
تحلیل خودکار ریسک زنجیره تأمین با GPT-4o و هشدارهای ایمیلی
12 دقیقه مطالعه · منتشر شده ۱۴۰۵/۵/۶
دانلود workflow
فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.
- فایل JSON را دانلود کنید.
- در n8n: Workflows → Import from File.
- Credentialهای هر node را متصل کنید.
- workflow را فعال کنید.
شناسه workflow: 12988 · منبع: کاتالوگ Axeto
تحلیل پایداری و ریسک زنجیره تأمین جهانی با GPT-4o و هشدارهای ایمیلی
این گردش کار، تحلیل پایداری و ریسک زنجیره تأمین جهانی را خودکار میکند. این گردش کار از GPT-4o برای ارزیابی انتشار گازهای گلخانهای، شیوههای اقتصاد چرخشی و کارایی لجستیک استفاده میکند. گردش کار برای اجرا روزانه زمانبندی شده است، دادهها را از یک API خارجی دریافت میکند، تحلیلهای هوش مصنوعی موازی را انجام میدهد، یافتهها را تجمیع میکند و یک ارزیابی نهایی پایداری و ریسک تولید میکند. بر اساس سطح ریسک ارزیابی شده، هشدارهای ایمیلی را برای موقعیتهای بحرانی و پرخطر ارسال میکند و تمام نتایج تحلیل را برای بررسی بیشتر ذخیره میکند.
کاتالوگ Axeto.ai: مشاهده گردش کار
۱. نمای کلی گردش کار
هدف:
این گردش کار بر اساس یک برنامه زمانبندی اجرا میشود، دادههای عملیاتی و پایداری زنجیره تأمین را از یک API خارجی دریافت میکند، تحلیلهای هوش مصنوعی موازی (انتشار گازهای گلخانهای، اقتصاد چرخشی، لجستیک) را با استفاده از GPT‑4o با ابزارها و تجزیهکنندههای اختصاصی انجام میدهد، نتایج را ادغام میکند، یک ارزیابی نهایی پایداری و ریسک انجام میدهد و سپس نتایج را بر اساس سطح ریسک برای ارسال هشدارهای ایمیلی (بحرانی/بالا) و ذخیره تمام تحلیلها در یک API ذخیرهسازی خارجی مسیریابی میکند.
موارد استفاده هدف:
- نظارت روزانه بر پایداری زنجیره تأمین و هشدارهای ریسک.
- ارزیابی ریسک تأمینکننده، با تمرکز بر تأثیرات زیستمحیطی و گلوگاههای بالقوه.
- ردیابی کارایی لجستیک و بلوغ اقتصاد چرخشی.
- ذخیرهسازی متمرکز نتایج تحلیل ساختاریافته برای داشبوردها و هوش تجاری.
۱.۱ فعالساز زمانبندی و پیکربندی
این بخش گردش کار را در یک برنامه زمانبندی روزانه آغاز میکند و متغیرهای پیکربندی ضروری مانند نقاط پایانی API و آدرسهای ایمیل گیرنده را بارگیری میکند که توسط گرههای بعدی استفاده میشوند.
#### گره: فعالساز زمانبندی
- نوع:
Schedule Trigger(n8n-nodes-base.scheduleTrigger) - پیکربندی: تنظیم شده برای اجرا روزانه در ساعت ۰۶:۰۰ (بر اساس
triggerAtHour: 6). - خروجی: گره "پیکربندی گردش کار" را فعال میکند.
- نکات: زمان اجرا به منطقه زمانی نمونه n8n بستگی دارد.
#### گره: پیکربندی گردش کار
- نوع:
Set(n8n-nodes-base.set) - هدف: متمرکز کردن تنظیمات پیکربندی.
- پیکربندی:
* supplyChainApiUrl: جاینگهدار برای نقطه پایانی API ERP/SCM.
* storageApiUrl: جاینگهدار برای نقطه پایانی API ذخیرهسازی/پایگاه داده.
* alertEmailRecipients: لیست گیرندگان ایمیل با جداکننده کاما.
