1、隨著生產制造模式逐步向多品種小批量、柔性化、敏捷化方向的轉變，如何保證產品“高質量”、“零缺陷”的制造對企業(yè)提出了嚴峻考驗，針對這一問題，有效實施對制造過程的工序質量實時控制與加工質量預測顯得尤為關鍵。
　　當前，社會和科技的進步促進了加工制造過程中生產設備的數字化、信息采集的自動化以及基于制造執(zhí)行系統(tǒng)(Manufacturing Execution System，MES)的過程控制的信息化，從而可以獲得制造過程中所有與質量有關的

2、靜態(tài)和動態(tài)數據，并及時存儲在構建的數據倉庫中。這就為利用現代質量控制技術對過程數據信息進行有效的處理，實現質量控制和預測的智能化提供了一個良好的數據信息平臺。為此，本文在此背景下，以生產制造過程各工序結點為研究對象，在分析了小批量柔性生產模式下工序質量控制和預測的研究現狀和當前存在問題的基礎上，給出了基于MES的加工過程質量控制集成系統(tǒng)平臺，對其中涉及的工序加工質量穩(wěn)態(tài)控制、工序加工質量預測等理論和技術進行了深入的分析和研究，主要研究內

3、容包含如下若干方面:
　　(1)針對小批量柔性生產模式下工序質量控制和工序加工質量預測的國內外研究現狀進行分析總結，并指出當前研究存在的若干問題，進而給出了本課題研究的基本內容和基本框架。
　　(2)針對當前加工過程質量控制的實際問題，構建了基于MES的加工過程質量控制系統(tǒng)體系結構及功能模型，討論分析了其實現的關鍵技術，擴展了傳統(tǒng)的加工過程質量控制模式。
　　(3)針對工序質量控制問題，基于小批量生產模式和工序質量波動

4、特點，給出了工序質量控制實現框架。通過分析研究卡爾曼濾波(Kalman Filtering，KF)理論和指數加權移動平均(Exponentially Weighted Moving Average，EWMA)理論建立了KF-EWMA工序質量監(jiān)控模型，實現了對工序短期微小波動高效精確的識別和監(jiān)控;其次，基于相似工序理論和基于統(tǒng)計特征的凝聚層次聚類(Agglomerative Hierarchical Clystering，AHC)分析算法

5、對質量數據樣本進行定性、定量聚類預處理得到具有相似制造過程的樣本集合，從而在符合一定要求的情況下運用統(tǒng)計過程控制(Statistical Process Control，SPC)技術對工序長期較大波動的識別和監(jiān)控，實現用聯合模型對工序過程波動的進行實時監(jiān)控。
　　(4)針對事前工序加工質量預測問題，首先從工序流層面分析了影響加工誤差產生的因素，進而建立了基于加工誤差傳遞網絡的質量預測模型，在此基礎上，通過研究粒子群優(yōu)化(Parti

6、cle Swarm optimization，PSO)和支持向量回歸(SupportVector Regression，SVR)理論構建了基于PSO參數優(yōu)化的SVR最優(yōu)預測回歸算法實現了對加工質量預測模型的求解，同時為適應加工過程的變化，采用滾動式有限階段優(yōu)化策略實時更新SVR預測模型，實現對加工質量的在線人工智能預測，并給出了實現框架。
　　(5)基于以上理論和方法，采用VB.NET、MATLAB以及SQL Server2008