随着大型车辆制造企业高质量发展,企业出售的车辆基数和售后维保订单数量逐渐增多,后市场服务成为企业增加资产收益的利润源泉,受到企业高层管理人员的重视。但由于企业售后配件种类多、规模大、配件库存管理混乱等因素,导致企业运营效率降低,同时加大了企业管理开支和资金占用。为了解决这一问题,企业需要制定合理的安全库存优化策略优化库存配置,降低库存占用,加快配件周转。然而高端核心制造企业产品具有高精尖的特性,配件消耗量低,配件需求呈现间歇性、小样本特点,且常由于人员报单失误或环境突变导致异常需求发生,进而干扰正常的安全库存优化决策制定。因此,需要对其检测并加以修正,但传统的异常检测算法难以准确检测出间歇性时间序列中的异常需求,这为企业的安全库存优化工作带来了挑战。为了应对上述挑战,本文以某大型车辆制造企业售后配件库存优化问题为研究背景,从降低异常需求对配件安全库存优化决策制定影响的角度出发,以提高售后配件需求数据质量入手,针对售后配件需求序列的间歇性、小样本等特点,构建面向售后配件间歇性需求的无监督异常检测与安全库存优化模型。首先,识别需求序列中的异常需求,并对其进行修正,以降低异常需求数据对安全库存优化决策制定造成的影响;然后,构建多级仓库模型,引入多目标智能优化算法,实现为配件制定合理的最大安全库存的目的。本文的研究工作如下:（1）针对某大型车辆制造企业售后配件需求数据具有间歇性,小样本等特点,且需求数据中存在异常需求的问题,提出了一种基于多粒度异常模式挖掘的间歇性序列无监督异常检测方法。首先,提出一种新的异常波动相似度指标,通过计算序列间的平方变异系数差异和最大信息系数矩阵,从宏观粒度量化序列异常波动规律,并利用凝聚层次聚类,自适应筛选异常波动序列;其次,对异常序列构造需求变化特征和间隔特征并输入SVDD模型进行超球训练,从异常序列中进一步实现微观粒度上的无监督异常点位置检测;最后,分别在两个大型制造企业实际售后配件需求数据上进行了实验,并取得了很好的异常检测结果。（2）在上述工作的基础上,提出了一种面向售后配件间歇性需求的安全库存优化方法。首先,对异常序列中的异常需求以非零需求均值填充的方式进行修正,并在小样本数据上将原始月度需求数据转化成日度需求数据;然后基于配件跨区域仓库调度逻辑和中心库补货流程进行多级仓库数学建模;最后利用多目标粒子群优化模型,以配件的平均配送时间和库存占用成本为优化目标,优化得到合理的配件最大安全库存;最后通过实验验证,修正需求序列中的异常需求能够提升配件安全库存优化策略的质量。（3）在以上研究的基础上设计并开发了基于供需信息驱动的多级仓库配件智能管理系统。该系统主要以制造企业为对象,首先,结合企业配件库存管理现状,打通配件出入库的全生命流程,实现对配件的企业整体仓库内部闭环管理;其次,利用研究工作（2）的跨区域仓库协同调度模型,通过多个仓库协同处理配件申请的工作方式,减轻中心库的工作压力,减少库存呆滞,降低库存持有成本;最后,结合工作（2）的多目标智能优化模型,为配件制定多级仓库的最大安全库存策略并可视化,为企业订货计划提供参考。本文从降低异常需求对配件安全库存优化决策制定影响的角度出发,以给配件制定合理的最大安全库存数量作为落脚点进行了相关研究,因此具有一定的学术研究价值和应用价值。