一、项目背景

我们服务的这家制造企业，供应商有上千家，过去供应商风险全靠采购员凭经验盯：哪家交货老延迟、哪家质量波动大，往往要等出了交付事故才被发现。一次关键物料供应商突然产能出问题，整条产线停了两天，损失不小。管理层要的是"风险提前看到、看到就能动"。我们当时想的是，风险信号其实散落在很多系统里——订单履约、质量检验、财务账期、舆情投诉，但没人把它们串起来。我们采用的私有化 AI 底座，正好可以做这件事：把多源信号汇聚，用模型做风险识别和分级。

二、落地场景

我们建了一条"信号采集—风险建模—分级预警—工单协同—闭环跟踪"的链路。信号侧接入了履约系统（交货准时率、批量不合格率）、质量系统（来料检验合格率趋势）、财务系统（账期异常、频繁变更收款账户）、以及外部舆情（工商、处罚、投诉）。模型把这些信号融合成每家供应商的风险分，并给出风险标签（如"交付风险""质量风险""财务风险"）。风险分超阈值的，自动生成分级预警推给对应采购和供应链负责人，并一键生成处置工单（切换备选供应商、加严检验、暂停新品定点等）。工单处理进度回写，形成闭环。

三、关键技术挑战与解决思路

第一个挑战是信号口径不一。各系统字段定义不同，直接喂模型会乱。我们做了信号标准化层，把"准时率""不合格率"等统一成可比口径再进模型。第二个挑战是误报扰民。风险分稍一动就预警，负责人会疲劳忽略。我们设了"持续偏离才告警"机制：单次波动不报，连续 N 期劣化或跨多源同时异常才升级，并给每条预警附上"触发了哪几个信号"，让负责人一眼判断真伪。第三个挑战是闭环断层——预警发了没人跟。我们把预警和工单系统强绑定，未处理工单升级提醒，处置结果回写风险分，形成"看到就动、动了就降分"的飞轮。

案例片段（已脱敏）： 一次提前预警——供应商 S 的来料检验合格率连续 4 周从 99.1% 滑到 96.8%，同时财务侧其收款账户在两周内变更 2 次。模型融合两源信号，风险分从 0.32 升到 0.71，触发"质量+财务"复合预警，推给采购负责人并生成工单"加严来料全检 + 暂停新月度配额"。处置 3 天后，该供应商一批潜在不合格物料在入库前被全检拦下，避免了一次产线停线。此前同类风险平均在事故后约 9 天才被发现。 预警规则片段：if (合格率_4w趋势下降 AND 账户变更>=2次/14d) then risk+=0.3 and level=高 and auto_workorder="加严检验"。试运行两月，风险识别率约 89%，误报率约 7%。

四、效果数据

试运行约两个月，供应商风险的识别率（事后复盘确属真实风险的比例）约 89%，平均预警提前期从事故后的约 9 天，提前到事故发生前约 11 天，真正做到了"事前看到"。处置工单的闭环率（预警后实际有动作并回写结果）约 86%，比纯邮件提醒时代高了一大截。因供应商问题导致的交付异常率下降约 34%。数字为脱敏示意值，不同品类供应商风险信号密度不同。

五、可复用经验总结

第一，供应商风险不在单点，在多源信号融合，孤立看任一系统都会漏。第二，预警要"持续偏离才报"，单次波动告警只会制造疲劳。第三，预警必须绑定处置动作和闭环回写，否则就是发完拉倒。第四，给每条预警附触发信号，负责人才好快速决断。这套"多源融合 + 持续偏离告警 + 工单闭环"的框架，后来被复用到客户信用、渠道窜货等风险场景。

附：工程落地细节

信号标准化层是这套链路的地基，各系统的字段定义不同（比如 A 系统叫准时率、B 系统叫交付达成），我们先统一成可比口径再进模型，否则融合出来的风险分毫无意义。告警策略我们设了"持续偏离才报"：单次波动不报，连续多期劣化或跨多源同时异常才升级，并且每条预警都附上"触发了哪几个信号、各自的偏离幅度"，让负责人一眼判断真伪，而不是只丢一个风险分。预警和工单系统强绑定，未处理工单升级提醒，处置结果回写风险分，形成看到就动、动了就降分的飞轮。

附：给同行的一点提醒

供应商风险不在单点，在多源信号融合，孤立看任一系统都会漏，履约、质量、财务、舆情四条线缺一条都不完整。预警要持续偏离才报，单次波动告警只会制造预警疲劳，真正出事时没人看了。预警必须绑定处置动作和闭环回写，否则就是发完拉倒，我们早期用邮件提醒，闭环率很低，绑工单后才真正转起来。

附：一点落地后的量化补充

风险分我们按品类做了差异化阈值，关键物料（如独家供应的芯片类）阈值更灵敏、更早预警，长尾物料阈值放宽，避免警报泛滥。工单闭环率我们做了周报，连续两周闭环率低于八成的品类会被重点跟进，防止预警石沉大海。试运行期间，因供应商问题导致的交付异常率下降了约三分之一，最直接的收益是一次潜在停线被提前十一天拦下，省下的停线损失远超这套系统的投入。