企业管理 · Verified Case

企业管理行业:SRM 供应商质量管理知识图谱与 AI 预警

企业作为涂料与建材领军企业,供应商数量庞大(5,000+)、供应物料种类丰富、覆盖十余个生产基地。供应商管理数据离散分布于 SRM、ERP(SAP)、OA、MES 及各类质量报表中,质量管理部与采购部门面临数据割裂、跨系统无法穿透、风险传导链路模糊、预警滞后四大痛点。企业启动 SRM 供应商管理 AI 应用建设,以 Supplier 为中枢构建质量管理领域本体,把离散业务记录升华为结构化知识网络,覆盖供应商质量画像、来料质量波动预警、客诉与整改闭环、资质证照到期预警、现场飞检与审核辅助五大场景,为上层 AI 质管应用(SQE Copilot)提供标准本体底座。

关联本体 三棵树 SRM 供应商质量管理本体

案例背景

企业作为涂料与建材领军企业,供应商数量庞大(5,000+)、供应物料种类丰富、覆盖十余个生产基地。供应商管理数据离散分布于 SRM、ERP(SAP)、OA、MES 及各类质量报表中,质量管理部与采购部门面临数据割裂、跨系统无法穿透、风险传导链路模糊、预警滞后四大痛点。企业启动 SRM 供应商管理 AI 应用建设,以 Supplier 为中枢构建质量管理领域本体,把离散业务记录升华为结构化知识网络,覆盖供应商质量画像、来料质量波动预警、客诉与整改闭环、资质证照到期预警、现场飞检与审核辅助五大场景,为上层 AI 质管应用(SQE Copilot)提供标准本体底座。

案例描述

以供应商为中枢构建 29 类 / 35 对象属性 / 116 数据属性的质量管理本体,将 101 表 / 14.8 万行业务数据抽取为 359,751 条 RDF 三元组(5,045 家供应商、16,914 张来料检验单及 16,638 条时序链、30,214 条资质证照、53 张客诉单、23 张现场审核单)。R1~R5 五类风险判定全部规则化(R1/R3/R4/R5 形式化为 SWRL),与官方验收基准逐项比对完全一致:来料连续预警 10 组 / 4 家供应商 0 漏报 0 误报,资质三档清单 1,845 / 541 / 15,121 条 1 条不差,供应商画像卡 7 项核心维度 70/70 逐行一致。配套 SQE Copilot 智能问答应用与 50 组场景问答测试集。

供应商一户一档

以供应商(Supplier)为中枢构建 29 类 / 35 对象属性 / 116 数据属性的质量管理本体,把 5,045 家供应商、16,914 张来料检验单、30,214 条资质证照、53 张客诉单、23 张现场审核单整合到同一语义网络,并生成 16,638 条检验时序链。

五类风险判定规则化

R1 来料连续不合格、R2 客诉严重度定级、R3 资证到期分级、R4 审核失分追踪、R5 整改闭环逾期五类判定全部规则化,其中 R1 / R3 / R4 形式化为 SWRL 推理规则,阈值逐条标注业务确认来源。

官方基准 100% 对齐

R1 连续预警(10 组 / 4 家)、R3 资证三档清单(1,845 / 541 / 15,121)、长期有效过滤(1,595)与官方基准完全一致(0 漏报 0 误报);供应商画像卡 7 项核心维度 70/70 逐行一致。

