数据驱动的配件价值链库存管控技术研究

发布时间：2021-08-30 23:55

　　我国汽车的销售量和保有量在逐年上升,汽车售后服务带来的利润越来越大,完善的售后服务能帮助汽车企业树立良好的品牌效应,而售后服务的主要利润则来源于配件销售。汽车企业都希望为客户提供最好的售后服务,因此良好的配件库存管控就显得十分重要。本文站在TJ汽车制造厂的角度,对配件库存管控技术进行研究,提出了通过BP神经网络建立起配件需求预测模型和采购计划指导的方法来对配件库存进行管控,具体实现效果为预测选定配件的配件需求数量并依据此数值来制定采购计划指导。同时,汽车产业价值链协同云平台有多家汽车制造企业,并积累了大量各企业有关的配件采购、销售、生产等数据,本研究基于Echarts对TJ汽车制造厂配件历史业务数据进行了各个维度的可视化展示并构建配件库存管控档案库。在平台中,TJ只是其中一家汽车制造企业,平台因其信息资源共享的特性,为跨价值链的配件库存管控技术研究提供了数据,本文对配件跨链的库存管控技术做了探索,基于自然语言处理中文本相似度算法BM25,挑选出相同配件在不同企业价值链间匹配程度最高的十条配件,TJ汽车制造厂操作人员若对相同配件做出了正确的匹配,则可查询到WP中转库关于YC厂配件的库存情... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

配件跨价值链库存管控探索的研究方法

西南交通大学硕士研究生学位论文 究内容及组织结构研究内容介绍 TJ 汽车制造厂的配件供应模式和汽车制造厂、配件供应商的分工，指出在这种模式下的库存管控存在的一些问题。对配件研究，首先建立了配件需求预测模型，运用预测并生成采购计划存进行管控。之后，对跨价值链的配件库存管控技术做了相关探索实现配件需求预测，选择 BP 神经网络来作为本研究的预测算法经网络算法的原理。对平台上所积累下的配件销售、采购、退货维度的分析，并通过 Echarts 图展示。对这些数据进行分类、清构建配件需求预测模型，BP 神经网络是采用.NET 框架中的 Af 1-1 所示为实现配件需求预测所采用的的研究方法和流程，预测J 汽车制造厂在平台中没有配件需求预测功能的空白。

业链的配件供应模式链协同云平台由许多汽车企业联盟组成，这些企业联造厂为核心，以及汽车制造厂的上下游中小型企业共配件供应商、服务商与经销商，并可以通过平台进行与协同采购。产业价值链上各成员是一个有机整体，情如图 2-1 所示。平台提供面向多汽车联盟、多企业决企业资源集成与业务关联的问题。同管理包括配件协同平台与配件内部管理系统。配件和消息管理等功能，而配件的内部管理系统则实现了和销售管理等功能。配件协同平台与配件内部管理系技术进行集成的方法。配件中心库基于配件内部管理括配件入库，配件销售，配件采购，配件出库，实时布于各区域的配件中转库则基于配件协同平台进行配件出库，配件入库和配件的实时库存管理。


本文编号：3373756