汽车行业经过130年的发展,已经变成一个竞争非常激烈的行业。汽车企业为了缩短产品上市时间、降低产品成本,必须和供应商建立关系密切的战略合作伙伴关系,实现双赢。在这种背景下,战略供应商选择和采购决策显得非常重要。而战略供应商选择是一件费时费力,且成本较高的工作,如何能在科学评价的同时降低管理成本提高工作效率是供应商决策管理中的一个新的课题,也是本文研究的主要内容。本文首先介绍了供应商管理的重要性,并用戴明环介绍了供应商和采购管理的流程中的六个步骤。这六个步骤环环相扣,周而复始,构成了供应商管理和采购管理的主要内容。第一步企业需要寻找潜在供应商,接着评估分析潜在供应商,如果通过初步评估,供应商则会被邀请参与采购竞标。供应商采购经过多轮报价谈判后,最后中标的供应商将获得采购合同,成为企业的正式供应商,其中对于重要零部件或核心技术供应商,企业与之签订战略合作伙伴关系。为了确保供应商的供货质量,企业采购部会跟踪采购订单,执行供应商质量管理,并通过供应商考核对供应商进行优胜劣汰,优秀的供应商会保留下来,淘汰的供应商将会被新的潜在供应商替代。为了更加科学快捷的选择战略供应商,本文引入了基于案例推理及BP神经网络理论,并建立了基于案例推理的供应商选择模型及基于BP神经网络的供应商综合评价体系。基于案例推理的供应商选择模型包括了案例的学习、存储、推理、匹配、重用和修正等。在采购过程中需要选择供应商时,首先会从案例库中检索匹配合最适的供应商,如果匹配成功则直接重用匹配度最高的指定数量的供应商,如果匹配不成功则需要修改案例重新匹配。其中案例匹配使用了BP神经网络算法,并通过供应商综合评价体系加以实现。本文搭建的BP神经网络模型为典型的三层结构,输入层有9个神经元,隐含层有5个神经元的模型,并通过MATLAB构建了BP神经网络。在训练算法方面,经过比较,选用了收敛快、精度较高的Levenberg-Marquart算法,最终通过20次训练就达到了网络收敛,效果较好。采购决策是企业采购活动中最重要的活动之一,它关系到企业的核心利益,因此本文从采购物料成本、管理成本及存储成本三个方面分析了采购的成本及控制方法,最后以决策树的方式帮助企业分析并做出最后的采购决策。