进入21世纪以来，企业的竞争不再是单个企业之间的竞争，已经逐渐发展成为供应链与供应链之间的竞争，供应链管理也就应运而生，供应链管理的核心部分库存管理必然成为研究热点。随着供应链环境下不确定的增加，企业应对不确定性压力也就加大。怎样在不确定的环境下保持较低的库存成本，较高的客户服务水平？这是每个制造企业都关注的问题。基于此，本论文以研究库存管理为目的，对库存管理中最小实际库存和库存管理绩效评价展开相应的分析和研究。 本文首先从供应链不确定性出发，研究在不确定环境下如何有效管理库存。接着以某文具制造企业原材料纸张的最小实际库存为研究对象，根据25个月仓库中实测的最小实际库存的相关历史数据，训练BP神经网络，确定网络的模型。然后用此模型预测某月的最小实际库存，为企业提供库存信息参考，并据此与计划安全库存对比来重新调整安全库存值。论文中根据某文具制造企业的实际数据详细地介绍了BP神经网络的理论方法和实证研究过程。实证研究的结果证明了BP神经网络预测最小库存值的有效性和可操作性。 论文在供应链库存管理相关理论研究和实践需求的基础上，分析库存管理绩效评价指标体系的特点和构建原则，进而建立了供应链库存管理绩效评价指标体系。运用三角模糊层次分析法确定相关指标权重，把定性的分析过程转化为定量的分析结果，并将问卷调查的实际数据应用到评价体系当中，对企业所处的供应链进行库存管理绩效评价。通过对三条供应链的实证研究，验证了该体系的科学性和合理性。 本文创新点在于：第一，总结了供应链环境下不确定性产生的来源和原因，并初步提出了应对策略和措施；第二，利用BP神经网络的相关原理建立模型对供应链中的核心企业某文具制造企业最小实际库存作了预测，为重新调整该企业的安全库存值提高参考和分析依据；第三，建立库存管理绩效评价体系，运用三角模糊层次分析法确定相关指标权重，对供应链中的三个节点企业进行了库存管理绩效评价实证研究。