基于VMI的汽车零部件库存管理优化研究

1、北京理工大学珠海学院2020届本科生毕业论文基于VMI的汽车零部件库存管理优化研究基于VMI的汽车零部件库存管理优化研究摘 要随着社会的快速发展，国家经济的大幅度提升，各个行业在这种大环境的影响下也快速的发展起来。而在这各行各业当中，汽车生产制造业也是属于在高速发展行业。但是正因为国内汽车市场正在不断的扩大，汽车生产制造业的高速发展，使汽车的销售量大大增加，导致了汽车零配件的需求量大幅度增加。而在这种汽车零配件生产量突增的情况下，随之出现的物流问题也接踵而至。传统的零部件管理手段在汽车行业备件管理上出现诸多问题，例如零部件库存积压占用大量流动资金，“死库存”现象严重，零部件缺货现象经常发生，零

2、部件响应速度慢，客户满意度不断下降等。因此汽车零配件企业需要就这些诸如此类的物流问题制定一些解决的方案，从而在增大生产量的同时，也能进行高效率的物流工作。本文将对佛山市光法雷奥照明系统有限公司的部分汽车零配件需求预测进行研究，通过查阅文献和在该公司进行实习工作来收集资料，了解该公司的基本情况，发展现状，供应的客户等相关信息，从而对该公司的需求情况进行研究和分析。在了解到法雷奥佛山分公司的需求情况的基础上，利用查阅文献的资料，结合VMI模式，用时间序列分析法来对部分的零配件进行需求预测分析，得出预测结果并且比较该公司的零配件的真实需求量和得出的预测需求量。在预测结果的基础上，根据佛山市光法雷奥照

3、明系统有限公司的汽车零配件相关的库存问题结合VMI模式的原理和实际操作提出一个库存优化方案。关键词：VMI模式，时间序列分析法，需求预测，库存优化Research on the optimization of auto parts inventory management based on VMIAbstract With the rapid development of the society and the substantial improvement of the national economy, various industries are also developing rapi

4、dly under the influence of this environment. And in this all walks of life, the automobile production manufacturing industry also belongs to the high-speed development industry. However, due to the continuous expansion of the domestic automobile market and the rapid development of automobile product

5、ion and manufacturing, the sales volume of automobiles has increased greatly, leading to a great increase in the demand for auto parts. And in the case of this sudden increase in the production of auto parts, the resulting logistics problems have also come one after another. There are many problems

6、in the spare parts management of the auto industry with the traditional spare parts management methods, such as the excessive inventory of spare parts occupies a large amount of working capital, the dead inventory phenomenon is serious, the shortage of spare parts often occurs, the response speed of

7、 spare parts is slow, and the customer satisfaction is declining. Therefore, auto parts enterprises need to develop some solutions to these and other logistics problems, so as to increase the production capacity at the same time, but also to carry out efficient logistics work. The article will be to

8、 Foshan Ichikoh Valeo Auto Lighting Systems CO.,Ltd., part of the automobile spare parts demand prediction is studied, through the literature and practice work in the company to collect data, understand the companys basic situation, development present situation, the supply of customers and other re

9、levant information, to the research and analysis on the demand of the company. On the basis of understanding the demand situation of valeo foshan branch, the author USES the literature reference and the VMI model to analyze the demand forecast of some parts with the method of time series analysis, a

10、nd obtains the forecast result and compares the real demand and the forecast demand of the companys parts. On the basis of the forecast results, an inventory optimization scheme is proposed according to the inventory problems related to auto parts of Foshan Ichikoh Valeo Auto Lighting Systems CO.,Lt

11、d., combined with the VMI model principle and practical operation. Keywords: VMI model , time series , demand forecastingIII目录摘 要IAbstractII一、绪论1(一)研究背景1(二)研究思路2(三)研究现状31.国外研究现状32.国内研究现状3(四)相关概念界定41.VMI模式42.牛鞭效应43.需求预测4(五)研究目标及意义41.研究目标42.研究意义5(六)研究对象及方法51.研究对象52.研究方法5二、VMI模式理论基础7(一)VMI模式内容框架7(二)VMI

