王海陽，吳奇石

(西南交通大學(xué)，四川 成都 611756)

0 引 言

近年來國內(nèi)汽車保有量提升迅速，據(jù)統(tǒng)計(jì)，2017年上半年國內(nèi)汽車保有量已經(jīng)突破2.05億輛，有望在2019年超過美國，成為全球汽車保有量最高的國家[1]。在汽車保有量穩(wěn)步提升的同時(shí)，汽車車齡也在同步增長(zhǎng)，盡管目前國內(nèi)平均車齡不到美國的一半，但是預(yù)計(jì)2019年汽車零部件產(chǎn)業(yè)市場(chǎng)規(guī)模將突破5 000億，汽車零部件的產(chǎn)值已經(jīng)占到整個(gè)汽車產(chǎn)業(yè)鏈總價(jià)值的一半[2-4]，隨之而來的是對(duì)汽配產(chǎn)業(yè)的要求增大。但是目前國內(nèi)汽車配件市場(chǎng)較為分散，終端服務(wù)企業(yè)以獨(dú)立汽修廠和4S店為主，相比于美國等擁有成熟汽車配件市場(chǎng)的國家，不能對(duì)汽配業(yè)務(wù)進(jìn)行統(tǒng)一化標(biāo)準(zhǔn)化的管理，而需要對(duì)每個(gè)獨(dú)立的終端企業(yè)或是供應(yīng)鏈上的其他上游企業(yè)進(jìn)行差異化的管理和精細(xì)化分析。汽車配件的精細(xì)化差異化管理是一項(xiàng)系統(tǒng)性和逐步優(yōu)化的項(xiàng)目，即使對(duì)于發(fā)達(dá)國家的成熟汽配市場(chǎng)，售后服務(wù)中的汽車配件按時(shí)交付率也僅有89%，服務(wù)的一次滿足率只有82%[5]。售后服務(wù)的質(zhì)量直接關(guān)系到顧客的滿意度和相關(guān)車輛企業(yè)的品牌建設(shè)，其重要性不言而喻。

一般備件的采購或是調(diào)撥有一定時(shí)間的提前期，短則幾天長(zhǎng)則數(shù)月，為了避免備件缺貨對(duì)服務(wù)質(zhì)量造成的影響，整個(gè)汽車配件供應(yīng)鏈上的每個(gè)服務(wù)節(jié)點(diǎn)，都不同程度地需要儲(chǔ)備各類車輛備件，用于車輛維修、下游企業(yè)配件調(diào)撥和維持庫存量安全線。這些備件種類差異度大，重要性程度各異，且同一備件在不同設(shè)備或是不同企業(yè)中的重要性程度也有較大的差異[6]。這就決定了對(duì)待這些不同的備件需要采用不同的管理策略。如何為不同的備件分配合適的管理策略，用以平衡企業(yè)的日常配件需求與合理的貯存成本，使得企業(yè)能夠以最小的庫存管理成本完成其所有的維修換件業(yè)務(wù)是一個(gè)亟待解決的問題。

文章從車輛備件的差異化特征出發(fā)，比較了目前較為常用的幾種備件特征提取、分類模型的方法和思路，并提出了一種基于層級(jí)提升模型的備件劃分系統(tǒng)設(shè)計(jì)思路。最后結(jié)合實(shí)際的企業(yè)業(yè)務(wù)數(shù)據(jù)對(duì)模型和系統(tǒng)進(jìn)行了合理性的驗(yàn)證。

