1、Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 2022知识图谱、物联网和数字孪生智能供应链的数字基础设施俞方桦 博士Neo4j 亚太区售前和技术总监Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 20222“现在我们进入了以供应链为人类新型组织方式的时代。”超级版图 全球供应链、超级城市与新商业文明的崛起 帕拉格-康纳（Parag Khanna）Neo4j,Inc.All rights reserved 20223供应链危机供应链濒临

2、崩溃植物油价格创新高芯片荒航运持续延误Neo4j,Inc.All rights reserved 2022企业的整个供应链都在经历挑战新冠疫情加剧了问题的严重性规划采购生产销售仓储和物流69%74%68%69%67%由于缺乏关于受疫情影响的供应商的信息，使得规划变得困难。关键原料和部件缺乏。在不同仓库之间平衡库存非常困难。生产线重新配置困难。因为库存不足影响销售。Neo4j,Inc.All rights reserved 20225全球供应链危机是数据的危机.75%938财富1000的企业的一级、二级供应商受到新冠疫情影响。“好的预测”仅仅是能够得到的有限预测高层管理者对供应链数据没有信心。N

3、eo4j,Inc.All rights reserved 20226供应链？供应（链）图https:/ rights reserved 2022人际网络交易网络BoughtBoughtViewedReturnedBought知识图谱PlaysLives_inIn_sportLikesFan_ofPlays_forKnowsKnowsKnowsKnows7万物互联，因此图无处不在Neo4j,Inc.All rights reserved 20228Neo4j,Inc.All rights reserved 20229Neo4j,Inc.All rights reserved 202210Neo4

4、j,Inc.All rights reserved 202211Neo4j,Inc.All rights reserved 202212面向智能供应链的知识图谱知识图谱数据孤岛IoTSensor Data应用场景物流营运市场，销售和服务DemandSupplyManufacturingWarehousingOrder FulfillmentTransportation3rdParty DataNeo4j,Inc.All rights reserved 202213数据（连接的）数据实例化关系知识图谱深度、动态的上下文知识图谱：从数据到知识的转变物联网数字孪生知识图谱Neo4j,Inc.All

5、rights reserved 202214知识图谱在智能供应链中的应用场景设备生产线供应商组件数字孪生系统数字孪生流程数字孪生产品研发和生产实时动态跟踪产品全生命周期，及时发现问题。人员预防性维护及时提供设备状态和寿命信息，优化运维和性能。生产规划和排期即时根据产量需求和产能调整安排。物料管理快速发现高风险原材料和供应商。库存管理改进库存预测能力、提高库存优化水平。IoTNeo4j,Inc.All rights reserved 2022为什么是图数据库？15处理互联数据的理想技术灵活的数据模式：简化对复杂数据类型及数据之间关系的支持，以及随时能够接收新数据源提供关于资产、流程及其相关数据的

6、360度全景视图，包括空间信息沿着关系网络快速遍历以理解依赖关系、共同的位置、性能的历史数据能够轻松扩展到数十亿节点和关系提供强大的图分析能力以快速发现瓶颈、薄弱环节和改进机会Nodes:Regions,Sites,Leases,Well Pads,Well Heads,Tanks,Compressors,Heaters Treaters,Free Water Knockouts,SensorsRelationships:LOCATED_IN,LOCATED_ON,CONNECTED_TO,MONITORED_BYNeo4j,Inc.All rights reserved 202216属性图提

7、供对供应链的最直观和准确的描述节点关系属性Neo4j,Inc.All rights reserved 2022基于图数据库的数字主线与IoT架构Neo4j Digital Twin integrates a wide variety of data sources(beyond BOM+Sensor Data)to add additional analytical context to the graph.VendorsCostsComplianceSchematicsService RecordsIoT HubRawStreamSensor Alerts&Sampled StreamNeo

8、4j BI ConnectorETLPipeline OLTP时序数据存储日志和文本Dashboard/Reports 关系数据库数据仓库其他SQL数据源时序数据分析事件预警Event SourcesNeo4j Digital Twin GraphNeo4j BloomVisualizationNeo4j Desktop IDEUnstructured Data,JSON Documents,Structured DataRawStreamHot PathWarm PathWeb Apps/GraphQL APINeo4j Secure BOLT Driver其他数据源MLNeo4j,Inc.

