随着近年来全球化市场的形成和全球范围内的环境意识的增强，我国工程机械制造业面临着来自国内和国外两方面资源节约和环境友好要求的压力，亟待发展再制造技术。本文以混凝土泵车ECC系统为研究对象，其所记录的泵车的运行状态和维护信息量大概20G/天，日积月累其所监测得到的是海量数据。而泵车ECC系统中所记录的海量数据是产品面向再制造设计、再制造零部件寿命预测和再制造产品质量保证的基础。本文通过数据挖掘技术对这些海量数据进行深入的分析，挖掘出有利于泵车再制造潜在有用的信息。首先，本文介绍了混凝土泵车ECC系统和数据挖掘的相关技术，确定了本文数据挖掘的目标及数据挖掘方法和流程。由于泵车ECC系统中所监测得到的数据比较凌乱，根据数据挖掘中概念层次的数据分类技术提出了泵车ECC系统中数据的概念层次树模型，在MicrosoftVisualStudio2010通过C++语言编程实现海量数据的分类管理、查询及数据处理，为开发对混凝土泵车各个零部件的信息管理软件系统做准备。其次，以确定泵车臂架历史常用工况为数据挖掘的目标，利用数据分类的结果在臂架系统这大类中选择泵车臂架历史工况数据集。由于混凝土泵车ECC系统中监测得到的数据往往存在着很多错误，比如属性值缺损、缺失数据、异常数据等；为了避免导致数据挖掘任务的失败，在数据挖掘任务前对数据集的缺失、离群点和极端值进行数据预处理。把预处理之后的高质量数据集通过K-Means聚类分析得到臂架的历史常用工况及每种工况占历史工况的比例系数，为泵车关键零部件(臂架、转台等)的剩余疲劳寿命预测提供依据。最后，介绍了混凝土泵车泵送液压系统的工作原理，并对主油缸、主油泵的故障机理进行了分析。综合考虑泵车ECC系统中所记录的泵送液压系统关键零部件的故障形式及表征泵送液压系统健康状态的压力、温度等作为相应零部件健康状态评估的指标，提出了泵送液压系统的故障层次模型。利用所建立的泵送液压系统的故障层次模型及专家意见构建判断矩阵；并对所构建的判断矩阵进行一致性检验，进而求出各评估指标相对于上一级指标的权值；最后通过模糊综合评判技术对各级指标进行模糊评判，以评估的结果作为相应泵送液压系统中关键零部件是否具有再制造性的依据，以指导混凝土泵车泵送液压关键零部件的再制造。