On Digital-Intelligent Strategies for Spare Parts Management in Large Enterprise Groups： A Case Study of Group A

XU Wei; ZHOU Ling; ZHOU Jian-qin; TANG Rui

PDF(598 KB)

Journal of Beijing Jiaotong University（Social Sciences Edition） ›› 2026, Vol. 25 ›› Issue (1) : 104-112.

Material Flow Studies

On Digital-Intelligent Strategies for Spare Parts Management in Large Enterprise Groups： A Case Study of Group A

XU Wei¹, ZHOU Ling², ZHOU Jian-qin³, TANG Rui³

Author information +

History +

Abstract

Large enterprise groups generally face the dual problems of spare parts inventory backlog and supply shortages， and their spare parts management directly affects the stability and economic efficiency of the supply chain. Digital-intelligent management is an inevitable choice to improve the efficiency of spare parts management in large enterprise groups. From the practice of Group A， the digital-intelligent strategy for spare parts management can be applied in four aspects： demand planning management， procurement management， warehouse management， and supply management. Intelligent demand forecasting can eliminate or reduce ineffective spare parts procurement at the source； intelligent algorithms can optimize the procurement model； visual management helps improve the level of spare parts inventory management； and intelligent matching and precise scheduling of supply and demand can optimize spare parts supply. Large enterprise groups are in urgent need of introducing digital-intelligent strategies for spare parts management and implementing them step by step according to enterprise needs. On the basis of early achievements， they can realize the comprehensive digital-intelligent transformation of spare parts management and improve the scientific decision-making of spare parts management.

Key words

large enterprise groups / spare parts management / digital-intelligent management / procurement management

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

XU Wei, ZHOU Ling, ZHOU Jian-qin, TANG Rui. On Digital-Intelligent Strategies for Spare Parts Management in Large Enterprise Groups： A Case Study of Group A[J]. Journal of Beijing Jiaotong University（Social Sciences Edition）. 2026, 25(1): 104-112

References

1 李俊杰.地铁信号系统备品备件管理［J］.城市轨道交通研究，2018，21（S1）：89-92.
2 徐晓燕，杨慧敏，吕修凯，等.基于山东省不同模型的物流需求预测比较研究［J］.包装工程，2022，43（23）：207-215.
3 刘天华，张志华，梁胜杰，等. 威布尔型可修备件需求量的解析算法研究［J］. 系统工程与电子技术，2012，34（5）：966-972.
4 SUKOLKIT N， ARUNYANART S， APICHOTTANAKUL A. An open innovative inventory management based demand forecasting approach for the steel industry［J］.Journal of Open Innovation： Technology， Market， and Complexity，2024，10（4）.
5 张国玲，徐学红.一种基于ARIMA-BPNN的物流需求预测模型［J］.控制工程，2017，24（5）：958-962.
6 YUAN Y， YONGGANG L， POWELL R， et al. An empirical Bayes approach to incorporating demand intermittency and irregularity into inventory control［J］. European Journal of Operational Research，2022，303（1）：255-272.
7 范彩兄，徐嘉伟，马润生，等.计量生产自动化系统备品备件需求预测算法［J］.制造业自动化，2023，45（9）：63-66，93.
8 段永峰，顼文晴. 煤炭企业设备备件需求预测研究［J］.物流科技，2021，44（09）：28-31.
9 高鹍，邢国平，孙德翔等.灰色关联支持向量机在备件库存消耗预测中的应用［J］.电光与控制，2012，19（3）：100-105.
10 薛干敏，高键，齐亮.基于熵权的组合预测备件需求方法研究［J］. 计算机与数字工程，2022，50（12）：2630-2632，2659.
11 张飞涟，吴喆，王小兰等. 复杂艰险地区铁路隧道钻爆法施工安全风险评估［J］. 铁道科学与工程学报，2023，20（5）：1891-1901.
12 杨洁，赖礼邦. 考虑联盟结构的联合采购合作剩余分配博弈分析［J］. 运筹与管理，2021，30（6）：91-95.
13 MOHAMMADITABAR D， GHODSYPOUR S H， HAFEZALKOTOB A. A game theoretic analysis in capacity-constrained supplier-selection and cooperation by considering the total supply chain inventory costs［J］. International Journal of Production Economics，2016，181：87-97.
14 郭秋昊.基于目标检测与图像文本识别方法的库存盘点应用研究［D］.河南理工大学工商管理学院，2022.
15 宁博，赵庆凯，许航.电力物资仓储可视化研究及应用［J］.物流工程与管理，2020，42（7）：101-103.
16 金凌峰.基于区块链技术的电网备品备件管理系统的研究［J］.电力安全技术，2020，22（9）：43-47.
17 袁武民，魏孔胜，张芳顺，等.基于新一代信息技术的铁路信号物资数智化管理方案［J］.铁道通信信号，2023，59（12）：7-16.
18 吴岳诗，陈剑锋，谢熙，等.一汽-大众佛山工厂国际物流商品智慧归类自主实践与数智化转型［J］.物流技术与应用，2023，28（6）：99-103.
19 张云，柏培文.数智化如何影响双循环参与度与收入差距——基于省级-行业层面数据［J］.管理世界，2023，39（10）：58-83.
20 吴亚飞.风电企业备品备件采购特点以及创新管理探讨［C］//中国农业机械工业协会风能装备分会.第十一届中国风电后市场交流合作大会论文集.中节能港能风力发电（张北）有限公司，2024：4.