供应链风险预测方法、装置、设备及介质与流程

1.本发明涉及大数据技术领域，尤其涉及一种供应链风险预测方法、装置、设备及介质。


背景技术：

2.目前，为了优化各企业与供应商间的合作，需要对各企业与供应商间的供应链进行风险预测，以识别潜在风险，便于及时采取应对措施。
3.但是，大部分公司都是被动式的处理供应链风险，不仅需要耗费大量的人力、物力成本，且无法通过系统提前识别供应链风险并定期进行跟踪及关闭，容易给公司造成损失。


技术实现要素：

4.鉴于以上内容，有必要提供一种供应链风险预测方法、装置、设备及介质，旨在解决无法对供应链提前进行风险预测的问题。
5.一种供应链风险预测方法，所述供应链风险预测方法包括：
6.每隔预设时间间隔，获取目标供应链的每个供应商，及获取每个供应商提供的至少一个零件；
7.获取每个零件的一级评分项、二级评分项及零件风险预测函数；
8.获取每个零件的二级评分项的分数值作为每个零件的二级分数；
9.根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数；
10.将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级；
11.获取每个供应商的一级风险项、二级风险项及供应商风险预测函数；
12.获取每个供应商的二级风险项的分数值作为每个零件的二级风险值；
13.根据每个供应商的二级风险值计算每个供应商的一级风险项的取值，并作为每个供应商的一级风险值；
14.将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级；
15.根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示。
16.根据本发明优选实施例，所述获取每个零件的一级评分项、二级评分项及零件风险预测函数前，所述方法还包括：
17.获取每个零件的至少一个评价指标；
18.将每个评价指标作为节点构建随机森林；
19.根据所述随机森林计算每个评价指标的重要度；
20.按照所述重要度由高到低的顺序从所述至少一个评价指标中获取排在前预设位
的评价指标作为每个零件的二级评分项；
21.对每个零件的二级评分项进行聚类，得到每个零件的一级评分项。
22.根据本发明优选实施例，所述根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数包括：
23.获取每个一级评分项所关联的二级评分项，及获取每个二级评分项的权重；
24.根据每个一级评分项所关联的二级评分项确定每个一级评分项所关联的二级分数，及根据每个二级评分项的权重确定每个一级评分项所关联的二级分数的权重；
25.根据每个一级评分项所关联的二级分数，及每个一级评分项所关联的二级分数的权重进行加权运算，得到每个零件的一级评分项的分数值；
26.将每个零件的一级评分项的分数值确定为每个零件的一级分数。
27.根据本发明优选实施例，所述将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级包括：
28.对于每个零件，获取第一分数阈值及第二分数阈值，及获取第一数量阈值及第二数量阈值；其中，所述第一分数阈值大于所述第二分数阈值，所述第一数量阈值小于所述第二数量阈值；
29.获取第三分数阈值及第四分数阈值，及获取第三数量阈值及第四数量阈值；其中，所述第三分数阈值大于所述第四分数阈值，所述第三数量阈值小于所述第四数量阈值；
30.从所述零件的二级分数中获取大于或者等于所述第一分数阈值的二级分数的数量作为第一数量；
31.从所述零件的二级分数中获取大于或者等于所述第二分数阈值且小于所述第一分数阈值的二级分数的数量作为第二数量；
32.从所述零件的一级分数中获取大于或者等于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为高风险零件评分项，获取所述高风险零件评分项的数量作为第三数量；
33.从所述零件的一级分数中获取大于或者等于所述第四分数阈值且小于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为中风险零件评分项，获取所述中风险零件评分项的数量作为第四数量；
34.当所述第一数量大于或者等于所述第一数量阈值，且所述第二数量大于或者等于所述第二数量阈值时，确定所述零件的风险等级为高风险零件；或者
35.当所述第三数量大于或者等于所述第三数量阈值时，确定所述零件的风险等级为所述高风险零件；或者
36.当所述第四数量大于或者等于所述第四数量阈值时，确定所述零件的风险等级为所述高风险零件；或者
37.当所述第二数量的取值为1且所述零件的二级分数中没有大于或者等于所述第一分数阈值的二级分数时，或者当所述第四数量的取值为1且所述零件的一级评分项中没有高风险零件评分项时，确定所述零件的风险等级为中风险零件；或者
38.当所述零件不是所述高风险零件且不是所述中风险零件时，确定所述零件的风险等级为低风险零件。
39.根据本发明优选实施例，所述将每个供应商的一级风险值及每个零件的风险等级
作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级包括：
40.对于每个供应商，获取所述供应商提供的至少一个零件中每个零件的权重；
41.获取每个零件的各一级评分项对应的一级分数；
42.对于每个一级评分项，根据每个零件下该一级评分项对应的一级分数与每个零件的权重进行加权运算，得到所述一级评分项的分数值；
43.获取所述供应商对应的各一级评分项的分数值，及获取第五分数阈值、第六分数阈值；其中，所述第五分数阈值大于所述第六分数阈值；
44.当有一级评分项的分数值大于或者等于所述第五分数阈值时，确定该一级评分项为高风险项；
45.当有一级评分项的分数值小于所述第五分数阈值且大于或者等于所述第六分数阈值时，确定该一级评分项为中风险项；
46.获取与所述一级风险项对应的第一风险阈值及第二风险阈值；其中，所述第一风险阈值大于所述第二风险阈值；
47.当有一级风险值大于或者等于所述第一风险阈值时，确定所述一级风险值对应的一级风险项为所述高风险项；
48.当有一级风险值小于所述第一风险阈值，且大于或者等于所述第二风险阈值时，确定所述一级风险值对应的一级风险项为所述中风险项；
49.当所述供应商的一级风险项中有至少一个所述高风险项时，确定所述供应商为高风险供应商；或者
50.当所述供应商对应的一级风险项及一级评分项中所述高风险项的数量大于或者等于第五数量阈值时，确定所述供应商为所述高风险供应商；或者
51.当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量大于或者等于第六数量阈值时，确定所述供应商为所述高风险供应商；或者
