随着信息化技术的飞速发展,FPDM(Product Data Management,产品数据管理)系统在企业得到广泛应用,积累了大量数据。这些庞大的数据中隐藏的知识没有得到充分利用,即多数企业呈现的“数据丰富,知识贫乏”的现状。数据挖掘技术可以从企业积累的大量数据中发现隐藏的有价值的信息或知识。因此将数据挖掘技术应用到PDM系统中具有重要意义。本文主要是基于数据挖掘的方法对PDM系统中的数据展开研究,主要内容包含以下几个方面:首先,分别从数据来源和数据类型的角度对PDM系统的数据进行了分析。从数据来源角度对数据进行分析,为明确数据挖掘的目的做准备;从数据类型角度对数据进行分析,为数据挖掘的预处理及方法的选择做准备。其次,基于PDM系统中的五大类数据,构建了面向PDM的数据挖掘体系模型,包括数据层、方法层、知识层和应用层。数据层主要对结构化数据、半结构化数据和非结构化数据的预处理方法进行了讨论,为数据挖掘做准备;方法层首先提出基于生命周期的数据挖掘策略,然后分析选用关联分析、聚类分析、序列模式分析以及预测分析四种数据挖掘方法;知识层分析了知识的表达与知识的分类管理;应用层分析了各类知识的可能应用场景。最后,基于数据挖掘体系模型对产品设计数据和产品加工数据进行了数据分析和数据挖掘。针对产品设计数据,以电动机为例,采用Apriori算法对其设计知识库中设计参数要求与电动机型号之间进行了关联关系分析。针对产品加工数据,采用 Weka(Waikato Environment for Knowledge Ana l ysis,是怀卡托智能分析环境)数据挖掘平台对切削三要素、振动量与粗糙度之间的关系进行分析,并对几种不同算法进行了对比分析。