基于供应链全域数据构建风险管控智能体集群作战
2026 智数先锋 AI 创新大赛参赛作品
──────────────────────────────────────────────────
一、企业背景与业务目标
1.1 企业背景
岚图汽车是东风集团旗下高端电动品牌，2025 年交付量同比增长 87%，市场覆盖全球 40 余国。规模快速扩张的同时，供应链脆弱性也日益凸显：一颗芯片断供可致整条产线停摆，一家供应商异常可造成重大损失。这不是假设，而是 2025 年的真实教训。
ERP、SRM、WMS、MES 等系统已覆盖业务全链路，订单、库存、物流数据在系统中流转，业务能够运转。但系统贯通不等于决策高效：数据分散、口径不一、风险感知滞后，供应链决策仍大量依赖人工经验。当市场需求波动和供应不确定性成为常态，必须实现业务系统、数据中台、AI 系统的深度协同，才能支撑柔性生产和敏捷响应。
供应链控制塔项目由此启动。它不是孤立的数字化建设，而是从战略目标出发，反向识别供应链能力短板，重新梳理计划、采购、交付、库存等流程，补齐主数据治理、业务系统能力、数据监控体系三方面差距的系统性工程。为支撑这一转型，公司整合成立供应链部，从组织层面保障目标达成。
帆软深度参与了这一转型路径的探索。帆软指标平台、FineBI、DORA 的三平台融合，是支撑岚图供应链未来能力的核心机制，也是本次项目的核心落地方案。
1.2 业务目标
|
目标
|
说明
|
量化牵引
|
|
风险前置识别
|
单家供应商风险核查从 2 小时压缩至 5 分钟
|
风险核查效率提升 24 倍，异常响应从天级缩短至小时级
|
|
订单满足保障
|
月产 5W 能力建设，订单满足率 ≥95%（M+3）
|
M+3 订单满足率从 85% 提升至 ≥95%
|
|
供应韧性提升
|
紧急追料事件同比下降 82%
|
年度紧急追料事件从基期水平下降至 18%
|
|
智能决策升级
|
从"人工盯单"升级为"AI 盯单"
|
缺件识别响应从小时级缩短至秒级，准确率达 100%
|
1.3 量化基准
|
指标
|
现状
|
目标
|
覆盖盲区与达成路径
|
|
单家供应商风险核查
|
2 小时
|
5 分钟
|
通过 DORA 数据分析师 Skills 聚合多源数据，自动完成核查
|
|
外部风险数据覆盖
|
6000+ 家
|
持续扩展
|
对接工商、司法、税务、舆情等 6 大主题外部数据源
|
|
内部数据节点覆盖率
|
70%
|
100%
|
剩余 30% 主要分布于一料一档、供应商排程、物流在途三类节点，计划通过主数据治理与供应商穿透补齐
|
|
紧急追料事件
|
基期水平
|
下降 82%
|
通过 SCCT 异常工单前置预警与自动派发，减少事后救火
|
1.4 工具定位
帆软 FineBI / 帆软指标平台 / 帆软 DORA 是连接业务目标与执行动作的数字化桥梁：
帆软指标平台：规范化管理供应链指标，统一口径、统一版本、统一发布
FineBI：固化指标看板，构建风险驾驶舱，让风险可见
DORA：探索分析、多源查单、智能决策，让决策从"人找数"到"数找人"
──────────────────────────────────────────────────
二、业务痛点
2.1 看不见：供应商侧数据是"黑盒"
供应商接单后是否投产、在制品多少、成品库存是否充足、产能是否达成，这些关键信息对主机厂完全不可见。业务人员能看到的，只有入厂物流层面的采购订单跟踪，监控范围被压缩在交付环节。
一旦临时调产、零件质量异常、供应商产能波动等不可控因素出现，往往是要上线使用时才发现缺货，留给物料人员的判断和响应时间极短。
2.2 来不及：异常响应窗口被压缩到 2 小时
近地供应商的紧急缺件，从发现缺口到零件上线只有 2 小时缓冲。过去没有供应商生产与库存的实时数据，异常无法提前识别，只能在上线前被动救火。
MRP 计算物料计划时不会预设缺口，真正的风险都来自计划外的异常。没有前置预警和自动化派单机制，异常处理依赖人工逐级沟通，响应慢、闭环难。
2.3 管不住：零件基础信息与异常闭环都靠人扛
SCOP 要正常运转，需要维护海量零件的基础信息——供应商、制造路线、包装规格、物流参数等。零件数量庞大，人工排查艰难，且数据变更频繁，需要反复核对，稍有不慎就会影响计划、采购、交付整条链路。
同时，异常信息散落在订单异常、收货异常、未纳提醒、报缺提醒等多个渠道，物料管理人员被动接收、疲于应付。缺乏前置预警机制，缺乏自动化工单派发，缺乏处置闭环，更缺乏用 BI 工具对这些流程节点进行统一监控和线上化管控的能力。
