对于钢铁企业而言，它的特点是资金密集、投入产出大，其生产系统设备所占资产通常是固定资产的一半上。所以保障生产系统正常的运行以及维修工作是十分必要的。保障生产系统工作中很重要的一个方面就是备件的管理。因此，如何才能做到生产系统备件的合理科学的管理是钢铁企业面临的一个重要的课题。本文就钢铁行业生产系统备件的分类与需求预测进行了探讨。一方面，针对钢铁企业生产系统备件分类常用方法——ABC分类法的缺陷与不足，提出了一种基于BP神经网络多标准的备件ABC分类方法。与传统ABC分类法不同之处是导入了FEMA的理念，建立了以关键性、易得性、经济性为主的备件评价体系，使用BP神经网络算法对钢铁企业生产系统备件进行分类。另一方面，为了提高钢铁企业生产系统备件需求预测的准确性，降低备件供应的盲目性，本文建立了基于BP-MC模型的备件需求预测方法。首先针对钢铁企业生产系统的关键备件——轧辊的特点，分析影响轧辊需求的影响因素；然后建立了根据企业的月计划产量、月故障时间以及前十二个月的需求历史数据，使用BP-MC模型对备件的需求进行预测。最后，将本文探讨的两种方法进行实证研究，结果表明：基于BP神经网络多标准的备件ABC分类方法与传统的ABC分类方法相比较，该方法可以全面客观的对备件进行分类；基于BP-MC模型的备件需求预测方法具有较高精确性和可靠性，也证明了该预测模型，在综合应用了BP神经网络和马尔可夫链方面，很好的将两个模型进行互补，充分挖掘了数据之间的波动规律。由此可见，本文针对钢铁行业生产系统备件的分类与需求预测的研究，有利于推动钢铁制造业备件供应管理理论与实践的发展，对现阶段我国钢铁制造业具有一定的现实指导意义。