随着中美贸易战的愈演愈烈,国际贸易摩擦的日渐增多,再加之国际疫情的影响,企业面临的生存和竞争压力空前巨大。怎样在如此激烈的环境中吸引客户的注意成了企业的生存之道。如今客户对产品的需求不再千篇一律,而是更加的个性化,同时客户也在追求越来越迅速的企业响应速度。因此,各种可以快速满足客户个性化需求的先进生产技术和管理理念纷纷被提出,其中按订单装配（ATO）生产模式受到越来越多装配型企业的青睐。在ATO生产模式下,企业收到订单之后,按订单要求,将提前采购入库的物料装配成完整的产品,最后将按要求生产的产品交付给客户。所以,物料的合理采购是按订单装配模式实行的关键因素。本论文从S公司的实际生产管理需要出发,结合其产品特点,着眼于S公司的采购优化管理,将相关供应链采购管理的研究成果应用到实际环境中,研究了按订单装配生产模式下物料的采购问题。本文的主要研究内容如下:（1）明确按订单装配生产模式的生产运作特点,企业零部件的需求量取决于客户的订单量,可以根据订单预测的结果结合物料清单汇总出零部件的预测量。基于此考虑,构建了ATO模式下产品订单的NRA神经网络时间序列预测模型,利用S公司的历史订单数据对模型进行训练,通过精度达标的模型对所需未来时间段的订单量进行预测,结合产品的物料清单得到该段时间内的零部件需求预测量。（2）构建零部件物料分类定位模型,利用Kraljic模型、层次分析法和帕累托法则对零部件进行分类定位研究,构建了静态零部件分类定位模型,再结合动态实际需求,在静态模型的基础上,设计了可以进行实时评价与调整的动态零部件分类定位模型框架。基于零部件的分类定位,以需求预测的结果为依据,考虑各类零部件的特征,制定了关键零部件的采购优化模型,结合优化模型的结果,为零部件制定了具有针对性的采购管理策略。（3）以S公司为研究对象,对提出的供应链采购优化方法的实用性进行了验证。通过以上优化措施,对S公司进行了改进和优化,比较优化方案实施前后的效果,发现该公司客户订单的延误率有所下降,较2018年降低了16.5%,证明了本文提出的工具具有实用性。