产品生命周期管理是一种先进的企业信息化思想，它能够把过去和现在的那些行之有效的技术、系统、流程、实施方法论和企业智力资产进行继承与集成，在正确的企业战略思想和商业原则指导下，将其提升为符合企业实际情况的解决方案，让企业信息化变得更加现实和更容易实施。然而，现实系统复杂的不确定性和时变性使得对产品生命周期的预测精度受到很大的限制，目前尚无成熟、系统的适用于非线性时变系统的理论。近年来新兴的人工神经网络方法由于具有很强的非线性逼进能力和自学习、自适应等特性，在模式识别、系统辨识、智能控制、图像处理、故障诊断等领域得到了广泛的应用，而且，其智能化分析的特性适于对未来做出预测和评价，从而给解决这类问题提供了新的思想和方法。它的原理是采用误差反传的特性解决隐含层引入以后的学习问题，即采用梯度下降法使权值的改变总是朝着误差小的方向改进，最终达到最小误差。理论证明，利用人工神经网络算法可以对产品生命周期的状态进行系统、智能的预测。基于此认识，本文对该类问题进行了较为系统深入的分析研究。 虽然人工神经网络方法具有很多优点，但也存在语义功能差，知识的获取过程和推理过程有黑箱性，难以约简输入的冗余数据等缺点。粗糙集理论是一种研究不精确数据的分析、推理，挖掘数据间的关系，发现隐含的知识，揭示潜在规律的行之有效的方法，在数据挖掘等领域得到了广泛的应用。本文分析论述了人工神经网络算法的工作原理，采用多层前馈神经网络对产品生命周期进行预测。本文的主要工作有：(1)在神经网络的误差函数中引入加权系数，弱化前期学习样本，强化近期学习样本；(2)针对人工神经网络算法的缺点，引入粗糙集理论对ANN的输入端进行置前的数据处理，明朗化数据的获取过程，并对输入的冗余数据进行属性约简，构建了RSANN算法的预测模型。对产品生命周期预测的计算实例表明，这种新算法的精确度得到了显著提高，同时也为其他类似的问题提供了一些参考。显然，本文的研究具有明显的理论意义与实际意义。