汽车工业是产销量大、产品复杂、劳动力密集、供应链长和行业拉动性强的制造产业之一,在国民经济发展中占有重要地位。在“中国制造2025”等战略引领下,目前汽车企业多在开展智能制造升级。其中,零部件物流是汽车生产中的重要一环,涵盖需求信息传递、取货集货、运输搬运及仓储配送等内容,具有环节跨度多、品类复杂、优化空间大等特点,构建零部件精益智慧物流是汽车制造企业实现智能制造的重要途径。本文以汽车制造企业零部件精益智慧物流为主线,在新冠疫情冲击影响的背景下,基于车企真实生产场景,将需求侧和供给侧相结合,提出面向汽车供应链全周期的零部件精益智慧物流模式,并以零部件的实物流和信息流为牵引,对零部件物流的全生命周期开展优化分析。基本实现从经销商处获取需求、到制造商生成零部件信息、到供应商处采购零部件、再到制造商处零部件装配以及整车下线的闭环研究。研究涵盖零部件物流主要环节:复杂市场挖掘预测、装配线最优平衡、采购物流精益取货和无人化智慧配送。本文的主要内容为:首先,准确掌握市场需求是开展零部件精益智慧物流的起点,特别是新冠疫情的爆发打乱了汽车消费市场秩序,在复杂市场环境下,为挖掘消费者真实意愿,掌握市场实时需求,本文收集了疫情期间两家车企每日产销量数据、国内疫情相关数据,爬取了新浪微博、汽车之家和易车网上汽车相关的社交媒体讨论数据。针对复杂环境的市场需求预测,本文提出一种基于机器学习的Boosting预测方法,并与历史均值、SARIMA、SVM、ANN等传统和机器学习的方法进行对比,验证所提出方法的有效性。同时实验也发现,当疫情发生后各类方法的预测效果受到较大影响,本文因此分析了结合疫情数据后各预测方法的表现,结果显示结合疫情数据并不能有效改善模型预测效果。进而,本文使用自然语言处理技术对社交媒体数据进行挖掘,以掌握真实消费需求,并将社交媒体挖掘信息与Boosting方法相融合,实验表明,社交媒体信息可以有效捕捉汽车市场需求,融合社交媒体信息后的Boosting模型可以实现对汽车市场各时间段（疫情之前、疫情初期、疫情后期）销售需求的准确预测。此外,本文针对不同测试时间段和不同数据融合方法进行了实验对比分析,进一步验证所提出方法的稳健性。其次,在掌握准确市场需求之后,本文针对混流车型双侧装配线平衡问题开展研究,分析装配线的最优平衡。混流共线生产是当前汽车生产的主流方式,装配线作为汽车生产中人员密集和时间消耗长的环节之一,其最优平衡问题是精益智慧物流中的重要一环。本文针对混流车型双侧装配线平衡问题开展研究,目前已有的研究大多是采用启发式算法获取近似解,少有可以解决大型算例的精确求解算法。为此,本文提出了一种基于组合Benders分解的精确求解算法,实现对包括大规模算例在内的最优求解。本文将问题分为主问题和子问题,主问题用于确定各工位中工序的分布方案,子问题则是验证主问题所提供方案的可行性。针对不可行的情况,本文提出基于顺序的枚举搜索方法来生成组合Benders分解算法的割集,包括Triangle Search、Cross Search、Snake Search和Inactive Task Search等四个搜索策略,以及一个剪枝策略Subset Pruning。此外,在小规模、大规模经典算例以及不同节拍时间上,通过与主流启发式和精确解算法进行对比分析,验证了方法的有效性和准确性。进而,基于市场需求和装配线最优平衡信息,本文聚焦采购物流的取货问题。目前汽车企业大多使用循环取货的方式开展零部件采购,为了进一步提升物流的精益性,本文将P链这种精益库存方式纳入考虑,即零部件从供应商处送达制造商后,通过P链来分割进度、缓冲内外物流进度差以及实现厂内零部件高频小批的引取。本文对融合P链的采购物流问题进行科学建模,同时,为进一步验证模型有效性,本文构建了零库存对比模型,并分别为两种模型设计了基于遗传算法的求解方法。此外,本文基于实际生产数据构建了不同规模的算例,通过与零库存模型的对比,验证了融合P链取货模型和求解算法的有效性。最后,在零部件抵达主机厂后,本文开展厂内智慧配送研究。目前智能制造升级在厂内物流环节的主要趋势是无人化和库存去中心化,本文基于实际生产场景,提出了一种无人化智慧配送的数学模型,以满足分散化库存区、无人化机器人配送以及设备可共享等生产需求,并严谨地证明模型为NP-困难问题。鉴于问题的复杂性,本文提出了一种基于贪心搜索的启发式求解算法,将研究问题具象化,并基于实际生产场景构造了不同规模的算例,通过实验验证所提出模型和方法的有效性。通过实验分析发现,机器人配送具有良好优势,同时基于循环送货的机器人配送也具有很好的实践价值,可以满足相关实际生产场景。此外,线侧最大库存量关系到机器人配送以及装配员物理操作,在设计生产物流时应当科学确定,在装配车间物理区域允许范围内,可以适当设置相应线侧库存。以上研究一方面拓展了零部件物流领域理论研究,另一方面,本文研究立意大多受车企生产实际所启发,相关研究成果具有较大的实际应用场景,这为企业应对新冠疫情冲击,打造零部件精益智慧物流系统,开展智能制造升级和降本增效提供了重要实践参考。