最近几年我国的汽车销售量有所下降,从而直接影响到发动机供应商的发动机销售数量下降,但是我国汽车保有量的基数大,相应的我国的发动机保有量基数也非常大。因此以维修保养为主要服务的汽车售后市场拥有巨大的盈利空间,并且发动机售后市场空间也非常大。作为售后配件供应的发动机供应商也非常希望自己能够在售后市场上扩大占有量,更准确的掌握配件销售情况,采用更科学有效的模型来预测配件需求量,加强与其他企业的协同合作,减少配件生产成本,从而产生更大的利润。基于以上需求,首先论文对基于多价值链协同服务云平台的配件供应模式进行了描述,并且分析了发动机供应商存在哪些主要的问题与需求。然后根据发动机供应商现行的问题与需求,基于多价值链协同服务云平台,给出面向发动机供应商的数据服务的总体解决方案,介绍了数据服务系统的数据来源以及系统的数据服务方法。接下来,就对数据服务系统的功能需求和总体体系架构进行了分析与设计,并且对系统功能和服务流程进行了描述。本文的算法是为了针对在发动机供应商在生产备货中,需要预测发动机售后配件的需求量而设计的。模型使用的数据是来源于汽车产业多价值链数据空间中真实的发动机供应商配件销售数据,配件故障数据和配件库存数据,并使用这些数据对预测模型的效果进行了验证。模型的结构主要是在长短期记忆人工神经网络的基础上加入注意力机制,根据与对照组的实验,模型的效果有所提升,误差更小。然后根据预测的结果预计其他数据的分析报告来对配件生产备货进行指导。本文主要的研究目的就是全面统计分析多价值链协同服务云平台海量数据,从中挖掘出对企业有价值的信息,然后给发动机供应商提供数据服务,从而提升发动机供应商的配件供应效率和售后市场竞争力。最后,使用VS2013开发工具和C#开发语言,并且使用.NET框架对发动机供应商数据服务系统进行实现,为了能对数据统计结果能更好的展示,前端采用了Easy UI框架与Echarts图表工具。