随着鞍钢矿业降本增效的压力的增加,做为降本增效的主要对象,自动化元件配品多为价格昂贵的进口元件,如果库存数量过多,将会占用较大的流动资金。矿山企业的检修服务水平的实际出发,充分利用、合理配置自动化元件配品备件资源,有效降低企业运行成本,全面提高自动化元件配品备件管理水平,是急需解决的问题。以鞍钢矿业自动化元件配品库存管理为背景,通过对企业现状的调研、总结、分析及研究,结合自动化元件配品的实际特征,给出了自动化元件配品的解决方案。对自动化元件配品库存管理的业务流程进行论述,对元件配品的申报流程进行了优化。利用重新建立了自动化备件库存管理相关的机构组织,对最典型的服务水平的需求,将人员和库存补货模型进行改进。结合自动化元件配品需求预测的方法上存在诸多不合理,只是利用人为进行预测,根据预测需求作为矿山自动化元件配品管理问题,选择BP神经网络方法预测元件配品需求量,对神经网络变量的筛选,建立神经网络模型,对数据进行归一化及避免陷入局部最小化处理,确定神经网络参数,并对网络进行训练,对预测偏差率分析,最终偏差率降低为20%以下,达到预测目标。自动化元件配品的特点建立不同的库存控制策略,通过库存管理信息系统总体设计、网络拓扑设计、数据库设计、详细功能设计,把神经网络预测的需求结果结合不同的库存控制策略,应用到库存管理信息系统中,使自动化元件配品库存结果优化,缺货次数降低55次。分析自动化元件配品与自动化系统检修维护服务是混合供应链中的库存管理特点,通过对元件检修事件模型的建立,参数的确定,对服从损坏规律的自动化元件配品,自动化元件配品库存管理流程再造后库存管理系统的服务水平进行ARENA建模及仿真。测试过程中解决了导致的自动化元件配品局部最优解的情况,加快了收敛速度,解决了自动化元件配品需求量采样数不足导致的情况。