库存管理在企业的日常营运中愈发受到重视。其管理目的在于采用最少的流动资金产生显著的经济效益。汽车零部件行业的库存管理有其一定的特殊性。由于受到市场、政策等影响,整车厂发布的需求预测具有多变性。而同时上游客户端多采用“零库存”,“JIT”等模式以降低自身的库存水平,所以为满足供货,下级供应商承担了大量的库存压力来应对需求的波动。一旦受制于较长的零件采购周期,需求端的波动将增加库存控制的难度。而如果整车销量不佳导致生命周期提前终止,库存还会成为呆滞最终造成企业坏账。本论文根据R公司原材料的价值特点对其进行分类,采用不同的库存管理模式,对于价值较低、供应商的配合度较高的原材料采用VMI或JIT模式进行库存控制;而对于对库存金额贡献率较大的原材料则从预测源头着手,通过建立预测模型来得到相对准确的预测值输入。论文选择了灰色模型与三次指数平滑法这两种适合汽车零部件生命周期特点的预测模型作为目标,选取R公司的同一款产品的5年数据进行两种预测模型的预测精度对比,并结合汽车行业每年周期性的需求波动趋势对2月与12月的数据进行二次修正。最终两种单一模型的拟合精度都不理想,获得的预测偏差的可信度不高。为了改善模型的精度,论文将两种单一预测模型分别结合马尔科夫链建立两组新的组合模型。经过马尔科夫链的优化,灰色模型拟合值平均绝对偏差降低至7.6%,而三次指数平滑法拟合值的平均绝对偏差降低至5.1%。R公司选择三次指数平滑法-马尔科夫链组合模型作为预测模型,2019年10-12月的预测值与原始值平均绝对偏差为5.3%。最后,论文阐述了马尔科夫链模型因为在计算预测值时是选取各状态区间的最大值与最小值的平均数作为修正系数而存在进一步优化的空间,经过粒子群算法的迭代可以得到使得适应性函数最小情况下的各状态区间最大值与最小值所对应的最优权重值。应用粒子群算法优化后的三次指数平滑法-马尔科夫链组合模型拟合精度的平均绝对偏差进一步缩小至3.8%。