质量控制是企业生产中最重要的一环，质量控制方法一直都是制造业研究的热点。目前基于数据挖掘的质量控制方法是研究的热点，有不少研究人员围绕数据挖掘提出了各种不同的质量控制方法，例如基于动态数据挖掘的质量控制、把数据挖掘应用于控制图中，以及使用各种不同的挖掘算法，如粗糙集、关联规则挖掘等算法来提高质量控制的效率。然而随着新的制造模式出现，挖掘过程没有领域专家参与的情况下，如何利用数据挖掘更好地实现质量控制，本论文引入了本体的理论及其方法。本文对目前的质量控制技术进行了较为深入的研究，并结合制造业发展的新趋势，提出了一种新的质量控制方法—基于本体协助的数据挖掘质量控制方法，本体的协助首先可以克服数据挖掘需要领域专家参与的缺点，又为后继的研究提供了很大的扩展空间，应用本体可以实施网络制造下集成平台的构建和知识共享，为质量控制的进一步研究工作奠定了基础。在对质量管理领域调研的基础上，通过了解质量管理领域的各种概念以及联系，利用TOVE方法对质量管理进行了本体建模，为方便后继的使用，用OWL对质量本体进行了形式化描述，在protégé3.1中进行了本体编辑。在owl文件的基础上，可以对质量本体中的概念进行查询以及概念之间的推理。本体对数据挖掘的协助主要体现在两个方面，基于挖掘方法本体的协助和基于挖掘对象本体的协助，本文使用的是后者，通过本体的概念分类，使知识表示可以在概念分类上进行推理，使得挖掘在高层次上进行，从而能产生更清晰的概括用来指导低层次数据的挖掘。本文针对传统的本体协助数据挖掘的理论只有论证而无具体方法的现状，在本体的协助下，首次把本体的协助用于数据挖掘的全过程，并提出了具体的方法和算法。并在此基础上针对质量数据进行了质量建模。最后本文选取了浪潮超越数控实验室中车削螺纹的质量历史数据对模型进行了仿真试验。