El conocimiento de las preferencias organizacionales es crítico para mejorar la inteligencia y eficiencia del sistema de misión de aeronaves multiplataforma (MPAMS), particularmente en las tácticas de colaboración de comportamientos de tareas, tipos de plataformas y recursos de montaje. Sin embargo, es un desafío extraer dicho conocimiento de manera concisa, ya que está enterrado en enormes datos históricos. Por lo tanto, este documento propone un enfoque innovador basado en datos a través del algoritmo de minería de conjuntos de ítems cerrados frecuentes (FCIM) para descubrir valioso conocimiento organizacional del MPAMS. El enfoque propuesto aborda las limitaciones de baja efectividad y baja eficiencia de minería para el conocimiento descubierto anteriormente. Para asegurar la efectividad del conocimiento, este documento diseña un marco de descubrimiento de conocimiento de múltiples capas desde la perspectiva del sistema de sistemas, permitiendo descubrir un conocimiento más sistemático que los marcos tradicionales que consideran una capa aislada. Además, la capacidad contextual del MPAMS que refleja la motivación de decisión se integra en la representación del conocimiento, haciendo que el conocimiento sea más comprensible para los tomadores de decisiones. Además, para asegurar la eficiencia de la minería, el proceso de minería de conocimiento se acelera mediante el diseño de una estructura de almacenamiento de conjuntos de ítems y tres estrategias de poda para el FCIM. La simulación de 1100 escenarios de asalto aire-mar ha proporcionado un abundante conocimiento con alta interpretabilidad. La superioridad del rendimiento del enfoque propuesto se verifica exhaustivamente mediante experimentos comparativos. El enfoque proporciona orientación e ideas para el desarrollo futuro del MPAMS y la optimización organizacional.