华中科技大学
硕士学位论文
基于RFID技术的汽车备件需求预测支持系统研究
姓名：江云云
申请学位级别：硕士
专业：物流工程
指导教师：鲍玉昆
2011-04-24
摘要
备件供应是汽车售后服务中最重要的一项服务内容，它与整车企业的品牌维护、维修企业的经济绩效密切相关。既要满足汽车维修时需要，又要合理占用资金，是备件供应的基本原则，准确的备件需求预测对备件供应的合理性和经济性十分重要。本论文的主要任务是将RFID技术和商务智能结合起来应用在汽车备件供应链上，通过对汽车备件供应链上各节点环节进行实时、高效地监控以及后期信息的有效处理和决策支持，形成一个智能需求预测支持系统。
为此论文在汽车备件种类繁多、需求数量不稳定等的特点的基础，结合预测问题本身的复杂性、信息不完全性和非结构化，进行了汽车备件预测支持系统的设计。论文首先分析了汽车备件供应行业的背景，指出汽车备件行业所存在的问题、未来发展的方向，提出了课题研究的意义。并对RFID技术和BI技术的应用概况和研究现状，以及所用到的预测技术方法进行了详细地说明。然后通过分析汽车备件本身的特点、供应特性以及营销策略，阐述了备件预测过程及其特点，并利用RFID技术、BI技术特点构建备件需求预测模型。再接着在此基础上进行系统逻辑设计，主要包括系统总体结构说明、RFID信息处理子系统设计、数据仓库子系统设计、预测模型子系统设计。最后将关键备件作为一个系统应用例子进行系统应用过程说明。
论文就RFID技术和商务智能的技术优势，给出了汽车备件供应链上备件需求预测的概念系统设计，对汽车备件行业供应链的整合、提高有一定的作用和意义。
关键词：RFID技术商务智能汽车备件智能预测
Abstract
Spare parts supply is one of the important after-sales services, which is closely related to the keeping of auto brand and economic performance of repairing enterprise. There is a basic principle of parts supply, which is that it is not only necessary to meet the needs of auto repairing, but also to use the fund reasonably. The accurate forecasting of parts demand is very important to the rationality and economy of parts supply. The primary task of this thesis is to apply RFID technology and business intelligence in the supply chain of automotive spare parts. It is to monitor each node of supply chain in real-time and efficient way, and to do post-processing and decision support. So that it will be to form an intelligent demand forecasting support system.
As a wide range of automotive spare parts and unstable demands combining with the complexity of forecasting and unstructured and inadequate information, we build an information system of parts supply forecast by the method of combining RFID technology and Business Intelligence. Firstly, it analyzes the background of parts supplying for automotive industry pointing out the problems of auto parts industry and the future direction of RFID technology and BI, and the feasibility of technology application of RFID and BI are discussed. Second, according to the feature and marketing strategy of automotive spare parts industry, it describes the forecasting process and features of spare parts and builds forecast model of parts supplying demand. Third, we propose a system structure with logical relationship to forecast the parts demand intelligently, which includes system architecture description, RFID information processing subsystem designing, data warehouse subsystem designing, intelligent prediction subsystem designing. Finally, the process of systematic application of critical parts is explained.
This thesis describes the concept designing of demand forecasting system of auto spare parts supply chain, based on advantage of RFID and BI technology, which will be useful and meaningful for integration of auto spare part supply chain.
