论文部分内容阅读
摘 要：针对汽车行业对质量风险普遍依托定性评价和考核管理，缺乏定量评估和动态监测的有效方法的痛点，开展供应链质量风险管控的研究。基于供应链链上节点企业运营过程的质量风险具有相关性、积累性和传递性等特点，形成一套集成风险定义、采集、分析、评估、预警、应对为一体的风险定向监测与准确预警的关键技术，包括质量风险指标体系、质量风险算法模型、风险预警法则;整合和挖掘供应链“产”、“销”、“存”全过程的内外部运行数据，建立供应链风险智能分析预测模型，开发汽车供应链质量风险智能预警系统，利用信息技术实现数据采集、分析计算、评估匹配、预警应对的自动化智能监测，突破原有的传统预警技术的局限，实现供应链质量风险数据定量分析与趋势预判，提高整车企业和零部件制造业的风险管控能力，降低质量损失，为汽车行业的质量风险管控提供经验借鉴。
关键词：汽车供应链 风险预测模型 风险控制方法集 风险定向监测 智能预警系统大数据
Development and Application of Intelligent Early Warning System for Quality Risk in Automobile Supply Chain
Hu Jianbin
Abstract：Aiming at the pain points that the automobile industry generally relies on qualitative evaluation and assessment and management of quality risks， and lacks effective methods for quantitative assessment and dynamic monitoring， research on supply chain quality risk management and control is carried out. Based on the characteristics of relevance， accumulation and transferability of quality risks in the operation process of node enterprises in the supply chain， a set of integrated risk definition， collection， analysis， evaluation， early warning， and response is formed to form a set of risk-oriented monitoring and accurate early warning. Key technologies include quality risk index system， quality risk algorithm model， and risk warning rules. The article integrates and mines the internal and external operating data of the entire supply chain "production"， "sales" and "storage"， and establishes a supply chain risk intelligent analysis and prediction model to develop an intelligent early warning system for quality risk in the automotive supply chain， and uses information technology to realize automatic intelligent monitoring of data collection， analysis and calculation， assessment matching， and early warning response， breaking through the limitations of the original traditional early warning technology， and realizing quantitative analysis and analysis of supply chain quality risk data， so as to improve the risk management and control capabilities of vehicle companies and parts manufacturing， reduce quality losses， and provide experience and reference for quality risk management and control in the automotive industry.
