随着我国钢铁行业持续推进智能制造与两化融合建设,工业软件生产制造执行系统(MES)、产销系统(ERP)是支撑制造型企业实现智能制造的核心要素,多年来,在系统里积累存储了大量的生产经营活动相关数据,数据挖掘技术可应用这些海量数据为企业挖掘提炼隐藏其中有价值的信息,用“数据”说话,找到影响产品质量、成本的重要影响因素,从而达到优化工艺、减少缺陷、降低成本和提高产品成材率的目的,为企业实现智能化生产奠定基础。本论文针对鞍钢股份有限公司中厚板厂产品性能进行预测分析。重点研究中厚板产品性能参数、生产工艺流程、化学成分等影响产品性能的各项因素,通过采集和整合中厚板厂各级信息系统中与生产经营相关的各项数据,构建中厚板主题数据池,规范数据标准,建立中厚板生产工序360全景数据视图,实现数据资源共享。利用先进的大数据分析技术构建数据多维分析、关联分析及预测分析等模型,对数据进行不同层次的信息提取和深度挖掘,实现从数据到信息再到知识的转化。本论文使用IBM SPSS Modeler平台,将数据池中的数据样本输入分类回归树、线性回归、广义线性以及人工神经网络四种数据挖掘模型中,通过反复训练和校验预测模型并结合现场生产工艺实际情况进行综合评估,最终得出人工神经网络模型预测更加精确,更加切合实际生产工艺。通过人工神经网络预测模型可以直观反映出影响中厚板产品性能指标的各项因素。本论文通过建立中厚板产品性能预测系统,选取经过验证预测精确度最优的人工神经元网络分析模型,操作人员输入化学成分值、关键工艺参数指标及加热温度值,数据化模拟中厚板生产的全流程,系统会根据输入参数测算出中厚板产品性能目标值,实现产品性能预测的目的,为企业实现提升产品质量、降低成本以及研发新产品有着重要的理论和指导意义。