Key words:RFID Business Intelligent Auto Spare Part Intelligent Forecast
独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。
学位论文作者签名：
日期：年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
保密□，在_____年解密后适用本授权书。
本论文属于
不保密□。
（请在以上方框内打“√”）
学位论文作者签名：指导教师签名：
日期：年月日日期：年月日
1 绪论
1.1 研究背景与意义
1）研究背景
随着经济的不断增长，市场对汽车的需求数量在飞速的增加，并且对汽车的个性化需求也在不断地改变。在这样一个快速变化的市场中，已经经历了金融危机重创的汽车行业面临产品生命周期短、产品种类繁多、产品创新性要求高、对市场快速反应等一系列复杂问题[1]。为了应对行业的激励竞争，产品的售后服务成为各整车企业竞争的另一战略点，怎样提高售后服务质量、怎样提高自身品牌的市场维护率以及怎样提高顾客满意度成为各整车企业非常关注的问题。
未来几年，中国汽车的发展趋势应该是竞争更加剧烈，汽车行业的整体利润率降低；汽车企业的分化将会逐步展开，企业淘汰率增高；零部件产业发展潜力增大；汽车产业的自主研发能力要求增高。为了更好的应对这种生存环境，汽车产业逐渐朝以下几个方面进行发展：
（1）实现供应链可视化管理，以求实现供应链信息透明化和实时化[2]，对工业界的调查显示，组织架构和组织结构是造成供应链管理的可视化以及供应链上下游的相互协作[3]的主要阻碍因素，而非技术层面。
（2）找到削弱成本的关键，在汽车业中，成本控制成为供应链提高效率的最大最大挑战，已有3/4的汽车公司将注意力放在了如何控制成本以提高其竞争力上[4]。
（3）监控和管理供应链风险。
（4）如何更好满足客户要求，现代人对个性化要求越来越高，更好的满足客户的要求将会成为一个更好的利益增长点。
（5）真正实现全球一体化。当今，供应链上的零部件供应商、制造企业、销售商不再仅仅是供应商与顾客之间的关系，而是供应链战略合作伙伴关系[5]，整个供应链上的信息透明化支持决策的最优化制定成为至关重要的因素。
为更好的处理这些问题，RFID技术和商务智能将作为一种先进的新型技术应用于汽车供应链中。
随着半导体产业成本的降低和数据传输标准的提高，无限射频技术的应用得到有效地提高。过去60年，RFID标签的累积销售额达37.52亿美元，2005年增加了19%，2006年相继增加了27%，直至2017年市场预测达278.8亿美元[6]。RFID技术作为一种新型技术应用于汽车行业，它能有效为各合作方提高供应链各阶段的实时信息[7]，帮助供应链上各合作方可视化产品销售量、预测市场趋势、定位产品位置、运输状态、可视化产品库存和整个制造过程。RFID技术广泛用于工业自动化、商业自动化、交通运输控制管理、交通监控、自动收费系统、物流管理、动物管理、仓库管理、停车场管理系统等[8]。RFID技术已经在各个领域行业得到广泛的应用，并不断地应用的新的行业领域。结合到RFID技术的迅速发展与应用，商务智能技术也伴随着兴起起来。近几年来，BI技术的发展越来越受到关注，越来越多的企业开始将BI技术应用到实践领域中，帮助企业进行更好的决策支持，从而为企业带了更好的经济效益。在我国，商务智能发展迅猛，我国商务智能市场规模增长率一直呈上升趋势，2003年年增长率为33.33%[9]，而到2006年年增长率超过58%，2007年年增长率为25.3%，未来几年内中国商务智能市场将呈现高速增长的势头。商务智能有效地处理和分析供应链中收集到的各种数据信息[10]，能从大量的数据中挖掘出有用的信息帮助决策的制定，并且能可视化分析各信息直接的相关性，有利于挖掘潜在的市场和供应商。
2）研究意义