52.当所述供应商对应的一级评分项中有两个所述高风险项时，确定所述供应商为中风险供应商；或者
53.当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量属于预设范围，且所述供应商不是所述高风险供应商时，确定所述供应商为所述中风险供应商；或者
54.当所述供应商不是所述高风险供应商且不是所述中风险供应商时，确定所述供应商为低风险供应商。
55.根据本发明优选实施例，所述根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示包括：
56.当有零件的风险等级为所述高风险零件时，将所述零件确定为风险零件，及将提供所述风险零件的供应商确定为风险供应商，根据所述风险零件及所述风险供应商生成风险提示信息，并将所述风险提示信息发送至指定终端设备；及/或
57.当有供应商的风险等级为所述高风险供应商时，将所述供应商确定为所述风险供应商，根据所述风险供应商生成所述风险提示信息，并将所述风险提示信息发送至所述指定终端设备；
58.其中，所述风险提示信息用于提示所述指定终端设备的持有者针对所述风险零件及/或所述风险供应商执行跟踪处理。
59.根据本发明优选实施例，所述方法还包括：
60.获取每个周期内每个零件的风险等级及每个供应商的风险等级；
61.根据每个周期内每个零件的风险等级及每个供应商的风险等级生成每个周期内每个供应商的风险趋势，及每个供应商提供的各零件的风险趋势；
62.根据每个周期内每个供应商的风险趋势及每个供应商提供的各零件的风险趋势生成每个周期的供应链风险预测报告，并将每个周期的供应链风险预测报告存储至中间件。
63.一种供应链风险预测装置，所述供应链风险预测装置包括：
64.获取单元，用于每隔预设时间间隔，获取目标供应链的每个供应商，及获取每个供应商提供的至少一个零件；
65.所述获取单元，还用于获取每个零件的一级评分项、二级评分项及零件风险预测函数；
66.所述获取单元，还用于获取每个零件的二级评分项的分数值作为每个零件的二级分数；
67.计算单元，用于根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数；
68.运算单元，用于将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级；
69.所述获取单元，还用于获取每个供应商的一级风险项、二级风险项及供应商风险预测函数；
70.所述获取单元，还用于获取每个供应商的二级风险项的分数值作为每个零件的二级风险值；
71.所述计算单元，还用于根据每个供应商的二级风险值计算每个供应商的一级风险项的取值，并作为每个供应商的一级风险值；
72.所述运算单元，还用于将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级；
73.提示单元，用于根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示。
74.一种计算机设备，所述计算机设备包括：
75.存储器，存储至少一个指令；及
76.处理器，执行所述存储器中存储的指令以实现所述供应链风险预测方法。
77.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述供应链风险预测方法。
78.由以上技术方案可以看出，本发明能够定期获取目标供应链的每个供应商，及每个供应商提供的至少一个零件，根据每个零件的一级评分项、二级评分项及零件风险预测函数预测每个零件的风险等级，及根据每个供应商的一级风险项、二级风险项及供应商风险预测函数预测每个供应商的风险等级，并根据每个零件的风险等级及每个供应商的风险等级对目标供应链进行风险提示，实现对供应链风险的提前预测，以便后续根据风险预测结果对目标供应链进行跟踪处理。
附图说明
79.图1是本发明供应链风险预测方法的较佳实施例的流程图。
80.图2是本发明供应链风险预测装置的较佳实施例的功能模块图。
81.图3是本发明实现供应链风险预测方法的较佳实施例的计算机设备的结构示意图。
具体实施方式
82.为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
83.如图1所示，是本发明供应链风险预测方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
84.所述供应链风险预测方法应用于一个或者多个计算机设备中，所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
85.所述计算机设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(personal digital assistant，pda)、游戏机、交互式网络电视(internet protocol television，iptv)、智能式穿戴式设备等。
86.所述计算机设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloud computing)的由大量主机或网络服务器构成的云。
87.所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
88.其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
89.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
90.所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(virtual private network，vpn)等。
91.s10，每隔预设时间间隔，获取目标供应链的每个供应商，及获取每个供应商提供的至少一个零件。
92.其中，所述预设时间间隔可以根据实际的风险预测需求进行配置，如每隔一周、每隔一个月等。
93.其中，所述供应商为企业提供零件等产品。
94.s11，获取每个零件的一级评分项、二级评分项及零件风险预测函数。
95.其中，每个零件的一级评分项可以包括：对供应商的依赖、产能、内部供应链稳定性。
96.其中，每个零件的二级评分项可以包括：依赖程度、对下级供应商的依赖程度、业务量占比、对关键/瓶颈工序的依赖程度、产能/交付风险、产能扩充计划、下级供应商财务和合规风险、原材料采购、下级供应商产能。
97.其中，所述零件风险预测函数用于对各零件的风险进行预测。
98.在本实施例中，所述获取每个零件的一级评分项、二级评分项及零件风险预测函数前，所述方法还包括：
99.获取每个零件的至少一个评价指标；
100.将每个评价指标作为节点构建随机森林；
101.根据所述随机森林计算每个评价指标的重要度；
