摘要

在全球化和智能化转型的背景下，大型制造企业的售后运维业务已成为现代制造

业全生命周期后市场服务中不可或缺的一环，售后配件需求的准确预测对于降低企业

成本、提升运维效率以及增强客户满意度和市场竞争力具有至关重要的作用。然而，

由于配件的制造工艺复杂、质量标准严格，以及受人工操作失误、应用场景复杂等因

素的影响，配件需求数据的演化趋势呈现出显著的间歇性特征并伴随着异常波动。传

统的预测算法在处理此类数据时，往往存在较大的预测误差和随机性，导致企业在备

件计划决策时面临诸多挑战，难以有效降低运营成本并