RFID技术作为新一代的无线自动识别技术，应用与整个汽车备件供应链的各个环节中，从一定意义上颠覆了传统供应链的管理模式，迅速及时地获取整条供应链上各节点的信息数据，极大地提高了整个产业链的运行效率，。并且结合商务智能技术的共同应用，不仅能对整个备件供应链上信息进行高效地采集，结合到互联网等相关的通信技术，可实现整个供应链的全程跟踪、信息共享，并且可将收集的信息进行处理变成有利于企业制度决策的知识，能提高整个决策的制定效率和分析问题的能力。
因此，RFID技术和BI技术的引入为汽车备件供应链的优化提供了一个更好的解决方案。为汽车企业的发展带来了新的生机，为汽车企业的长期发展提供了技术支持。
1.2 国内外研究现状
1）技术应用概况
RFID应用规模在快速增长，2002年，全球RFID市场规模仅为11亿，2005年已达30亿美元，增长率为26%，2008年，全球RFID市场规模达到92.4亿美元，比上年增长20.5%，预计到2012年，全球RFID市场规模将增长到180亿[11]。RFID技术在物流、零售、电信、医疗卫生、交通运输控制管理、工业自动化、商业自动化等领域应用广泛[12]。2008年全球BI工具市场规模约为78亿美元，年成长率为12%，而BI软件及服务的整体市场达到306亿美元以上。
RFID技术在国外发展的比较早，在北美、欧洲、大洋洲、亚太地区、非洲南部RFID技术广泛用于工业自动化、商业自动化、交通运输控制管理、交通监控、自动收费系统、物流管理、动物管理、仓库管理、停车场管理系统[8]等。根据Deloitte研究中心分析，未来几年内RFID技术主要以供应链的应用为盈利的主体，以沃尔玛、宝洁和吉利等为首的零售业厂商正在积极地进行试验[12]。零售巨头沃尔玛在2004年7月份要求它的前一百名供应商要在2005年1月份之前全部实行货盘层次的RFID管理[13]。美国国防部在2004年7月份发布了关于RFID 政策的备忘录，要求其所有供货商的供货管理必须在2005年1月份之前实行RFID管理[14]。这两个大的举动就为RFID的广泛实施起到极大的推动作用。新加坡樟宜机场利用RFID技术实现空运货物的实时追踪，从而保障供应链的畅通。2008北京夏季奥运会，使用RFID电子标签对奥运食品进行全程跟踪监控，可以随时查询到这份食品的种植、加工、包装、检测、运输等关键环节的信息[15]。RFID技术已经在各个领域行业得到广泛的应用，并不断地应用的新的行业领域。
近几年来，BI技术的发展越来越受到关注，越来越多的企业开始将BI技术应用到实践领域中，从而为企业带了更好的经济效益。商务智能活动在美国和欧洲比在世界上任何其他地区都要发达，欧美企业的商务智能开支还是处于不断增长的势头[16]，到2003年底大企业中有70%都部署了商务智能。在美国，500强企业里面有90%以上的企业已经在利用企业管理和商务智能软件帮助管理者做出决策[16]。商务智能的应用领域也渗透到电信、银行、金融业、保险业、制造业等各个领域[17]。据IDC公司发布的一份调查表明：亚太地区的许多大型金融服务公司、公共机构和制造性公司仍然在投资商务智能解决方案，用来帮助企业
进行决策支持。在我国，商务智能发展迅猛，我国商务智能市场规模增长率一直呈上升趋势，2003年年增长率为33.33%，而到2006年年增长率超过58%，2007年年增长率为25.3%，未来几年内中国商务智能市场将呈现高速增长的势头[9]。BI技术在中国的应用主要集中在银行、电信、证券等稳定行业，对零售、制造业、商贸流通行业涉猎的还不是很深，说明BI技术在中国的发展应用前景还很大。
2）RFID技术应用研究
随着RFID技术应用掀起的狂潮，国内外学者对RFID的研究也日趋强盛。RFID技术在企业的应用以及将会给企业成本和收益带了怎样的影响方面，许多学者作出了很大的贡献。Marcelo Caldeira Pedroso [18]从各种维度进行考虑并建立了一个概念模型来分析各影响因素之间的关系。Chieh-Yu Lin and Yi-Hui Ho[19]从技术、组织、环境角度研究了影响RFID技术应用的各种因素，并且研究了RFID技术的应用和供应链绩效之间的关系。Wei Chen Tsai[20]等从技术性的方面考虑RFID应用概念框架模型。Giovanni Miragliotta[21]等学者对RFID应用于快速消费品供应链做了比较全面的评估。Eleonora Bottani[22]也基于快速消费品供应链建立了RFID量化评估模型。
