近年来，人们希望有新的技术和工具对大量数据进行强有力的分析，从中提取出有价值的信息，为决策者提供必要的支持。由此，数据挖掘技术应运而生。许多企业实施了ERP系统，完成了企业业务管理的功能，并形成了准确、及时、完整的基础数据。然而，决策中最重要问题是如何获取更高层次的知识，来把握企业整体运作和决定企业未来的战略发展，这就需要可靠的决策支持系统，而数据挖掘技术就成为实现决策支持系统的最佳途径。 本文在现有ERF，系统的基础上，以ERP中的采购管理为例，构建一个可以集成在ERP系统中并与数据库和数据仓库系统紧耦合的ERP智能决策模型一DMSPM系统。该系统可以进行自动和交互探查的挖掘方式，以多种方式将挖掘结果智能地提供给决策者，从而得到一个更为完善的ERP系统。 论文对DMSPM系统进行了详细的研究和设计。首先阐述了DMSPM系统的设计目标，给出了它的组成结构和处理流程，并对其进行整体的描述。然后，再详细阐述DMSPM各个组成部分的内容。首先是对数据仓库的构建过程进行了详细的设计，并在此基础上建立OLAP模型。随后，在挖掘引擎部分将改进的Apriori算法和ID3算法封装到不同的类中，让计算模型和工具分离，形成一个模型求解的工具箱，并可以根据任务引擎的要求选择不同的工具来完成挖掘任务。改进的Apriori算法是针对时态关联规则中存在的问题进行研究的，可以挖掘出单个或不同时间区间上的关联规则以及跨时间区间和跨事务的关联规则。改进的ID3算法是针对ID3算法中的测试属性的选择问题，通过设置测试属性的权值来调整每个属性的信息增益值，以得到真正应优先考虑的属性。另外，还提出了用PMML模型来保存数据挖掘模型，并设计了关联规则和分类规则的PMML模型。在任务引擎中，采用类SQL语言MDL对挖掘任务进行描述。在知识库和推理评估模块里，对知识库的概念和组成进行详细描述，并提出了供应商评估的算法和制定采购计划的算法。最后，在人机界面部分，对决策管理、知识管理、挖掘管理以及ERP集成接口等进行了描述。 总而言之，论文在最新的ERP和数据挖掘的研究成果的基础上，从体系结构、功能模块、算法模型以及相关的关键技术等方面研究基于数据挖掘技术的ERP智能决策模型，并加以应用，将数据挖掘真正融合到ERP系统中，为决策者提供可靠有效的决策支持。