定义与边界
供应链分析解决方案：先统一「库存」和「准时」的定义
供应链分析解决方案，是指把采购、生产、仓储、运输等环节分散在 ERP、仓储系统、运输系统中的数据整合到统一口径，用统计与机器学习方法回答需求预测、库存配置、供应商表现与物流成本等问题的一套数据流程与方法。它的产出是可复核的预测、补货建议与风险名单，最终由计划与采购人员决定是否执行。
供应链数据最常见的分歧在定义。「可用库存」算不算在途、在检和冻结库存？「交付准时」按供应商承诺日算，还是按我方首次要求日算？按订单行统计，还是按整张订单统计？这些定义不先写清，同一个供应商在采购部和计划部的报表里会得出两个结论。
需求预测的方法细节，可以参考 供应链预测分析实践指南；采购与供应商的合规检查，见 供应商审计方案。
| 关键事实 | 内容 |
|---|---|
| 典型数据 | 销售与出库记录、库存快照、采购订单与到货、供应商交付与质检、运输单与运费 |
| 接入方式 | 各系统导出的 Excel / CSV；或通过数据库连接节点加载厂商 JDBC 驱动接入，具体产品与版本需在评估阶段实测 |
| 数据源连接 | 300+ |
| 常用方法 | 移动平均基线、回归与梯度提升树预测、ABC-XYZ 分类、安全库存测算、库龄分析、帕累托分析 |
| 内置分析节点 | 300+ |
| 不在范围内 | 路线与装载的数学优化求解、生产排程（APS）、秒级实时调度 |
| 部署形态 | 支持离线部署；Windows，以及 x86-64 版本的麒麟 V10/V11、统信 UOS |
| ARM 架构 | iModel 目前不支持 ARM 架构（鲲鹏、飞腾），相关版本仍在规划中。 |
| 平台内核 | 基于 KNIME 开源内核二次开发，中文化、信创适配与企业级增强部分为自主研发 |
常见分析场景
六个最常被问到的供应链问题
每个场景都写明了要回答的问题、常用做法和最容易踩的坑。多数团队从呆滞库存与供应商表现起步，这两项只需要现有数据，见效也最快。
📈 需求预测
问题下个月每个物料、每个仓要备多少？
做法先用移动平均做基线，再加入季节与促销字段训练回归或梯度提升树，与基线比较是否真的更准。
注意用出库量训练会把缺货期间的「没卖出去」当成「没需求」，缺货时段要先修正或剔除。
📦 安全库存与补货
问题每个物料的安全库存和补货点该设多少？
做法先做 ABC-XYZ 分类，再按服务水平、需求波动与补货提前期测算安全库存。
注意提前期本身也波动时，公式要同时考虑提前期的波动，否则安全库存会偏低。
🧊 呆滞库存识别
问题哪些库存长期不动，占用了多少资金？
做法按库龄分段，结合最近出库日期与未来需求，列出呆滞与潜在呆滞清单。
注意库龄按批次算还是按物料算，结论差别很大，先与财务确认口径。
🤝 供应商表现
问题哪些供应商交付不准时、质量问题多？
做法按供应商统计准时足量交付率、来料不良率与价格偏差，按季度排序并跟踪趋势。
注意承诺日被多次修改时，要约定用首次承诺日还是最后承诺日。
🧮 采购支出分析
问题钱主要花在哪些品类和供应商上？同一物料价格是否不一？
做法按品类与供应商做帕累托分析，找出同物料多价与零散采购。
注意同一物料在不同工厂编码不同，要先建物料对照表再比价。
🚚 物流成本与时效
问题哪些线路、承运商成本高或经常延误？
做法按线路与承运商统计单位运费、准时率与异常单占比，并与合同价核对。
注意这是统计分析；路线与装载的最优解需要专门的求解器，不在本页范围。
做法示例
供应链分析解决方案：从需求预测到补货建议怎么做
以月度补货为例，下面是一条工作流的五个环节。第二步决定了预测是否可信，第四步决定了建议能否被计划员采纳。
从需求预测到补货建议的五个环节
示例流程，非客户案例；每个环节对应工作流里可单独查看结果的一组节点
01数据接入出库记录、库存快照、在途采购与补货提前期
