الشبكات العصبية الرسومية (GNNs) اكتسبت مؤخرًا اهتمامًا متزايدًا في مجالات النقل، والبيوانفورماتيكس، ومعالجة اللغة والصور، لكن البحوث حول تطبيقها في إدارة سلسلة التوريد لا تزال محدودة. تعتبر سلاسل التوريد بطبيعتها على شكل رسوميات، مما يجعلها مثالية لتطبيق مناهج الشبكات العصبية الرسومية التي يمكن أن تُحسِّن وتُحل مشاكل معقدة. من بين العقبات نقص الأسس المفاهيمية المناسبة، وعدم الاطلاع على التطبيقات الرسومية في إدارة سلسلة التوريد، ونقص قواعد بيانات مرجعية حقيقية للبحث المستند إلى الشبكات العصبية الرسومية في هذا المجال. لمعالجة هذه القضايا، نناقش ونربط سلاسل التوريد بالهياكل الرسومية لتحقيق تطبيق فعال للشبكات العصبية الرسومية، مع تقديم صياغات مفصلة وأمثل ومعرف رياضي وإرشادات للمهام. بالإضافة إلى ذلك، نقدم مجموعة بيانات مرجعية حقيقية متعددة الآراء من شركة رائدة لمنتجات الاستهلاك السريع (FMCG) في بنغلاديش، مع التركيز على التخطيط لسلسلة التوريد. نناقش مختلف المهام المتعلقة بسلاسل التوريد باستخدام الشبكات العصبية الرسومية ونبني مقاييس لأحدث النماذج المتقدمة على الرسوم البيانية المتجانسة وغير المتجانسة عبر ست مهام تحليلية لسلاسل التوريد. تظهر تحليلاتنا أن النماذج المستندة إلى الشبكات العصبية الرسومية تتخطى باستمرار نماذج التعلم الإحصائي الآلي وغيرها من نماذج التعلم العميق بنسبة تتراوح بين 10-30% في المهام الانحدارية، و10-30% في مهام التصنيف والكشف، و15-40% في مهام الكشف عن الشذوذ بموجب المقاييس المعينة. من خلال هذا العمل، نضع الأساس لحل مشاكل سلسلة التوريد باستخدام الشبكات العصبية الرسومية، مدعومة بالمناقشات المفاهيمية والأفكار المنهجية ومجموعة بيانات شاملة.