随着物流信息化程度的不断提高,物流仓储管理系统在物流企业中得到了广泛应用,仓储管理系统作为物流各个环节的接合部分在入库管理、出库管理、在库管理、商品盘点等业务中随机产生了大量的业务数据。这些大量的数据中暗藏着很多对企业有用的价值信息,但由于缺乏对这些数据的全面分析与应用使得其很难为用户所直接使用,通过数据挖掘我们就可以从大量的出库数据信息中获取所需的知识。本课题针对鸿运物流仓储管理系统中的大量的数据无法被用户直接使用从而为企业提供有用的价值信息的问题,提出了用相关的数据挖掘技术对出库表中的大量数据信息进行关联规则发现,进而对入库操作时的商品储位进行合理安排以提高仓储效率。本文通过对物流仓储管理系统中出库信息表中数据进行一系列的数据处理与转换,形成目标数据库,并通过java代码将其转换为DAT文件,通过自行开发的基于FP-growth算法的java程序对DAT文件中的数据进行处理、构建并输出了相应的频繁1项集、FP树、条件模式库、条件FP树和频繁模式列表等对象并成功挖掘出了出库商品类别之间的关系并形成频繁模式,进而得出企业入库时的商品储位安排策略。