Key words：automotive supply chain， risk prediction model， risk control method set， risk-oriented monitoring， intelligent early warning system big data
在經济全球化的今天，汽车行业市场竞争激烈，而汽车整车零部件成本占到整车成本近85%，供应链的竞争力成为了主机厂的核心竞争优势，正如著名供应链管理专家马丁·克里斯托弗曾说：“市场上只有供应链而没有企业，21世纪的竞争不是企业和企业之间的竞争，而是供应链与供应链之间的竞争”。每个主机厂均拥有着庞大的供应链体系，供应链在主机厂经营活动中的作用及影响越来越大，零部件质量成为影响整车质量水平的关键因素。汽车供应链链上节点企业运营过程的不确定质量风险，会对企业获利、生存及发展产生影响。由于汽车制造业典型的供应链式结构使得供应链链上节点企业的质量风险具有相关性、积累性和传递性等特点，因此汽车供应链风险不仅指产品质量本身，更指供应商的制造能力、管理水平、变更控制等风险，而国内外汽车领域对供应链质量风险的研究集中在某个特定风险或供应链管理过程的某个阶段，普遍依托定性评价和考核管理，缺乏定量评估和动态监测的有效方法，对供应链质量风险的综合研究较少，如何有效控制供应链的质量风险，确保产品质量稳定输出，成为整车企业共同关注的课题。 上汽通用五菱汽车股份有限公司着眼于供应链质量风险管理关键技术的研究，以“质量风险管理方法”和“质量风险智能监测信息化”为两大关注点，按照“识别、收集、分析、评估、预警、应对”的基本逻辑，设计供应链质量风险智能分析预测模型，建立一套“汽车供应链质量风险定向监测与准确预警系统”，包括质量风险指标体系、风险算法模型、风险预警法则;利用电子软件对供应链质量风险预警研究成果进行固化，通过主机厂与供应链端到端的跨系统、跨服务器的对接，实现数据自动采集、自动分析计算、自动评估匹配、自动预警应对的风险智能监测，基于风险暴露值，通过工业互联网平台，实现对供应链产品全生命周期的项目风险、过程风险、设备风险、产能风险、产品风险、变更风险的定向监测、量化分析和准确预警。
1 建立供应链质量风险管控模型
在对供应链在主机厂的绩效表现、内部运营能力和内部运行绩效三者之间的相互关系进行分析的基础上，基于“结果导向”和“过程方法”管理原则，从关注的供应链外部绩效方面出发，确定质量风险的构建维度，从人、机、料、法、环、测六个模块识别影响产品质量风险的关键过程和关键指标，深入剖析供应链内部管理的关键过程（人员管理、制造管理、物料管理、变更管理），并进一步剖析各关键过程，发掘影响质量风险的关键因素，运用成熟分析工具和手段对供应商风险影响因素进行归类，并考虑外部影响因素，，从供应链风险管理的角度确定了供应商风险管理预警机制主要特征和内容，建立供应商质量风险管理模型构建供应链质量风险管控模型如下。
2 建立供应链质量风险指标体系
采用专家分析法，识别质量风险因素将供应链质量风险管理模型中的人、机、料、法、环、测六个模块管理过程作为供应链质量风险的关键过程，并通过层层细化进一步形成过程要素和过程指标，结合内部绩效和外部绩效的影响，形成系统化、结构化的供应链质量风险管理三层次的指标体系，覆盖供应链产品全生命周期、全业务过程的质量风险管控指标体系。
构建的供应链质量风险三层次的指标体系，共涉及82指标。其中，供应链内部端30项指标，涉及生产、交付、质量、变更等过程;主机厂端45项指标，涉及质量绩效和交付绩效;供应链能力评价7项指标。主要包括指标如下：
①一级指标设定为5个：从供应链风险源的整体布局出发，综合考虑了风险特性与指标类型的逻辑关系，将一级指标设置为“项目风险”、“过程风险”、“产能风险”“变更风险”和“产品风险”，以此来区分管理统计类指标与变更管理类指标，突出各大类指标量化方式。
②16个二级指标：如“过程风险”划分为制造过程中对人员管理、设备管理、工装管理、测量管理、工艺管理、物料管理、环境管理的七类风险;
“变更风险”考虑了人员变更、制造过程变更、物料变更、外部环境变化、其它客户端同类产品问题、突发事件等风险;这一类风险是一旦出现即时预警，是定性的预测，而非定量的;
“产品风险”是对产品关键特性的监测结果的反映，包括产品关键性能、关键尺寸、外观、和材料等，监测产品质量指標偏离标准的波动带来的风险。
③61个三级指标：以影响产品质量、制造产能为基本原则，提取了部分关键且可测量的评价指标，并提供了每个指标的收集途径或计算方法。
3 建立供应链质量风险智能分析预测模型
整合和挖掘零部件企业“产”、“销”、“存”等全过程的内外部数据，建立数据仓库，引入数据挖掘技术，运用决策树、遗传算法和关联规则挖掘算法来实现关联分析、偏差监测和数据归类;采用风险暴露值、风险概率、风险值来判定质量风险;使用聚类分法及9宫图评估判断供应链风险程度;基于风险概率和暴露值的风险评估和分析，科学的建立供应链质量风险的智能分析预警预测模型，提供全生命周期的风险智能预警。
