随着信息技术的飞速发展,服装制造行业已从传统手工的生产方式向流程化、信息化、标准化的现代生产方式转变。目前我国服装制造企业广泛采用GSD标准工时来进行工艺设计、生产过程控制和人员考核。通常,GSD标准工时对于服装制造的每一道工序设置一个时间标准,然而在实际应用中,员工操作的熟练程度、面料的差异、款式设计的不同都会影响实际的生产工时。因此,据此设计的服装制造工艺流程受多种因素的影响,与实际生产存在着较大的时间偏差,这严重影响了部分员工的生产积极性,阻碍了生产效率的整体提高。如何针对GSD标准工时进行改进已成为近年来服装制造企业共同关注的问题。本文观察并分析了苏州某大型服装制造企业的GSD标准工时的实际使用情况,针对其制定不合理的情况,提出一种基于数据挖掘技术的改进方案。首先建立基于神经网络的预测模型对生产工时进行预测,通过验证预测模型的正确性找出生产工时的影响因素并按其重要性排序;其次建立基于关联规则的分析模型,找出在一定条件下各影响因素导致标准工时制定不合理的支持度和置信度;最后提出基于关联规则的标准工时修正方法,并对经过修正之后的标准工时进行了效果评估。上述方案已在SPSS Modeler数据挖掘工具中得到了验证,结果表明,该方案能有效地提高标准工时制定和员工绩效考核的准确性,使服装制造企业在工艺标准的制定上更加合理,增强企业在成本核算和生产加工方面的能力。