对于复杂的工业生产过程, 在实现了基础自动化以后, 为了增产降耗, 提高产品质量,往往要研究生产过程的先进控制。 而先进控制的目标通常是产品的质量指标,即产品质量控制问题。质量指标的检测大多是在产品生产出来以后才进行,这样大滞后,长周期的质量数据对质量控制系统很不利,它不利于操作工针对生产过程的实时质量状况调整生产工艺参数以便调整生产质量水平,而且当发现质量不合格时,几乎已经无法挽回,这样必将造成很大浪费,影响企业的生产质量和效益。建立质量预测系统可以在生产过程中对产品的质量进行在线预测,现场操作人员可以及时了解生产质量状况,从而有针对性的调整生产工艺参数以提高产品质量,且使质量控制系统的建立成为可能。在现有的质量预测和控制系统中,大多是基于工艺原理和工人的经验对参数进行调整,以提高产品质量。然而影响产品质量的因素和产品质量之间的关系相当复杂,目前对这些关系的认识还不完善,仅凭这些不完善的知识和经验来指导生产显然不合理、科学。鉴于此,本文提出了一种基于数据挖掘和神经网络建模的质量预测和控制方法。数据挖掘是随数据库技术和数据库应用的相互促进和发展而出现的一个新兴技术,已经比较成功的在决策支持、提前预测等系统中得到应用,渗透于科技发展的许多领域。数据挖掘方法很多,针对球团厂的实际生产情况,本文采用分类分析方法中的决策树技术,通过对大量历史数据的分析,形成了一定的质量预测规则,并以此为基础,利用神经网络的方法, 建立了生产过程质量预测模型和质量控制模型,实现了球团生产质量控制系统。