【摘要】传统的备件分类方法存在主观性强，补偿性差的问题，且在分类完成后缺少持续更新的能力。本文首先考虑备件的经济、供给和重要性三个方面建立了备件分类指标体系，并结合否定规则改进聚类算法，解决多指标的补偿性问题。其次，提出一种改进粒子群优化BP神经网络的备件分类模型，对新入库备件分类有持续更新能力。最后，结合S公司的备件数据，利用改进的算法对备件进行分类和更新。结果表明所提出的改进聚类算法更符合实际需求，且所提出的BP神经网络平均准确率为96.77%，优于其他传统的算法，可为企业的备件分类管理提供有力的支持。