1 相關(guān)研究

目前備件分類模型主要由兩部分組成，第一步是根據(jù)企業(yè)實(shí)際需要或是模型要求提取備件的各類特征，這類特征包括：備件最近一段時(shí)間的銷售額、備件的銷售提前期、備件庫存量、備件補(bǔ)貨成本、補(bǔ)貨時(shí)間這些客觀的統(tǒng)計(jì)數(shù)據(jù)[7-9]，備件需求波動(dòng)程度、時(shí)效性、通用性、生產(chǎn)依賴性這些依據(jù)特定需求按某些規(guī)則進(jìn)一步提取的特征數(shù)據(jù)，以及備件關(guān)鍵性、設(shè)備關(guān)鍵性、缺件的影響度、購買難易度等主觀鑒別的由專家或是經(jīng)驗(yàn)從業(yè)人員標(biāo)注的備件特征[6,10]。第二步是確定用于分類的模型，目前常用的分類模型有：以備件銷售額為分類依據(jù)的ABC分類法[6,9]；結(jié)合定量和定性分析的AHP分類模型[11]；FSN分類模型，以設(shè)備關(guān)鍵性為重要分類依據(jù)的VED分類模型[12-13]；以備件價(jià)值、提前期和數(shù)量為分類依據(jù)的WLQ分類模型[14]；基于模糊理論、遺傳算法和啟發(fā)式算法的備件分類模型[15-17]以及使用神經(jīng)網(wǎng)絡(luò)來鑒別備件類別的模型[18]。這些模型均在備件分類上取得了非常好的分類效果。

ABC備件分類法由于其易于操作且結(jié)果合理的特性在實(shí)際的備件庫存管理中應(yīng)用廣泛。ABC分類法旨在通過一定的備件特征和分析規(guī)則將庫存?zhèn)浼譃锳BC三個(gè)類別，在此三個(gè)類別的基礎(chǔ)上制定相應(yīng)的管理策略。在此模型的實(shí)際使用中，通常使用備件的銷售額作為分類的主要依據(jù)，按照備件銷售額占庫存?zhèn)浼備N售額的百分比將備件分為幾類[9]。為每一類備件制定的管理策略在不同企業(yè)中各有不同，但均會(huì)為A類備件制定高頻的連續(xù)性的檢查策略，每天檢查庫存，若有缺貨風(fēng)險(xiǎn)則會(huì)立即補(bǔ)貨，為B類備件制定周期性管理策略，通常是一月一次或是幾月一次，然后根據(jù)檢查情況制定下一步的補(bǔ)貨計(jì)劃，為C類備件制定高低警戒線的方式完成觸發(fā)式補(bǔ)貨提醒[6,9]。

文章在ABC分類法的基礎(chǔ)上提出了一種基于層級(jí)提升和層級(jí)重校正的分類模型，此模型相較于目前廣泛使用的ABC分類模型有三個(gè)主要改進(jìn)：(1)擴(kuò)展了描述備件的特征，改善了目前ABC分類模型在備件分類特征上表達(dá)能力不足的缺點(diǎn)；(2)采用了目前學(xué)術(shù)界對(duì)集成模型的最新研究成果，即深度森林[19]，此類模型能夠基于原始特征數(shù)據(jù)對(duì)分類精度進(jìn)行持續(xù)性提升，相比于其他集成模型，深度森林類的層級(jí)提升模型能夠最大可能地發(fā)揮出備件特征的應(yīng)有區(qū)分能力；(3)提出的模型能夠根據(jù)實(shí)際需要和計(jì)算能力給出一個(gè)自適應(yīng)的模型結(jié)構(gòu)，方便使用此模型的系統(tǒng)進(jìn)行動(dòng)態(tài)的模型復(fù)雜性調(diào)控。

2 車輛備件特征

本章闡述了幾種常用備件分類模型使用的特征，并對(duì)其含義進(jìn)行說明，最后在此基礎(chǔ)上提出層級(jí)提升模型的分類特征。

ABC分類模型通常使用備件銷售額或庫存金額作為主要分類特征，依據(jù)備件的銷售額或庫存金額占比進(jìn)行備件分類，在實(shí)際管控策略的制定中，一般還需要用歷史銷售記錄對(duì)未來一段時(shí)間的銷售量進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果和目前的倉儲(chǔ)貨運(yùn)情況制定進(jìn)一步的補(bǔ)貨策略。也有文獻(xiàn)提出只考慮備件自身固有的特征無法做到準(zhǔn)確分類，需要將備件所屬設(shè)備的重要性程度也一并作為分類依據(jù)[6]。