（1）建立风险数据仓库：建立风险信息数据仓库，采集供应链5年内部生产运营管理过程绩效数据和主机厂交付绩效的数据，对数据进行清洗、加工、整合、汇总、转换等工作，按照不同分析维度来进行汇总和呈现，以便风险监测和评估提供多个维度的信息支持，从不同角度来处理和观察质量风险数据。
（2）确定风险预测算法：根据线性分析法和统计比对分析法，建立了5种供应链绩效指标值预测数学模型，利用相类似供应商之间的共性，结合不同供应商的特性，进行指标间相关性分析，建立相关性矩阵，设计风险预测数学模型的算法;采用专家经验法，以权重的方式加入到模型中，自动调整模型各参数，对供应链近5年的指标绩效数据进行预测，并将数据预测值与实际真实值进行回测验证，确定模型系数，合理选择最适用的算法，使其准确地反应实际情况，确保关键指标预测值准确度达到80%以上，确保指标预测值准确度始终保持在最优水平，从而实现对各指标数据趋势分析与数据预测，最终达到对供应链的综合风险预测预警目的。
（3）设置风险预警阈值：从风险概率、风险值、风险暴露值三个维度科学合理评价供应链质量风险，其中风险暴露值是供应链风险发生概率和风险值大小的综合指标。定义风险程度，根据时间序列中相邻数据之间的变化率，采用风险值及风险暴露值表示，通过设置阈值，寻找出变化率比较大的数据项及数据值超过某一时间段平均值多倍的数据共项，并统计其在所有数据项中所占比率，利用统计结果确定风险系数。通过对各指标的平均数与权重的方法，确定供应商在某一时间段内的总体风险。按照在总体风险所占的比率，确定各指标的风险贡献，从而可以筛选那些需要重点关注的指标。
最后，按聚类分法评判供应链质量风险高中低的程度，将各供应链的风险暴露值从总体暴露值和关键指标暴露值两个维度进行聚类，并结合专家经验法，采用9宫图评估判断供应链质量风险高、中、低程度，从而实现对供应链风险进行判定。
（4）设置预警触发条件：制定风险统计周期，按照周期内各级风险（低、中、高）出现的次数进行判断，n<m<k，其中的“+”、“++”表示所用数值应适度增大。若出现同时触发两种或以上预警条件的情况时，以高级别预警为准。 （4）开发供应链质量风险智能预警系统
以上述研究成果为基础，利用信息化软件对供应链质量风险定向监测和智能分析预测模型进行固化，开发了供应链质量风险智能预警系统，实现了对供应链质量风险的评估、分析、预测、应对，系统具有供应链风险地图分布、风险分析、风险评估、风险监控、风险应对、风险预测、风险管理体系等主要功能，通过分布式计算机与服务器实现供应链质量数据的计算、存储与传输等活动，通过整车企业与供应链端对端的系统对接，采集供应链产、销、存数据和客户端的质量表现数据，通过系统自动分析计算、自动评估匹配、自动预警应对等过程，凭借平台系统用户权限的设置，将质量风险数据共享至各个供应商，实现对供应链质量风险的集成分析、即时预警、精准预测、快速响应。
通过新一代工业信息技术将供应链质量风险智能预警系统与供应商制造执行系统（MES）、生产设备的PLC控制服务器打通，实现设备PLC数据库所记录存储的数据与供应链质量风险智能预警系统、供应商MES系统的互通互联，提供设备的在线感知，实现数据的同步共享;通过设备的互联和集中监控，实现对设备运行所产生数据的智能无缝集成，同时采用设备自身的智能处理技术，包括智能任务、分析、决策、报警等，通过采集供应商生产线上的大量实时数据，实现对供应商生产现场的工装、设备、产品质量运营状况判断和预测。
实现整车企业及其供应链的跨系统、跨服务器、跨平台的系统，实现对海量数据的整合、趋势分析、判断，并面向主机厂高/中/基层领导、供应商质量工程师、质量工程师、产品工程师、零部件供应商等不同角色提供分析查询、图形展示、信息推送、信息交互等功能，发挥数据的最大价值，实现管理效率的极大改善，为上汽通用五菱管理层和供应链管理层提供科学的、准确的、系统的分析数据。
4 结语
按照“识别、收集、分析、评估、预警、应对”的基本逻辑，通过对供应链质量风险因素识别，运用成熟分析工具和手段对供应链风险影响因素进行归类，建立供应链质量风险管理模型和风险指标体系;设计一套供应链质量风险管理方法;从供应链风险管理的角度确定了供应链质量风险管理预警机制主要特征和内容;利用大数据分析技术，对海量的质量数据采集、整合、挖掘和分析，找出各影响因素之间的相关性，建立供应链质量风险的智能分析预测模型，开发汽车供应链质量风险智能监测信息化软件，集成供应链“产”、“销”、“存”等全链条内外部数据，实現整车与供应链数据、信息的共享，实现了对供应链质量风险的量化分析、趋势预判和准确预警，解决了供应链质量风险缺乏定量评估和动态监测的技术难题，为整车企业和供应链缺乏“质量风险管理方法”和“质量风险智能监测手段”两大问题提供科学的管理手段，发挥数据的价值，开创以风险预防为主的供应链数字化管理模式，管理模式由报警转变为预警，确保了供应链产品质量的稳定输出，为整车企业及供应链的风险管理提供可借鉴的经验。
参考文献：
[1]陈伟杰，肖智.基于模糊软集合的供应商风险评估模型.软科学，2013.