12、模式的特点71.VMI模的特性72.VMI模式的优势及劣势83.VMI模式的应用情况8三、汽车零部件的库存现状及影响因素10(一)汽车产业的发展现状10(二)汽车零部件持有的影响因素11(三)汽车零配件的库存管理状况12四、案例分析14(一)佛山市光法雷奥照明系统有限公司的发展现状141.佛山市光法雷奥照明系统有限公司的基本情况142.佛山市光法雷奥汽车零部件的销售现状143.佛山市光法雷奥照明系统有限公司的库存管理现状15五、基于佛山市光法雷奥有限责任公司汽车零部件的需求量的需求预测16(一)需求数据的分析及整合16(二)需求预测方法及计算171. 确认需求预测模型172. 采用复合时间序列

13、分析法进行预测计算17(三)检验需求预测结果25（1）将实际销售量与最终预测值进行对比25（2） 验证A、B产品需求模型绩效25六、基于VMI模式的库存优化28(一)汽车零部件进出库方式28(二)汽车零部件库存管理策略281.基于VMI模式的ABC分类法282.建立企业与客户之间的库存信息平台303.基于VMI模式的需求预测协调304.建立基于VMI模式的评估和反馈体系315.在第三方物流帮助下实施VMI模式931七、汽车零部件库存优化的建议与对策32八、结论33(一)对汽车零部件行业未来的展望33(二)文章研究局限331.文章内容研究的局限332.文章数据采集的局限333.文章定量模型的局限

14、33参考文献34谢 辞35图目录36表目录37一、绪论(一)研究背景随着现在的社会的高速发展，科技的不断进步，社会的生产力不断的完善，各个行业也在这个大环境下逐渐的发展起来。在这么多个行业里面，汽车生产制造业在诸多行业当中是发展速度较快的行业之一。而在“十一五”期间是继整车高速发展后零件快速发展的高峰期。整车产量的上升，车保有量的增加，不断增长的汽车零配件销售量给予了我国零配件发展的机遇16。但是随着汽车零配件的销售量增加，一些随之的物流问题也开始显现出来。比如，零部件库存积压占用大量流动资金，“死库存”现象严重，零部件缺货现象经常发生，零部件响应速度慢，客户满意度不断下降等。而之所以会出现这

15、种问题，是因为在我国的企业当中多数都是应用传统的供应链管理来对自身的库存进行管控。也正是因为供应链各个环节的企业诸如供应商、制造商、分销商等，都是各自管理自己的库存，都有自己的库存控制目标和相应的策略，而且相互之间缺乏信息沟通，彼此独占库存信息，导致了在传递需求信息的时候产生一定的扭曲和时滞，且因为在供应链上各个节点上的企业都是按照从下游的企业提供的需求数量来储备自己的库存，并不清楚下游企业的真实库存量有多少，所以在储备产品的时候都是维持一个比下游企业需求量更高的库存量，这就导致了“长鞭效应”的产生7。因此，在供应链上每个节点上的企业为了更加准确的得到下游企业或者客户的需求数据，就需要供应链整

16、体化进行协调，通过建立一个共享的信息平台来共享企业自身的需求量。而VMI模式就很好的体现了这点。VMI模式是一种以用户和供应商双方都获得最低成本为目的，在一个共同的协议下由供应商管理库存，并不断监督协议执行情况和修正协议内容，使库存管理得到持续地改进的合作性策略17。这个就要求整个供应链都需要对自己的库存信息和自身企业每一天每个星期的变化需求数据进行一个整合，并且要建立一个三方甚至多方的信息共享平台。这样顾客能够第一时间提出自己当时的需求，而供应商在供应链上方也能够减少对从下游顾客所传递回来的需求数量的信息误差，并且也可以根据上传在信息平台上顾客对货物的需求量来制定一系列的出库计划，避免让客户

17、因没有原材料而停止生产或者是因太多原材料而让仓库挤满的情况。但VMI模式的建立需要一个前提，就需要供应链的上游与下游企业要紧密的联系在一起并且能够做到对双方或者三方都需要做到绝对的信任，因为自身企业的库存情况必须将其数据化放到共享的信息平台上，这样才能更加准确的让上游的供应商来提供原材料的数量。因此，需要改变现在汽车行业因零部件太多占用仓库或者零部件太少而停止生产的情况，就需要利用VMI模式来对零部件的库存进行优化。为了进一步的了解，我进入了佛山市光法雷奥有限责任公司进行实地的调查，了解该公司作为一家零部件企业是如何处理过多的库存或者是因为对客户的预测量少了该如何去解决，同时以这家公司为案例，