AHP分類法將備件分為直接面向終端市場(chǎng)的成品備件和生產(chǎn)過程中所需的零配件，并分別為這兩類備件制定不同的描述特征[11]。作者認(rèn)為這兩類備件面向的客戶不同且用途也不同，因此應(yīng)該制定不同的特征提取規(guī)則。對(duì)于第一類備件，作者認(rèn)為補(bǔ)貨時(shí)間、庫存持有成本、實(shí)效性、利潤(rùn)貢獻(xiàn)程度、補(bǔ)貨成本和需求波動(dòng)程度等特征能夠很好地描述備件的類別特點(diǎn)。對(duì)于第二類備件，作者提取出了庫存持有成本、補(bǔ)貨時(shí)間、實(shí)效性、補(bǔ)貨成本、通用性、生產(chǎn)依賴性以及數(shù)量折扣這些重要特征。

WLQ備件分類模型將備件的價(jià)值W、備件的訂貨提前期LT以及備件的數(shù)量Q綜合起來，形成了備件類別的綜合評(píng)判指標(biāo)[14]，WLQ指標(biāo)能夠?qū)浼逃械奶卣鞣胖糜谛枨箧溨袑?duì)備件類別的進(jìn)行動(dòng)態(tài)的判斷。

ABC兩階段改進(jìn)分類模型將備件的重要性與備件所屬設(shè)備的重要性關(guān)聯(lián)起來[6]，作者認(rèn)為設(shè)備的重要程度會(huì)直接影響到其備件的重要性，并將設(shè)備分為了關(guān)鍵設(shè)備、一般設(shè)備和輔助設(shè)備三大類，重要程度依次遞減，分別擁有ABC、BC和C三種下屬類別，使用AHP和蒙特卡洛模擬法分類其所屬備件。

文章綜合考慮了以上幾種備件的特征提取方式，認(rèn)為在備件供應(yīng)鏈的上下游以及末端服務(wù)節(jié)點(diǎn)中，即使是相同的備件，也很有可能具有截然不同的重要性，且缺貨帶給企業(yè)的風(fēng)險(xiǎn)也是不同的。因此，除了考慮備件固有的特征之外，更應(yīng)該關(guān)注備件所在企業(yè)以及所在供應(yīng)鏈不同位置對(duì)備件潛在風(fēng)險(xiǎn)的影響。目前大多數(shù)車輛備件供應(yīng)鏈采用的是以整車制造廠為核心的供貨模式，整車制造廠從配件供應(yīng)商處采購相應(yīng)車型的零部件，并將這些配件通過中心庫和各地的二級(jí)庫分銷給各地的服務(wù)商、維修點(diǎn)或是4S店，如圖1所示。此種供應(yīng)模式?jīng)Q定了在供應(yīng)鏈條的不同位置以及不同企業(yè)，相同備件會(huì)具有不同的用途和價(jià)值，同時(shí)也就具備了不同的潛在風(fēng)險(xiǎn)。因此需要將備件的所在環(huán)境作為一個(gè)重要的考量參數(shù)。

圖1 車輛配件供應(yīng)鏈?zhǔn)疽鈭D

考慮到整個(gè)特征提取流程的易用性、可行性以及車輛備件倉庫、服務(wù)商的實(shí)際庫存數(shù)據(jù)，筆者將層級(jí)提升模型(CBRE)所使用的備件特征分為了兩大類。第一類是備件的固有特征,包括了備件的類別、備件所屬的車輛型號(hào)、備件庫存量、備件在過去一年內(nèi)的銷售額、銷售量的分段累積值以及備件的訂貨提前期；第二類是描述會(huì)對(duì)備件潛在風(fēng)險(xiǎn)造成影響的外部環(huán)境特征，包括備件所在供應(yīng)鏈節(jié)點(diǎn)的類別、企業(yè)類型、庫存警戒存量上界、庫存警戒存量下界以及偏離上界/下界的數(shù)量。配件特征結(jié)構(gòu)如圖2和圖3所示。