02清洗需求剔除退货与调拨，修正缺货期间被压低的销量
03分层预测按 ABC-XYZ 分类选方法，与移动平均基线比较误差
04测算补货结合安全库存、在途与起订量算出建议补货量
05人工确认建议清单交计划员调整，记录调整原因用于下月复盘
第五步里的「记录调整原因」经常被省略，但它是改进模型最有价值的数据：如果计划员总在某类物料上调高建议量，要么模型漏掉了某个因素，要么安全库存参数设得太保守。分组汇总与移动计算的节点用法，可参考 GroupBy 节点说明 与 月度汇总报表任务教程。
预测误差用哪个指标看
| 指标 | 怎么算 | 适合 | 局限 |
|---|---|---|---|
| MAPE | 各期误差占实际值比例的平均 | 销量稳定、不接近零的物料 | 实际值很小或为零时比例会失真，低销量物料不适用 |
| WAPE | 误差绝对值之和除以实际值之和 | 多物料汇总评估、含低销量物料 | 大物料权重高，小物料的误差会被掩盖 |
| 偏差（Bias） | 预测值减实际值的累计或平均 | 检查预测是否系统性偏高或偏低 | 正负误差会相互抵消，不能单独衡量准不准 |
| 相对基线改进 | 模型误差与移动平均基线误差之比 | 判断复杂模型是否值得投入 | 基线本身选得不合理时，结论会被高估 |
适用边界
供应链分析解决方案，哪些事交给其他系统更合适
供应链软件分工很细，数据分析平台擅长的是整合、测算与复盘，不是替代每一个业务系统。下面三类需求，通常由专门系统承担：
- 生产排程：考虑设备、工序与换线约束的排产，一般由 APS 或 MES 负责。分析平台可以为它提供需求预测与产能统计。
- 路线与装载优化：车辆路径与装箱属于组合优化问题，需要专门的求解器或运输管理系统。
- 秒级实时调度：需要与业务系统深度集成的实时决策，不适合放在批量运行的分析流程里。
分析平台更擅长的四件事
- 跨系统对账：把 ERP、仓储、运输系统的数据按同一口径关联，找出彼此对不上的记录。
- 可复核的测算：补货量、安全库存等每一步计算都能打开查看，参数调整有记录。
- 定期复盘：同一条工作流每月重跑，预测误差与供应商表现可以连续跟踪。
- 数据留在内网：支持离线部署，采购价格与供应商信息不需要上传到外部。
关于补货建议：模型给出的是建议量，不是下单指令，最终采购决定应由计划员结合供应商产能、合同条款与在途情况确认。
常见问题
关于供应链分析的六个问题
要体现季节性，一般至少需要覆盖两个完整的季节周期，按月预测通常就是两年以上的数据。数据更短时，可以先用移动平均做基线，同时把缺货、促销等影响销量的因素记录下来，为后续建模积累数据。
最快的方式是使用各系统导出的 Excel 或 CSV 报表。需要直连数据库时，可通过数据库连接节点加载厂商 JDBC 驱动接入，具体产品与版本需在评估阶段实测。
没有统一的数字，准确度取决于物料的需求波动、历史数据长度和促销等外部因素。更实际的判断标准是：模型误差是否稳定低于移动平均基线，以及计划员采纳建议的比例是否在提高。
不替代。分析平台负责跨系统整合数据、测算建议量与复盘效果，结果可以写回表格或数据库，供 ERP、APS 等业务系统使用；排产与下单仍由原有系统执行。
能用。表格关联、分组汇总、库龄分段等常见操作都通过拖拽节点完成，不需要写代码。建议从呆滞库存清单这类只用现有数据的分析开始。
支持 x86-64 版本的麒麟 V10/V11、统信 UOS，处理器侧支持海光 C86。iModel 目前不支持 ARM 架构（鲲鹏、飞腾），相关版本仍在规划中。
从一份呆滞库存清单开始
先用现有的库存快照与出库记录做出呆滞与潜在呆滞清单，口径和财务对上之后，再往需求预测与补货测算延伸。
不方便留资？可以先在 KNIME 中文知识库 查节点用法，或拨打 400-8568-196 咨询。
