SKU數量龐大且需求不穩定
汽車后市場的訂單量取決于零散的、隨機的市場需求,且汽車零配件產品種類多。在使用頻率方面,非標品和長尾件多,單個SKU消費頻次低,產品的需求更加難以預測。
庫存成本壓力大
零配件的供應和配送受到季節性、周期性和區域性的影響。如果經銷商和廠商保有大量庫存以應對可能的零配件需求,則會導致大量的庫存積壓,庫存成本高;反之,如果經銷商和廠商不保有零配件庫存,則會導致客戶維修服務周期過長,導致客戶流失。
整體供應和配送網絡較為復雜
零配件的供應和配送網絡涉及從經銷商和OEM廠商發出訂單需求,到實際的配件配送過程,其中涉及到眾多主體和信息交互。汽車后市場的交貨期隨機性強、時限短,部分零部件產品工藝及原材料相對復雜,產品供應能力受產能及外部中斷的影響度高,供應商交期不穩定。
基于數據治理、數據探索、模型訓練、策略應用等全周期數據價值挖掘流程等優勢,神州數碼通過對供應商生產、供應鏈物流、庫存流轉等全流程進行數據采集和KPI監控,幫助車企構建汽車零配件供應鏈的數據解決方案。
神州數碼通過零配件的生命周期、業務屬性等,對零配件進行分類,并進行分類預測及優化。首先,使用機器學習及人工智能算法預測配件需求,根據其零配件的不同類別,選取模型算法庫中的適用模型,并經過業務規則調整等形成最終預測結果;隨后,將需求預測結果與企業經營戰略約束、業績指標約束、采購約束等條件相結合,制定與企業適配的配件庫存策略,把控降低庫存與提高滿足率之間的平衡;最后,使用KPI指標監控模型效果及企業庫存指標,及時了解并且調整模型策略。
對某汽車配件售后服務部,關于汽車配件分銷倉庫訂單預測和各級庫存進行模型優化,庫存預測精確度從92%提升至97%,助力數十萬零配件庫存優化;
優化后的配件庫存水位遠高于現狀,確保了零配件一次滿足率保持在95%,顯著提升了客戶滿意度和服務響應速度;
針對預測精度、庫存水平、WHO、服務水平等關鍵指標,建立了KPI指標監控體系,當出現異常時,及時報警和進行根源分析,并采取相應的策略;
通過配件分銷倉庫訂單預測和各級庫存模型優化,實現安全庫存動態調優,采用MIN-MAX補貨策略,一旦小于最小值即可自動觸發補貨。