如何提高钢铁产品质量和有效控制产品生产周期是钢铁企业在激烈的市场竞争中面临的两大难题。前者可通过操作优化、过程控制等手段完善生产工艺；后者则需要对产品的生产周期进行有效地预测判断。两者相辅相成,分别从“质”和“量”的角度提升企业效益,提高竞争力。炼钢是钢铁生产中的一道重要工序。在转炉炼钢过程中,碳与温度的走势直接反应了转炉内的冶炼状态,决定着氧气与其他辅料的加入策略,影响着出钢质量。因此,预测炼钢过程中钢水温度和碳含量对提高炼钢产品质量至关重要。另一方面,钢铁企业的生产计划都是围绕产品合同和生产能力展开,合同生产周期的管理是钢铁生产管理中非常重要的一项任务。预测合同完成时间有助于从整体上把握合同进程,指导生产计划的排制和调整。本文利用数据解析方法,通过建立企业实际生产数据的解析模型,分别针对炼钢过程中钢水温度和碳含量以及产品合同生产周期的预测问题进行了解析研究。主要内容包括以下几个部分：(1)以钢铁企业转炉炼钢为背景,研究钢水温度与碳含量的预测问题。针对该问题,设计了基于改进粒子群算法的最小二乘支持向量机方法,并分别建立钢水温度和碳含量的预测模型。建模过程中,采用多阶段建模方法,实现对整个过程的动态预测。对于实际数据采集不细致的问题,采用插值算法对数据进行预处理。最后通过实际数据进行多组实验,验证了该方法的有效性及多阶段动态建模的准确性。(2)以钢铁企业生产周期管理为背景,研究合同完成时间预测问题。钢厂合同类型多,生产工序多且杂,产生了大量的合同数据信息。如何根据合同类型和特征,对合同完成时间进行快速准确的预测是本文研究重点。针对该问题,建立了基于粒子群算法的最小二乘支持向量机预测模型,利用历史数据进行解析模型训练,并用实际生产数据进行实验分析,验证了模型的有效性。(3)以某钢厂的实际合同管理为背景,设计开发了钢铁合同管理子系统,对合同完成时间进行预测并对当前各类合同完成情况进行统计。系统不仅实现了对生产过程中合同数据的监控和分析功能,还与KPI绩效管理系统兼容,将合同管理指标作为员工个人的绩效评价指标,实现绩效考评的功能。