我国汽车市场发展十分迅猛。在过去十年中，汽车工业年均增长15％，产销量逐年创历史新高，2007年底我国私家车保有量已突破2400万辆，而包含配件销售、维修与保养服务等在内的汽车售后市场也在急速扩大，其销售比重逐年上升。根据毕博管理咨询公司的分析预测，到2012年，我国乘用车售后市场规模将超过1500亿人民币，在亚洲仅次于日本。 但与国外汽车后市场的规模化发展形成鲜明对比的是，国内企业除4S店外均呈现出“小、乱、杂”的状态，中小型汽车维修企业和个体维修点数量众多但规模较小。零散的中小维修企业和个体维修点在配件供应与销售成本、服务质量等方面存在着企业本身无法克服的根本问题，不能有效应对未来越来越严酷的市场竞争，而4S店的建设经营成本和投资风险又过高，因此，国内汽车后市场迫切需要一种科学统筹管理的规模化经营模式，依托先进的管理方法和技术手段，整合行业上下游资源，从根本上提高配件订购、仓储和配送效率，降低服务成本，提高行业的竞争力，节约社会总资源。 本文围绕面向汽车后市场的供应链管理问题，对供应链管理系统进行了深入研究，侧重研究汽车零配件的需求预测问题，提出了基于时间序列趋势分解的零配件需求预测方法。 首先分析和设计了面向汽车后市场的供应链管理系统总体框架，对其系统特征和系统功能进行了阐述。该系统的主要功能包括：零配件基础数据管理、需求计划管理、库存管理、采购管理、市场营销管理、物流及配送管理和售后服务管理。 针对零配件需求计划，建立了基于序列分解的零配件需求预测模型(简称CSDFSD模型)。针对汽车后市场环境下零配件需求影响因素的复杂性，以及考虑到数据的可获取性，采用了时间序列分解方法进行零配件需求预测：将原序列进行季节调整、趋势因素分解、随机因素分解。季节因素采用季节模型预测，趋势因素采用多项式拟合方法预测，随机因素采用RBF人工神经网络预测。滤波方法是时间序列趋势分解中常用的方法，以往滤波方法假设序列的周期长度是既定的，然后将其滤去得到趋势因素。这种方法主要依靠经验来确定周期，并需要大量的数据作支撑，适用于宏观经济数据，有一定的局限性；但微观市场数据的数据量较少，也没有既定的序列周期，传统的滤波方法并不适用。本文尝试对传统滤波方法进行改进，对序列进行严谨的谱分析，由序列的功率谱确定低通滤波器的截断频率，并以此低通滤波器获取序列的趋势因素。采用这种预测方法，既能够针对不同的序列调整预测模型，对预测模型又具有可解释性，从而实现对零配件需求更加精确的预测。 最后以某大众4S店部分零配件的真实销售数据作为研究案例，对CSDFSD模型进行了实证研究，验证了模型的可行性、适用性、准确性。