项目案例

客户面对的问题

供应商数据离散在 SRM、ERP(SAP)、OA、MES 及各类质量报表中,评估健康度要跨系统人工汇总

同一物料连续不合格靠翻检验记录才能发现,预警滞后,风险在多个工厂间传导无感知

5,000+ 供应商的 30,000+ 资质证照靠台账人工盯有效期,失效即采购违规

客诉严重程度靠扣款金额分档,金额字段脱敏后线下口径直接失效

历史飞检失分经验散落在 Excel 里,新一轮审核无法针对性备课

项目案例

使用本体前后的变化

使用本体前使用本体后
质量部要分别登录 SRM、SAP、OA 拉报表,再手工拼一张供应商情况汇总表供应商一户一档:准入、资质、订单、检验、客诉、飞检、整改全维度秒级穿透,画像卡 26 列自动生成
连续批次异常靠质检员按日期排序人工比对,漏看一批就放过一个趋势16,914 张检验单按「供应商+物料」构建时序链,连续 2 次不合格自动预警,让步接收按业务口径不打断计数、也不误报
资质台账 Excel 人工盯有效期,占位值 9999-12-31 还常被当成有效30,214 条资质按已失效 / 90 天内到期 / 缺失三档自动分级,并按剩余天数路由到责任采购员催办
金额分档口径因金额字段脱敏而失效,客诉分级凭经验补偿方式 + 文本高危词多特征定级(包含匹配兼容「退货补偿」等变体),客诉自动标为重大 / 中级 / 一般并给出依据
历史失分经验留在个人电脑里,每次飞检清单从头再列344 条历史审核明细自动识别 135 项失分,按考察项目分类输出靶向必查清单,飞检前直接备课
供应商质量语义链与规则引擎以供应商为中枢的全流程语义链:资质 / 订单 → 物料 → 来料检验 → 客诉 → 现场审核 → 整改闭环 → 综合风险画像;R1~R5 规则引擎挂在时序链与状态机上输出预警事件。
正在生成关系图…
本体工程分层与数据流水线本体工程按飞速 POC V1.0 架构分层:core 承载供应商主体,quality 承载质检时序链与业务单据,provenance 承载预警事件与 DuckDB 行级溯源,rules 为 SWRL 规则库,shapes 为 SHACL 数据质量约束;底层 DuckDB 14.8 万行全量数据经 ETL 抽取为 35.9 万条 RDF 三元组。
正在生成关系图…
项目案例

本体域与业务的关联

方案作用于哪些业务对象?

对象域

供应商、工商信息、资质证照、物料、采购订单及行项、收货单及行项、来料检验单及检测指标、客诉单及涉事产品、整改单及缺陷项、现场审核单与评分明细、衍生画像卡与三类预警事件。以供应商为中枢、检验单时序链为骨干。

信息在哪里产生和流转?

系统与信息域

数据源为 SRM 系统导出的 5 大场景业务包(72 文件 / 101 Sheet,覆盖供应商主数据、来料检验、客诉整改、资质台账、现场审核),统一落地 DuckDB(101 表 / 14.8 万行);ETL 流水线完成清洗、实体对齐(统一 10 位供应商编码)与时序链计算,导出 35.9 万条 RDF 三元组,可选载入 Neo4j。

判定依据是什么、由谁确认?

规则与标准域

R1(连续 2 次不合格,让步接收不计入且不打断)、R2(补偿方式包含匹配 + 高危词:脱落/开裂/大面积/收缩/批量)、R3(90 天预警窗口、2090-01-01 长期有效占位过滤)、R4(失分推荐度权重 0.4/0.3/0.3)、R5(状态≠2 且超期)五类规则全部标注判定规则 Excel 与需求文档条目来源;另以 SHACL 约束枚举值校验。

结果如何证明正确、边界如何交代?

质量与边界域

项目案例

5 个应用场景

场景 1

供应商质量画像卡秒级生成

客户问题

评估一家供应商要跨 SRM、SAP、OA 拉五套报表手工汇总,健康度判断慢且口径因人而异。

本体做法

以供应商编码为主键聚合检验、客诉、审核、资质、订单各维度指标(检验类按近 12 月窗口)。以福建岫广矿产品(1100010213)为例:近 12 月检验 1,819 批、不合格 15 批(不合格率 0.82%,绝对量为池内最高)、覆盖 54 种物料 / 10 个工厂、3 起客诉、159 张订单——判定「合格率高但异常点集中」,列为重点跟踪对象。

