在制造企业中,采购管理是企业成本管理的重中之重。制定合理的采购方案,能够有效的实现库存管理和采购管理,对企业的生产经营有着重要的现实意义。采购周期优化是采购优化的重点,随着市场竞争由成本竞争转向时间竞争,快速反应成为供应链管理的焦点,基于时间的竞争要求不断地缩短采购周期以获得竞争优势。采购周期的优化是通过压缩采购各阶段时间、降低采购占用资金和库存成本来实现。本文首先分析了影响采购周期的因素,包括采购资金、需求量、原料消耗量、订单传输处理时间、供应商制造备货时间、运输交货时间和检验入库时间；其次研究BP神经网络和粒子群算法这两种算法的基本原理以及优缺点和常用的改进方法,并基于制造业采购过程的特点结合改进后的粒子群算法优化神经网络结构和参数值；最后根据改进后算法建立模型,实现采购周期优化。本文的主要内容如下：1.采用结合粒子群中粒子适应度值的惯性权重线性递减和动态调节学习因子的方式来平衡粒子群算法的全局和局部搜索能力,以提高算法精度和收敛速度。2.将改进后的粒子群算法用于BP神经网络结构确定和参数优化。在进行第一次优化时,确定最佳隐含层节点个数和学习率,第二次优化时确定网络的最优阈值和权值。3.通过制造企业历史数据进行分析,确定采购周期的影响因素。选取样本,基于改进后的算法对样本数据进行学习并在不断的训练中构建采购周期优化模型,并通过实验证明模型的可用性。4.设计实现针对铝电解企业的采购周期优化系统。该系统实现了物资分类、原料库存分析和出入库分析、安全库存估算、采购物资追踪和采购周期预测。