近年来,随着钢铁工业的竞争的加剧,降低能耗,提高产量和质量成为球团厂生存和发展的必由之路。在球团生产自动化系统中,调度数据库服务器中就保留了大量的生产数据,合理有效地运用这些生产数据可以优化调度提高效益。本论文的任务就是利用现有的生产数据实现熟球产量的预测与合理得生产计划,在保证产量的前提下节约原料。本文首先分析了流程工业生产调度的特点和现存问题,回顾了生产调度研究的发展和现状,在此基础上结合球团厂现有生产调度的缺陷和生产数据的特点,并根据球团工艺,通过聚类统计和相关性分析提出了数据挖掘的对象即产量与原料用量和质量间的关系。随后,考虑到单纯的产量并不体现实际的生产状况,提出创建产量与质量相结合的综合产量属性作为预测目标。而通过对球团厂长期的产品综合质量的评估,得出产品质量稳定的结论,避免了创建新属性。然后利用模糊神经网络挖掘产量预测模型,给出产量与原料质量和用量之间的对应关系模型,实现了熟球产量的预测,并在此基础上,改变网络输入输出,得出生产计划模型,根据一定的计划产量合理安排各原料用量。本文针对大冶球团厂生产数据的特点在众多挖掘技术中选择了统计类数据挖掘技术,采用回归和最小二乘法给出产量与原料用量的线性关系。在分析了该线性模型的不足的基础上,利用决策树挖掘技术,加入了原料质量指标中对产量影响相对较大的属性,完善了产量预测挖掘模型。在无法确定模型中属性的非线性关系的情况下,引入神经网络技术,利用反向传播神经网络的学习能力来训练模型。在最终的模型表达中运用模糊理论,避免了神经网络的过度拟合和不稳定性,加强了模型的适应性和可靠性。