应用效果

16 家 POC 供应商画像卡 26 列指标秒级生成,7 项核心维度与官方基准 70/70 逐行一致。

输出内容
  • 供应商 360° 质量画像卡(26 列)
  • 客诉类型分布与资质完整度
  • 重点跟踪供应商建议
场景 2

来料连续不合格自动预警

客户问题

同一供应商同一物料的检验单分散在不同批次报表里,连续恶化趋势要靠质检员按日期排序人工比对,让步接收等特殊取值还容易被误判。

本体做法

按「供应商+物料」构建确定性检验时序链(16,638 条 NextInspection 边,同日按单号决胜),连续 2 次不合格类判定即触发预警,让步接收不计入且不打断计数。例如福建岫广矿产品 6 个物料被命中连续「拒收→拒收」,寿光市发达布业物料 100002932 同日 3 笔拒收按「同日合并 1 起」口径计 1 组,与官方基准完全一致。

应用效果

连续批次异常从人工翻记录变成自动预警,10 组事件与官方基准 0 漏报 0 误报,让步接收无一误判。

输出内容
  • R1 连续不合格预警清单(10 组 / 4 家)
  • 单批异常清单(77 条)
  • 停批放行与 8D 整改建议
场景 3

客诉严重度智能定级与整改闭环

客户问题

原口径按客诉扣款金额分档,但金额字段整列脱敏;补偿方式还存在「退货补偿」「补偿(返利)」等变体,等值匹配会系统性误判。

本体做法

改用多特征语义定级:补偿方式包含「现金/退货」或描述命中高危词(脱落/开裂/大面积/收缩/批量)判重大,包含「换货/返利/折价」判中级。以客诉单 KSZL260613043 为例:补偿方式「补偿(返利)」本身属中级,但主题命中高危词「收缩」,自动提升为重大;同供应商 3 张整改单中 2 张已逾期,立即催办。

应用效果

金额字段脱敏后客诉分级依然可用,53 张客诉单全部自动定级并给出可追溯的判定依据。

输出内容
  • 客诉严重度定级清单(重大/中级/一般)
  • 定级依据说明
  • 整改催办与升级建议
场景 4

资质证照到期全量分级预警

客户问题

5,000+ 供应商的资质台账靠人工盯有效期,9999-12-31 等长期有效占位值常被误当真实日期,空值更是无人管。

本体做法

先过滤长期有效占位(有效期 > 2090-01-01,1,595 条),再按基准日 2026-10-12 三档分级:已失效 1,845、90 天内到期 541、缺失 15,121,与官方基准完全一致。例如陕西秦源招标一份资质有效期至 2006-12-18(剩余 −7,238 天),标记红色并通知责任采购员换证。

应用效果

30,214 条资质全量分级,三档命中量与官方基准 1 条不差,占位值与空值不再污染预警清单。

输出内容
  • 已失效清单 1,845 条(红色,锁配额/暂停下单)
  • 90 天内到期清单 541 条(黄色,路由采购员催办)
  • 有效期缺失补录清单 15,121 条
场景 5

飞检审核清单智能备课

客户问题

344 条现场审核明细里的失分经验散落在 Excel 中,新一轮审核不知道该重点查什么。

本体做法

按「实际打分 < 标准满分」识别失分项(135 项,覆盖率 100%),按考察项目分类聚合失分频次与扣分:生产及品质管理失分 18 次居首,编码 16 类累计扣分 61.0 最重,列为最高优先级。同时如实标注:审核明细主键已脱敏无法归属到供应商,当前输出全局规律,待业务补充映射表后可升级为个性化清单。