* آستانهها: criticalThreshold=90, highThreshold=70, mediumThreshold=40 (توجه: این آستانهها تعریف شدهاند اما در منطق فعلی فعالانه استفاده نمیشوند).
- خروجی: پیکربندی را به گره "دریافت دادههای زنجیره تأمین" منتقل میکند.
- موارد شکست: مقادیر جاینگهدار باید با نقاط پایانی API واقعی جایگزین شوند؛ در غیر این صورت، درخواستهای HTTP بعدی با شکست مواجه خواهند شد.
۱.۲ اکتساب داده
این بلوک مسئول دریافت آخرین دادههای زنجیره تأمین از یک API خارجی مشخص است.
#### گره: دریافت دادههای زنجیره تأمین
- نوع:
HTTP Request(n8n-nodes-base.httpRequest) - هدف: دریافت بار داده زنجیره تأمین از یک API.
- پیکربندی:
* URL: به صورت پویا با استفاده از ={{ $('Workflow Configuration').first().json.supplyChainApiUrl }} تنظیم شده است.
* متد: GET (پیشفرض).
* هدرها: شامل Content-Type: application/json.
- ورودی: پیکربندی را از گره "پیکربندی گردش کار" دریافت میکند.
- خروجی: دادههای دریافت شده را به صورت موازی به سه عامل تحلیل هوش مصنوعی تخصصی توزیع میکند: "عامل محاسبهگر انتشار گازهای گلخانهای"، "عامل ارزیاب اقتصاد چرخشی" و "عامل بهینهساز لجستیک".
- موارد شکست:
* عدم وجود احراز هویت (مانند کلیدهای API، OAuth2) میتواند منجر به خطاهای 401/403 شود.
* پاسخهای غیر JSON باعث خطا در گرههای عامل پاییندستی میشوند.
* بارهای داده بزرگ میتوانند زمان پردازش و استفاده از توکن را افزایش دهند.
۱.۳ تحلیل هوش مصنوعی تخصصی موازی
این بخش شامل سه عامل متمایز مبتنی بر GPT‑4o است که دادههای زنجیره تأمین را به طور همزمان تحلیل میکنند. هر عامل با یک تجزیهکننده خروجی ساختاریافته پیکربندی شده است تا خروجی JSON قابل پیشبینی را تضمین کند. عامل انتشار گازهای گلخانهای علاوه بر این از دو ابزار خاص استفاده میکند: یک ابزار کد برای محاسبات و یک ابزار HTTP برای دریافت معیارها.
#### بلوک تحلیل انتشار گازهای گلخانهای
- گرهها:
* OpenAI Chat Model (@n8n/n8n-nodes-langchain.lmChatOpenAi)
* Emissions Output Parser (@n8n/n8n-nodes-langchain.outputParserStructured)
* Carbon Footprint Calculator Tool (@n8n/n8n-nodes-langchain.toolCode)
* Industry Benchmark API Tool (n8n-nodes-base.httpRequestTool)
* Emissions Calculator Agent (@n8n/n8n-nodes-langchain.agent)
- OpenAI Chat Model:
* هدف: قابلیتهای GPT‑4o را برای تحلیل انتشار گازهای گلخانهای فراهم میکند.
* پیکربندی: مدل gpt-4o، دما 0.1 (برای واریانس کم).
* اعتبارنامهها: نیاز به اعتبارنامه "حساب OpenAI" دارد.
* اتصال: از طریق ai_languageModel به "عامل محاسبهگر انتشار گازهای گلخانهای" متصل است.
- Emissions Output Parser:
* هدف: طرح شمای JSON ساختاریافته برای دادههای انتشار گازهای گلخانهای را اجباری میکند.
* خروجیهای طرح: total_emissions_co2e، دامنههای ۱/۲/۳، carbon_intensity، benchmark_comparison و آرایهها برای high_emission_sources و reduction_opportunities.
* اتصال: از طریق ai_outputParser به "عامل محاسبهگر انتشار گازهای گلخانهای" متصل است.
- Carbon Footprint Calculator Tool:
* نوع: Code Tool (toolCode)
* هدف: محاسبه جزئیات CO2e بر اساس دادههای ارائه شده.
