钢结构作为重要的装配式建筑,因其自重较轻,承载能力强、施工简便等优势,广泛应用于大型厂房、场馆、超高层等领域,北京奥运会场馆鸟巢与大兴机场就是典型的钢结构代表。由于行业的特殊性,钢结构原材料单价高,消耗量大,占用着企业大量的资金;同时,钢结构原材料种类庞杂,在管理中往往主次难分;此外,大多数企业未能精准把握需求用量,导致原材料库存呆滞与短缺同时存在,大大减缓了企业的运行效率。本文以JA钢结构公司为例,全方位剖析其原材料库存管理存在的问题,并以问题为导向开展了库存管理优化的相关研究,旨在帮助JA公司提升库存管理水平,减轻经营负担,释放发展潜力,同时也为相关领域的研究提供一些思路。具体的研究工作有以下几方面:（1）对JA公司库存管理现状进行深入分析。从公司组织架构、经营指标、实际管理三方面着手深入了解其原材料库存的管理情况,发现管理中的诸多问题,如:对库存管理缺乏重视;原材料库存种类多,资金占用大,缺乏针对性;此外,原材料的采购存在盲目性,严重影响正常生产。（2）针对JA公司原材料库存资金占用大,主次难分的问题,本文提出了一种基于联合赋权的库存重要性评估方式。首先,全面选取原材料重要性的评估指标形成初始集,通过基于邻域保持学习的指标评估方法对初始集进行优选;其次,利用AHP和CRITIC方法对原材料重要性进行评估,兼顾主观和客观因素;最后,采用离差最大化方法将两种权重有机融合,根据融合权重值的大小实现原材料重要性的量化,确定关键原材料进行优化管理。实验结果表明,本文所提出的评估方法能够科学全面的反映不同原材料的重要性程度,并在实际生产中得到了验证。（3）针对JA公司原材料采购盲目,缺乏依据的问题,本文选用双向长短期记忆神经网络（Bi-LSTM）模型对关键原材料需求量进行预测。相较于传统时间序列预测结果滞后与浅层机器学习特征提取不足的弊端,本文选取的Bi-LSTM预测模型能够全面考虑多因素对未来需求的影响;同时,其因双向的数据学习训练机制,使得数据特征提取更加全面与充分,大大提升了预测的精度。此外,本文通过实验对比了不同神经网络预测模型的误差数据以及拟合优度指标,结果显示Bi-LSTM误差最小,拟合优度最佳,能够满足企业生产的需求预测。（4）库存优化建议。首先,JA公司应完善组织架构,提升采购部门的决策能力;其次,JA公司应积极采用联合赋权的评估方式开展原材料重要性评估,明确原材料重要程度;再次,加强预测体系的建设,利用Bi-LSTM模型对关键原材料开展定量预测;最后,要完善原材料管理体系,针对不同重要性的原材料实施不同管理策略,在疫情的大背景下还应积极开拓备用供应渠道,尝试行业联合采购模式。