企业在长期的生产过程中积累了丰富的生产数据，能否充分利用这些数据来提高生产管理水平，从而提高企业的经济效益和增强企业竞争力是工程技术人员和生产管理人员一直想解决的问题。 数据仓库技术作为一种优化管理、提供决策支持的企业数据解决方案，已经被许多大型企业所采纳。基于数据仓库的数据挖掘技术的核心思想就是从企业的海量数据中挖掘出有效的、新颖的、可用于企业决策分析的规律或模式。本文以上海宝钢股份有限公司冷轧薄板厂各机组生产过程为背景，结合“薄板轧制优化自动排产及分析评价综合系统”的开发，研究了基于数据仓库与数据挖掘的建模技术，并根据该企业生产情况，建立了用于冷轧薄板生产过程的机组产量预测模型。 本文对基于增量关联挖掘算法，提出一种改进的增量挖掘算法，除了有效地挖掘出强规则外，还可以挖掘出强规则中的趋势规则，提高了挖掘规则的完整性。在需求分析、粒度设计、建立概念模型、事实表和维度表设计的基础上，建立了数据仓库，并将上海宝钢股份有限公司冷轧薄板厂原有数据库系统的历史数据，经过抽取、转换和装载等过程加载到数据仓库中。根据数据仓库中的历史数据以及现场生产管理人员的专家经验，利用改进的增量挖掘算法，开发了产量预测系统，实现了以历史生产数据和专家经验为基础的机组产量预测，并可给出趋势提示。 所建立的产量预测系统已经在宝钢冷轧薄板厂投入运行，其预测精度满足现场生产管理人员的要求，提高了宝钢冷轧薄板厂的生产管理水平。