汽车产业作为我国国民经济的支柱产业,产业链长、关联度高、就业面广、消费拉动大,在国民经济和社会发展中发挥着重要作用。根据工信部数据,汽车工业对GDP增量的贡献率超过16%。作为汽车后市场的零部件行业,则是汽车产业链的重要组成部分,与整车供应链相比,配件供应链管理的复杂度更高,其现存痛点与潜在挑战将影响到汽车产业整体转型升级的路径与速度。

行业痛点

所谓汽车零部件,是指构成汽车配件加工整体的各单元及服务于汽车配件加工的产品。从某种程度上讲,汽车零部件的质量决定了汽车整个生命周期质量的可靠性和稳定性。根据德勤统计数据显示,配件业务管理的品种数量巨大,平均一辆汽车大概由6000个零配件组成,一个全新车型大约能够带来2500-3000个左右的新配件品种,大多数车企需要管理超过30000个零配件SKU,其供应链管理面临诸多挑战。

 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,神州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。

神州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。

方案价值

结合配件生命周期积累相应的历史数据,神州数码助力车企建立系统化、数据化的预测方法,从而帮助企业通过需求预测制定更加合理的生产计划,实现供应链整体库存管理的进一步升级。

以某车企的14万个流通零件为例,基于供应链优化解决方案,神州数码助力该车企实现预测零配件总体预测精度提高3%左右,衰退期零配件(断点件)和部分稳定期零配件(成熟件)等汽车配件的预测精度提高5%以上,零配件一次满足率也保持在95%的水平。