上海某汽车厂售后配件库存优化 - 行业案例 - RB88数码集团

客户档案

某主机厂现行零件的备货多依赖专家预测，为保证较高服务水平，执行做大预测结果，不计库存积压后果，造成高水位的库存。受车辆销售下滑影响，高库存积压现象日益严重，且部分配件的服务水平低。

业务挑战

SKU数量庞大且需求不稳定

汽车后市场的订单量取决于零散的、随机的市场需求，且汽车零配件产品种类多。在使用频率方面，非标品和长尾件多，单个SKU消费频次低，产品的需求更加难以预测。

库存成本压力大

零配件的供应和配送受到季节性、周期性和区域性的影响。如果经销商和厂商保有大量库存以应对可能的零配件需求，则会导致大量的库存积压，库存成本高；反之，如果经销商和厂商不保有零配件库存，则会导致客户维修服务周期过长，导致客户流失。

整体供应和配送网络较为复杂

零配件的供应和配送网络涉及从经销商和OEM厂商发出订单需求，到实际的配件配送过程，其中涉及到众多主体和信息交互。汽车后市场的交货期随机性强、时限短，部分零部件产品工艺及原材料相对复杂，产品供应能力受产能及外部中断的影响度高，供应商交期不稳定。

解决方案

基于数据治理、数据探索、模型训练、策略应用等全周期数据价值挖掘流程等优势，RB88数码通过对供应商生产、供应链物流、库存流转等全流程进行数据采集和KPI监控，帮助车企构建汽车零配件供应链的数据解决方案。

RB88数码通过零配件的生命周期、业务属性等，对零配件进行分类，并进行分类预测及优化。首先，使用机器学习及人工智能算法预测配件需求，根据其零配件的不同类别，选取模型算法库中的适用模型，并经过业务规则调整等形成最终预测结果；随后，将需求预测结果与企业经营战略约束、业绩指标约束、采购约束等条件相结合，制定与企业适配的配件库存策略，把控降低库存与提高满足率之间的平衡；最后，使用KPI指标监控模型效果及企业库存指标，及时了解并且调整模型策略。

方案优势

需求预测：
分别对成熟件、新件、断点件分别构建模型并进行预测
库存优化：
设置安全库存，并构建服务水平和库存水位的仿真模型
指标监控：
构建KPI指标体系，对服务水平、WOH、库存水平、调拨时间、供应商绩效等影响供应链绩效的KPI进行监控和根源分析

客户价值

精准备件，优化库存

对某汽车配件售后服务部，关于汽车配件分销仓库订单预测和各级库存进行模型优化，库存预测精确度从92%提升至97%，助力数十万零配件库存优化；

库存水平和服务水平双增

优化后的配件库存水位远高于现状，确保了零配件一次满足率保持在95%，显著提升了客户满意度和服务响应速度；

指标监控，及时预警

针对预测精度、库存水平、WHO、服务水平等关键指标，建立了KPI指标监控体系，当出现异常时，及时报警和进行根源分析，并采取相应的策略；

安全库存检查，自动触发补货

通过配件分销仓库订单预测和各级库存模型优化，实现安全库存动态调优，采用MIN-MAX补货策略，一旦小于最小值即可自动触发补货。