AI售后备件预测定制：长尾件与服务水平

售后备件预测难在长尾：多数SKU月需求为0或个位数，却承担关键设备停机风险。通用销量预测模型容易把0当需求，结果要么压库，要么缺件。定制开发通常从三件事入手。 要点1：先做需求分层。按出库频次、金额、关键度把备件分为快流件、间歇件、项目件、停产物料。快流件用移动平均或指数平滑；间歇件用Croston、TSB或LightGBM分位数回归；项目件绑定安装计划与交付节点，不靠历史外推。 要点2：把业务约束写进模型。数据源接ERP、WMS、维修工单、设备装机量与保修记录；特征包括故障间隔、设备保有量、区域、季节、替代件关系。输出不是单一预测量，而是P50/P90需求与建议补货点，再按服务水平、提前期、MOQ、包装倍数做库存仿真。新品按相似件加专家规则冷启动，上线后滚动回测WMAPE、缺货率、周转天数，每月调参。 落地时建议先选10%高价值长尾件试点，保留人工审批，跑通数据口径再扩。硬件侧只需扫码出入库与PDA确认，避免改造过大。这样AI预测才能变成可执行的采购与调拨动作。