102.按照所述重要度由高到低的顺序从所述至少一个评价指标中获取排在前预设位的评价指标作为每个零件的二级评分项；
103.对每个零件的二级评分项进行聚类，得到每个零件的一级评分项。
104.例如：通过对每个零件的至少一个评价指标进行重要度筛选，获取到依赖程度、对下级供应商的依赖程度、业务量占比、对关键/瓶颈工序的依赖程度、产能/交付风险、产能扩充计划、下级供应商财务和合规风险、原材料采购、下级供应商产能共9个二级评分项，再基于筛选出的9个二级评分项进行聚类，得到聚类结果：对供应商的依赖(包括依赖程度、对下级供应商的依赖程度、业务量占比)、产能(包括对关键/瓶颈工序的依赖程度、产能/交付风险、产能扩充计划)、内部供应链稳定性(包括下级供应商财务和合规风险、原材料采购、下级供应商产能)，则得到对供应商的依赖、产能、内部供应链稳定性共3个一级评分项。
105.通过上述实施例，能够自动筛选出与风险预测关联性较高的指标，使后续的风险预测更加准确。
106.s12，获取每个零件的二级评分项的分数值作为每个零件的二级分数。
107.其中，每个零件的二级评分项的分数值可以由相关工作人员进行维护并上传，本发明不限制。
108.s13，根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数。
109.在本实施例中，所述根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数包括：
110.获取每个一级评分项所关联的二级评分项，及获取每个二级评分项的权重；
111.根据每个一级评分项所关联的二级评分项确定每个一级评分项所关联的二级分数，及根据每个二级评分项的权重确定每个一级评分项所关联的二级分数的权重；
112.根据每个一级评分项所关联的二级分数，及每个一级评分项所关联的二级分数的权重进行加权运算，得到每个零件的一级评分项的分数值；
113.将每个零件的一级评分项的分数值确定为每个零件的一级分数。
114.例如：对于一级评分项内部供应链稳定性，其关联的二级评分项包括下级供应商财务和合规风险、原材料采购、下级供应商产能。其中，下级供应商财务和合规风险、原材料
采购、下级供应商产能对应的二级分数分别为a、b、c，下级供应商财务和合规风险、原材料采购、下级供应商产能对应的权重分别为x、y、z，则一级评分项内部供应链稳定性对应的一级分数为：ax+by+cz。以此类推，即可计算得到每个零件的一级分数。
115.s14，将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级。
116.在本实施例中，所述将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级包括：
117.对于每个零件，获取第一分数阈值及第二分数阈值，及获取第一数量阈值及第二数量阈值；其中，所述第一分数阈值大于所述第二分数阈值，所述第一数量阈值小于所述第二数量阈值；
118.获取第三分数阈值及第四分数阈值，及获取第三数量阈值及第四数量阈值；其中，所述第三分数阈值大于所述第四分数阈值，所述第三数量阈值小于所述第四数量阈值；
119.从所述零件的二级分数中获取大于或者等于所述第一分数阈值的二级分数的数量作为第一数量；
120.从所述零件的二级分数中获取大于或者等于所述第二分数阈值且小于所述第一分数阈值的二级分数的数量作为第二数量；
121.从所述零件的一级分数中获取大于或者等于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为高风险零件评分项，获取所述高风险零件评分项的数量作为第三数量；
122.从所述零件的一级分数中获取大于或者等于所述第四分数阈值且小于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为中风险零件评分项，获取所述中风险零件评分项的数量作为第四数量；
123.当所述第一数量大于或者等于所述第一数量阈值，且所述第二数量大于或者等于所述第二数量阈值时，确定所述零件的风险等级为高风险零件；或者
124.当所述第三数量大于或者等于所述第三数量阈值时，确定所述零件的风险等级为所述高风险零件；或者
125.当所述第四数量大于或者等于所述第四数量阈值时，确定所述零件的风险等级为所述高风险零件；或者
126.当所述第二数量的取值为1且所述零件的二级分数中没有大于或者等于所述第一分数阈值的二级分数时，或者当所述第四数量的取值为1且所述零件的一级评分项中没有高风险零件评分项时，确定所述零件的风险等级为中风险零件；或者
127.当所述零件不是所述高风险零件且不是所述中风险零件时，确定所述零件的风险等级为低风险零件。
128.其中，所述第一分数阈值、所述第二分数阈值、所述第三分数阈值及所述第四分数阈值可以进行自定义配置。例如：所述第一分数阈值可以为100，所述第二分数阈值可以为75。
129.其中，所述第一数量阈值、所述第二数量阈值、所述第三数量阈值及所述第四数量阈值也可以进行自定义配置。例如：所述第一数量阈值可以为1个，所述第二数量阈值可以为2个。
130.通过上述实施例，能够基于零件风险预测函数对各零件的风险进行自动预测。
131.s15，获取每个供应商的一级风险项、二级风险项及供应商风险预测函数。
132.其中，所述一级风险项可以包括：财务风险，合规、法律和企业社会责任，所有权和关键员工稳定性，地点。
133.其中，所述二级风险项为供应商维度下各一级风险项的下级风险项。
134.其中，所述供应商风险预测函数用于预测供应商风险。
135.s16，获取每个供应商的二级风险项的分数值作为每个零件的二级风险值。
136.其中，每个供应商的二级风险项的分数值也可以由相关工作人员进行维护及上传。
137.s17，根据每个供应商的二级风险值计算每个供应商的一级风险项的取值，并作为每个供应商的一级风险值。
138.其中，所述根据每个供应商的二级风险值计算每个供应商的一级风险项的取值的方式与前文根据每个零件的二级分数计算每个零件的一级评分项的分数值的方式类似，在此不赘述。
139.s18，将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级。
140.在本实施例中，所述将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级包括：
141.对于每个供应商，获取所述供应商提供的至少一个零件中每个零件的权重；
142.获取每个零件的各一级评分项对应的一级分数；
143.对于每个一级评分项，根据每个零件下该一级评分项对应的一级分数与每个零件的权重进行加权运算，得到所述一级评分项的分数值；
144.获取所述供应商对应的各一级评分项的分数值，及获取第五分数阈值、第六分数阈值；其中，所述第五分数阈值大于所述第六分数阈值；
145.当有一级评分项的分数值大于或者等于所述第五分数阈值时，确定该一级评分项为高风险项；
