在市场经济中,成本和效率是一个企业能够生存壮大的关键。对于制造型企业而言,备件是企业生产所需要的重要物资,备件库存有利于维持企业的正常运行,促进生产过程的连续性,减少企业因备件短缺而造成的损失。备件管理应该做到把备件供应不及时所造成的损失减少到最低限度,同时把备件库存储备资金压缩到合理供应的最低水平。本文研究了模具制造企业的生产特征及备件、备件管理特征,结合某模具制造企业现状说明了传统ABc分类法在其备件库存管理中的局限性,分析了这种局限性产生的原因,借此提出了一种适合模具制造企业现状的备件库存ABCD分类模型,该模型把影响备件库存的六个重要因素作为分类指标,以A类、B类、C类、D类作为四种分类类别,同时给出了相应的库存管理策略。结合BP神经网络的优点求解备件库存ABCD分类模型,提取样本数据集,借助MATLAB软件仿真设计,通过大量网络训练,初步建立基于BP神经网络的备件库存ABCD分类模型。针对BP神经网络训练过程中出现的收敛慢、学习效率低、易陷入局部最小值的不足,引用遗传算法对BP神经网络算法进行优化改进,弥补神经网络的不足,取长补短,建立了基于遗传算法的BP神经网络备件库存ABCD分类模型,最后进行精度测试,通过精度比较,得出基于遗传算法的BP神经网络备件分类模型的优异性。以某模具制造企业的实际数据为依托,引入现有库存量作为判断条件,实例运算、对比验证了基于遗传算法的BP神经网络备件库存ABCD分类模型的合理性。最后,对本论文进行了总结,对模具制造企业备件库存管理的发展做出展望。