RFID技术在供应链应用方面越来越多，成为主要的应用领域之一。孙红[23]提出了基于RFID技术的配送中心管理模型，并且给出了RFID技术在整个配送中心的应用过程。何恒昌[24]等提出了一种基于RFID技术的车辆维修物流系统方案，并进行了系统业务流程的设计、说明。丁斌[25]等分为单元业务层次、部门级、企业整体优化、供应链四个层次上来分析RFID的应用。王丽敏[26]提出了RFID技术在仓储系统中应用的系统构架。Siu Keung Kwok and Kenny K.W.Wu[7]将RFID融合到纺织业内部供应链上应用，并且构建了基于RFID技术的供应链系统平台。Alejandro S. Martinez-Sala[6]指出在运输单元上镶嵌RFID标签，建立一个基于RFID信息系统。汽车供应链以及基于RFID系统设计的研究也不在少数，王春峰[27]等学者以汽车制造企业总装车间为研究对象，提出并构建了基于RFID的生产物流管理信息系统。P.Foster Msc[28]等指出在整个汽车供应链中融入RFID技术的应用，建立一个信息系统。Bo Yan[29]等将RFID技术应用在cold Chain 中，并设计了基于RFID技术的温度监控和位置跟踪系统。
这些研究都在RFID技术的应用评估、成本利益评估，RFID供应链应用方面作了很深入的探讨，指出RFID在供应链上的应用将会给供应链带来很多的经济效益。然而这些研究并没有涉及到将RFID技术结合BI技术共同应用于整条供应链上，针对RFID技术的信息大量搜集、BI技术信息分析的特点，本文将结合RFID与BI技术共同应用于汽车供应链上进行研究。
3）RFID与商务智能结合应用
RFID 技术作为一种新兴的技术应用于供应链上，其应用研究还不是十分成熟，并且结合商务智能的研究就更少。不过由于RFID技术和BI技术相辅相成的作用功能，使得人们将目光开始转向两种技术的结合使用。Henning Baars, Hans-Georg Kemper[30]等提出了RFID技术和BI技术结合使用的供应链解决方案，一个是针对数据管理层的解决方案，一个是针对数据分析层的解决方案。Ji Hongen, Chen Yu[31]认为RFID技术的应用收集到大量的数据，企业为了更好的处理大量的数据为企业决策层提供决策支持，BI技术的结合使用有效处理此问题，并提出了结合BI技术共同使用的RFID供应链系统概念构架。
以上这些研究涉及到了结合RFID和商务智能应用于供应链上，但是主要只是涉及到对供应链的影响分析，而没有实际设计一个供应链上用RFID技术结合商务智能的系统框架，本文从分析设计角度结合RFID技术和商务智能应用在供应链上，设计了相关的系统构架进行分析。
1.3 论文主要研究内容和结构
本文介绍了汽车备件供应链中应用RFID技术和商务智能技术的背景和应用的必要性和可行性，RFID技术和商务智能的工作原理以及涉及到的各种预测技术的说明，并且对二技术的优点进行了描述。在此基础上描述了汽车备件的特点、备件的重要性以及汽车备件在营销中的特殊营销方式，从而站在整车企业的角度分析了对汽车备件的预测的必要性和可行性，并且建立了相对应的预测模型进行预测。针对RFID技术和商务智能实施的优点，本文就RFID技术和商务智能在汽车备件供应链中具体应用进行了分析，设计出二技术结合应用与备件供应链上的系统设计框架，根据二技术的特点进行了数据处理设计和数据仓库系统设计以及预测模型系统设计。在此基础详细分析了整个应用过程中具体流程，并对关
键零部件的预测检验来突出RFID技术和商务智能结合应用的优点。