应用效果

历史审核失分经验沉淀为靶向必查清单,飞检备课从「从头再列」变成「按历史失分频次直取」。

输出内容
  • 重点检查清单 Top(按失分频次排序)
  • 135 项失分明细(含审核分组 ID)
  • 数据边界说明(脱敏项不臆测)
业务示意

一次同日三连拒收的自动预警之旅

寿光市发达布业有限公司 2025-03-11 对物料 100002932 一天产生 3 笔拒收。 它在哪里产生:3 张来料检验单由工厂质检在 SRM 提交,随 K2 全量检验数据进入 DuckDB,经 ETL 抽取为知识图谱中的检验节点并接入时序链。 系统如何处理:时序链按「供应商+物料+检验日期+单号」排序,3 笔拒收构成连续不合格序列(R1,SWRL 规则 rule_r1_consecutive_alert);按「同日多单合并 1 起」口径生成 1 起 IncomingQualityAlert 连续异常事件,判定依据与溯源映射(DuckDB 行级)同步落库。 交付结果:预警进入 R1 来料连续异常清单(与官方基准逐条一致),联动建议动作——暂停该物料批次放行、对供应商开具质量整改单(8D)、图谱中可穿透查看 3 张检验单明细与前后批次。 业务影响:这类「同日连续拒收」此前要靠质检员手工排序才能发现;现在预警自动触发,从数据落库到预警产出无需人工干预,且 0 误报。

项目案例

项目交付成果

本体资产

  • SRM供应商质量管理本体(OWL/RDF-XML 与 Turtle 双格式,29 类 / 35 对象属性 / 116 数据属性)
  • SWRL 推理规则库(R1 连续不合格 / R3 资证失效 / R4 审核失分 / R5 整改逾期)
  • SHACL 数据质量约束(供应商、质检单、资质枚举值校验)
  • ontology-manifest.ttl 跨域集成入口与全模块合并模式文件

数据资产

  • 全量知识图谱三元组 359,751 条(srm_knowledge_graph_instances.nt,59.8 MB)
  • 5,045 供应商 / 16,914 检验单(含 16,638 条时序链)/ 30,214 资质 / 53 客诉 / 23 现场审核全量实例
  • 本地分析库 srm_data.duckdb(101 表 / 14.8 万行)
  • Neo4j 生产级 DDL(唯一性约束、全文索引、批量导入与时序链构建)

验证与质量保障

  • POC 运行结果(13 张清单:画像卡、R1/R3 预警清单、客诉定级、审核清单等)
  • 五大场景端到端验证执行报告与逐场景结果文件
  • 准确性评估报告:官方基准逐项比对(R1/R3 完全一致,画像卡 70/70)
  • 规则及模型说明(R1~R5 判定逻辑、阈值与取值依据逐条溯源)

AI 应用与文档交付

  • SQE Copilot Agent Skill(SKILL.md 提示词 + qa_engine.py 五场景执行引擎 + orchestrator.py 统一入口)
  • 50 组场景问答测试集与场景问答示例
  • 上线方案建议(POC 文件导入 → 实施期数据库视图 → 运行期 API 对接三阶段演进)
  • 疑问澄清清单(10 项待业务/IT 确认问题)
项目案例

业务价值

看得懂

供应商、检验、客诉、资质、审核全部落在统一语义模型上,业务人员看得懂类树与关系,13 张物理表到 29 个业务类的映射一一对应。

找得到

从任一客诉或预警穿透到涉事供应商、物料、工厂、检验时序链与整改记录,SPARQL 查询与图谱关系双向可达。

说得清

每条预警都有规则编号与阈值来源(判定规则 Excel 条目),R1/R3 与官方基准完全一致,口径争议有据可查。

做得动

预警直接给出建议动作:停批放行、8D 整改、锁定采购配额、路由责任采购员催办,结论即可执行的流程输入。

可持续

数据边界如实标注(外键脱敏、口径未定义项不臆测),POC 文件导入 → 实施期视图 → 运行期 API 三阶段演进,规则与本体零改动。

案例留言

围绕这个案例继续交流

公开展示审核通过的会员留言,帮助案例经验持续完善。

0 条公开留言
登录后参与留言案例留言仅面向已登录会员
0/1000
暂无公开留言

成为第一个围绕这个案例提出问题或分享复现经验的会员。