我国汽车的销售量和保有量在逐年上升,汽车售后服务带来的利润越来越大,完善的售后服务能帮助汽车企业树立良好的品牌效应,而售后服务的主要利润则来源于配件销售。汽车企业都希望为客户提供最好的售后服务,因此良好的配件库存管控就显得十分重要。本文站在TJ汽车制造厂的角度,对配件库存管控技术进行研究,提出了通过BP神经网络建立起配件需求预测模型和采购计划指导的方法来对配件库存进行管控,具体实现效果为预测选定配件的配件需求数量并依据此数值来制定采购计划指导。同时,汽车产业价值链协同云平台有多家汽车制造企业,并积累了大量各企业有关的配件采购、销售、生产等数据,本研究基于Echarts对TJ汽车制造厂配件历史业务数据进行了各个维度的可视化展示并构建配件库存管控档案库。在平台中,TJ只是其中一家汽车制造企业,平台因其信息资源共享的特性,为跨价值链的配件库存管控技术研究提供了数据,本文对配件跨链的库存管控技术做了探索,基于自然语言处理中文本相似度算法BM25,挑选出相同配件在不同企业价值链间匹配程度最高的十条配件,TJ汽车制造厂操作人员若对相同配件做出了正确的匹配,则可查询到WP中转库关于YC厂配件的库存情况,为后续的配件跨链调拨提供了有效信息,但本文并没有对配件跨链调拨业务进行实现。本研究使用C#作为编程语言,基于B/S模式的三层架构完成开发。根据需求实现了配件库存管控档案库、配件需求预测管理和配件跨链协同探索三个模块。本文叙述了设计和开发的相关过程,以及开发环境和主要功能实现步骤。