全文共分为五章，以下章节具体安排为：第一章主要是介绍研究背景与研究的意义以及国内外研究概况。第二章介绍RFID技术、商务智能以及预测技术的技术原理。第三章介绍分析了汽车备件的各种情况以及建立了预测模型。第四章进行了系统的整体构架以及各子系统的设计。第五章对RFID技术和商务智能在汽车备件供应链中的应用进行了讨论并提出未来的研究方向。
2 相关技术与方法
2.1 RFID技术
RFID（Radio Frequency Identification）就是一种非接触式的自动识别技术[32], 利用射频信号通过空间耦合(交变磁场或电磁场)实现无接触信息传递并通过所传递的信息达到识别目的,可高效率、准确地识别多个目标、高速移动的目标对象，RFID具有信息量大、读写便捷、抗干扰能力强、智能化高、保密性强等优点，非常适合于自动化或恶劣环境中使用[33]。一般RFID系统由电子标签、读写器、后台计算机网络信息系统构成[34]。
典型的RFID系统一般由数据采集端、中间件、应用系统管理平台构成[35]。其中数据采集端主要包括：标签、阅读器、天线[32]。当阅读器开始扫描时，电子标签进入一个磁场中，在磁场的作用下自动将自身编码信息发射出去，阅读器接收到电子标签的射频信号[36]，然后阅读器将所接收的数据、标签自身的ID和读写时间通过中间件发送到后台系统进行处理[37]。如下图2-1所示：
服务器
图2-1 RFID系统组成部分
2.2 BI技术
1） BI技术相关概念
商务智能技术将先进的信息技术与创新的管理理念相融合，基于企业内外的各种数据信息，对其进行分析、加工、提取对企业有用的信息，从而为企业创造
商业价值，面向企业战略并服务于各个战略管理层和业务层执行层，指导企业经营决策，提升企业竞争力 [9]。企业利用商务智能中的先进信息技术来收集和管理数据信息，再利用商务智能中的数据分析、加工技术对结构化、半结构化和非结构化数据信息进行分析出来，从而给企业提供了可以利用的各种数据信息，提高了企业的决策能力，使企业能够更好地采取有效的商务计划行动，从而增强了企业的综合竞争力和企业发展能力。
2） BI技术结构组成
商务智能系统核心技术主要包括数据仓库、数据挖掘、在线联机分析处理技术（OLAP）[9]。BI将各种数据平台例如SCM、ERP、CRM平台收集的数据利用ETL技术进行抽取整合，进行分门别类的存放各种整理好的数据，这种分门别类的存放数据的地方即为数据仓库。然后在数据仓库的基础进行在线联机分析处理生产各种报表和图形。数据进行初步处理后也可进行深入的分析，数据挖掘、绩效管理等其他各种应用分析。
数据仓库：数据仓库是面向主题的、集成的、非易失的和时变的数据集合，用以支持管理决策[9]。数据仓库内的数据为企业中的多个异构数据源集成，按照决策主题选择数据并以新的数据模型存储。数据仓库并不是数据单纯的累积，而是经过一系列的抽取、转换、装载的过程[38]。
在线联机分析：在线分析处理比较常规操作为对多维数据的切片切块、上钻与下钻、旋转等，还可以对多维数据进行深加工[39]，使用户能从多个视角观察数据，并以图形、报表等多种形式展示，从而获取隐藏在数据中的信息[39]。
数据挖掘：数据挖掘就是从数据中获取知识的手段，它是一个利用人工智能、机器学习和统计学等多学科理论相结合的方式，通过对大量的数据分析、处理和归纳，从而发现对决策有用的信息，发现数据特性或数据之间的关系[38]，从而支持企业决策的制定。
2.3 智能预测方法
本系统中智能预测所用到的方法主要是商务智能技术所提供的数据挖掘方法，数据挖掘方法在人工智能和机器学习方法的基础上，结合传统的统计分析方法、模糊数学方法，以数据仓库为研究对象上发展起来的[40]。根据陈文伟教授
的分类理论将数据挖掘方法分为信息论方法、集合论方法、神经网络方法、遗传算法、公式发现方法以及可视化技术[41]。数据挖掘的任务包括聚类、分类、关联分析、时序模式、偏差检测以及预测，从数据挖掘的任务角度来分析数据挖掘的技术算法[42]。
1）神经网络方法
人工神经网络是由大量的简单的处理单元广泛地相互连接而形成的复杂网络系统[43]，有很强的并行、自我组织和学习能力，特别适用于处理需要考虑许多因素、不精确模糊的信息复杂问题。
