Basado en la Teoría del Equilibrio de Grafos, este estudio propone un algoritmo de detección de anomalías, la Prueba de Relación de la Cadena de Suministro (PoR), aplicada a redes de adquisiciones empresariales formalizadas como grafos dirigidos ponderados. Se construye un marco matemático integrando la conservación del flujo laplaciano y el principio de coherencia topológica de Sheaf para identificar nodos anómalos cuyas características locales se desvían significativamente de las características globales de la red de suministro. PoR se implementó empíricamente en un conjunto de datos que comprende 856 empresas taiwanesas, detectando con éxito 56 entidades que muestran un comportamiento anormal. La intensidad de la anomalía se visualizó a través de gráficos de tendencias, revelando nodos con desviaciones que aumentan rápidamente. Para validar la efectividad de esta detección, el estudio analizó además la correlación entre métricas de rendimiento internas y externas. Los resultados demuestran que los nodos anómalos exhiben correlaciones cercanas a cero, en contraste con las correlaciones significativas observadas en los nodos normales, lo que indica una interrupción de la consistencia de la información. Esta investigación establece un marco teórico de grafos para la detección de anomalías, presenta un modelo matemático independiente de los datos de entrenamiento y destaca la relación entre desviaciones estructurales y distorsiones informativas. Al incorporar la Teoría de Sheaf, el estudio mejora la profundidad analítica de la consistencia topológica. Además, este trabajo demuestra la observabilidad de violaciones de la conservación del flujo dentro de un sistema no físico altamente complejo, como la cadena de suministro. Completa una integración lógica de Coherencia de Sheaf, Equilibrio de Grafos y Proyección de Anomalías de Alta Dimensión, y logra un mapeo cruzado entre Desviaciones Estructurales de Grafos e Inconsistencias Estadísticas en grafos dirigidos ponderados. Esta contribución avanza en el campo de la detección de anomalías estadísticas basada en la topología de grafos, abriendo nuevas vías para la integración metodológica entre sistemas físicos y redes económicas.