* عملکرد: یک پرس و جو JSON را میپذیرد و از عوامل انتشار ثابت برای برق، سوختها و مواد استفاده میکند. یک رشته JSON با مجموعها و جزئیات برمیگرداند.
* اتصال: به عنوان ai_tool به "عامل محاسبهگر انتشار گازهای گلخانهای" ارائه میشود.
* موارد شکست: ورودی JSON نامعتبر میتواند منجر به رشتههای خطا به جای JSON شود و به طور بالقوه LLM را گیج کند. عوامل انتشار ساده شدهاند و ممکن است دادههای خاص منطقه را منعکس نکنند.
- Industry Benchmark API Tool:
* نوع: HTTP Request Tool (n8n-nodes-base.httpRequestTool)
* هدف: دریافت دادههای معیار صنعت برای مقایسه.
* پیکربندی: از یک URL جاینگهدار <Industry benchmark API endpoint> استفاده میکند.
* اتصال: به عنوان ai_tool به "عامل محاسبهگر انتشار گازهای گلخانهای" ارائه میشود.
* موارد شکست: URL جاینگهدار، عدم وجود احراز هویت، تأخیر API یا پاسخهای غیر JSON.
- Emissions Calculator Agent:
* نوع: LangChain Agent (@n8n/n8n-nodes-langchain.agent)
* هدف: انتشار گازهای گلخانهای را تحلیل میکند، با معیارها مقایسه میکند و با استفاده از ابزارهای ارائه شده استراتژیهای کاهش را شناسایی میکند.
* دستور: برای عمل به عنوان یک متخصص انتشار گازهای گلخانهای، محاسبه CO2e، دامنهها، شدت، استفاده از ابزارها و تولید برنامههای کاهش، دستور داده شده است.
* ورودی: بار داده زنجیره تأمین کامل را از طریق text: ={{ $json }} دریافت میکند.
* وابستگیها: OpenAI Chat Model، Emissions Output Parser، Carbon Footprint Calculator Tool، Industry Benchmark API Tool.
* خروجی: نتایج را به گره "ادغام نتایج عامل" ارسال میکند.
* موارد شکست: بار ورودی که از محدودیتهای توکن فراتر میرود، شکست ابزار منجر به توهم LLM، یا مشکلات طرح تجزیهکننده.
#### بلوک تحلیل اقتصاد چرخشی
- گرهها:
* OpenAI Chat Model (@n8n/n8n-nodes-langchain.lmChatOpenAi)
* Circular Economy Output Parser (@n8n/n8n-nodes-langchain.outputParserStructured)
* Circular Economy Evaluator Agent (@n8n/n8n-nodes-langchain.agent)
- OpenAI Chat Model:
* هدف: GPT‑4o را برای تحلیل اقتصاد چرخشی فراهم میکند (دما 0.1).
* اعتبارنامهها: از همان اعتبارنامه "حساب OpenAI" استفاده میکند.
* اتصال: از طریق ai_languageModel به "عامل ارزیاب اقتصاد چرخشی" متصل است.
- Circular Economy Output Parser:
* هدف: طرح شمای JSON ساختاریافته برای دادههای اقتصاد چرخشی را اجباری میکند.
* خروجیهای طرح: circular_economy_score، امتیازات چرخه عمر، و آرایهها برای فرصتها و توصیهها.
* اتصال: از طریق ai_outputParser به "عامل ارزیاب اقتصاد چرخشی" متصل است.
- Circular Economy Evaluator Agent:
* نوع: LangChain Agent (@n8n/n8n-nodes-langchain.agent)
* هدف: ارزیابی و امتیازدهی به شیوههای اقتصاد چرخشی در زنجیره تأمین.
* ورودی: بار داده زنجیره تأمین را از طریق text: ={{ $json }} دریافت میکند.
* وابستگیها: OpenAI Chat Model، Circular Economy Output Parser.
* خروجی: نتایج را به گره "ادغام نتایج عامل" ارسال میکند.
* موارد شکست: خطرات مشابه توکن و فرمت؛ پتانسیل مقادیر استنباطی در صورت عدم وجود اطلاعات خاص زباله یا مواد در دادههای تأمینکننده.
