面对着极度膨胀的数据信息量，人们受到“信息爆炸”的巨大压力的同时又陷入了“知识缺乏”的极度恐慌。数据挖掘技术应运而生，成了商家和企业手中提高销售和生产效率，降低成本，取得最大的商业效益的强有力的手段。 数据挖掘技术在众多领域都得到了应用。 机械制造业的信息化过程方兴未艾，企业信息化即挖掘先进的管理理念，应用先进的计算机网络技术去整合企业现有的生产、经营、设计、制造、管理，及时地为企业的“三层决策”系统(战术层、战略层、决策层)提供准确而有效的数据信息，以便对需求做出迅速的反应，其本质是加强企业的“核心竞争力”。制造企业靠企业资源计划管理（ERP）来完成其信息化，而采购则是供应链物流管理（CRM）。销售的信息化，就不能不谈客户关系管理（SCM）。随着ERP系统从管理执行层向管理决策层的渗透，新一代ERP将通过集成数据仓库、数据挖掘和联机分析处理OLAP、商务智能、决策支持等加强其对企业知识的管理功能，把企业高层领导从规模庞大、“事无巨细”的数据中解脱出来，构成集综合查询、报表和OLAP为一体的智能决策信息系统，帮助企业家进行宏观决策和经营策略。数据挖掘在ERP的各个方面都得到了应用。许多数据挖掘方法在机械制造业上都能有很好的应用。作者讨论以下几种在机械制造业上常用的数据挖掘方法:统计分析方法，关联规则方法，序列模式方法，聚类方法，分类方法，并着重讨论关联规则方法用于机械制造业外购件供应系统上的挖掘。关联规则方法在数据挖掘领域被广泛应用，它主要用于发现有用的模式，典型的例子就是购物篮分析。将关联规则应用于外购件供应系统挖掘的关键在于如何构造购物篮。每一个通知单事务代表了一次采购行为，分析通知单事务，并结合企业实际，经过数据清理，我们可以获得一个事务集合，从而构造购物篮。Apriori算法是一种著名的关联规则挖掘算法，本文讨论了该算法及其实现，并将其应用到一个典型的外购件供应事务集合。