146.当有一级评分项的分数值小于所述第五分数阈值且大于或者等于所述第六分数阈值时，确定该一级评分项为中风险项；
147.获取与所述一级风险项对应的第一风险阈值及第二风险阈值；其中，所述第一风险阈值大于所述第二风险阈值；
148.当有一级风险值大于或者等于所述第一风险阈值时，确定所述一级风险值对应的一级风险项为所述高风险项；
149.当有一级风险值小于所述第一风险阈值，且大于或者等于所述第二风险阈值时，确定所述一级风险值对应的一级风险项为所述中风险项；
150.当所述供应商的一级风险项中有至少一个所述高风险项时，确定所述供应商为高风险供应商；或者
151.当所述供应商对应的一级风险项及一级评分项中所述高风险项的数量大于或者等于第五数量阈值时，确定所述供应商为所述高风险供应商；或者
152.当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量大于或者
等于第六数量阈值时，确定所述供应商为所述高风险供应商；或者
153.当所述供应商对应的一级评分项中有两个所述高风险项时，确定所述供应商为中风险供应商；或者
154.当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量属于预设范围，且所述供应商不是所述高风险供应商时，确定所述供应商为所述中风险供应商；或者
155.当所述供应商不是所述高风险供应商且不是所述中风险供应商时，确定所述供应商为低风险供应商。
156.其中，所述第五分数阈值、所述第六分数阈值、所述第五数量阈值、所述第六数量阈值也可以进行自定义配置。例如：所述第五分数阈值可以为95，所述第六分数阈值可以为70，所述第五数量阈值可以为3个，所述第六数量阈值可以为5个。
157.其中，所述预设范围也可以进行自定义配置，如：[3,4]。
[0158]
通过上述实施例，能够基于供应商风险预测函数对各供应商的风险进行自动预测。
[0159]
s19，根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示。
[0160]
在本实施例中，所述根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示包括：
[0161]
当有零件的风险等级为所述高风险零件时，将所述零件确定为风险零件，及将提供所述风险零件的供应商确定为风险供应商，根据所述风险零件及所述风险供应商生成风险提示信息，并将所述风险提示信息发送至指定终端设备；及/或
[0162]
当有供应商的风险等级为所述高风险供应商时，将所述供应商确定为所述风险供应商，根据所述风险供应商生成所述风险提示信息，并将所述风险提示信息发送至所述指定终端设备；
[0163]
其中，所述风险提示信息用于提示所述指定终端设备的持有者针对所述风险零件及/或所述风险供应商执行跟踪处理。
[0164]
其中，所述指定终端设备可以为采购和供应链风险管理人员的终端设备。
[0165]
其中，所述风险提示信息可以以邮件或者短信等方式进行提示。
[0166]
通过上述实施例，能够在预测到高风险零件及高风险供应商后，基于高风险零件及高风险供应商进行针对性提示，以便相关人员进行及时有效的跟踪处理及关闭处理，避免出现损失。
[0167]
在本实施例中，所述方法还包括：
[0168]
获取每个周期内每个零件的风险等级及每个供应商的风险等级；
[0169]
根据每个周期内每个零件的风险等级及每个供应商的风险等级生成每个周期内每个供应商的风险趋势，及每个供应商提供的各零件的风险趋势；
[0170]
根据每个周期内每个供应商的风险趋势及每个供应商提供的各零件的风险趋势生成每个周期的供应链风险预测报告，并将每个周期的供应链风险预测报告存储至中间件。
[0171]
其中，可以根据实际的风险预测需求确定每个周期，如每个月。
[0172]
其中，在每个周期的供应链风险预测报告中，不同的风险等级还可以配置不同的
显示方式，如高风险的显示为红色，中风险的显示为黄色，低风险的显示为黑色，使风险等级更加直观。
[0173]
通过上述实施例，能够对预测的供应链风险进行可视化处理，便于相关人员进行查看，并根据风险趋势进行风险分析及应对。
[0174]
由以上技术方案可以看出，本发明能够定期获取目标供应链的每个供应商，及每个供应商提供的至少一个零件，根据每个零件的一级评分项、二级评分项及零件风险预测函数预测每个零件的风险等级，及根据每个供应商的一级风险项、二级风险项及供应商风险预测函数预测每个供应商的风险等级，并根据每个零件的风险等级及每个供应商的风险等级对目标供应链进行风险提示，实现对供应链风险的提前预测，以便后续根据风险预测结果对目标供应链进行跟踪处理。
[0175]
如图2所示，是本发明供应链风险预测装置的较佳实施例的功能模块图。所述供应链风险预测装置11包括获取单元110、计算单元111、运算单元112、提示单元113。本发明所称的模块/单元是指一种能够被处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
[0176]
所述获取单元110，用于每隔预设时间间隔，获取目标供应链的每个供应商，及获取每个供应商提供的至少一个零件。
[0177]
其中，所述预设时间间隔可以根据实际的风险预测需求进行配置，如每隔一周、每隔一个月等。
[0178]
其中，所述供应商为企业提供零件等产品。
[0179]
所述获取单元110，还用于获取每个零件的一级评分项、二级评分项及零件风险预测函数。
[0180]
其中，每个零件的一级评分项可以包括：对供应商的依赖、产能、内部供应链稳定性。
[0181]
其中，每个零件的二级评分项可以包括：依赖程度、对下级供应商的依赖程度、业务量占比、对关键/瓶颈工序的依赖程度、产能/交付风险、产能扩充计划、下级供应商财务和合规风险、原材料采购、下级供应商产能。
[0182]
其中，所述零件风险预测函数用于对各零件的风险进行预测。
[0183]
在本实施例中，所述获取单元110获取每个零件的一级评分项、二级评分项及零件风险预测函数前，获取每个零件的至少一个评价指标；
[0184]
将每个评价指标作为节点构建随机森林；
[0185]
根据所述随机森林计算每个评价指标的重要度；
[0186]
按照所述重要度由高到低的顺序从所述至少一个评价指标中获取排在前预设位的评价指标作为每个零件的二级评分项；
[0187]
对每个零件的二级评分项进行聚类，得到每个零件的一级评分项。
[0188]
例如：通过对每个零件的至少一个评价指标进行重要度筛选，获取到依赖程度、对下级供应商的依赖程度、业务量占比、对关键/瓶颈工序的依赖程度、产能/交付风险、产能扩充计划、下级供应商财务和合规风险、原材料采购、下级供应商产能共9个二级评分项，再基于筛选出的9个二级评分项进行聚类，得到聚类结果：对供应商的依赖(包括依赖程度、对
