随着服装款式的增多和人们对于服装质量要求的提高,迫使服装企业对质量的预防和控制力度大幅提升,传统的人工管理缺乏效率且无法保证产品的质量。生产跟踪系统作为服装企业信息管理系统中一个极为重要的组成部分,存储了大量的服装质量问题相关数据。有必要充分利用这些数据,发展一种方便、快捷、准确的服装质量预测方法,使企业决策人员提前预测服装质量问题,从而提高企业的产品品质和生产效率。服装质量问题预测是对不精确信息的处理,而粗糙集理论作为一种研究不精确、不确定信息的方法,适应范围广泛。本文结合数据挖掘技术,并运用粗糙集理论,开发了基于数据挖掘的服装质量预测系统,所做的研究工作如下:(1)建立服装质量预测模型。该模型用于生成质量问题规则,同时得到质量问题与加工工序的对应规则,并结合服装生产的特点,参照粗糙集理论进行数据挖掘,依据生产跟踪系统中的质量问题数据建立决策表,采用条件组合补齐方法对决策表进行补齐操作。其中,采用Naive Scaler算法对样本数据进行离散化,运用Johnson’s算法对条件属性进行属性约简。(2)设计知识库。结合服装生产的特点,采用前向推理的方式进行服装质量问题的预测。通过实际运用,对规则进行过滤,以保证知识库的实用性。(3)完成服装质量预测软件系统的设计,实现从收集数据到预测质量再到解决问题的一系列操作。通过服装企业质检部人员的指导,建立专家知识库。对知识库中信息进行存取操作,实现了专家系统,从而可以对预测结果进行分析,并提出解决方案,从而提高服装企业的生产效率。