[2]蔡佳苗，陈学章，巫俊宏.大数据在产品质量风险信息管理中的应用研究.标准科学.2014.
[3]宋楠， 顾文俊.数据挖掘在供应商评估体系中的应用.计算机工程与设计.2006.
[4]丁斌，孙政晓，桂斌. 基于粗糙集与未确知模型的供应商风险评估方法研究.2008.
[5]吕红伟.面向供应链管理的数据挖掘应用研究.2007.
[6]王喜文，工业互联网平台实现协同制造，中国信息化杂志，2017.
关键词：汽车供应链 风险预测模型 风险控制方法集 风险定向监测 智能预警系统大数据
Development and Application of Intelligent Early Warning System for Quality Risk in Automobile Supply Chain
Hu Jianbin
Abstract：Aiming at the pain points that the automobile industry generally relies on qualitative evaluation and assessment and management of quality risks， and lacks effective methods for quantitative assessment and dynamic monitoring， research on supply chain quality risk management and control is carried out. Based on the characteristics of relevance， accumulation and transferability of quality risks in the operation process of node enterprises in the supply chain， a set of integrated risk definition， collection， analysis， evaluation， early warning， and response is formed to form a set of risk-oriented monitoring and accurate early warning. Key technologies include quality risk index system， quality risk algorithm model， and risk warning rules. The article integrates and mines the internal and external operating data of the entire supply chain "production"， "sales" and "storage"， and establishes a supply chain risk intelligent analysis and prediction model to develop an intelligent early warning system for quality risk in the automotive supply chain， and uses information technology to realize automatic intelligent monitoring of data collection， analysis and calculation， assessment matching， and early warning response， breaking through the limitations of the original traditional early warning technology， and realizing quantitative analysis and analysis of supply chain quality risk data， so as to improve the risk management and control capabilities of vehicle companies and parts manufacturing， reduce quality losses， and provide experience and reference for quality risk management and control in the automotive industry.
Key words：automotive supply chain， risk prediction model， risk control method set， risk-oriented monitoring， intelligent early warning system big data