18、对该公司产品进行需求预测，根据预测结果从而来制定能够减少物流成本、优化库存的解决方案。当该公司在处于VMI模式的时候，与下游客户进行信息共享后，得到客户的库存数据再来进行货物出库。以使用了VMI模式的前后为界限，比较出两者之间出现的变化，从而来体现出VMI模式的优势。(二)研究思路本文主要研究基于VMI模式的汽车零部件的库存优化管理。首先，明确本文研究的意义，了解VMI模式的理论知识和内容框架。然后通过互联网和相关杂志上收集与汽车零部件相关的资料，并且设定以佛山市光法雷奥照明系统有限公司为案例原型，然后阐述佛山市光法雷奥有限责任公司的基本情况和发展现状；其次，了解到法雷奥在佛山当地每个月的销售

19、情况，从而得到客户对于汽车零配件的实际需求量。在得到实际需求量的基础上，通过过去几个月的需求数据所推测出来的需求量进行比较分析。最后结合得出的结果，对佛山市光法雷奥的汽车零部件的库存管理设计一个方案来制定高效率、低成本的库存优化策略。本文的框架体系如图1.1所示：2图 1.1文章框架体系图(三)研究现状1.国外研究现状在国外对库存的研究比较早，所以也形成了一些比较成熟的库存控制方法和理论。Clark和Scarf在1960年对多阶段的库存管理进行了研究，从而揭开了国外学者研究多阶段库存研究的序幕18。而在2010年，由Lin Kuo-Ping,Chang Ping-Teng等研究了一个新的供应链

20、上基于模糊数学的VMI模式模拟方法2，让我们熟知VMI模式的含义和应用模式，并且更加让我们了解应用了VMI模式的企业和没有应用的企业之间的区别。2.国内研究现状国内学者刘果在供应链环境下的VMI协调管理研究上，对VMI模式的原理和在库存方面的应用进行剖析。并通过对比VMI模式和传统库存模式两种库存方法，来证明VMI模式无论在减少物流成本还是在提升工作效率方面都比传统库存模式更加的好。此外，国内学者周阳也利用VMI模式来对库存和运输集成化进行一个深度的研究。本文在这些作者的文章基础上，通过自己对于VMI模式的理解，以佛山市光法雷奥照明系统有限公司为案例，抽取公司内一部分的零配件的销售量利用时间序

21、列分析法来进行需求预测，再根据得出的预测结果来制定减少物流成本、提高效率的解决方案，解决掉公司库存优化管理这方面的问题。(四)相关概念界定1.VMI模式VMI是由供应商来为客户管理库存、为它们制定库存策略和补货计划，根据客户的销售信息和库存水平为客户进行补货的一种库存管理策略和管理模式7。本文中，结合VMI模式对汽车零部件进行需求预测分析。它要求在整车供应链上的上游企业到终端客户上，建立一个信息共享管理平台，客户在该平台上需要将自身的汽车零配件库存量等资料上传到平台上，让处于上游的供应商能实时抓捕到客户的库存情况，从而根据客户给到的数据对出货计划进行调动，以此来控制好库存的数量。2.牛鞭效应牛

22、鞭效应描述的是供应链中供应商所接受的订单比终端顾客的需求具有更大的方差的现象即需求扭曲现象，此外，这种扭曲将以放大的形式向供应链的上游传播18。3.需求预测需求预测需要根据有关调查资料对拟建项目的产品未来市场需求变化进行细致的分析研究，掌握需求的内在规律，对其发展趋势作出正确的估计和判断，以确保拟建项目投产后产品对路，品种符合市场需要。在本文中，我们结合时间序列分析法以及佛山市光法雷奥有限公司以往的汽车零部件需求量来预测的其未来的销售量，而时间序列属于动态数列，是由同一现象中不同时间内所观察到的数值组成的序列。而该序列受四大因素的影响分别为趋势性、季节性、周期性和随机性。所以本文在进行需求预测

23、分析时会着重这四点来计算预测结果。(五)研究目标及意义1.研究目标本文综合借鉴参考已有的相关研究成果，以及笔者通过调查佛山市光法雷奥有限责任公司的基本情况和发展现状，对该公司所在的汽车车灯零部件的库存情况进行分析。在建立需求预测模型来推理出汽车零部件未来的需求量的基础上，结合VMI模式的理论及实际操作方法，对汽车零部件的库存数量进行前置或后移的操作及把控，从而来达到减少自身库存的效果。2.研究意义从我国企业现在的状况而言，大多数的企业还沿用着传统的物流库存管理方法。且多数企业都以自身的利益为中心，对于企业自身的销售量、库存信息等重要的信息都不会将之提供给上一级的供应商，这就导致了需求信息的扭曲