#### بلوک تحلیل بهینهسازی لجستیک
- گرهها:
* OpenAI Chat Model (@n8n/n8n-nodes-langchain.lmChatOpenAi)
* Logistics Output Parser (@n8n/n8n-nodes-langchain.outputParserStructured)
* Logistics Optimizer Agent (@n8n/n8n-nodes-langchain.agent)
- OpenAI Chat Model:
* هدف: GPT‑4o را برای تحلیل لجستیک فراهم میکند (دما 0.1).
* اتصال: از طریق ai_languageModel به "عامل بهینهساز لجستیک" متصل است.
- Logistics Output Parser:
* هدف: طرح شمای JSON ساختاریافته برای دادههای لجستیک را اجباری میکند.
* خروجیهای طرح: logistics_efficiency_score، ردپا، درصد مسیر، جزئیات تقسیم حالت، زبالههای بستهبندی، و آرایهها برای فرصتها و بهبودها.
* اتصال: از طریق ai_outputParser به "عامل بهینهساز لجستیک" متصل است.
- Logistics Optimizer Agent:
* نوع: LangChain Agent (@n8n/n8n-nodes-langchain.agent)
* هدف: تحلیل پایداری و بهینهسازی لجستیک.
* ورودی: بار داده زنجیره تأمین را از طریق text: ={{ $json }} دریافت میکند.
* وابستگیها: OpenAI Chat Model، Logistics Output Parser.
* خروجی: نتایج را به گره "ادغام نتایج عامل" ارسال میکند.
* موارد شکست: شیء modal_split ممکن است ساختار متفاوتی داشته باشد که نیاز به مدیریت دقیق در طرحهای ذخیرهسازی پاییندستی دارد.
۱.۴ ادغام + امتیازدهی نهایی پایداری/ریسک
این بلوک خروجیهای سه عامل تخصصی را تجمیع میکند. یک عامل نهایی سپس یک ارزیابی پایداری یکپارچه، شامل سطح ریسک، امتیاز اولویت، گلوگاههای شناسایی شده و توصیههای عملی، همه در یک فرمت کاملاً ساختاریافته، تولید میکند.
#### گره: ادغام نتایج عامل
- نوع:
Set(n8n-nodes-base.set) - هدف: ترکیب خروجیهای عوامل تحلیل هوش مصنوعی موازی در یک شیء واحد.
- پیکربندی:
* emissions_data: خروجی "عامل محاسبهگر انتشار گازهای گلخانهای" را ادغام میکند.
* circular_economy_data: خروجی "عامل ارزیاب اقتصاد چرخشی" را ادغام میکند.
* logistics_data: خروجی "عامل بهینهساز لجستیک" را ادغام میکند.
* combined_analysis_timestamp: زمان تحلیل را با استفاده از {{ $now.toISO() }} ثبت میکند.
- ورودی: دادهها را از سه گره عامل تخصصی دریافت میکند.
- نکته رفتار مهم: به عنوان یک گره
Setبا چندین اتصال ورودی، ممکن است چندین بار اجرا شود. روش.first()برای کاهش برخی از تغییرپذیریها استفاده میشود، اما مدیریت دقیق شاخههای موازی حیاتی است. - خروجی: دادههای ترکیبی را به گره "تحلیلگر پایداری زنجیره تأمین" منتقل میکند.
- موارد شکست: اگر هر یک از عوامل موازی با شکست مواجه شوند، ادغام ممکن است ناقص باشد یا با شکست مواجه شود.
#### گره: OpenAI Chat Model (برای تحلیلگر)
- نوع:
OpenAI Chat Model(@n8n/n8n-nodes-langchain.lmChatOpenAi) - هدف: GPT‑4o را برای ارزیابی نهایی پایداری و ریسک فراهم میکند.
- پیکربندی: مدل
gpt-4o، دما0.1. - اعتبارنامهها: از اعتبارنامه "حساب OpenAI" استفاده میکند.
- اتصال: از طریق
ai_languageModelبه عامل "تحلیلگر پایداری زنجیره تأمین" متصل است.