在經济全球化的今天，汽车行业市场竞争激烈，而汽车整车零部件成本占到整车成本近85%，供应链的竞争力成为了主机厂的核心竞争优势，正如著名供应链管理专家马丁·克里斯托弗曾说：“市场上只有供应链而没有企业，21世纪的竞争不是企业和企业之间的竞争，而是供应链与供应链之间的竞争”。每个主机厂均拥有着庞大的供应链体系，供应链在主机厂经营活动中的作用及影响越来越大，零部件质量成为影响整车质量水平的关键因素。汽车供应链链上节点企业运营过程的不确定质量风险，会对企业获利、生存及发展产生影响。由于汽车制造业典型的供应链式结构使得供应链链上节点企业的质量风险具有相关性、积累性和传递性等特点，因此汽车供应链风险不仅指产品质量本身，更指供应商的制造能力、管理水平、变更控制等风险，而国内外汽车领域对供应链质量风险的研究集中在某个特定风险或供应链管理过程的某个阶段，普遍依托定性评价和考核管理，缺乏定量评估和动态监测的有效方法，对供应链质量风险的综合研究较少，如何有效控制供应链的质量风险，确保产品质量稳定输出，成为整车企业共同关注的课题。 上汽通用五菱汽车股份有限公司着眼于供应链质量风险管理关键技术的研究，以“质量风险管理方法”和“质量风险智能监测信息化”为两大关注点，按照“识别、收集、分析、评估、预警、应对”的基本逻辑，设计供应链质量风险智能分析预测模型，建立一套“汽车供应链质量风险定向监测与准确预警系统”，包括质量风险指标体系、风险算法模型、风险预警法则;利用电子软件对供应链质量风险预警研究成果进行固化，通过主机厂与供应链端到端的跨系统、跨服务器的对接，实现数据自动采集、自动分析计算、自动评估匹配、自动预警应对的风险智能监测，基于风险暴露值，通过工业互联网平台，实现对供应链产品全生命周期的项目风险、过程风险、设备风险、产能风险、产品风险、变更风险的定向监测、量化分析和准确预警。
1 建立供应链质量风险管控模型
在对供应链在主机厂的绩效表现、内部运营能力和内部运行绩效三者之间的相互关系进行分析的基础上，基于“结果导向”和“过程方法”管理原则，从关注的供应链外部绩效方面出发，确定质量风险的构建维度，从人、机、料、法、环、测六个模块识别影响产品质量风险的关键过程和关键指标，深入剖析供应链内部管理的关键过程（人员管理、制造管理、物料管理、变更管理），并进一步剖析各关键过程，发掘影响质量风险的关键因素，运用成熟分析工具和手段对供应商风险影响因素进行归类，并考虑外部影响因素，，从供应链风险管理的角度确定了供应商风险管理预警机制主要特征和内容，建立供应商质量风险管理模型构建供应链质量风险管控模型如下。
2 建立供应链质量风险指标体系
采用专家分析法，识别质量风险因素将供应链质量风险管理模型中的人、机、料、法、环、测六个模块管理过程作为供应链质量风险的关键过程，并通过层层细化进一步形成过程要素和过程指标，结合内部绩效和外部绩效的影响，形成系统化、结构化的供应链质量风险管理三层次的指标体系，覆盖供应链产品全生命周期、全业务过程的质量风险管控指标体系。
构建的供应链质量风险三层次的指标体系，共涉及82指标。其中，供应链内部端30项指标，涉及生产、交付、质量、变更等过程;主机厂端45项指标，涉及质量绩效和交付绩效;供应链能力评价7项指标。主要包括指标如下：
①一级指标设定为5个：从供应链风险源的整体布局出发，综合考虑了风险特性与指标类型的逻辑关系，将一级指标设置为“项目风险”、“过程风险”、“产能风险”“变更风险”和“产品风险”，以此来区分管理统计类指标与变更管理类指标，突出各大类指标量化方式。
②16个二级指标：如“过程风险”划分为制造过程中对人员管理、设备管理、工装管理、测量管理、工艺管理、物料管理、环境管理的七类风险;
“变更风险”考虑了人员变更、制造过程变更、物料变更、外部环境变化、其它客户端同类产品问题、突发事件等风险;这一类风险是一旦出现即时预警，是定性的预测，而非定量的;
“产品风险”是对产品关键特性的监测结果的反映，包括产品关键性能、关键尺寸、外观、和材料等，监测产品质量指標偏离标准的波动带来的风险。
③61个三级指标：以影响产品质量、制造产能为基本原则，提取了部分关键且可测量的评价指标，并提供了每个指标的收集途径或计算方法。
3 建立供应链质量风险智能分析预测模型
整合和挖掘零部件企业“产”、“销”、“存”等全过程的内外部数据，建立数据仓库，引入数据挖掘技术，运用决策树、遗传算法和关联规则挖掘算法来实现关联分析、偏差监测和数据归类;采用风险暴露值、风险概率、风险值来判定质量风险;使用聚类分法及9宫图评估判断供应链风险程度;基于风险概率和暴露值的风险评估和分析，科学的建立供应链质量风险的智能分析预警预测模型，提供全生命周期的风险智能预警。
（1）建立风险数据仓库：建立风险信息数据仓库，采集供应链5年内部生产运营管理过程绩效数据和主机厂交付绩效的数据，对数据进行清洗、加工、整合、汇总、转换等工作，按照不同分析维度来进行汇总和呈现，以便风险监测和评估提供多个维度的信息支持，从不同角度来处理和观察质量风险数据。