圖2 備件第一類特征

圖3 備件第二類特征

3 層級(jí)提升重校正模型原理

層級(jí)提升重校正模型(CBRE)是一種集成模型，基于gcForest和daForest[19]并結(jié)合模型的實(shí)際使用場(chǎng)景做了改進(jìn)。CBRE一般是由多個(gè)集成學(xué)習(xí)模塊El構(gòu)成，其中l(wèi)代表模塊所在的層級(jí)。假設(shè)有一組輸入特征X?Rd，那么模塊El代表了一種非線性的變換El(·):X→[0,1]，這種變換的目的是從輸入特征(備件第一和第二類特征)中提取出樣本的類別分布Dl。每一個(gè)學(xué)習(xí)模塊是由多個(gè)個(gè)體學(xué)習(xí)器Fli構(gòu)成，每個(gè)學(xué)習(xí)器可以是任意一種可以適應(yīng)提升算法的分類模型。筆者在CBRE模型中采用了Random Forest和Extremely Random Forest[20-21]作為個(gè)體學(xué)習(xí)器。在模型的訓(xùn)練過程中，每個(gè)層級(jí)的樣本類別分布都將結(jié)合樣本原始特征(備件第一和第二類特征)繼續(xù)用于訓(xùn)練下一個(gè)層級(jí)的集成學(xué)習(xí)模塊El+1。每個(gè)模塊依次串聯(lián)，逐層訓(xùn)練，在層級(jí)訓(xùn)練過程中，筆者采用了daForest的層級(jí)提升配置，使用SAMME.R作為提升基礎(chǔ)算法，其原因是SAMME.R提升算法相對(duì)于Adaboost M1、Adaboost M2以及Adaboost MH[22-23]，能夠更好地適應(yīng)多類別分類任務(wù)。CBRE模型結(jié)構(gòu)如圖4所示。

圖4 層級(jí)提升重校正模型(CBRE)結(jié)構(gòu)

在每個(gè)層級(jí)的學(xué)習(xí)模塊之間，除了進(jìn)行原始特征(Raw Feature)和合成特征(Synthetic Feature)的整合以及提升(Boosting)計(jì)算操作之外，還需要根據(jù)整合特征推算出下一層級(jí)的個(gè)體學(xué)習(xí)器Fl+1i的超參數(shù)(重校正)，這些超參數(shù)包括每個(gè)森林(Random Forest和Extremely Random Forest)中的決策樹個(gè)數(shù)。筆者在每個(gè)學(xué)習(xí)模塊中設(shè)置了四個(gè)個(gè)體學(xué)習(xí)器，分別為兩個(gè)R. Forest和兩個(gè)E. Forest。每個(gè)決策樹的輸出為PTl+1ij，森林的輸出為PFl+1i，重校正的目的是尋找最合適的J，使得accuracy(PFl+1i)達(dá)到最大，即：

將上式應(yīng)用于下一層級(jí)的每個(gè)個(gè)體學(xué)習(xí)器，即可尋找出最佳的超參數(shù)配置。CBRE的完整算法描述如下：

算法：CBRE Training Procedure

算法輸入:備件特征X=[X0],X0?d，備件類別標(biāo)簽Y，共K個(gè)類別

1.初始化每個(gè)備件樣本權(quán)重W1

2.Forj=1 toL:

3.使用特征X和權(quán)重Wj訓(xùn)練學(xué)習(xí)模塊Ej

4.獲得Ej的類別概率分布計(jì)算結(jié)果hj

5.使用SAMME.R計(jì)算獲得新的權(quán)重Wj+1

6.整合特征X=[X0,hj(x)],X?d+k*n

7.使用整合特征X和Y校正學(xué)習(xí)模塊Ej+1

其中L代表模型的層級(jí)深度，此參數(shù)可以根據(jù)實(shí)際情況設(shè)置，也可以根據(jù)模型的收斂程度動(dòng)態(tài)地確定。

4 車輛備件分類系統(tǒng)設(shè)計(jì)