下级供应商的依赖程度、业务量占比)、产能(包括对关键/瓶颈工序的依赖程度、产能/交付风险、产能扩充计划)、内部供应链稳定性(包括下级供应商财务和合规风险、原材料采购、下级供应商产能)，则得到对供应商的依赖、产能、内部供应链稳定性共3个一级评分项。
[0189]
通过上述实施例，能够自动筛选出与风险预测关联性较高的指标，使后续的风险预测更加准确。
[0190]
所述获取单元110，还用于获取每个零件的二级评分项的分数值作为每个零件的二级分数。
[0191]
其中，每个零件的二级评分项的分数值可以由相关工作人员进行维护并上传，本发明不限制。
[0192]
所述计算单元111，用于根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数。
[0193]
在本实施例中，所述计算单元111根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数包括：
[0194]
获取每个一级评分项所关联的二级评分项，及获取每个二级评分项的权重；
[0195]
根据每个一级评分项所关联的二级评分项确定每个一级评分项所关联的二级分数，及根据每个二级评分项的权重确定每个一级评分项所关联的二级分数的权重；
[0196]
根据每个一级评分项所关联的二级分数，及每个一级评分项所关联的二级分数的权重进行加权运算，得到每个零件的一级评分项的分数值；
[0197]
将每个零件的一级评分项的分数值确定为每个零件的一级分数。
[0198]
例如：对于一级评分项内部供应链稳定性，其关联的二级评分项包括下级供应商财务和合规风险、原材料采购、下级供应商产能。其中，下级供应商财务和合规风险、原材料采购、下级供应商产能对应的二级分数分别为a、b、c，下级供应商财务和合规风险、原材料采购、下级供应商产能对应的权重分别为x、y、z，则一级评分项内部供应链稳定性对应的一级分数为：ax+by+cz。以此类推，即可计算得到每个零件的一级分数。
[0199]
所述运算单元112，用于将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级。
[0200]
在本实施例中，所述运算单元112将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级包括：
[0201]
对于每个零件，获取第一分数阈值及第二分数阈值，及获取第一数量阈值及第二数量阈值；其中，所述第一分数阈值大于所述第二分数阈值，所述第一数量阈值小于所述第二数量阈值；
[0202]
获取第三分数阈值及第四分数阈值，及获取第三数量阈值及第四数量阈值；其中，所述第三分数阈值大于所述第四分数阈值，所述第三数量阈值小于所述第四数量阈值；
[0203]
从所述零件的二级分数中获取大于或者等于所述第一分数阈值的二级分数的数量作为第一数量；
[0204]
从所述零件的二级分数中获取大于或者等于所述第二分数阈值且小于所述第一分数阈值的二级分数的数量作为第二数量；
[0205]
从所述零件的一级分数中获取大于或者等于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为高风险零件评分项，获取所述高风险零件评
分项的数量作为第三数量；
[0206]
从所述零件的一级分数中获取大于或者等于所述第四分数阈值且小于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为中风险零件评分项，获取所述中风险零件评分项的数量作为第四数量；
[0207]
当所述第一数量大于或者等于所述第一数量阈值，且所述第二数量大于或者等于所述第二数量阈值时，确定所述零件的风险等级为高风险零件；或者
[0208]
当所述第三数量大于或者等于所述第三数量阈值时，确定所述零件的风险等级为所述高风险零件；或者
[0209]
当所述第四数量大于或者等于所述第四数量阈值时，确定所述零件的风险等级为所述高风险零件；或者
[0210]
当所述第二数量的取值为1且所述零件的二级分数中没有大于或者等于所述第一分数阈值的二级分数时，或者当所述第四数量的取值为1且所述零件的一级评分项中没有高风险零件评分项时，确定所述零件的风险等级为中风险零件；或者
[0211]
当所述零件不是所述高风险零件且不是所述中风险零件时，确定所述零件的风险等级为低风险零件。
[0212]
其中，所述第一分数阈值、所述第二分数阈值、所述第三分数阈值及所述第四分数阈值可以进行自定义配置。例如：所述第一分数阈值可以为100，所述第二分数阈值可以为75。
[0213]
其中，所述第一数量阈值、所述第二数量阈值、所述第三数量阈值及所述第四数量阈值也可以进行自定义配置。例如：所述第一数量阈值可以为1个，所述第二数量阈值可以为2个。
[0214]
通过上述实施例，能够基于零件风险预测函数对各零件的风险进行自动预测。
[0215]
所述获取单元110，还用于获取每个供应商的一级风险项、二级风险项及供应商风险预测函数。
[0216]
其中，所述一级风险项可以包括：财务风险，合规、法律和企业社会责任，所有权和关键员工稳定性，地点。
[0217]
其中，所述二级风险项为供应商维度下各一级风险项的下级风险项。
[0218]
其中，所述供应商风险预测函数用于预测供应商风险。
[0219]
所述获取单元110，还用于获取每个供应商的二级风险项的分数值作为每个零件的二级风险值。
[0220]
其中，每个供应商的二级风险项的分数值也可以由相关工作人员进行维护及上传。
[0221]
所述计算单元111，还用于根据每个供应商的二级风险值计算每个供应商的一级风险项的取值，并作为每个供应商的一级风险值。
[0222]
其中，所述根据每个供应商的二级风险值计算每个供应商的一级风险项的取值的方式与前文根据每个零件的二级分数计算每个零件的一级评分项的分数值的方式类似，在此不赘述。
[0223]
所述运算单元112，还用于将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级。
[0224]
在本实施例中，所述运算单元112将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级包括：
[0225]
对于每个供应商，获取所述供应商提供的至少一个零件中每个零件的权重；
[0226]
获取每个零件的各一级评分项对应的一级分数；
[0227]
对于每个一级评分项，根据每个零件下该一级评分项对应的一级分数与每个零件的权重进行加权运算，得到所述一级评分项的分数值；
[0228]
获取所述供应商对应的各一级评分项的分数值，及获取第五分数阈值、第六分数阈值；其中，所述第五分数阈值大于所述第六分数阈值；
[0229]
当有一级评分项的分数值大于或者等于所述第五分数阈值时，确定该一级评分项为高风险项；
[0230]