24、和断层。所以在供应链上各节点的企业都会受这变大的需求信息来储备库存，因此造成了物流成本增加、效率降低的后果。因此，本文在VMI模式的理论知识和一些应用了VMI模式的企业案例的基础上对佛山市光法雷奥照明系统有限公司的部分车灯产品的需求量和销售量进行分析，结合VMI模式理论模型和时间序列分析法对一部分的车灯产品进行需求预测，从而得到一个降低物流成本、提高物流效率的解决方案。而这个就为该公司在物流这方面节省资金有着重大意义。(六)研究对象及方法1.研究对象本文研究对象为佛山市光法雷奥照明系统有限公司的两个车灯类型(分别为东风日产、一汽大众)。2.研究方法（1） 文献综述法通过文献研究，了解近年来汽车

25、行业和汽车零配件的发展现状，通过查阅网上资料理清汽车行业与汽车零配件行业之间的关系，同时去了解汽车零配件的需求现状和学习VMI模式的原理。（2） 实地调查法作者自身在佛山市光法雷奥有限公司里进行实习工作。通过在公司内部进行深入的调查和了解，熟悉公司的发展情况、仓储状况、客户的信息等情况，并且从中得到真实的仓储库存数据和需要的客户销售量，结合这些数据通过计算和分析得出相应的预测结果。（3） 数据分析法利用从佛山法雷奥得到的库存数据和客户的销售量，在使用excel和SPSS等工具来对数据进行计算与分析得出一个自己推测出来的需求预测。36二、VMI模式理论基础(一)VMI模式内容框架表2. 1VMI

26、模式内容框架制定计划（确认合作关系）需求预测决策补给及管理1. 建立一个信息共享的网络平台2. 客户将产品的库存数据上传到信息平台上进行共享1. 供应商收集客户的产品库存数据2. 创建客户产品的需求预测3. 检查需求预测结果是否存在异常4. 建立订单1. 通过客户上传的产品库存数据得出的需求预测结果来进行原材料的采购2. 制定与顾客需求量相符的生产计划1. 确认订单的产品数量2. 向顾客进行发货3. 对在顾客仓库内的产品进行管控（使产品平衡在最高库存量与最低库存量之间）通常来说VMI模式有4个步骤（如表2.1所示），它们分别是制定合作计划、对产品的需求预测、决策、补给及管理。本文是以佛山市光法

27、雷奥照明系统有限公司的部分车灯产品进行需求预测，通过以往与现今的顾客整车销售量来对我司产品进行一个预测，最终来控制公司内部与储放在客户仓库的产品从而使公司内部库存得到优化。(二)VMI模式的特点1.VMI模的特性VMI模式有四个特性21、22：(1)合作性。企业如果要成功的实施VMI模式的库存管理方式，就需要与供应链其他的企业建立起一个密切且信任的合作关系。(2)互利性。VMI模式的初衷是供应链上游与下游企业通过合作，将产品库存信息透明化并且进行共享，从而来提升需求预测的精确度和工作效率，达到降低双方企业的库存成本、缩短库存周转期的效果。(3)协议性。所谓的协议性，其实就需要企业在实施VMI模

28、式之前，明确双方的责任和义务，在观念上需要达成一致的目标，并且在合作当中的具体事项都需要经过框架协议来明确规定，以提高操作的可行性。(4)可持续改进性。要达到降低库存成本、减少成本的开资的效果需要一段时间的沉淀和对管理方式的不断改进才能够实现。所以在实施VMI模式之初，企业之间就需要对人员调动，成立一个负责VMI模式正常运作的工作小组。除此之外，还需要对企业之间来往的业务进行重组与整合。2.VMI模式的优势及劣势(1)优势：建立库存信息共享平台，加快信息传递效率。供应商在客户需要产品的时候，通过双方建立的信息共享平台，来了解客户库存当前的状况。然后结合自身的库存情况，以满足客户需求为基础来制定

29、该产品的物料计划、生产计划以及出货计划。这样的操作模式不仅可以能及时解决客户的需求问题还能降低库存置存的成本，并且提高了库存的周转效率。产品库存由供应商来进行管理，减少资源浪费现象。在实施VMI模式时，客户的库存以及产品的销售情况都可以通过信息共享的系统进行实时的更新。而供应商则根据综合的因素将客户需要的货物放置在自身或者顾客的仓库的进行调配，从而在保证客户生产的正常运作的同时，也减少了库存过高而导致资源浪费的现象。增加产品销售量。因为VMI模式的实施，供应商与客户之间的合作关系会加深，客户只需要提供原材料准确的需求预测和库存情况，供应商就会根据客户提供的数据来制定采购、生产等步骤的计划。最终

