目前现有的模糊Petri网模型种类不能完全满足日益发展变化的产品生产管理各方面的应用要求，而且模型的建立往往为针对某一个具体的产品的生产管理过程加以实现，对于同类的或者相近的产品，缺乏利用其相似性进行快速建模的方法。针对这种情况，本文提出了若干个经过扩展的模糊Petri网模型，并将其与善于进行知识处理和应用的知识化制造相结合以强化其快速建模能力或知识表示能力，再利用这些扩展模型对产品生产管理的部分预测和决策问题进行了分析和研究。文中，首先对知识化制造环境下利用自学习模糊Petri网(SFPN)实现采购预测进行了研究，其次解决了基于生命周期阶段匹配的知识化制造系统SFPN模型的产品促销决策问题，然后对模糊数Petri网(FNPN)和拆卸难度可能度基础上的简单机电产品拆卸序列优化决策进行了分析研究，最后研究了基于多属性模糊Petri网(AFPN)的知识化制造系统产品需求预测方法。　　 具体说来，主要在如下几个方面进行了研究：　　 1．提出了一种知识化制造环境下的自学习模糊Petri网模型，给出了其参数计算方法，建立了自学习模糊Petri网模型知识库，并将网络架构和产品类别作为其模型建立和更新判断指标。通过构造SFPN模型的知识化制造知识库，建立并保存原有产品的SFPN模型，在开发后续产品或者进行新的决策时调出并进行修正后作为后续产品模型，通过较短时间和少量样本的自学习训练，就可以快速建立后续产品的SFPN模型并用于预测或决策。最后利用采购预测实例验证了其有效性。　　 2．利用原有产品及其现有产品的相似性，提出了一种确定产品所处生命周期阶段的匹配方法。建立了双匹配函数进行数据计算匹配，在此基础上，通过利用匹配算法提取现有产品的生命周期特征，与存储于知识化制造系统知识库的原有产品生命周期数据知识进行匹配，匹配后的数据可用于从知识化制造系统知识库中获取适合现有产品的生产与营销决策，最后采用SFPN方法并以产品促销决策为例验证了其有效性。　　 3．针对结构简单机电产品拆卸序列的寻优问题，提出了一种模糊数Petri网模型基础上的产品拆卸序列排序的难度可能度决策方法。首先，将善于表达模糊或界限不确定目标的三角模糊数与便于建模的Petri网相结合，建立三角模糊数Petri网。其次，以拆卸难度作为结构简单机电产品拆卸序列评价指标，选取三相异步电动机作为实例，在建立三相异步电动机拆卸序列的三角模糊数Petri网模型的基础上，利用拆卸难度可能度方法，实现了对三项异步电动机拆卸序列的难度优选排序决策，选择难度最小的拆卸序列进行拆卸，以提高拆卸效率。　　 4．为强化模糊Petri网的知识表示能力，提出了一种多属性模糊Petri网(AFPN)，即在模糊Petri网的基础上，为每个库所及权值赋予与实际系统相对应的多个属性，以简单模型结构完成具有多个属性的系统的建模。利用知识化制造系统的知识库，对多属性模糊Petri网进行属性分解、属性合并以及训练更新，并对不规则模型进行规则化，可以在原有产品的AFPN模型基础上简单快速建立后续产品的AFPN新模型。在产品需求预测的实例中，采用原材料和产品的各需求相关因素建立产品的需求预测AFPN，实现了产品需求的快速预测。