随着生产制造模式逐步向多品种小批量、柔性化、敏捷化方向的转变,如何保证产品“高质量”、“零缺陷”的制造对企业提出了严峻考验,针对这一问题,有效实施对制造过程的工序质量实时控制与加工质量预测显得尤为关键。当前,社会和科技的进步促进了加工制造过程中生产设备的数字化、信息采集的自动化以及基于制造执行系统(Manufacturing Execution System, MES)的过程控制的信息化,从而可以获得制造过程中所有与质量有关的静态和动态数据,并及时存储在构建的数据仓库中。这就为利用现代质量控制技术对过程数据信息进行有效的处理,实现质量控制和预测的智能化提供了一个良好的数据信息平台。为此,本文在此背景下,以生产制造过程各工序结点为研究对象,在分析了小批量柔性生产模式下工序质量控制和预测的研究现状和当前存在问题的基础上,给出了基于MES的加工过程质量控制集成系统平台,对其中涉及的工序加工质量稳态控制、工序加工质量预测等理论和技术进行了深入的分析和研究,主要研究内容包含如下若干方面：(1)针对小批量柔性生产模式下工序质量控制和工序加工质量预测的国内外研究现状进行分析总结,并指出当前研究存在的若干问题,进而给出了本课题研究的基本内容和基本框架。(2)针对当前加工过程质量控制的实际问题,构建了基于MES的加工过程质量控制系统体系结构及功能模型,讨论分析了其实现的关键技术,扩展了传统的加工过程质量控制模式。(3)针对工序质量控制问题,基于小批量生产模式和工序质量波动特点,给出了工序质量控制实现框架。通过分析研究卡尔曼滤波(Kalman Filtering, KF)理论和指数加权移动平均(Exponentially Weighted Moving Average, EWMA)理论建立了KF-EWMA工序质量监控模型,实现了对工序短期微小波动高效精确的识别和监控；其次,基于相似工序理论和基于统计特征的凝聚层次聚类(Agglomerative Hierarchical Clystering, AHC)分析算法对质量数据样本进行定性、定量聚类预处理得到具有相似制造过程的样本集合,从而在符合一定要求的情况下运用统计过程控制(Statistical Process Control, SPC)技术对工序长期较大波动的识别和监控,实现用联合模型对工序过程波动的进行实时监控。(4)针对事前工序加工质量预测问题,首先从工序流层面分析了影响加工误差产生的因素,进而建立了基于加工误差传递网络的质量预测模型,在此基础上,通过研究粒子群优化(Particle Swarm optimization, PSO)和支持向量回归(Support Vector Regression, SVR)理论构建了基于PSO参数优化的SVR最优预测回归算法实现了对加工质量预测模型的求解,同时为适应加工过程的变化,采用滚动式有限阶段优化策略实时更新SVR预测模型,实现对加工质量的在线人工智能预测,并给出了实现框架。(5)基于以上理论和方法,采用VB.NET、MATLAB以及SQL Server 2008构建了原型系统实现平台并结合实例进行了分析,达到了预期效果,验证了本文所提出的思路、理论和方法的可行性。