近年来,云计算、大数据、物联网、人工智能、移动互联网等新一代信息技术发展迅速,并逐渐与制造技术实现深度融合,这使得制造业转型升级迎来了重大机遇。推进信息化与工业化深度融合,进而实现制造过程智能化,已经成为当今中国制造业的重要发展战略。为此,我国出台了“中国制造2025”制造业发展战略。“云大物智移”等信息技术与制造技术的融合正逐步推动传统制造执行系统向云制造智能执行系统进行转化,但在这一过程中仍然存在一些问题和挑战。因此,本文从以下三个方面对云制造智能执行系统展开深入研究。首先,为了实现制造执行系统的网络化与服务化,本文提出了云制造环境下制造执行系统云服务化方法。该方法通过微服务封装规范和Spring Cloud技术架构对制造执行系统中核心功能模块实现云服务化,即注册、发布、调用等一系列云服务化操作,以此来支持制造用户通过服务组合的方式来满足自身的需求。该方法提高了制造执行系统功能模块访问效率和模块间数据流转效率。其次,为了保证制造企业生产加工产品的质量,本文提出了基于深度神经网络的产品质量异常预测方法。该方法提出离散型车间产品质量异常定义和产品质量异常评定标准,从人员、物料、设备、环境、工艺流程这五个方面分析产品质量异常影响因素,通过建立基于时序型数据的BILSTM神经网络,将产品质量异常影响因素作为神经网络输入数据,产品质量异常值作为神经网络输出结果,实现在产品生产加工过程中对最终产品质量是否符合质量标准进行预测,以便对生产加工过程及时进行动态调整,提高产品合格率,保障企业经济效益。最后,为使车间生产管理人员在产品质量异常发生后能够及时地采取科学全面的动态调整方案,本文提出了基于领域知识图谱的产品质量异常处理方法。该方法采用自顶向下的设计思想,对离散型车间数据进行分析,依次构建知识图谱的模式层和数据层。知识图谱建立完成后,通过将新发生的产品质量异常的影响因素与历史产品质量异常的影响因素进行相似度分析,对产品质量异常解决方法进行推荐,从而实现科学全面的离散型车间异常处理,保障车间及时恢复正常生产。综上所述,本文通过微服务体系架构,BILSTM神经网络,知识图谱等新技术,从制造执行系统的云服务化、产品质量异常的智能预测、产品质量异常的准确处理这三个方面,对现有制造执行系统进行改进并给出具体的解决方案,推动了信息化与制造业的深度融合。