30、达到降低产品需求量的不确定性、降低双方的库存成本的效果，从而来扩大产品的销售量。(2)劣势：虽然VMI模式的实施能减少总库存成本费用、提升库存周转率并且促进产品的销售，但是VMI模式也存在着一定的缺陷。VMI模式的实施原理其实是以寄售的方式将产品库存进行前置或后移的操作及把控，从而来达到减少自身库存、降低总库存成本费用的效果。而在产品还未被客户进行使用之前，对于产品运输费用、库存费用、意外的损失费用18等物流费用都由供应商全部承担。而这就使得供应商的物流成本增加，利润减少，并且也加大了供应商的风险。3.VMI模式的应用情况在20世纪80年代，许多国外的知名企业就开始探索VMI模式的库存管理方式

31、。经过这些企业初步的试验与对VMI模式内容框架的不断完善，取得了供应商能够按时发货，加快库存流动速度的初步效果。所以在20世纪90年代，就有不少名企也参与其中，例如强生、宝洁、沃尔玛和凯玛特等企业。它们也开始计划并且在自己的管理区域内实施VMI模式的库存管理，结果也取得不错的成效。下表2.2就根据美国1998年的一次调查研究，总结出实施VMI的效果9。表2. 2实施VMI库存管理的效果9调查项目实施VMI模式的效果提货期减少67%销售额增加21%库存周转率提高23%需求预测误差减少39%库存水平降低20%服务水平提高4%而在国内也有不少企业在面临着诸如信息传递的不及时、传递数据有误差、库存周转

32、期太长等物流问题。但在2000年起就有不少的企业也开始计划实施VMI库存管理方案。例如，联想在过去原材料的采购及国外的订单都是由香港分公司来完成。但因为国内运用的生产管理系统与香港分公司的国际采购的仓储系统没有进行连接，所以在信息传递上耗时相对较长并且信息可能也存在着误差，导致了工厂只能够被动生产，无法做到拉动式的精益生产7。但在联想实施了VMI模式的库存管理方案之后，国内的仓储系统直接与供应商的生产管理系统连接。供应商能够随时清楚联想在哪个时间上缺少哪种原材料，并且及时进行补货。这样就使得联想能够根据市场上的需求来制定生产计划从而来加快库存的流动速度、增加电脑的销售量，而并不是一味的进行浪费

33、资源的被动生产。除了联想之外，美的、宝洁中国等企业也在实施VMI库存管理取得了不错的成效三、汽车零部件的库存现状及影响因素(一)汽车产业的发展现状汽车零部件是汽车产业的重要部分，也是汽车产业发展的重要基础之一。而反之，也正因为汽车产业受到汽车零部件的影响，汽车零部件也会受到汽车产业的产量和销售量的影响，这两者是互相影响的。因此我们也需要对汽车工业的发展状况进行一定的了解。自2009年我国汽车销量超过美国以来，已经连续9年新车销量位居全球第一，2018年新车销量是美国新车销量的1.6倍，欧盟的1.7倍，日本5.5倍。但是在2018年下半年，我国的新车销量增速就开始持续下滑，2018年我国汽车销量

34、为2808万辆，同比下滑2.8%，这是我国自1990年以来销量首次呈现负增长情况。下表为2010年到2019年的我国汽车销售量表3. 12010年-2019年11月的汽车总销量时间（年）汽车总销售量（万量）增长速度（同比上年）20101806-201118512.5%201219314.3%2013219813.9%201423495.9%201524604.7%2016280313.7%201728883.0%20182808-2.8%2019（截止到11月）2311-17.8%资料来源：公开资料整理从上表我们也可以看出在2018年汽车的总销量已经是比上一年的汽车总销量减少了80万辆，而来到

35、了2019年的11月份的汽车销售总累积量已经下降到了2311万辆，增长速率下降到了-17.8%。这个现象的出现也表明了现在汽车行业的发展状况并不乐观。而汽车销量的减少，也导致了汽车零部件的需求量会在一定程度的减少，也因此会影响到汽车零部件的发展状况。图3.1 2010-2019.11全国汽车销量图资料来源：公开资料整理(二)汽车零部件持有的影响因素从宏观角度来看，影响汽车零部件的因素主要是运输、采购、生产、仓储以及销售（需求）。而本文主要是基于汽车零部件的需求量的预测来对产品进行库存优化，也就是通过了解汽车零部件的销售（需求）情况从而来对其仓储情况制定一个解决方案。而影响汽车零部件销售量的影响