库存管理还面临"结构性失衡"：零件总量可能足够，但分散在不同工厂、不同仓库中，分配不均常导致局部缺货与局部积压并存。靠人工逐仓核对、逐厂调拨无法实现精细化管理，必须通过数据监控和系统参数优化来平衡"不能少、不能多，不能早、不能晚"的目标。
这三个问题的共同根因：数据不在同一张表上，业务不在同一个系统里，AI 不在同一个流程中。 帆软工具链通过"指标平台统一数据口径、FineBI 固化标准看板、DORA 探索分析与智能决策"三平台协同，逐一打通这三层壁垒，将事后救火转变为事前预警与事中闭环。
──────────────────────────────────────────────────
三、核心方案
整体架构遵循"业务中台 → SCCT 控制塔 → 数据中台 → 帆软平台 → 业务价值闭环"的融合思路。数据流自下而上汇聚，决策反馈自上而下穿透。
3.1 数据底座与指标标准化 — 帆软指标平台 + FineBI
对表模块：帆软指标平台 / FineBI 指标管理 / 数据看板 / 联动下钻
3.1.1 内外双线数据融合
以"统一社会信用代码（供应商主体）+ 物料编码（零件主体）"为双主数据，打通内外部数据：
外部数据：6 大主题（工商基础、经营信息、司法诉讼、信用履约、税务合规、舆情口碑），覆盖 6000+ 家供应商，累计约 2TB
内部数据：5 大 L3 业务节点（零件定义、零件计划、零件采购、零件交付、零件扣料），覆盖 MRP/SRM/WMS/MES/QMS 等系统，累计约 3TB，月增速 4%
通过 Starrocks 实时数仓 + Trino 离线数仓，实现多源异构数据清洗、融合与资产化，节点覆盖率达 70%。
3.1.2 指标规范化管理
帆软指标平台 对供应链指标进行规范化管理：
统一指标口径、计算公式、数据来源、版本管理
将零件定义、零件需求计划、零件生产、零件交付、零件库存五大主题的关键指标纳入平台管理
指标发布后进入 FineBI 供看板消费，确保"数出一门"
3.1.3 FineBI 风险驾驶舱
FineBI 中构建供应链风险地图：
红黄绿灯预警：按风险等级高亮供应商
联动下钻：从风险评分定位到具体零件号、供应商、仓库、物流线路
一料一档总览：点击零件号即可查看该零件的全生命周期数字档案
──────────────────────────────────────────────────
3.2 风险预警与工单闭环 — SCOP + SCCT
供应链业务系统全部为岚图自研。预警规则、工单生成与派发通过 SCOP 和 SCCT 实现，统计和数据积累通过数据中台完成，统计交互由 FineBI 和 DORA 承载。
3.2.1 异常预警机制
SCOP 中的 MPS（生产计划）、TMS（运输管理）、EDI（电子数据交换）模块共同产生规则预警：
日订单满足率、库存资源监控、零件交付实时监控等指标异常时自动触发预警
预警信息来源：供应商出货异常、到货异常、交货时间变更、未纳提醒、报缺提醒等
库存风险管控不仅看总量，更看结构。通过 FineBI 风险驾驶舱监控分工厂、分仓库库存分布，结合 DORA 数据分析师动态识别分配不均、呆滞预警、安全库存偏离等异常，并将优化建议反馈至 SCOP 调整库存分配参数，实现跨工厂、跨仓库的精细化平衡。
3.2.2 工单派发与闭环
供应链控制塔 SCCT 承接预警后的工单派发与流转：
从 SCOP 各模块产生的预警信息，统一汇聚到 SCCT 生成异常工单
工单自动派发给对应责任专业（采购/SQE/物流/物料管理）
处理过程在线留痕，处理结果归档复盘，形成闭环
3.2.3 N 级供应商数据穿透
针对一级供应商，建立三类数据穿透规则：
每日同步在制品、成品全维度库存数据
提前 4 周滚动上传生产排程，与主机厂计划自动校验
每日上传产线产出、良品率、异常停机数据
针对 N 级面料供应商，建立"直连直传"机制，主机厂可实时查看坯布、印染、成品面料全链路库存。以某面料二级供应商为例，其坯布库存连续 3 天低于安全水位，系统提前 7 天预警，采购员协调一级供应商切换印染产能，避免了一次可能导致停线的面料断供。
──────────────────────────────────────────────────
3.3 智能体集群作战 — DORA AI 平台
对表模块：DORA 风险预警官 / 数据分析师 / 报告研究员 / 日报推送秘书 / Skills 自定义