BP 模型是目前用的最多的神经网络模型，BP 神经网络模型是由输入层、输出层和一层或多层隐层组成的前向连接组合而成的模型，同层各神经元互不连接，相邻层神经元通过权重连接[44]。如图2-2所示：
图2-2 神经网络图
BP 神经网络用于分类或预测前需要一个训练过程，将大量的输入值不断地对网络模型进行训练，通过不断调整网络权值或网络结构，使网络将获取训练样
本的模式，把每个样本的网络输出值
y 与实际值y 进行比较，使得实际值和网络输出值之间误差平方和最小[42]，即 2()sample k ERR y y =
?∑∑。具体步骤如下：
（1）首先确定网络的输入和输出。
（2）选择训练样本集，对其输入值和输出值进行预处理。
（3）搭建网络的拓扑结构，对神经元的权值和偏置进行初始化。
（4）利用反向传播等算法训练网络，不断调整网络权值 ，获得网络的最佳权值。
（5）用测试集检验网络的分类或预测的好坏程度。
（6）对未知需要分类的样本进行分类预测。
2）支持向量机（SVM）
支持向量机（Support Vector Machines，SVM）是作为统计学习理论中最新最实用的部分，越来越多的人致力于SVM的研究。其核心内容是Vapnik在20世纪末期提出的，目前仍处于不断发展和逐渐成熟的阶段[40]。它不仅是可以进行理论分析，而且还可以通过预测学习算法构造具有多维预测功能模型，使得抽象的学习理论能够转化为通用的实际预测算法模型，从而进行更好地预测[45]。
支持向量机，在解决非线性、高维模式识别问题等领域表现出许多优势，可有效处理线性和非线性可分的分类问题[40]，而且对小样本和不规律性样本问题具有很强的分类预测优势。支持向量机的原理是找到一个超平面可以将训练集分成两类，一类位于超平面上，一类位于超平面下，最优超平面将会使两类训练样本正确分开，而且分类间距最大[40]。方法的应用过程为：
（1）用训练集来训练获得一个最优平面。
（2）用测试集来验证最优超平面的选取好坏情况。
（3）在获取的最优超平面模式应用于需要分类集上，对其进行分类。
如图所示：
图2-3 SVM原理图
VC维是支持向量机理论中重要的概念。VC维概念是由Vapnik等提出的，它描述了函数集的学习能力，反映了学习机器的分类能力，VC维的大小表明了学习机器的复杂程度。其定义如下：对于一个指示函数集，若存在一个样本为h 的样本集可以被其以所有可能的h2种形式分成两类，而不存在一个样本为h+1
2h+种形式分为两类，则称该函数集的VC维就的样本集可以被其以所有可能的1
是h。
在机器学习中，不可避免的存在学习风险，主要是结构风险，其主要是经验风险和实际风险二者间的关系。 “经验风险”用)(w R emp 来表示，指学习机器划分训练样本的错误率，即样本对学习机器进行训练后，学习机器划分训练样本的误判率的大小。“实际风险” 用)(w R 来表示，指用经过样本训练过的学习机器，来划分总体的误判率的大小[45]。Vapnik 发现，经验风险()emp R ω与实际风险()R ω之间以至少1η?的概率满足如下关系[45]：
()()
emp R R ωω≤ 经验风险置信范围 (2-1) 其中n 是训练样本数目，h 代表函数集的VC 维，根号内为置信范围。如以上公式所示，h 越大即学习机器的VC 维越高，则置信范围越大，实际风险和经验风险将有很大的差别，这就出现了过学习的现象，即在一般的情况下过于复杂的分类器往往得不到更好的训练效果。为了获得较小的实际风险，机器学习过程不仅要使经验风险最小，还要使VC 维尽量小以使得置信范围变小，这就是结构风险最小化（Structure Risk Minimization ）即SRM 原则[42]。
3）时序预测方法
常用的时间序列模型有指数平滑法、移动平均法、ARMA 模型以及线性（非线性）回归模型等[43]。由于一次指数平滑模型不仅仅移动着求时间序列中一定数量数据的平均值，构成新的时间序列，而且能够较好地修匀时间序列，清除时间序列中不规则变动和季节变动[46]。该模型在统计分析中常用来修匀历史数据，揭示变动趋势，因而在市场预测中得到广泛应用[46]。
