在中国制造向中国智造转变的过程中,制造企业产品质量的好坏决定了企业的综合竞争力。我国压延制造业在生产过程中对压延质量要求高,但是在压延产品进行质量检查的过程中发现质量不及格时,要做相应的调整却为时已晚,同时压延生产制造业是一个高度信息化的产业,生产工艺繁多而复杂,因此生产过程中累积海量的生产数据,这海量数据的传递、存储、分析处理成了企业的又一大难题。本文以佛山某塑料有限公司压延产品的质量问题为研究背景,结合现有的大数据开源框架及数据挖掘技术,搭建一个适合海量数据存储与处理的大数据平台并建立压延产品质量预测模型,从而打造一套处理海量数据的压延产品质量实时预测解决方案,帮助国内的压延企业通过生产过程中的工艺等参数去实时预测压延产品的质量关键指标,使企业可以快速知道压延产品的质量结果并通过预先得到的结果及时做出相应的决策,使压延产品的良品率得到有效的提高。本文的主要研究内容有:首先针对制造业大数据的特点并结合佛山某塑料有限公司的需求使用各种大数据开源框架打造一套适合压延生产过程中能传输、存储、实时分析的大数据分析平台架构。其次以佛山某塑料有限公司压延产品生产数据为研究对象,对该企业的生产数据进行预处理,再利用决策树算法、随机森林算法、XGBoost算法等建立质量预测回归模型,然后输入测试数据对结果进行预测和对模型进行评估,最后得到三种回归模型在压延质量预测上的效果并将结果进行对比和分析。本文围绕压延产品质量预测问题展开,针对平台的搭建和模型的构建两个方面从而打造一套可以从生产过程中各种参数预测出产品质量关键指标的整套解决方案,最终通过实验对比与分析可以得出XGBoost模型相对于决策树与随机森林有更好的拟合性能,同时本文搭建的大数据平台架构能够基本满足企业应对大量数据处理等生产需求,从而帮助企业更好地控制产品的质量,并提高企业产品的良品率。