随着科学管理方法的应用和推广,数据分析技术在企业质量管理中的作用得到了前所未有的发挥,ISO9000标准更是将它提到了基础地位加以强调.数据挖掘则是一种新兴的数据分析技术,正在许多行业中扮演着越来越重要的角色.虽然很多企业已应用统计技术来管理质量过程,但管理人员仍迫切需要一种更为强大的数据分析工具来帮助实现全面质量管理.数据挖掘技术的出现为质量管理人员提供了新的选择.如何将数据挖掘应用到企业质量管理中,成了摆在企业IT人员面前的新课题.本论文的目的就在于探讨如何利用数据挖掘技术来构建符合企业特点的质量数据挖掘模式,以及如何建立相应的数据挖掘应用系统.在众多的数据挖掘算法中,关联和聚类是两种重要的方法,它们在使用中不需训练,应用起来也较为灵活,因此对于企业用户而言,的确是简单实用的好方法.通过对企业质量管理需求的分析,发现这两种方法几乎可以覆盖到所有的质量领域,具有很高的应用价值.因此,可选择关联和聚类作为质量数据挖掘的基本方法.针对质量管理活动的需求和现状,本论文提出了3种数据挖掘模式以及一个相应的数据挖掘系统,目的在于衡量产品的质量水平,为质量管理活动提供信息支持.模式一是根据零件不合格强度序列对零件分类,模式二是找出在预定时间粒度中频繁出现关联不合格现象的零件组合,模式三则是要得出各质量过程不合格强度随时间变化的情况,以此描述过程网络总体不合格情况以及分属不同过程集的零件不合格现象间的因果关系.在为上述模式设计实现方案时,分析并解决了产品质量水平的概念定义及量化描述的问题、如何获取与之有关的数据的问题、利用关联和聚类实现分析目标的算法问题、以及相应的系统功能及界面设计、结论输出等问题.接下来还介绍了该数据挖掘系统的程序开发思路和方法,支撑系统的7大类函数和相关的数据结构,系统的结构设计和相关数据库的说明.值得一提的是,在数据挖掘主函数类中,除了与关联和聚类有关的函数,还增加了诸如概念归纳、决策树等功能函数,以此提高该系统的实用性.而报表部分的设计也是该系统的一大特色.另外,还简要介绍了系统的测试步骤和应用效果.本论文最后总结了3种数据挖掘模式,阐明了数据挖掘技术在质量管理领域的应用价值以及发展前景.