호스트 공장 부품 관리 시스템

자동차 시장은 재고 경쟁에 진입하여 전염병으로 인해 경쟁이 더욱 잔혹해졌다. 그러나 중국 자동차 보유량의 증가, 자동차 평균 차령의 증가, 중고차 거래의 증가로 자동차 이후 시장은 강한 성장세를 보이고 있다. 물론, 이 때문에 점점 더 많은 기관들이 포스트 시장 경쟁에 진입하고 있으며, 주요 호스트 공장들은 전례없는 도전에 직면 해 있습니다.

호스트 공장으로서 포스트 시장에서의 경쟁력을 높이기 위해서는 부품 제품, 엔지니어링 기술 지원, 공급망 지원 등 전통 분야에서 내공을 연마하는 것 외에 판매상이 애프터 액세서리 서비스 방면에서 능력을 강화하는 것이 중요하다.

이러한 비즈니스 과제를 해결하기 위해 대용량 데이터 및 지능형 알고리즘을 기반으로 한 애프터 액세서리 지능형 협업 플랫폼의 실제 사례를 공유하겠습니다. 전체 공동 작업 플랫폼은 다음 네 부분으로 나뉩니다.

대리점 부품 수요 예측

수요 관리 및 예측 분석은 애프터 액세서리 관리의 가장 중요한 내용입니다. 그러나 리셀러의 20% 만이 주기적이고 체계적인 예측과 분석을 할 수 있는 능력을 가지고 있으며, 대부분 직원의 개인적 경험과 능력에 의지하여 부품 수요를 예측하고 분석하는 것으로 조사됐다. 기초데이터를 처리하는 데 많은 시간이 걸렸을 뿐만 아니라 인원이 변동될 때도 효과적인 지식침전을 하기가 어려웠다.

OEM 이 이 기능을 리셀러에게 수출할 수 있다면 리셀러에게 많은 혜택을 가져다 줄 것입니다. 주로 다음과 같습니다.

첫째, 리셀러의 재고 관리에 매우 중요한 입력을 제공하고, 액세서리의 일회성 만족도를 높이고, 부품 부족으로 인한 수리 대기를 크게 줄이고, 고객 만족도와 점도를 높입니다.

둘째, 리셀러가 계절별 부품 수요 특성을 정확하게 구분할 수 있도록 하여 적절한 시간에 적당량의 부품을 비축하여 리셀러의 재고 자금 점유를 효과적으로 줄이고, 리셀러의 애프터 부품 관리 능력을 전반적으로 높입니다.

이 지능형 협업 플랫폼이 어떻게 작동하는지 살펴보겠습니다.

1. 리셀러 애프터 서비스 데이터를 기반으로 시계열 알고리즘을 사용하여 액세서리의 향후 중장기 수요 규모, 추세 및 계절성을 예측합니다.

둘째, 액세서리의 엔지니어링 특성에 따라 클러스터링 및 의사 결정 트리 모델을 통해 차량에 있는 다양한 액세서리의 수요 특성을 결정하여 새 모델, 새 액세서리의 수요 예측에 대한 데이터 지원을 제공합니다.

셋째, 외부 데이터와 결합하여 특정 시장이나 환경 사건에 대처할 수 있는 감독 기계 학습 모델을 구축합니다. 가장 전형적인 것은 기상 데이터가 애프터예측에 도움이 되는 것입니다.

예를 들어 중국 연해 일부 지역에서는 태풍 날씨가 예보되고, 나타날 때' 침수차' 와 같은 특이한 수리 수요가 갑자기 증가할 것으로 예상된다. 이때 각종 전자제어 모듈, 섀시 부품, 동력총조립 부품은 모두 더 큰 수리 수요가 있을 것이며, 리셀러의 서비스와 호스트 공장의 공급망에 큰 영향을 미칠 것이다.

전통적인 계절적 수요 분석과 돌발 기상 사건으로 인한 업무 시나리오에 큰 오차가 있다. 이때 기계 학습 모델 방안은 잘 해결될 수 있다. 과거 수리 데이터와 기상 예측 데이터를 결합하면 특정 부품에 대한 수요 위험 경보를 잘 제공하고 현지 차량 보유량에 따라 대략적인 소비 규모를 계산할 수 있다.