36、因素一般分为内部因素和外部因素。内部因素即为企业自身的因素，而外部因素即为外界一些客观因素。这两方面的因素都会对汽车零部件的销售量造成影响，也使得在我们对车灯产品进行需求预测的时候我们需要将其纳入计算范畴，让我们获得一个更加精确的预测结果。（1） 内部因素（企业因素）一般有：产品及企业形象、产品质量、宣传程度（2） 外部因素（客观因素）一般有：趋势性、季节性、循环性、随机性；汽车商购买意向；汽车市场的产量及销售数量变动：需求预测结果的准确性；生产或者运输途中造成的货损货差将两个因素归结起来就如图3.2图表所示：内部因素外部因素汽车零部件销售量的影响因素M产品及企业形象、产品质量、宣传程度趋势性

37、、季节性、循环性、随机性；汽车商购买意向；汽车市场的产量及销售数量变动：需求预测结果的准确性；生产或者运输途中造成的货损货差图3.2汽车零部件的销售量影响因素而本文主要是在外部因素中的趋势性、季节性、循环性、随机性这四个方面的基础上，结合VMI模式来对佛山市光法雷奥照明系统有限公司的部分车灯进行需求预测，所以在预测前需要对这四方面进行了解和分析。(三)汽车零配件的库存管理状况现阶段汽车零配件行业随着汽车制造业的高速发展也在不停的发展。但是在我国，汽车零配件行业以中小企业居多。而这些企业都以企业自身的销售量为主要目标，却缺乏对于产品进行库存管理这方面的意识。而这也导致了总库存成本占企业的总销售额

38、1/4以上。除此之外，许多汽车零配件制造企业在原材料的进库、调配和对于成品的进出入库这方面，多数都是让仓库的工作人员以登记在纸质表格的方式来记录货物的进出库。而对于货物的重要程度没有进行有效分选好就随意的将货物摆放在仓库内，使得仓库一直都处于一个杂乱并且易满仓的状态。而这些现象也证明了我国汽车零配件制造业的库存管理存在许多问题。1.缺乏库存管理的理念和意识。国内许多汽车零配件企业都以增加销售额为目标，而完全忽略了物流这一环节，导致了物流总成本一直都居高不下。而其中库存总成本就占物流总成本大约60%。造成这个结果的原因就在于企业没有库存管理的意识，对于库存管理相关的理念和知识没有很好的贯彻和深入

39、的研究。并且对于货物进出库和放置等问题都没有过多的重视，通常就让仓库内的工作人员将货物在纸上记录就安排进出库，使得仓库内长期都处于一个比较乱的状态。2.企业的库存自动化设备落后。现今国内许多企业对于库存的管理方式还停留在传统库存管理这一阶段。因此汽车零配件企业内部多数都没有对它们的产品进行规范的分类，也没有使用托盘或者货架等工具放置产品。除此之外，产品的进出库还多数以用手推车、手拉叉车这些简单的搬运工具来进行搬运。而因为这些的现象使企业在物流这方面耗时比其他方面耗时更长，降低了企业物流的工作效率并增加了物流成本。3.企业信息流通不流畅23。在信息传递这方面，国内的企业都没有过多的重视，使得供应

40、商与客户上的信息交流上存在偏差，而这也是企业的库存成本费用长期占据销售份额较大的原因之一。就比如，在客户在将需求信息传递上来时总是会比实际的需求量多出一部分来保证自身的生产不会受到影响。而供应商在接收到客户的需求信息之后，为了保证客户的服务满意度，会在客户的需求信息基础上在增加一定的生产量，这就使得货物都堆积在仓库内。而这也导致了企业一直处在一个高库存的状态下，并且增加了库存成本费用。为了解决供应商与客户之间信息流通不流畅的问题，就需要企业之间建立一个库存信息共享平台，加大库存情况的透明度，减少在需求信息上的偏差。这样才能使一直居高不下的库存成本降低，库存情况往好的方面进行变化。四、案例分析(

