随着企业制造信息系统的逐渐推广应用，企业在发展过程中的业务数据越来越多，相应的问题随之逐渐暴露出来。企业以前面临的问题是管理上可参考的科学数据较少或数据的提供不够及时，而在企业采用了制造信息系统以后，企业数据随时间的增长而呈剧烈地增长。因此，除了常用的统计分析数据以外，大量的历史数据和知识被搁置起来，使得数据的维护变得越来越困难，数据的有效利用率越来越低，并且使得隐藏于大量数据中的潜在知识不能得到发现和利用。 关联规则算法是发现大量复杂数据中属性之间相互关系比较有效的算法，但是它也有其算法本身和运算结果向知识转化效率低的缺点，同时它在制造信息系统中仍然缺乏具体的应用，而将其运算结果如何转化为知识并实施有效的管理和应用则是在制造企业进一步应用关联规则算法的关键。本文利用多智能体理论，将知识发现过程划分为任务分发智能体、知识发现智能体和归类智能体，通过智能体的任务分布能力提高关联规则算法的效率，并将知识发现智能体与知识的管理和应用结合起来，从而实现企业制造知识发现与管理应用的整合。本文的研究目的旨在建立一套基于制造信息系统的知识综合分析应用系统，通过对企业大量历史数据的分析，将已经采用制造信息系统的企业内的有效数据充分利用起来，并从统计决策方面为企业的发展提供可靠的技术支持。 在根据以上理论开发的企业知识发现系统(EKES，Enterprise Knowledge Extraction System)中，本文充分利用企业计算机网中的计算资源，将知识发现任务进行分割并分发到客户端计算机中完成，然后综合知识发现结果，大大提高了知识发现的效率与准确度。同时，该系统将知识管理和应用环境与知识发现集成起来，实现系统数据发掘与使用的统一。由于系统数据是面向用户的，对于不同类型的企业或不同类型的制造数据环境，该系统具有一定的适应性；随着该系统应用和运行时间的增长，系统将会获取更多的企业柔性知识。 本文对所实现的企业知识发现系统进行了其关键功能和性能的模拟与测