指数平滑一般包括一次指数平滑、二次指数平滑、多次指数平滑。一般在时间序列预测中一次指数平滑应用比较常见，其模型为：
1(1)t t t y y y αα?=+? (2-2)
其中， t y 表示第t 期的预测值，t y 表示第t 期的实际值， 1t y ?表示第t-1期的预测
值，α为平滑系数（01α≤≤）
。平滑系数α（01α≤≤）的取值在指数平滑模型中作用十分关键。α值越小，整个预测过程比较平滑，则预测值相对更平滑；α
值越大，预测值就越易受到近期数据的影响就越敏感[47]。它实际上反映了给不同时期观测值赋予的权重[47]，α越大，就表示近期观测值的越重要，即权重也越大。
3 汽车备件需求预测研究
3.1 汽车备件管理概述
汽车市场的竞争是一个综合性质的竞争，不仅仅要有优秀的汽车产品，同样需要有优秀的汽车售后服务[5]。汽车市场的理智性消费，使得消费者对汽车产品售后服务的要求越来越高，越来越多的整车生产厂家将提供售后服务质量作为维护自身品牌、发展客户的手段。汽车生产商售后服务的主要内容是技术培训、质量保修、备件供应、建立售后服务[5]，备件供应就是备件营销，它是售后服务的关键。
1）汽车备件
汽车备件实际上是一切零件、组合件和大综合件的统称，它包括了数量庞大的各种品种和规格，在一般情况下，为便于组织供应和生产维修，须加编号予以区分[48]。备件按使用性质分主要为基础件、易损件、肇事件。可以预见，随着汽车市场的不断扩大、汽车产量的不断增加以及保修期内的汽车的比例逐年下降，对备件的需求将会越来越大。对于任何一家汽车生产厂商一家经销商来讲，都是一块非常具有战略性的业务。
汽车备件供应具备两大职能，一是维持本企业汽车正常运转为本企业产品保障，二是通过支持其维修服务站进行备件经营，促进售后服务网络的运转和发展[4]。备件供应工作任务包括，确立合适的备件经营机制，做好备件的仓储作业，基于备件需求的科学预测以及做好备件供应工作的现代化。本论文将立足于汽车生产厂商，对汽车生产厂商所对应的汽车维修公司进行备件的供应的预测信息系统的设计，通过对汽车维修公司备件使用情况以及库存情况的及时跟踪，汽车生产厂商将对汽车维修公司备件实行及时供应。
2）汽车备件的特点及重要性
汽车备件对汽车维修厂以及汽车生产厂商都起到至关重要的作用，对汽车维修厂来说，汽车备件为其日常工作的顺利进行提供了有力保障，对汽车生产厂商来说，汽车备件对其品牌维持、产品功效持续起到很大的帮助[28]。如此重要的
汽车备件的特点为以下几个方面：
（1） 品种繁多，汽车整车厂的汽车车型多样，而且每种车型所需的备件种类也相当多[49]。
（2） 需求具有突发性，出来正常磨损换零件外，有时候遇到盗窃、交通事故等一般不可预测因素时，对备件的需求有所波动。
（3） 替代件少、单件差异大，汽车生产商为了获得市场竞争力，用差异化零部件来突显产品的差异化，从而增加了备件的差异性和不可替代性[48]。
（4） 季节波动大，季节性零件需求相对变动大。
（5） 不同零件需求数量差异大，对于消耗件、易损件之类的零件需求量就比较大[24]，而有的零件就相对需求比较小。
针对汽车备件的以上这些特点，对汽车备件的及时获取显得非常重要，所以汽车生产厂商对备件供应的预测也就迫在眉睫。
3）汽车备件营销分析
汽车备件供应作为汽车整车厂或汽车维修厂的又一利润源，有着自身特有的营销模式和营销方法。汽车备件有着自身的经营特点：
（1） 汽车备件的经营专业性强。备件以及车型种类繁多，针对不同的备件与不同种类的车型都有严格的配对规定，以便于在维修过程中更能够成功地寻找和配对到相应的备件。为此汽车零备件的经营者除了要掌握一般商业经营的知识和技能外，还必须了解汽车构造、汽车电子技术等方面的专业知识[48]。
（2） 经营库存和经营资本具有相对集中性。而汽车备件的平均价值相对比较高，占有资金较多，需求又难以预测将造成库存周转缓慢，从而使经营成本显著增大。
