二十一世纪是质量的世纪,质量竞争将成为市场竞争的主旋律。如何加强质量管理,提升产品的质量层次,提高企业的经济效益,已经成为摆在企业面前的首要问题。全面质量管理的基本思想之一就是,一切用数据说话。随着企业信息化工程的不断推进,数据库技术的迅速发展以及数据库管理系统的广泛应用,企业中积累的质量数据迅猛增加。此时人们希望能够利用这些数据进行深层的分析,来辅助企业进行管理和决策,而传统的统计分析方法已经无法满足人们的要求,人们迫切需要新的工具来完成这项任务。数据挖掘就是从大量的的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的技术。数据挖掘作为一种新的决策支持技术,从人工智能领域的机器学习发展而来,既是信息科学的前沿课题,也是一个融合了多个研究领域的理论和实践问题的技术。与其他领域的技术相比,数据挖掘为发现数据之间潜在的联系提供了一种有效的机制。在国际上,数据挖掘等商业智能技术主要应用于分析型客户关系管理系统和生物数据挖掘等海量数据领域。在国内生产管理方面,数据挖掘技术的应用取得了可喜进展,如宝钢结合质量分析,应用数据挖掘技术,实现质量问题的诊断,进入了把商业智能技术应用到生产实际的新阶段。数据挖掘应用于烟草行业质量管理方面的研究很少,本文对数据挖掘应用于烟草质量管理进行了研究和探讨,运用关联规则和聚类分析进行分析,得出了一些有用的结论,为以后的生产和管理提供了依据。实践证明,关联规则和聚类分析能很好的对质量问题进行预测分析,为企业提供质量方面的决策支持,提高产品的质量,降低生产过程中的质量成本,从而提升企业的核心竞争力。本文首先介绍了烟草质量管理的重要性和现状,在分析现有方法局限性的基础上引出了数据挖掘方法,其中重点介绍了关联规则和聚类分析方法。针对Apriori算法产生大量候选集,扫描数据库次数多的缺点,提出了FP-growth算法。然后运用FP-growth算法和聚类分析对质量反馈、卷烟感官评价和烟丝化学成分方面进行了挖掘,并用JSP技术建立了B/S结构的质量管理信息系统,包括数据挖掘子模块。最后对本文的工作进行了总结,对未来的工作进行了展望。