#### گره: Structured Output Parser (برای تحلیلگر)
- نوع:
Structured Output Parser(@n8n/n8n-nodes-langchain.outputParserStructured) - هدف: طرح شمای JSON ساختاریافته برای خروجی تحلیل نهایی را اجباری میکند.
- خروجیهای طرح:
risk_level(مانند CRITICAL, HIGH, MEDIUM, LOW)،priority_score،bottlenecks،recommendations، وsustainability_scoreکلی. - اتصال: از طریق
ai_outputParserبه عامل "تحلیلگر پایداری زنجیره تأمین" متصل است.
#### گره: تحلیلگر پایداری زنجیره تأمین
- نوع:
LangChain Agent(@n8n/n8n-nodes-langchain.agent) - هدف: انجام ارزیابی نهایی و کلی پایداری و ریسک بر اساس دادههای ادغام شده.
- دستور: برای عمل به عنوان یک تحلیلگر ارشد زنجیره تأمین، سنتز دادههای ارائه شده برای تعیین سطوح ریسک، امتیازات و توصیههای عملی، دستور داده شده است.
- ورودی: دادههای ادغام شده را از گره "ادغام نتایج عامل" دریافت میکند.
- وابستگیها: OpenAI Chat Model (برای تحلیلگر)، Structured Output Parser (برای تحلیلگر).
- خروجی: ارزیابی نهایی ساختاریافته را به گره "مسیریابی ریسک" ارسال میکند.
- موارد شکست: محدودیتهای توکن، خطاهای LLM، یا مشکلات با تجزیهکننده خروجی ساختاریافته.
۱.۵ مسیریابی ریسک، اطلاعرسانی و ذخیرهسازی
این بلوک نهایی نتایج تحلیل را بر اساس risk_level تعیین شده مسیریابی میکند. موارد با ریسک بحرانی و بالا هشدارهای ایمیلی را فعال میکنند، در حالی که تمام نتایج در یک API خارجی ذخیره میشوند.
#### گره: مسیریابی ریسک
- نوع:
Switch(n8n-nodes-base.switch) - هدف: هدایت اجرای گردش کار بر اساس
risk_levelاز "تحلیلگر پایداری زنجیره تأمین". - پیکربندی: شرایط برای مقادیر مختلف
risk_levelتنظیم شدهاند (مانند{{ $json.risk_level === 'CRITICAL' }},{{ $json.risk_level === 'HIGH' }}, و غیره). - ورودی: ارزیابی نهایی ساختاریافته را از "تحلیلگر پایداری زنجیره تأمین" دریافت میکند.
- خروجیها: بر اساس سطح ریسک به گرههای اطلاعرسانی و ذخیرهسازی مختلف منشعب میشود.
#### گره: قالببندی هشدار بحرانی
- نوع:
Set(n8n-nodes-base.set) - هدف: قالببندی محتوای ایمیل برای هشدارهای ریسک بحرانی.
- ورودی: دادهها را از گره "مسیریابی ریسک" هنگام بحرانی بودن
risk_levelدریافت میکند. - خروجی: دادههای قالببندی شده را به گره "ارسال ایمیل بحرانی" ارسال میکند.
#### گره: ارسال ایمیل بحرانی
- نوع:
Email Send(n8n-nodes-base.emailSend) - هدف: ارسال اعلان ایمیلی برای ریسکهای بحرانی زنجیره تأمین.
- پیکربندی: از اعتبارنامههای ایمیل و لیست گیرندگان از "پیکربندی گردش کار" استفاده میکند. موضوع و بدنه به صورت پویا تولید میشوند.
- ورودی: دادههای قالببندی شده را از "قالببندی هشدار بحرانی" دریافت میکند.
- خروجی: دادههای قالببندی شده را به گره "ذخیره نتایج تحلیل" ارسال میکند.
#### گره: قالببندی هشدار بالا
- نوع:
Set(n8n-nodes-base.set) - هدف: قالببندی محتوای ایمیل برای هشدارهای ریسک بالا.