（3） 规模经济效益明显。汽车备件的规模经济具有体现在通过统一规划采购、物流配送，实现对库存的实时监控和管理[50]，降低运营成本。
（4） 购销渠道的相对稳定性。建立这样的供销关系对经销商和客户都有利，经销商可以通过建立的稳定供销关系来保障一定的销售额，客户则可以通过稳定的供销关系来获得价格上的折扣以及建立商业信任和技术信任。
针对汽车备件所具有的经营特点以及汽车利润战略性的吸引，汽车备件销售以及服务的渠道发展动向具体将向以下这些方向发展：
（1） 整车厂商的品牌战略营销模式，整车厂授权于各地经销商，对汽车进行整车销售、售后服务、零备件供应、信息反馈全方位服务。整车厂商直接向所属经销商提高备件供应，在这样的营销模式上，整车企业不仅对经销商以备件让利的形式获得相当大的利益，而且对经销商进行了管理控制，为其产品品牌的维护和产品质量提供了保障。
（2） “连锁经营”模式，一些大型的公司特别是汽车经销商通过建立统一的大型汽车备件经销公司，在各地进行各种车型的备件的销售。这种经营模式网络分布广，专业化程度高，零备件品种繁多、数量供应大并且质量诚信有保障。
（3） “小商店”模式，小型的汽车备件公司为各种汽车维修厂提供所需备件，其经营灵活多变[48]，但专业化程度不高，另备件品种不齐全，而且备件质量、经营诚信得不到很好的保障。
3.2 汽车备件预测分析
1）智能预测概述及其过程
预测就是根据过去和现在预言未来，根据历史经验和客观资料推断事物的发展规律和未来趋势。智能预测作为信息化企业应用商务智能技术的又一技术职能，对汽车备件行业的销售业绩和客户满意度起到至关重要的作用。智能预测涉及到不同技术的融合应用以及企业内外部数据和知识经验的应用，智能预测不仅受到技术因素、企业内外信息化、企业知识经验的影响而且还受到包括政治、经济和法律等外部环境的影响。在日趋激烈的市场竞争环境中，汽车整车厂商为了维护其品牌和产品质量信誉度，获得更多的市场份额，必须提高对汽车售后服务的质量，其中备件供应成为其关键因素。
智能预测是汽车整车厂商根据汽车经销处的销售情况（包括车型、车的备件性能、销售数量）、经销处维修厂备件需求历史记录、外部环境结合自身系统的知识经验利用智能预测技术对汽车维修厂的备件需求进行预测。主要预测过程为利用预测方法结合内外部数据和知识经验确定供应备件的种类，在确定备件供应种类的基础上确定备件供应的数量，在种类和数量确定的基础上确定供应的实时计划，经过供应的循环周期过程对供应计划进行评价，进而对各种预测方法进行比较以便获得更好的预测方法。如下图3-1所示：
图3-1 备件预测流程图
2）预测分析的特点
预测分析行为是一种结构化程度非常低的分析行为，需要考虑的因素很多、信息量大、预测的不确定性强以及需要知识经验的协助。具有以下特点：（1） 涉及到的因素多，进行预测分析不仅需要考虑到企业的运营因素还有考虑企业外部政治、经济等环境因素以及其他不确定性因素的影响。
（2） 信息量大，进行预测分析时需要涉及到企业内部各种信息以及市场情况浮动信息，仅仅企业内部信息量就非常繁多而且涉及到的信息结构复杂。
（3） 预测结构化程度低，预测不仅仅依赖于所建立的预测模型，更多依赖于知识经验的非结构化判断，增加了预测的主观性，从而提高了预测的难度。
3.3 预测方法模型
基于合理性和科学性的考虑，智能预测以模型分析方法为基础进行科学的预测，在此我们只作单因素的预测模型，不作多因素交叉预测。
1）备件分类预测模型
备件一般分为关键备件、常用备件、不常用备件这三大类，根据这三类对象的不同特点，分别采取重点、次要和一般三种不同程度的管理，以达到最经济、最有效地使用人力、物力、财力的目的。对备件的分类我们将采取ABC分类的方法，针对传统的ABC分类方法存在的种种弊端和分类难度，人工神经网络也被学者们引入备件ABC分类研究中[44][51]，人工神经网络是基于人工智能的技术，适用于分类工作，其优点在于能够检测和分析非线性关系以及预测变量之间的关联，取得良好的分类效果。针对汽车备件的特点，本论文采用人工神经网络