当有一级评分项的分数值小于所述第五分数阈值且大于或者等于所述第六分数阈值时，确定该一级评分项为中风险项；
[0231]
获取与所述一级风险项对应的第一风险阈值及第二风险阈值；其中，所述第一风险阈值大于所述第二风险阈值；
[0232]
当有一级风险值大于或者等于所述第一风险阈值时，确定所述一级风险值对应的一级风险项为所述高风险项；
[0233]
当有一级风险值小于所述第一风险阈值，且大于或者等于所述第二风险阈值时，确定所述一级风险值对应的一级风险项为所述中风险项；
[0234]
当所述供应商的一级风险项中有至少一个所述高风险项时，确定所述供应商为高风险供应商；或者
[0235]
当所述供应商对应的一级风险项及一级评分项中所述高风险项的数量大于或者等于第五数量阈值时，确定所述供应商为所述高风险供应商；或者
[0236]
当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量大于或者等于第六数量阈值时，确定所述供应商为所述高风险供应商；或者
[0237]
当所述供应商对应的一级评分项中有两个所述高风险项时，确定所述供应商为中风险供应商；或者
[0238]
当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量属于预设范围，且所述供应商不是所述高风险供应商时，确定所述供应商为所述中风险供应商；或者
[0239]
当所述供应商不是所述高风险供应商且不是所述中风险供应商时，确定所述供应商为低风险供应商。
[0240]
其中，所述第五分数阈值、所述第六分数阈值、所述第五数量阈值、所述第六数量阈值也可以进行自定义配置。例如：所述第五分数阈值可以为95，所述第六分数阈值可以为70，所述第五数量阈值可以为3个，所述第六数量阈值可以为5个。
[0241]
其中，所述预设范围也可以进行自定义配置，如：[3,4]。
[0242]
通过上述实施例，能够基于供应商风险预测函数对各供应商的风险进行自动预测。
[0243]
所述提示单元113，用于根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示。
[0244]
在本实施例中，所述提示单元113根据每个零件的风险等级及每个供应商的风险
等级对所述目标供应链进行风险提示包括：
[0245]
当有零件的风险等级为所述高风险零件时，将所述零件确定为风险零件，及将提供所述风险零件的供应商确定为风险供应商，根据所述风险零件及所述风险供应商生成风险提示信息，并将所述风险提示信息发送至指定终端设备；及/或
[0246]
当有供应商的风险等级为所述高风险供应商时，将所述供应商确定为所述风险供应商，根据所述风险供应商生成所述风险提示信息，并将所述风险提示信息发送至所述指定终端设备；
[0247]
其中，所述风险提示信息用于提示所述指定终端设备的持有者针对所述风险零件及/或所述风险供应商执行跟踪处理。
[0248]
其中，所述指定终端设备可以为采购和供应链风险管理人员的终端设备。
[0249]
其中，所述风险提示信息可以以邮件或者短信等方式进行提示。
[0250]
通过上述实施例，能够在预测到高风险零件及高风险供应商后，基于高风险零件及高风险供应商进行针对性提示，以便相关人员进行及时有效的跟踪处理及关闭处理，避免出现损失。
[0251]
在本实施例中，获取每个周期内每个零件的风险等级及每个供应商的风险等级；
[0252]
根据每个周期内每个零件的风险等级及每个供应商的风险等级生成每个周期内每个供应商的风险趋势，及每个供应商提供的各零件的风险趋势；
[0253]
根据每个周期内每个供应商的风险趋势及每个供应商提供的各零件的风险趋势生成每个周期的供应链风险预测报告，并将每个周期的供应链风险预测报告存储至中间件。
[0254]
其中，可以根据实际的风险预测需求确定每个周期，如每个月。
[0255]
其中，在每个周期的供应链风险预测报告中，不同的风险等级还可以配置不同的显示方式，如高风险的显示为红色，中风险的显示为黄色，低风险的显示为黑色，使风险等级更加直观。
[0256]
通过上述实施例，能够对预测的供应链风险进行可视化处理，便于相关人员进行查看，并根据风险趋势进行风险分析及应对。
[0257]
由以上技术方案可以看出，本发明能够定期获取目标供应链的每个供应商，及每个供应商提供的至少一个零件，根据每个零件的一级评分项、二级评分项及零件风险预测函数预测每个零件的风险等级，及根据每个供应商的一级风险项、二级风险项及供应商风险预测函数预测每个供应商的风险等级，并根据每个零件的风险等级及每个供应商的风险等级对目标供应链进行风险提示，实现对供应链风险的提前预测，以便后续根据风险预测结果对目标供应链进行跟踪处理。
[0258]
如图3所示，是本发明实现供应链风险预测方法的较佳实施例的计算机设备的结构示意图。
[0259]
所述计算机设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如供应链风险预测程序。
[0260]
本领域技术人员可以理解，所述示意图仅仅是计算机设备1的示例，并不构成对计算机设备1的限定，所述计算机设备1既可以是总线型结构，也可以是星形结构，所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述
计算机设备1还可以包括输入输出设备、网络接入设备等。
[0261]
需要说明的是，所述计算机设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
[0262]
其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元，例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备，例如计算机设备1上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据，例如供应链风险预测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0263]
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述计算机设备1的控制核心(control unit)，利用各种接口和线路连接整个计算机设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块(例如执行供应链风险预测程序等)，以及调用存储在所述存储器12内的数据，以执行计算机设备1的各种功能和处理数据。
[0264]
所述处理器13执行所述计算机设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个供应链风险预测方法实施例中的步骤，例如图1所示的步骤。
[0265]