（2）确定风险预测算法：根据线性分析法和统计比对分析法，建立了5种供应链绩效指标值预测数学模型，利用相类似供应商之间的共性，结合不同供应商的特性，进行指标间相关性分析，建立相关性矩阵，设计风险预测数学模型的算法;采用专家经验法，以权重的方式加入到模型中，自动调整模型各参数，对供应链近5年的指标绩效数据进行预测，并将数据预测值与实际真实值进行回测验证，确定模型系数，合理选择最适用的算法，使其准确地反应实际情况，确保关键指标预测值准确度达到80%以上，确保指标预测值准确度始终保持在最优水平，从而实现对各指标数据趋势分析与数据预测，最终达到对供应链的综合风险预测预警目的。
（3）设置风险预警阈值：从风险概率、风险值、风险暴露值三个维度科学合理评价供应链质量风险，其中风险暴露值是供应链风险发生概率和风险值大小的综合指标。定义风险程度，根据时间序列中相邻数据之间的变化率，采用风险值及风险暴露值表示，通过设置阈值，寻找出变化率比较大的数据项及数据值超过某一时间段平均值多倍的数据共项，并统计其在所有数据项中所占比率，利用统计结果确定风险系数。通过对各指标的平均数与权重的方法，确定供应商在某一时间段内的总体风险。按照在总体风险所占的比率，确定各指标的风险贡献，从而可以筛选那些需要重点关注的指标。
最后，按聚类分法评判供应链质量风险高中低的程度，将各供应链的风险暴露值从总体暴露值和关键指标暴露值两个维度进行聚类，并结合专家经验法，采用9宫图评估判断供应链质量风险高、中、低程度，从而实现对供应链风险进行判定。
（4）设置预警触发条件：制定风险统计周期，按照周期内各级风险（低、中、高）出现的次数进行判断，n<m<k，其中的“+”、“++”表示所用数值应适度增大。若出现同时触发两种或以上预警条件的情况时，以高级别预警为准。 （4）开发供应链质量风险智能预警系统
以上述研究成果为基础，利用信息化软件对供应链质量风险定向监测和智能分析预测模型进行固化，开发了供应链质量风险智能预警系统，实现了对供应链质量风险的评估、分析、预测、应对，系统具有供应链风险地图分布、风险分析、风险评估、风险监控、风险应对、风险预测、风险管理体系等主要功能，通过分布式计算机与服务器实现供应链质量数据的计算、存储与传输等活动，通过整车企业与供应链端对端的系统对接，采集供应链产、销、存数据和客户端的质量表现数据，通过系统自动分析计算、自动评估匹配、自动预警应对等过程，凭借平台系统用户权限的设置，将质量风险数据共享至各个供应商，实现对供应链质量风险的集成分析、即时预警、精准预测、快速响应。
通过新一代工业信息技术将供应链质量风险智能预警系统与供应商制造执行系统（MES）、生产设备的PLC控制服务器打通，实现设备PLC数据库所记录存储的数据与供应链质量风险智能预警系统、供应商MES系统的互通互联，提供设备的在线感知，实现数据的同步共享;通过设备的互联和集中监控，实现对设备运行所产生数据的智能无缝集成，同时采用设备自身的智能处理技术，包括智能任务、分析、决策、报警等，通过采集供应商生产线上的大量实时数据，实现对供应商生产现场的工装、设备、产品质量运营状况判断和预测。
实现整车企业及其供应链的跨系统、跨服务器、跨平台的系统，实现对海量数据的整合、趋势分析、判断，并面向主机厂高/中/基层领导、供应商质量工程师、质量工程师、产品工程师、零部件供应商等不同角色提供分析查询、图形展示、信息推送、信息交互等功能，发挥数据的最大价值，实现管理效率的极大改善，为上汽通用五菱管理层和供应链管理层提供科学的、准确的、系统的分析数据。
4 结语
按照“识别、收集、分析、评估、预警、应对”的基本逻辑，通过对供应链质量风险因素识别，运用成熟分析工具和手段对供应链风险影响因素进行归类，建立供应链质量风险管理模型和风险指标体系;设计一套供应链质量风险管理方法;从供应链风险管理的角度确定了供应链质量风险管理预警机制主要特征和内容;利用大数据分析技术，对海量的质量数据采集、整合、挖掘和分析，找出各影响因素之间的相关性，建立供应链质量风险的智能分析预测模型，开发汽车供应链质量风险智能监测信息化软件，集成供应链“产”、“销”、“存”等全链条内外部数据，实現整车与供应链数据、信息的共享，实现了对供应链质量风险的量化分析、趋势预判和准确预警，解决了供应链质量风险缺乏定量评估和动态监测的技术难题，为整车企业和供应链缺乏“质量风险管理方法”和“质量风险智能监测手段”两大问题提供科学的管理手段，发挥数据的价值，开创以风险预防为主的供应链数字化管理模式，管理模式由报警转变为预警，确保了供应链产品质量的稳定输出，为整车企业及供应链的风险管理提供可借鉴的经验。
参考文献：
[1]陈伟杰，肖智.基于模糊软集合的供应商风险评估模型.软科学，2013.
[2]蔡佳苗，陈学章，巫俊宏.大数据在产品质量风险信息管理中的应用研究.标准科学.2014.
[3]宋楠， 顾文俊.数据挖掘在供应商评估体系中的应用.计算机工程与设计.2006.
[4]丁斌，孙政晓，桂斌. 基于粗糙集与未确知模型的供应商风险评估方法研究.2008.
[5]吕红伟.面向供应链管理的数据挖掘应用研究.2007.
[6]王喜文，工业互联网平台实现协同制造，中国信息化杂志，2017.