全球新产业革命浪潮中,伴随全球化市场的扩张,中国制造也快速增长。其中,产品质量扮演着异常关键的角色,国内某汽配气门生产过程中对产品质量要求高且制造车间实时信息需要及时反馈,存在生产工艺繁多、生产过程复杂、信息化程度低,导致生产效率与管理水平低等问题,与国外汽配生产信息化水平差距较大。本文以汽配气门生产过程产品质量问题为背景,基于大数据分析,建立产品质量预测模型可以帮助汽配气门生产更好地利用生产数据信息,对提高产品质量具有重要的意义。结合先进的制造物联网技术和大数据技术,对产品的关键质量指标进行预测,突破传统界限,推动制造升级,其主要研究内容有:(1)针对制造物联网环境下汽配多工序、多工种、质量要求高的产品特性,结合工业大数据的特点,构建面向生产制造过程中能接收、存储、处理海量制造业数据的大数据处理挖掘分析平台,研发适合汽配产品质量预测的数据挖掘分析系统。(2)对生产制造产品质量的样本训练数据进行ETL数据预处理,结合对产品质量的多工序加工数据特点以及后续的特征工程选择,在模型选择上运用随机森林算法、XGBoost算法、线性加权融合模型进行产品质量的预测回归分析。(3)以某汽配气门产品质量预测为应用案例,分别采用(2)中描述的算法进行产品质量的综合预测研究,并对预测结果进行综合对比分析。找出影响关键质量特性值的工艺参数,便于技术人员能够快速地针对那些不良产品进行问题溯源分析,重点分析和调整那些关键的影响因子,提高整体生产工艺水平。本文以产品质量问题预测为研究点,运用机器学习方法建立预测模型由生产过程中的参数数据分析汽配最终成品关键质量指标的特性值,最终的线性加权融合模型表现出最佳的拟合性能,预测精度为98.1%,达到生产结果的预期。在要求预测准确性的同时,能通过预测模型得到关键质量指标的生产环节参数,对于不良产品进行分析。同时基于预先知道的预测结果,保证制造过程高效生产和最终产品质量控制、决策及其应变。