9、All rights reserved 202218图数据科学 从已知发掘未知知识图谱/平台图（知识）算法和分析图（知识）学习基础：基于已有数据、建立和存储相互关系，实现高效查询。提升：使用图算法、以及有监督的图学习过程，推导出新的关系，以挖掘蕴含在数据中的新关系和趋势。自治：对图结构进行向量转换，即嵌入过程，运用图神经网络等相关算法自动学习出知识的表示，以提高预测、分类和补全的精确度和效率。Neo4j,Inc.All rights reserved 202219Neo4j GDS中已有超过60+图算法路径寻找和搜索Shortest Path Single-Source Shortest Pa

10、thAll Pairs Shortest PathA*Shortest PathYens K Shortest PathMinimum Weight Spanning TreeK-Spanning Tree(MST)Random WalkBreadth&Depth First Search中心性Degree CentralityCloseness CentralityHarmonic CentralityBetweenness Centrality&Approx.PageRankPersonalized PageRankArticleRankEigenvector CentralityHype

11、rlink Induced Topic Search(HITS)Influence Maximization(Greedy,CELF)社区检测Triangle CountLocal Clustering CoefficientConnected Components(Union Find)Strongly Connected ComponentsLabel PropagationLouvain ModularityK-1 ColoringModularity OptimizationSpeaker Listener Label Propagation有监督的机器学习Node Classific

12、ationLink Prediction 还有更多!链接预测Adamic AdarCommon NeighborsPreferential AttachmentResource AllocationsSame CommunityTotal Neighbors相似度Node SimilarityK-Nearest Neighbors(KNN)Jaccard SimilarityCosine SimilarityPearson SimilarityEuclidean DistanceApproximate Nearest Neighbors(ANN)图表示学习Node2VecFastRPFastR

13、PExtendedGraphSAGESynthetic Graph GenerationScale PropertiesCollapse PathsOne Hot EncodingSplit RelationshipsGraph ExportPregel API(write your own algos)Neo4j,Inc.All rights reserved 202220供应链中的图算法（一）基于图/网络结构的推理K-最短路径 用来发现最佳的替代路径。Neo4j,Inc.All rights reserved 202221供应链中的图算法（二）基于图/网络结构的推理K-最短路径 用来发现最

14、佳的替代路径。相似度 用来寻找在突发情况下的替代供应商中介中心度（Betweenness Centrality）可以快速找到关键瓶颈或高风险节点度中心度（Degree Centrality）可以揭示过度使用的物料存储中心Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 202222供应链风险评估案例分析（一）场景和问题描述实时演示Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 202223产品原材料图谱Demo问题描述“CdTe薄膜太阳能

15、电池板”的关键原材料供应链是否稳定、风险在哪里？解决方案建立“CdTe薄膜太阳能电池板”的关键原材料供应链图谱。Source:https:/doi.org/10.1016/j.susmat.2016.10.002Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 202224基于图的供应链风险评估Demo问题描述如何衡量原材料的供应风险？如何判断产品的复杂度？如何判断供应商的影响力？如何预判供应链风险？解决方案使用图相关算法定义评估指标。图数据科学相关算法：产品的“入度中心性”（In-degree Centrality

16、)产品的“出度中心性”（Out-degree Centrality）紧密中心性（ClosenessCentrality）中介中心性（BetweennessCentrality）Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 202225物流监控和优化案例分析（二）场景和问题描述实时演示Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 202226物流仓储中心Demo问题描述搜索并显示完整的物流网络。Cypher查询MATCH(o:Dist

17、ributionCenter)-(d)RETURN*LIMIT 10Neo4j,Inc.All rights reserved 2022Neo4j,Inc.All rights reserved 202227去往某物流中心的卡车Demo问题描述查询所有开往指定物流仓储中心的货车。Cypher查询MATCH path=(c:DistributionCenter)-:LEG_ORIGIN-(r:Route)(t:Truck)WHERE t.id=1421415PRETURN*Neo4j,Inc.All rights reserved 2022总结供应链是关系复杂的数据，使用图建模和存储更加方便Neo4j的原生图存储和查询分析引擎提供灵活性、高性能，以及其他企业级构建、管理和支持数字主线解决方案的能力。通过整合来自不同数据源的内容到知识图谱上，应用图数据科学相关算法过程来分析挖掘供应链中的潜在风险和机会、最大化智能供应链的业务价值。各类可视化工具为数据科学家、分析师以及管理者提供直观并且强大的供应链透视和挖掘能力。