16.66）。
• 共有 988 家供应商的聚合得分高于 10，表明这些供应商是潜在的关键节点，需专家审查。
• 入度、中间性和三角形计数之间观察到高度相关性，表明连接众多的供应商也往往是最短路径的关键节点，并且处于高度互联的子网络中。
• 子图可视化揭示了三个各自仅依赖单一供应商的业务范围，其中两个供应商的临界性得分也较高，表明存在单点故障。
• 研究发现，位于高风险区域的供应商，或生产多个西门子零部件的供应商，可能面临更高风险，提示需扩展基于图的风险建模。