또한 이런 불확실한 기상 사건은 이런 날씨가 거의 발생하지 않는 지역 리셀러에게 희귀한 장면이 발생했을 때 다른 지역의 데이터를 참조할 수 있는 좋은 데이터 지원을 제공할 수 있습니다. (윌리엄 셰익스피어, 윈스턴, 기상, 기상, 기상, 기상, 기상, 기상, 기상, 기상)

넷째, 차량 센서의 데이터 피드백을 통해 특정 모듈의 작동 상태를 분석하여 차주가 가게에 들어가 정비할 때 사전 초청하거나 용도에 맞게 차량을 진단하고 서비스 효율성을 높일 수 있습니다.

또한 차량 센서 데이터를 이용한 부품 예측도 주요 기계 공장에서 신차 출시 단계에서 품질 위험을 조기에 발견해 최종 3 팩 문제의 발생 확률을 낮출 수 있다.

대리점 부품 재고 최적화

리셀러 부품 재고 최적화에 대해 말하자면, 많은 사람들이 리셀러가 재고를 줄일 수 있도록 돕고 싶어할 것입니다. 사실 이것은 오해이다. 호스트 공장의 관점에서 볼 때, 리셀러 재고 최적화는 상류 및 하류 수직 협력 및 리셀러 수평 조정의 협력 문제여야 합니다. Dell 은 리셀러의 지리적 위치, 판매 특성, 서비스 요구 사항 등의 포괄적인 요인에 따라 공급망 책임을 최적화함으로써 다음과 같은 문제를 해결합니다.

첫째, 구축 및 저장에 "가치 있는" 부분은 무엇입니까?

둘째, 스토리지는 얼마나 깊이 지어야 하며, 수요를 얼마나 지탱할 수 있습니까?

셋째, 위의 두 가지 점을 기준으로 호스트 공장의 애프터배송센터에서 어떤 전략을 취해야 합니까?

브랜드 판매 후 업스트림 배송 센터의 재고를 최적화한 결과 리셀러 재고 관리의 목표, 방법, 역량이 고르지 않고 업스트림 재고 전략을 수동적으로 최적화하는 것이 최선의 방법이 아니라는 사실을 알게 되었습니다. 그래서 Dell 은 고객과 협력하여 리셀러를 위한 재고 관리 시스템 시나리오를 구축했습니다. 예측 관리 외에도 리셀러의 현재 및 향후 재고 계획을 포함합니다. 재고 계획을 기준으로 다음 해의 주문 계획을 계산합니다. 현재 주문 계획은 리셀러의 구매 제안으로 전환되며, 장기 데이터 정보는 주로 업스트림 시스템 입력 데이터에 사용됩니다.

2 년간의 보급을 통해 이 방안은 리셀러의 재고 관리에 대한 인식을 통일하여 상류층이 리셀러의 주문 행동을 더 잘 예측하고 업스트림 재고 최적화를 위한 좋은 기반을 마련할 수 있게 해 주었다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 재고 관리, 재고 관리, 재고 관리)

통합 관리 목표를 통해 시스템에 침전함으로써 리셀러측 주문의 불확실성을 효과적으로 낮출 수 있다. 이를 바탕으로 업스트림 관리 능력과 업스트림 부품 공급업체와의 조정 능력이 향상되어 공급망의 전반적인 운영 효율성을 높이고 공급망의 채찍 효과를 크게 낮출 수 있습니다.

대리점 부품의 지능형 할당

공급망 관리는 불확실성으로 가득 차 있으며, 예측 정확도 향상 및 재고 관리 능력 향상으로 모든 리셀러 부품 관리 문제가 완전히 해결되지는 않습니다. 그중 가장 중요한 것은 침체 부품 (일반적으로 1 년 이내에 판매되지 않거나 구입하지 않은 부품을 침체로 정의) 또는 장기 예비 부품 처리 문제입니다.

침체된 재고의 출현은 예측 오차, 재고 전략 결함, 품목 교체, 고객 손실, 차량 품질 개선 등 여러 가지 요인에 의해 영향을 받을 수 있는 매우 복잡한 문제입니다. 예측과 재고 관리 능력이 높아져도 침체된 재고는 시간이 지날수록 나타난다.

그러나 재고 침체는 지역 문제입니다. 리셀러에 대한 샘플링 분석을 실시한 결과, 한 리셀러에서 부품이 침체된 경우 해당 시의 모든 리셀러에게 여전히 침체될 확률은 77% 이며 해당 주 (또는 판매 지역) 의 경우 35% 에 불과하다는 사실이 밝혀졌습니다. 시야각을 전국으로 올리면 여전히 부진할 확률이 5% 미만이다. 따라서 리셀러의 부진한 부품에 대한 다른 구매자를 찾을 확률이 높습니다.

