| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景与研究目的 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究目的与意义 | 第8-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 工序质量控制研究现状 | 第10-11页 |
| 1.2.2 质量预测技术研究现状 | 第11-12页 |
| 1.2.3 质量诊断技术研究现状 | 第12-14页 |
| 1.2.4 质量管理系统研究现状 | 第14-15页 |
| 1.2.5 研究现状总结 | 第15页 |
| 1.3 论文研究内容及总体框架 | 第15-16页 |
| 1.3.1 论文研究内容 | 第15-16页 |
| 1.3.2 论文总体框架 | 第16页 |
| 1.4 本章小结 | 第16-18页 |
| 2 基于MES的机加车间制造过程工序质量控制方法 | 第18-28页 |
| 2.1 基于MES的工序质量控制现状及需求分析 | 第18-21页 |
| 2.1.1 MES简介 | 第18-19页 |
| 2.1.2 基于MES的工序质量控制现状 | 第19-20页 |
| 2.1.3 基于MES的工序质量控制需求分析 | 第20-21页 |
| 2.2 基于MES的机加车间制造过程工序质量控制总体框架 | 第21-23页 |
| 2.3 基于MES的机加车间制造过程工序质量控制运行流程 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 基于MES的机加车间制造过程质量数据分析 | 第28-58页 |
| 3.1 机加车间制造过程质量数据 | 第28-32页 |
| 3.2 基于灰色理论和BP神经网络算法的工序质量异常预测 | 第32-44页 |
| 3.2.1 工序质量异常现象 | 第32-34页 |
| 3.2.2 工序质量异常预测过程 | 第34-35页 |
| 3.2.3 基于灰色理论与BP神经网络的集成工序质量预测模型 | 第35-44页 |
| 3.3 基于案例推理的工序质量异常诊断 | 第44-53页 |
| 3.3.1 基于案例的推理 | 第44-45页 |
| 3.3.2 质量诊断案例知识的表示 | 第45-48页 |
| 3.3.3 案例的相似性度量 | 第48-49页 |
| 3.3.4 实例验证 | 第49-53页 |
| 3.4 面向加工案例和工艺资源的质量统计 | 第53-57页 |
| 3.4.1 诊断案例的统计与完善 | 第53-54页 |
| 3.4.2 工艺资源评估 | 第54-57页 |
| 3.5 本章小结 | 第57-58页 |
| 4 基于MES的机加车间制造过程质量管理系统及应用 | 第58-76页 |
| 4.1 基于MES的机加车间制造过程质量管理系统设计 | 第58-64页 |
| 4.1.1 系统体系结构设计 | 第58-59页 |
| 4.1.2 系统功能设计 | 第59-61页 |
| 4.1.3 系统数据结构设计 | 第61-64页 |
| 4.2 基于MES的机加车间制造过程工序质量控制策略 | 第64-69页 |
| 4.2.1 基于调度管理的工序质量控制策略 | 第65-68页 |
| 4.2.2 基于排产管理的工序质量控制策略 | 第68-69页 |
| 4.3 基于MES的机加车间制造过程质量管理系统应用情况 | 第69-75页 |
| 4.3.1 企业在质量管理方面存在的问题 | 第69-70页 |
| 4.3.2 系统介绍 | 第70-75页 |
| 4.3.3 企业应用效果分析 | 第75页 |
| 4.4 本章小结 | 第75-76页 |
| 5 结论与展望 | 第76-78页 |
| 5.1 结论 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84页 |
| A. 攻读硕士期间从事的科研工作 | 第84页 |
| B. 攻读硕士期间的主要获奖情况 | 第84页 |