3.3.1 平台选择：为什么是 DORA
DORA 是 AI Native 架构的企业数据智能体平台，具备统一可信数据资产、官方数据 Skills 库、企业级数据安全、多 Agent 协作调用能力。与传统 ChatBI 不同，DORA 的定位是"探索分析"和"快速多源查单"，而非固定报表。这恰好与供应链风险管控中"未知问题发现、多维度归因、智能辅助决策"的需求匹配。
3.3.2 三道防线与供应链专家 Agent
构建 AI+三道防线风险防控框架：
|
防线
|
DORA 数字员工
|
职责
|
|
防线一：计划波动预防
|
供应链专家 1 号
|
分析计划调整对物料资源的影响，评估供需匹配度，输出优化建议
|
|
防线二：库存过程控制
|
供应链专家 2 号
|
实时监控库存水平，ABC/XYZ/FMR 模型匹配，智能预测库存异常
|
|
防线三：应急响应兜底
|
供应链专家 3 号
|
紧急缺口快速识别与补救，与调度员、分析员等 Agent 协同
|
3.3.3 五大 Agent 协同作战
基于 DORA 平台构建五大智能体，形成"识别—分析—评估—调度—诊断"全链路闭环：
|
Agent
|
DORA 模块
|
职责
|
|
预警员
|
风险预警官
|
每小时自动识别紧急缺件的品种、时间和数量
|
|
订单策略速算师
|
数据分析师
|
结合全域资源动态，自动分析缺料根因
|
|
健康评估
|
数据分析师
|
从缺口覆盖度、呆滞风险、物流时效三维度打分
|
|
调度员
|
日报推送秘书
|
监控交付全过程，即时查询订单状态
|
|
分析师
|
报告研究员
|
对当周紧急订单总结诊断，输出智能解决建议
|
典型交互示例：物料计划员在 DORA 中输入"X 零件今日缺件原因及可用货源"，数据分析师 Agent 自动从 StarRocks 实时数仓拉取库存、在途、供应商排程数据，识别出某供应商因设备异常导致交付延迟；同时调度员 Agent 查询到另一仓库有可用安全库存，报告研究员 Agent 自动生成调货建议并推送至物料计划员飞书，全程无需人工跨系统查询。
五大 Agent 基于统一工作流协同运转，实现物料管理从"人工盯单"到"AI 盯单"：
缺口识别：秒级，准确率 100%
报缺响应：小时级 → 秒级
Agent 5 分析师配置与使用示例
3.3.4 自定义风险权重
DORA 支持按市场周期、零部件战略价值、区域政策环境、生命周期阶段四个维度动态调整风险权重。以"市场周期权重模板"为例：当行业整体承压时，提高现金流、司法诉讼、舆情口碑三项子指标权重；当供应链恢复平稳时，提高交付稳定性、库存周转权重。2026 年 Q1 行业承压期启用该模板后：
隐性资金链承压供应商预警前置时间：30 天 → 52 天
误报率下降：18%
3.3.5 AI 已验证三类场景
DORA 已接入真实业务数据，围绕入厂物流执行、供应商瓶颈归因、呆滞库存业务管理三类场景，形成"查询 → 下钻 → 归因 → 建议"闭环。
场景一：呆滞库存风险治理
场景二：卸货点时段压力评估
场景三：交付瓶颈识别与根因定位
──────────────────────────────────────────────────
3.4 一料一档与主数据治理
主数据治理是岚图公司级持续推动的大工程，也是供应链全域数据拉通的基础。一料一档是主数据治理在供应链领域的具体落地。
3.4.1 治理目标
以"零件号"为 ONE ID，整合分散在 MRP、SRM、WMS 等多系统中的数据，解决各系统数据不统一的问题：
BOM 信息：适用车型、工艺路径、生失效时间
采购信息：供应商信息、采购周期、下级关键物料构成、产能参数
物流参数：包装规格、运输方式、仓储位置
特殊特性：追溯要求、有效期要求、安全特性
3.4.2 产物与价值
前端查询：业务人员直接通过前端界面查询零件全生命周期状态
数仓维度表：一料一档数据落入数仓，形成统一的维度表，供 FineBI 和 DORA 消费
公司级主数据：零件主数据是岚图主数据治理体系的重要组成部分，为后续整车流、零件流、设备流等场景扩展奠定基础
──────────────────────────────────────────────────
四、价值量化
4.1 核心业务价值
|
指标
|
Before
|
After
|
验证方式 / 数据来源
|
|
单家供应商风险核查
|
2 小时
|
5 分钟
|
效率提升 24 倍，DORA 多源查单实测
|
|