41、一)佛山市光法雷奥照明系统有限公司的发展现状1.佛山市光法雷奥照明系统有限公司的基本情况佛山市光法雷奥汽车照明系统有限公司是一家日法合资企业,创立于2005年9月,注册资本为2200万美元，工厂位于佛山国家高新技术产业开发区城西园华宝南路,专门从事汽车照明产品的生产和销售。公司内部一共有13个部门，大约2000名员工，拥有先进的设备设施进行产品的生产。公司主要的客户有丰田、本田、日产、比亚迪、雪铁龙、沃尔沃、大众等汽车厂商，除此之外也与法雷奥其他地区的分公司也有合作。佛山市光法雷奥汽车照明有限公司，为适应中国日益扩大的汽车市场，坚持为客户提供低价格、高品质的产品的目标，并争取与地方企业共同发展

42、。企业理念：1.提供客户喜爱的产品和技术服服务2.作为全球化的企业,为地区经济、中国经济的发展作贡献3.以相互信任为本，重视构建和谐关系4.以创造性、独立性、公正性及合理性为本，作为全球化企业，锐意发展5.面向未来的企业发展，团结一致，努力奋斗。2.佛山市光法雷奥汽车零部件的销售现状由于数据庞大和公司内部资料要保密的限制，本文只采用了佛山市光法雷奥照明系统有限公司的部分车灯产品的销售数据来进行需求分析。而被采用的车灯销售数据分别为东风日产和一汽大众两个客户。公司正式投入生产和销售在2010年，表4.1中罗列出2018年到2019年东风日产和一汽大众两个客户各一种类型的车灯产品，在本文当中为了更

43、好的标识出产品名字我将分别取代号为A、B。如表4.1所示：表4. 1公司部分车灯2018-2019销售数量序号时间（年）月份AB12018129280221620033606004442600552760066196807714521088812849009992417931010240043381111255633121212259218361320191632418721421620104415333362646164529242391753372437418642843297197501786820832882792219421256572210400845942311279637642

44、41223882971资料来源：公司内部数据3.佛山市光法雷奥照明系统有限公司的库存管理现状佛山市光法雷奥照明系统有限公司在产品的库存方面有着严格的把控，将原材料、半成品和成品分到原料仓、质检仓以及成品仓。而在与客户签订了销售合同之后，技术部门会将产品物料清单发送给物流部，再由物流部建立采购的BOM清单。如果有些原材料需要紧急采购的，则会另外建立一份采购清单传递到采购部。而这样的补货方式虽然能够减少需求的不确定性，但是却加大了物资供应的难度24。所以当接到客户的订单时，采购部以这种方式去对原材料进行采购就会影响产品生产速度并且降低了物料的利用效率。除此之外，为了维持高水平的服务质量，公司只针对

45、客户的订单单方面的需求而使得公司成品仓内的产品一直都处于高库存的状态下，造成了资源浪费、库存成本居高不下的现象。这些现象也影响了公司对于库存管理这方面的优化进度。目前公司面临的库存问题主要是库存呆滞物料较多、补货速度慢、库存周转速度慢、产品退换率高等问题。五、基于佛山市光法雷奥有限责任公司汽车零部件的需求量的需求预测(一)需求数据的分析及整合由图5.1所示，根据图中2018年至2019年间两个产品的需求数据，我们可以看出A产品在2018年期间的需求量下半年是逐步下降的。在2019年期间虽然A产品的需求数量有一些波动，但是从整一年来看的话，数据的波动并不太明显。但在19年的下半年我们还是看到A产

46、品的需求数量还是有着缓慢下跌的趋势；而从B产品的需求量走势图中，我们可以看出B产品是在2018年下半年才开始进行销售的，所以从图中我们也能看到在2018年下半年需求数量在逐渐上升。而在2019年中B产品的需求数量有着明显的波动起伏。在2019年初，B产品的需求数量是在快速增长的。而到了5月-7月期间，需求量就开始逐月下降并且下降速度非常迅速，而在7月-10月，客户的需求数量又开始迅速提升，在10月之后，B产品的需求数量又开始迅速下降，呈一个下跌的趋势。图5. 1 2018-2019A、B产品的销售量走势图(二)需求预测方法及计算1. 确认需求预测模型在提及到需求预测的影响因素的时候，本文也有将

