随着国内经济与汽车制造业的快速发展,人民的生活水平不断提高,汽车保有量逐年增加,汽车更新换代的速度也越来越快,待回收的汽车旧件数量与日俱增,由此带来了一系列的资源再利用的问题。汽车旧件数据服务的主旨,是在对旧件进行回收与循环利用、实现循环经济之后,对回溯的旧件数据进行进一步的数据挖掘,充分利用旧件数据,为企业提供旧件数据服务。旧件数据服务,是汽车制造企业将数据转化为知识的重要组成部分。论文面向整车制造企业,以汽车产业链协同平台为基础,从平台数据空间中抽取旧件数据进行系统的分析,为制造企业提供旧件数据服务。本文以制造企业作为研究对象,基于第三方云平台,以实现旧件数据服务为目标,开展以下几个方面的研究。首先对面向制造企业的旧件数据服务研究背景、研究意义及研究现状进行了研究,在旧件服务模式基础之上,结合企业的实际需求,提出了旧件数据服务专业库构建方案以及旧件数据服务方案,并以二者为基础设计出了旧件数据服务总体解决方案。该解决方案充分发挥了制造企业作为价值链核心的优势,将平台数据空间的数据进行抽取,形成旧件数据服务专业库,进行旧件数据服务研究。然后,基于总体解决方案,对系统总体体系架构进行了设计。论文设计的系统服务于整车制造企业,设计出了旧件数据分析、旧件分析报告、配件储备决策支持三大功能模块。通过旧件数据分析模块,制造企业对旧件数据进行系统的分析,并形成完整的数据分析报告,为企业提升产品质量提供数据支持,同时,以数据分析报告为参考,从中提取旧件数据特征,为实现旧件数量预测功能做铺垫。论文构建出了旧件专业库用以支撑旧件数据服务的实现。跟据旧件产生的特点,论文使用了遗传算法(GA)优化支持向量回归(SVR),构建出了基于GA-SVR算法的旧件数量预测模型,制造企业参考旧件数量预测结果制定配件储备决策。本文基于B/S三层架构,根据制造企业实际需求,设计出了基于第三方云平台的旧件数据服务系统,其包含旧件数据分析、旧件分析报告及配件储备决策支持三大功能模块。通过该服务系统,企业实现了将旧件数据转化为知识的过程,最终实现了旧件数据服务。