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如，所述计算机程序可以被分割成获取单元110、计算单元111、运算单元112、提示单元113。
[0266]
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述供应链风险预测方法的部分。
[0267]
所述计算机设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
[0268]
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机
存储器、只读存储器(rom，read-only memory)、随机存取存储器等。
[0269]
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0270]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0271]
总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根直线表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
[0272]
尽管未示出，所述计算机设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0273]
进一步地，所述计算机设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该计算机设备1与其他计算机设备之间建立通信连接。
[0274]
可选地，该计算机设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。
[0275]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0276]
图3仅示出了具有组件12-13的计算机设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述计算机设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0277]
结合图1，所述计算机设备1中的所述存储器12存储多个指令以实现一种供应链风险预测方法，具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0278]
需要说明的是，本案中所涉及到的数据均为合法取得。
[0279]
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的
划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0280]
本发明可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0281]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0282]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0283]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0284]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0285]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0286]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种供应链风险预测方法，其特征在于，所述供应链风险预测方法包括：每隔预设时间间隔，获取目标供应链的每个供应商，及获取每个供应商提供的至少一个零件；获取每个零件的一级评分项、二级评分项及零件风险预测函数；获取每个零件的二级评分项的分数值作为每个零件的二级分数；根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数；将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级；获取每个供应商的一级风险项、二级风险项及供应商风险预测函数；获取每个供应商的二级风险项的分数值作为每个零件的二级风险值；根据每个供应商的二级风险值计算每个供应商的一级风险项的取值，并作为每个供应商的一级风险值；将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级；根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示。2.如权利要求1所述的供应链风险预测方法，其特征在于，所述获取每个零件的一级评分项、二级评分项及零件风险预测函数前，所述方法还包括：获取每个零件的至少一个评价指标；将每个评价指标作为节点构建随机森林；根据所述随机森林计算每个评价指标的重要度；按照所述重要度由高到低的顺序从所述至少一个评价指标中获取排在前预设位的评价指标作为每个零件的二级评分项；对每个零件的二级评分项进行聚类，得到每个零件的一级评分项。3.如权利要求1所述的供应链风险预测方法，其特征在于，所述根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数包括：获取每个一级评分项所关联的二级评分项，及获取每个二级评分项的权重；根据每个一级评分项所关联的二级评分项确定每个一级评分项所关联的二级分数，及根据每个二级评分项的权重确定每个一级评分项所关联的二级分数的权重；根据每个一级评分项所关联的二级分数，及每个一级评分项所关联的二级分数的权重进行加权运算，得到每个零件的一级评分项的分数值；将每个零件的一级评分项的分数值确定为每个零件的一级分数。4.如权利要求1所述的供应链风险预测方法，其特征在于，所述将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测函数的自变量进行运算，得到每个零件的风险等级包括：对于每个零件，获取第一分数阈值及第二分数阈值，及获取第一数量阈值及第二数量阈值；其中，所述第一分数阈值大于所述第二分数阈值，所述第一数量阈值小于所述第二数量阈值；获取第三分数阈值及第四分数阈值，及获取第三数量阈值及第四数量阈值；其中，所述