첫 번째 질문은 어떻게' 밋밋한 부분' 을 유통시킬 수 있는가이다.

애프터 액세서리 협업 플랫폼은 리셀러 간의 액세서리 거래 플랫폼이기도 하며, 리셀러가 플랫폼에서 특정 조건에 맞는 액세서리를 매매할 수 있도록 지원합니다. 일정 조건' 은 플랫폼 경영진이 정의하며, 일반적으로 액세서리 재고 수명이 길고 업스트림 재고 깊이가 크지 않기 때문이다.

또한 리셀러가 정기적으로 업스트림 에 구매 주문서를 제출할 때 주변 리셀러와 판매업자 (일반적으로 같은 주 또는 같은 그룹) 에게 추천합니다. 정기적으로 판매량이 높은 리셀러에게 밋밋한 부분을 맞추고, 의사소통을 일치시키고, 그들이 분배를 완성하도록 촉진한다.

실제로 특정 브랜드 정책 지원을 통해 최소한 30% 의 침체된 부품을 효과적으로 활용하여 리셀러를 위한 유동 자금을 확보하고 재고 관리 비용을 절감할 수 있습니다.

유통업자 배포 최적화

리셀러 공급망 관리 분야에서 물류 운송 비용은 호스트 공장이 부담하는 큰 비용이며, 그 해의 차량 수에 따라 그 해의 운송 비용이 결정됩니다. 거시적 관점에서 볼 때, 리셀러가 호스트 공장에서 주문한 총 액세서리 수와 1 년 판매량 사이의 관계는 기본적으로 1: 1 입니다. 즉, 1 년 동안 운송할 액세서리의 총 부피는' 고정' 입니다. 운송 비용을 결정하는 열쇠는 적재율, 즉 각 수송차에 적재되는 화물입니다 분명히 이 값이 높을수록 총 이동 수가 낮아집니다.

적재율에 영향을 미치는 주요 요인은 두 가지입니다. 첫째, 운송 경로에서 단일 유통 업체의 구매량. 예를 들어, 이 구매의 총 부피가 1.85 대의 자동차에 해당하며 자전거의 가용 부피가 75% 라면 평균 적재율은 6 1.7% 가 아닙니다. 둘째, 부속품 부피가 고정된 경우 서로 다른 적재 전략도 실제 차량 수에 영향을 줍니다.

적재율을 높이는 열쇠는 다음과 같습니다.

1. 지역 리셀러 구매 주문서 최적화. 기본 구매량 (즉, 재고 전략에 해당하는 구매량) 을 기준으로 각 리셀러에게 주문량의 일부를 늘려 구매한 부품의 총 부피가 각 리셀러의 최소 증분 및 균형 부하 조건에서 총 적재 부피 범위를 충족하도록 합니다. 저희 통계에 따르면 이 조정은 리셀러의 기본 구매량의1%-3% 에 불과합니다.

2. 적재 전략을 최적화하고, 각 차량에 적재 부품의 조합과 수량을 할당하여 각 차량의 적재율이 70%-75% 사이로 제어되도록 하고, 중량 비율, 선반 요구 사항, 트레이 요구 사항 등과 같은 특정 운송 요구 사항을 충족합니다. 평균적으로 적재율은 70% 이하에서 73% 정도로 높아져 연간 총 운송 여정의 약 4% 를 절약하고 전체 물류 운송 비용을 효과적으로 낮췄다.

향후 호스트 공장은 제조업체에서 데이터 서비스 공급업체로 전환될 것으로 예상되며, 데이터 및 기술 자산은 가장 중요한 경쟁 자본이 될 것으로 예상됩니다. 대리점은 대행공이 만든 생태 체인 중 가장 중요한 참가자이자 상대적으로 기술 능력이 약한 파트너이다. OEM 은 쌍방의 효율성을 효과적으로 향상시키고, 협력 관계를 강화하고, 비즈니스 정책 추진에서 데이터 중심 및 협업으로 전환할 수 있습니다. 이 애프터액세서리 스마트 협업 플랫폼이 바로 이런 협력 관계의 구현이다.

이 글은 자동차 작가 자동차의 집에서 온 것으로, 자동차의 집 입장을 대표하지 않는다.