文章以國內(nèi)某車輛制造企業(yè)為研究對(duì)象，通過調(diào)研其下屬車輛備件業(yè)務(wù)與業(yè)務(wù)數(shù)據(jù)，發(fā)現(xiàn)該企業(yè)正在使用以銷售額、庫存量占比為分類依據(jù)的原始ABC分類模型。在一部分下游倉庫和服務(wù)商中，該模型能夠發(fā)揮作用，能夠協(xié)助供應(yīng)鏈管理人員和倉庫管理人員完成對(duì)車輛備件的分類工作，并為業(yè)務(wù)人員制定相應(yīng)管理策略提供依據(jù)。但是在該車輛制造企業(yè)的部分下游節(jié)點(diǎn)中，依然存在大量的備件庫存管理問題，主要表現(xiàn)為關(guān)鍵備件頻繁出現(xiàn)缺件情況，供應(yīng)鏈管理人員不得不臨時(shí)向上游備件倉庫發(fā)送加急備件請(qǐng)求。相比于提前發(fā)送所有需采購的備件請(qǐng)求，加急請(qǐng)求只針對(duì)一種或幾種急缺的車輛備件，這種供貨方式極有可能出現(xiàn)上游二級(jí)倉庫也無存貨的情況，此時(shí)需要等待二級(jí)倉庫向中心庫發(fā)送調(diào)撥請(qǐng)求，中心庫完成備件調(diào)撥后，再由二級(jí)倉庫給下游服務(wù)商供貨，等待時(shí)間進(jìn)一步延長(zhǎng)。長(zhǎng)時(shí)間的備件缺貨會(huì)給顧客對(duì)服務(wù)商的滿意度以及相應(yīng)車輛品牌造成不良影響。同時(shí)臨時(shí)的緊急備件調(diào)撥和購買也會(huì)加大備件的獲取成本，降低服務(wù)商的營(yíng)業(yè)利潤(rùn)。為了能夠最大程度地避免備件缺貨，需要根據(jù)備件數(shù)據(jù)和外部環(huán)境特征動(dòng)態(tài)地給備件劃分相應(yīng)類別，完成對(duì)備件管理策略的動(dòng)態(tài)調(diào)整，防止出現(xiàn)備件策略分配結(jié)果與備件實(shí)際情況不吻合的情況發(fā)生，同時(shí)也應(yīng)保證整個(gè)系統(tǒng)的實(shí)時(shí)性，對(duì)備件和外部環(huán)境因素的變化做出及時(shí)的反饋，避免出現(xiàn)分類信息遲滯。

車輛備件分類系統(tǒng)除了需要能夠準(zhǔn)確、及時(shí)地對(duì)備件完成類型判別和策略分配，還需要能夠與所研究企業(yè)現(xiàn)有地備件分級(jí)系統(tǒng)相兼容，能夠?qū)崿F(xiàn)新舊系統(tǒng)的無縫切換。因此，筆者結(jié)合備件的二類特征以及CBRE分類模型，提出了一種可替換車輛備件分類系統(tǒng)。該系統(tǒng)總體結(jié)構(gòu)如圖5所示。

圖5 車輛備件分類系統(tǒng)結(jié)構(gòu)

在使用所研究車輛制造企業(yè)的業(yè)務(wù)數(shù)據(jù)運(yùn)行系統(tǒng)過程中，發(fā)現(xiàn)提出的模型和備件特征提取方法能夠有效地降低下游服務(wù)商的缺貨率，對(duì)于一些高價(jià)值的關(guān)鍵車輛備件，此系統(tǒng)能夠結(jié)合備件內(nèi)外部特征有針對(duì)性地給管理人員提出策略分配意見，有效地緩解了供應(yīng)鏈管理人員的工作負(fù)荷以及提高了策略分配的準(zhǔn)確度。

5 結(jié)束語

文章首先分析了目前車輛備件的市場(chǎng)環(huán)境和管理現(xiàn)狀，認(rèn)為在目前車輛保有量不斷增大，車輛備件市場(chǎng)利潤(rùn)在整個(gè)汽車產(chǎn)業(yè)鏈中的價(jià)值占比越來越大的情況下，一個(gè)合理有效的備件管理機(jī)制能夠在很大程度上提升車輛售后服務(wù)的質(zhì)量和車輛的品牌價(jià)值。而管理機(jī)制是否合理取決于備件管理策略的分配是否與其實(shí)際的銷售情況相吻合。文章提出了備件的二類特征提取策略，該策略不僅能將備件的固有特征考慮在內(nèi)，還能夠充分描述備件所在的外部環(huán)境特征，從一個(gè)更加立體的角度完成備件特征的描述。同時(shí)提出了一種層級(jí)提升重校正模型(CBRE)，該模型能夠根據(jù)實(shí)際需要逐層地完成自適應(yīng)與自我校正，分類精度會(huì)隨著層級(jí)的加深而提高，此模型能最大化地挖掘備件特征的價(jià)值。基于此模型研發(fā)的備件分類系統(tǒng)有效降低了車輛制造企業(yè)下游服務(wù)商地缺貨率和因此產(chǎn)生的額外成本。