47、其内外的影响因素以图表的方式展示出来。而在本文当中，我认为影响汽车零部件需求预测的主要因素是由多种成分（趋势性、季节性、周期性和随机性）结合得出的结果。因此本文在进行汽车零部件需求预测的计算方面采用了时间序列分析法的复合时间序列分析法来对车灯产品的未来需求进行预测。并且确认车灯产品的需求量已有时间序列的变化模式，并假定这种模式会延续到未来19。2. 采用复合时间序列分析法进行预测计算（1） 确定并分离季节成分计算移动平均值奇数期n=2k+1的中心化移动平均：CMAt(2k+1)=(xt-k+xt-k+1+xt+xt+k-1+xt+k)偶数期n=2k的中心化移动平均：CMAt2k=(xt-k+2

48、xt-k+1+2xt+2xt+k-1+xt+k)本文将从2018年1月到2019年12月这2年内的月份进行时间代码编号，编号为1-24（如图4.1所示）。因在这次计算过程当中以半年为一个时间的区间，每个月份作为一个小区间，所以本文将采用6项移动平均算法。然后将结果进行“中心化”处理，就是在移动平均的结果上进行一次2项的移动平均，最后得出的就是“中心化移动平均值”（CMA）19。本文以n=12作为一个时间区间，将2018年1月到12月的中间项计算得出为6.5：同理，将2018年2月到2019月1月的中间项计算得出为7.5。将两个中间项结合就得出=7。因此，我们要从2018年7月份开始计算中心化移

49、动平均值。以A产品为例：计算出A产品7月份的中心化移动平均值。因为我们设定为n=6，所以套用偶数期的中心化移动平均计算公式，并且提取出2018年1月至6月的销售总量和2018年2月至7月的销售总量，结合两个区间之和除去总共的周期数得出结果。计算过程如下：而A产品的5月份的中心化移动平均值大致的计算过程也是提取2018年2月至2018年7月的销售总量和2018年3月至8月的销售总量，结合两个区间的和除以12得出CMA数值为2992，后面的月份计算过程以此类推得出每个月份的CMA值。A、 B产品的整体中心化平均值如下表所示：序列年月份A的销售量B的销售量A的中心化移动平均值B的中心化移动平均值12

50、0181292802216200336060044426003143.00 9.00 55276002992.00 93.00 66196802536.00 317.42 7714521081953.00 828.33 8812849001781.00 1465.83 9992417931816.00 1894.83 1010240043382274.00 2194.83 1111255633122708.00 2353.83 1212259218362937.00 2436.92 1320191632418723379.00 2499.75 142162010443688.00 2580.0

51、0 153333626463897.00 2790.25 164529242393929.08 2828.33 175337243743959.17 2890.33 186428432974171.17 3286.92 19750178684137.17 3567.42 208328827923982.17 3546.17 219421256573776.17 3468.17 221040084594231127963764241223882971表5.1 1 A、B产品的中心化移动平均值列表（2） 计算移动平均比值（季节比率）将车灯产品每个月份的销售量除以对应的中心化移动平均值，得出季节比率

52、（Y/CMA）。（3） 计算季节指数以及调整季节指数求出在步骤（2）中得出每个月份的季节比率总和的平均值，即为季节指数。而又因每个月份的季节指数的总平均值为1，若在上一步得出的季节指数的总平均值不为1的话，就需要把每个季节比率总和的平均值除以之前得出的季节指数总平均值，从而更新每个月份的季节指数。如表5.1.2 A、B产品的季节指数列表所示：月份2018年2019年合计平均值季节指数11.8716 1.8716 1.8716 1.9111 20.4393 0.4393 0.4393 0.4485 30.8560 0.8560 0.8560 0.8741 41.3554 1.3469 2.702

53、3 1.3511 1.3797 50.9225 0.8517 1.7742 0.8871 0.9058 60.7760 1.0270 1.8031 0.9015 0.9206 70.7435 1.2127 1.9561 0.9781 0.9987 80.7209 0.8257 1.5466 0.7733 0.7896 90.5088 1.1154 1.6242 0.8121 0.8293 101.0554 1.0554 1.0554 1.0777 110.9439 0.9439 0.9439 0.9638 120.8825 0.8825 0.8825 0.9012 总平均值0.9793 新平均值1A产品的季节指数列表月份2018年2019年合计平均值季节指数10.7489 0.7489 0.7489 0.7230 20.4047 0.4047 0.4047 0.3906 30.9483 0.9483 0.9483 0.9155 40 1.4988 1.4988 1.4988 1.4469 50 1.5133 1.5133 1.5133 1.4610 60 1.0031 1.0031 1.0031 0.9684 70.1304 0.2433 0.3737 0.1868 0.1804 80.6140 0.7873 1.4013 0.7007 0.6764 90.9463