某供应商经营危机预警
|
事件公开后
|
提前 45 天红色预警
|
实际案例验证
|
|
自定义权重预警前置
|
30 天
|
52 天
|
误报率下降 18%，DORA 风险预警官实测
|
|
紧急追料事件
|
基期
|
同比下降 82%
|
年度对比，SCCT 异常工单统计
|
|
零件 OTD 交付效率
|
基期
|
提升 15%
|
OTD 时效监控看板
|
|
异常响应时间
|
基期
|
缩短 50%
|
WMS/TMS 异常工单
|
|
零部件整体库存
|
基期
|
下降 12%
|
WMS 库存周转看板
|
|
紧急运输费用
|
基期
|
降低 20%
|
运输费用月度对比
|
|
年化节约成本
|
—
|
亿级
|
财务核算：库存资金占用降低（70%）+ 停线损失减少（15%）+ 加急运输下降（10%）+ 人工核查工时节省（5%）
|
测算口径说明：年化节约成本基于 2025 年基期数据测算，其中库存资金占用降低占比最高（70%），主要来源于零部件整体库存下降 12% 及库存周转天数缩短；停线损失与加急运输为已发生并财务入账项；人工核查工时为按效率提升比例测算项。
4.2 效率与管理价值
|
指标
|
Before
|
After
|
计算方式 / 数据来源
|
|
N+3 需求计划准确率
|
基期
|
80% 以上
|
动态九宫格标签体系
|
|
零件定义与计划准确率
|
基期
|
提升 45%
|
BOM 错配率对比
|
|
物料协同工作效率
|
基期
|
提升 15%
|
多物料齐套性判断耗时
|
|
生产计划变更响应周期
|
基期
|
缩短 50%
|
计划变更线上化记录
|
|
验收作业效率
|
基期
|
提升 10%
|
验收工时统计
|
4.3 数字化资产价值
指标规范化：通过帆软指标平台统一管理供应链指标，统一口径、统一版本、统一发布
一料一档数据资产：以零件号为 ONE ID 的全生命周期数据贯通，落入数仓统一维度表
主数据治理：零件主数据纳入公司级主数据治理体系，持续提高数据质量
DORA Skills 沉淀：专家经验固化为可复用的智能体技能
──────────────────────────────────────────────────
五、总结沉淀
5.1 管理制度化
建立以指标为核心的改善课题机制：
每周/每月基于 FineBI 风险驾驶舱召开经营分析会
异常指标责任到人，输出改善课题
风险管控 SOP 纳入部门标准作业流程
5.2 流程自动化
通过 SCCT + SCOP 实现异常预警→工单派发→处置→复盘全流程自动化：
系统自动识别风险 → 自动生成工单 → 自动派发给责任人
全流程在线留痕，可追溯可审计
5.3 经验模型化
将资深物料管理专家的经验固化为 DORA Skills：
供应链专家 1 号/2 号/3 号：三道防线 AI 决策模型
五大 Agent 协同：预警员、速算师、健康评估、调度员、分析师
自定义风险权重模板
5.4 数据资产化
一料一档：以零件号为主键的全生命周期数据贯通
主数据治理：公司级持续推动，零件主数据为核心组成
指标标准化：帆软指标平台统一管理，供 FineBI 和 DORA 消费
5.5 规模化复制
横向复制：从 5 家试点供应商扩展到全集团 5000+ 家供应商，目前已完成 1200+ 家核心供应商接入
纵向复制：从零件流扩展到整车流、设备流、质量链
跨板块复制：以"数据可用不可见"的隐私计算方式向集团其它整车板块输出风险评分与归因，已与 2 个兄弟品牌启动试点对接
5.6 人才培养
数字化 BP：懂业务又懂数据的复合型人才
Agent 训练师：能够将业务经验转化为 DORA Skills 的专家
──────────────────────────────────────────────────
附录
关键指标汇总
|
指标名
|
目标值
|
消费方式
|
|
订单满足率（M+3）
|
≥95%
|
FineBI 看板 + DORA 查询
|
|
单家供应商风险核查
|
5 分钟
|
DORA 数据分析师
|
|
零件 OTD 交付效率
|
提升 36.4%
|
FineBI 看板
|
|
零部件整体库存
|
下降 12%
|
FineBI 看板
|
|
紧急追料事件
|
下降 82%
|
SCCT 统计 + FineBI
|
作品展示
作品说明视频：展示 FineBI 风险驾驶舱、DORA 智能体交互、SCCT 工单闭环等核心场景
DORA Agent 分享链接