- ورودی: دادهها را از گره "مسیریابی ریسک" هنگام بالا بودن
risk_levelدریافت میکند. - خروجی: دادههای قالببندی شده را به گره "ارسال ایمیل بالا" ارسال میکند.
#### گره: ارسال ایمیل بالا
- نوع:
Email Send(n8n-nodes-base.emailSend) - هدف: ارسال اعلان ایمیلی برای ریسکهای بالای زنجیره تأمین.
- پیکربندی: از اعتبارنامههای ایمیل و لیست گیرندگان از "پیکربندی گردش کار" استفاده میکند. موضوع و بدنه به صورت پویا تولید میشوند.
- ورودی: دادههای قالببندی شده را از "قالببندی هشدار بالا" دریافت میکند.
- خروجی: دادههای قالببندی شده را به گره "ذخیره نتایج تحلیل" ارسال میکند.
#### گره: قالببندی خلاصه متوسط
- نوع:
Set(n8n-nodes-base.set) - هدف: قالببندی خلاصهای برای هشدارهای ریسک متوسط (ایمیلی ارسال نمیشود).
- ورودی: دادهها را از گره "مسیریابی ریسک" هنگام متوسط بودن
risk_levelدریافت میکند. - خروجی: دادههای قالببندی شده را به گره "ذخیره نتایج تحلیل" ارسال میکند.
#### گره: ذخیره نتایج تحلیل
- نوع:
HTTP Request(n8n-nodes-base.httpRequest) - هدف: ذخیره نتایج کامل تحلیل (شامل هشدارهای قالببندی شده یا خلاصهها) در یک API خارجی.
- پیکربندی:
* URL: به صورت پویا با استفاده از ={{ $('Workflow Configuration').first().json.storageApiUrl }} تنظیم شده است.
* متد: POST (فرض شده، زیرا برای ذخیره دادهها است).
* بدنه: حاوی دادههای تحلیل.
- ورودی: دادهها را از گرههای "ارسال ایمیل بحرانی"، "ارسال ایمیل بالا" یا "قالببندی خلاصه متوسط" دریافت میکند.
- موارد شکست: URL API ذخیرهسازی نامعتبر، مشکلات احراز هویت، یا خطاهای API.
Nodeهای استفادهشده
سوالات متداول
این گردش کار n8n چه کاری انجام میدهد؟▾
این گردش کار n8n، تحلیل پایداری و ریسک زنجیره تأمین جهانی را با استفاده از GPT-4o خودکار میکند. این گردش کار دادهها را دریافت کرده، ارزیابیهای هوش مصنوعی موازی را برای انتشار گازهای گلخانهای، اقتصاد چرخشی و لجستیک انجام میدهد، یافتهها را تجمیع کرده و هشدارهای ایمیلی برای موقعیتهای پرخطر ارسال میکند.
چه فناوریهایی در این گردش کار استفاده شده است؟▾
در این گردش کار از GPT-4o برای تحلیلهای هوش مصنوعی، n8n برای خودکارسازی گردش کار، و ابزارهای HTTP Request برای دریافت دادهها و ارسال ایمیل استفاده شده است.
چگونه این گردش کار به مدیریت ریسک زنجیره تأمین کمک میکند؟▾
این گردش کار با تحلیل خودکار جنبههای کلیدی مانند انتشار گازهای گلخانهای، شیوههای اقتصاد چرخشی و کارایی لجستیک، به شناسایی زودهنگام ریسکها کمک کرده و با ارسال هشدارهای ایمیلی، امکان واکنش سریع را فراهم میآورد.
workflowهای مرتبط
- طبقهبندی خودکار حوادث امنیتی با GPT-4 و Google SheetsSecOps
- دستهبندی خودکار ایمیل جیمیل با GPT-4o و هشدار SlackAI Summarization
- دستهبندی خودکار پستهای وبلاگ با هوش مصنوعی و گیتهابContent Creation
- پاسخ خودکار به سوالات GitHub PR با GPT-4o، Notion و SlackEngineering
- خودکارسازی اصلاح نقطه پایانی با Wazuh، ClamAV و GPT-4SecOps
- تغییر نام خودکار گرههای n8n با هوش مصنوعیEngineering