第三分数阈值大于所述第四分数阈值，所述第三数量阈值小于所述第四数量阈值；从所述零件的二级分数中获取大于或者等于所述第一分数阈值的二级分数的数量作为第一数量；从所述零件的二级分数中获取大于或者等于所述第二分数阈值且小于所述第一分数阈值的二级分数的数量作为第二数量；从所述零件的一级分数中获取大于或者等于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为高风险零件评分项，获取所述高风险零件评分项的数量作为第三数量；从所述零件的一级分数中获取大于或者等于所述第四分数阈值且小于所述第三分数阈值的一级分数，并将获取到的一级分数所对应的一级评分项确定为中风险零件评分项，获取所述中风险零件评分项的数量作为第四数量；当所述第一数量大于或者等于所述第一数量阈值，且所述第二数量大于或者等于所述第二数量阈值时，确定所述零件的风险等级为高风险零件；或者当所述第三数量大于或者等于所述第三数量阈值时，确定所述零件的风险等级为所述高风险零件；或者当所述第四数量大于或者等于所述第四数量阈值时，确定所述零件的风险等级为所述高风险零件；或者当所述第二数量的取值为1且所述零件的二级分数中没有大于或者等于所述第一分数阈值的二级分数时，或者当所述第四数量的取值为1且所述零件的一级评分项中没有高风险零件评分项时，确定所述零件的风险等级为中风险零件；或者当所述零件不是所述高风险零件且不是所述中风险零件时，确定所述零件的风险等级为低风险零件。5.如权利要求4所述的供应链风险预测方法，其特征在于，所述将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级包括：对于每个供应商，获取所述供应商提供的至少一个零件中每个零件的权重；获取每个零件的各一级评分项对应的一级分数；对于每个一级评分项，根据每个零件下该一级评分项对应的一级分数与每个零件的权重进行加权运算，得到所述一级评分项的分数值；获取所述供应商对应的各一级评分项的分数值，及获取第五分数阈值、第六分数阈值；其中，所述第五分数阈值大于所述第六分数阈值；当有一级评分项的分数值大于或者等于所述第五分数阈值时，确定该一级评分项为高风险项；当有一级评分项的分数值小于所述第五分数阈值且大于或者等于所述第六分数阈值时，确定该一级评分项为中风险项；获取与所述一级风险项对应的第一风险阈值及第二风险阈值；其中，所述第一风险阈值大于所述第二风险阈值；当有一级风险值大于或者等于所述第一风险阈值时，确定所述一级风险值对应的一级风险项为所述高风险项；
当有一级风险值小于所述第一风险阈值，且大于或者等于所述第二风险阈值时，确定所述一级风险值对应的一级风险项为所述中风险项；当所述供应商的一级风险项中有至少一个所述高风险项时，确定所述供应商为高风险供应商；或者当所述供应商对应的一级风险项及一级评分项中所述高风险项的数量大于或者等于第五数量阈值时，确定所述供应商为所述高风险供应商；或者当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量大于或者等于第六数量阈值时，确定所述供应商为所述高风险供应商；或者当所述供应商对应的一级评分项中有两个所述高风险项时，确定所述供应商为中风险供应商；或者当所述供应商对应的一级风险项及一级评分项中所述中风险项的数量属于预设范围，且所述供应商不是所述高风险供应商时，确定所述供应商为所述中风险供应商；或者当所述供应商不是所述高风险供应商且不是所述中风险供应商时，确定所述供应商为低风险供应商。6.如权利要求5所述的供应链风险预测方法，其特征在于，所述根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示包括：当有零件的风险等级为所述高风险零件时，将所述零件确定为风险零件，及将提供所述风险零件的供应商确定为风险供应商，根据所述风险零件及所述风险供应商生成风险提示信息，并将所述风险提示信息发送至指定终端设备；及/或当有供应商的风险等级为所述高风险供应商时，将所述供应商确定为所述风险供应商，根据所述风险供应商生成所述风险提示信息，并将所述风险提示信息发送至所述指定终端设备；其中，所述风险提示信息用于提示所述指定终端设备的持有者针对所述风险零件及/或所述风险供应商执行跟踪处理。7.如权利要求1所述的供应链风险预测方法，其特征在于，所述方法还包括：获取每个周期内每个零件的风险等级及每个供应商的风险等级；根据每个周期内每个零件的风险等级及每个供应商的风险等级生成每个周期内每个供应商的风险趋势，及每个供应商提供的各零件的风险趋势；根据每个周期内每个供应商的风险趋势及每个供应商提供的各零件的风险趋势生成每个周期的供应链风险预测报告，并将每个周期的供应链风险预测报告存储至中间件。8.一种供应链风险预测装置，其特征在于，所述供应链风险预测装置包括：获取单元，用于每隔预设时间间隔，获取目标供应链的每个供应商，及获取每个供应商提供的至少一个零件；所述获取单元，还用于获取每个零件的一级评分项、二级评分项及零件风险预测函数；所述获取单元，还用于获取每个零件的二级评分项的分数值作为每个零件的二级分数；计算单元，用于根据每个零件的二级分数计算每个零件的一级评分项的分数值，并作为每个零件的一级分数；运算单元，用于将每个零件的一级分数及每个零件的二级分数作为所述零件风险预测
函数的自变量进行运算，得到每个零件的风险等级；所述获取单元，还用于获取每个供应商的一级风险项、二级风险项及供应商风险预测函数；所述获取单元，还用于获取每个供应商的二级风险项的分数值作为每个零件的二级风险值；所述计算单元，还用于根据每个供应商的二级风险值计算每个供应商的一级风险项的取值，并作为每个供应商的一级风险值；所述运算单元，还用于将每个供应商的一级风险值及每个零件的风险等级作为所述供应商风险预测函数的自变量进行运算，得到每个供应商的风险等级；提示单元，用于根据每个零件的风险等级及每个供应商的风险等级对所述目标供应链进行风险提示。9.一种计算机设备，其特征在于，所述计算机设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的供应链风险预测方法。10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至7中任意一项所述的供应链风险预测方法。

技术总结
本发明涉及大数据技术领域，提供一种供应链风险预测方法、装置、设备及介质，能够定期获取目标供应链的每个供应商，及每个供应商提供的至少一个零件，根据每个零件的一级评分项、二级评分项及零件风险预测函数预测每个零件的风险等级，及根据每个供应商的一级风险项、二级风险项及供应商风险预测函数预测每个供应商的风险等级，并根据每个零件的风险等级及每个供应商的风险等级对目标供应链进行风险提示，实现对供应链风险的提前预测，以便后续根据风险预测结果对目标供应链进行跟踪处理。根据风险预测结果对目标供应链进行跟踪处理。根据风险预测结果对目标供应链进行跟踪处理。


技术研发人员：钟欣栩 程洋
受保护的技术使用者：湖南企企通科技有限公司
技术研发日：2023.04.12
技术公布日：2023/8/24