از آنجاییکه در سیستم های صنعتی شناخت عوامل تاثیرگذار بر کیفیت و بهینه سازی آنان همواره مورد توجه بوده است در این تحقیق محقق به تجزیه تحلیل داده های جمع آوری شده در یک کارخانه تولید گچ با هدف تعیین تعداد خوشه مناسب برای خوشه بندی محصولات معیوب و کشف قوانین ارتباطی در هر خوشه پرداخت. هدف محقق استفاده از کاربردهای داده کاوی در راستای کاهش محصولات معیوب می باشد. داده هایی که در این کارخانه بلااستفاده واقع شده بودند و هر یک در انبار داده جداگانه ای نگهداری می شدندمورد کاوش قرار گرفته و محقق با تلفیق پایگاه داده های موجود و تجزیه تحلیل آنان به خوشه بندی محصولات معیوب پرداخت. یکی از دشواری های خوشه بندی پایگاه داده تعیین تعداد بهینه خوشه ها می باشد. به بیان دیگر لازم است تعداد بهینه خوشه ها توسط کاربر تعیین شود و به عنوان ورودی الگوریتم k-میانگین وارد شود. لذا ابتدا تعداد بهینه خوشه ها با استفاده از روش دیویس بولدین مشخص گردید سپس برای اطمینان از انتخاب تعداد خوشه مناسبمدلی شامل تلفیق الگوریتم های پیش گویانه داده کاوی با الگوریتم خوشه بندی تهیه شده و با استفاده از الگوریتم های درخت تصمیم و شبکه عصبی صحت خوشه بندی انجام گرفته آزمون شد. پس از بررسی های صورت پذیرفته 3 خوشه از محصولات معیوب در این کارخانه شناسایی گردید. این خوشه ها به دقت مورد تحلیل و بررسی قرار گرفتند تا در صورت امکان نظمی میان آنان مشخص شود در نتیجه قوانین ارتباطی خالصی با درصد اطمینان 100 درصد برای هر خوشه بدست آمد. این قوانین می توانند بر روند کنترل محصولات تاثیر بسیار دقیقی بگذارند که این امر تاثیر گسترده ای بر روند بهبود کیفیت محصولات و جلوگیری از تولید محصولات معیوب می نماید.