本技术介绍了一种针对重型汽车备件的库存管理优化方法,该方法通过应用多标准决策分析来评估备件的重要性,筛选出关键备件。进一步,该方法利用历史需求数据,结合备件重要性,优化库存配置,以减少库存成本并提高响应速度。
背景技术
在我国高度重视规模化制造和基建的背景下,发挥基础运输功能的重型车行业重要性日益凸显,相应的重型车(如卡车、建筑机械)备用机械部件的有效管理不可或缺。相较于普通汽车备用机械部件而言,由于重型汽车具有长时间、高负荷的运行特点,其备用机械部件的需求量存在更大的需求波动性和间隔性(往往按照月度或季度对需求整合后依然表现出需求不连续的现象)。该特性严重阻碍提升该类型备用机械部件需求预测及库存管理的性能,因此目前许多主营重型汽车备用机械部件业务的企业广泛存在订单满足率低、库存积压、库存周转率低等现象。
传统重型汽车备用机械部件的需求预测及库存管理包括三个序贯环节:(i)关键备用机械部件识别、(ii)参数类型或者人工智能辅助的需求预测以及(iii)基于更为准确的预测结果实现备用机械部件的库存管理。针对关键备用机械部件识别,传统方法往往只考虑资金占用等单一维度,缺乏供应链管理及维护管理等的系统性,易导致不同系统和部门对关键部件识别的不一致,且未实现预测及库存有机结合。针对需求预测及库存管理部分,上述传统的解决思路重视准确的预测,再基于预测结果构建库存策略,但该方式缺乏需求预测与库存管理二者间的整体匹配度,使得库存管理效率低、运营成本高。
实现思路