离散型机加车间加工的产品个性化程度高,并且是单件小批量生产,按照工艺要求通过设立制造单元的方式组织生产,由于零件的变化大,工艺的频繁变化造成了其加工质量不稳定现象非常严重,影响整个生产的效率。因此,这类机加车间的生产特性对于制造过程的质量管理提出了更加严格的要求,特别在智能制造发展的趋势下,如何实现数字化质量管理,从而对产品生产过程进行有效的质量管理将是这类企业亟待解决的重要问题。目前此类企业的质量管理严重依赖纸质化的程序文件和操作工人的技术及经验,在执行过程中随意性较大。同时,目前各种的质量管理系统也仅仅具有数据采集、记录、查询等功能。因此,如何将质量体系文件的程序要求与现场的信息系统深度融合,将体系文件的程序要求转换为有效的过程管理行为,才可以有效减少过程质量管理的随意性,提高质量管理的准确性。本文在M船舶企业质量管理标准的基础上,以船舶行业典型的柔性机加车间为研究对象,提出了一种预测—控制—检测的数字化质量管理方法,对过程质量进行有效管理,从而达到降低产品不合格率,进一步保障产品质量的目的,研究内容主要为以下几个方面。首先,根据船舶行业的特点以及M船舶企业质量管理标准,建立了一种柔性机加车间的质量管理框架和流程,提出一种新的质量管理方法及策略,即基于规则库的质量过程管理方法。该方法将质量体系的语义化条款转化为对应的管理策略或管理规则,形成规则库。规则库的管理策略和规则形成的接口与其它信息系统如MES（Manufacturing Execution System）、QMS（Quality Management System）等集成,信息系统中有关质量的操作都将通过规则库进行验证,然后根据规则和策略的要求进行后续动作,从而将质量体系文件的要求与实际行为管理深度融合,将语义化条款转化为具体的质量管理行为。其次,围绕上述质量管理框架和流程,在质量预测方面,提出了一种基于改进BP网络的工序质量预测模型,设计一种动态自适应调整的学习速率,实现了面向工艺资源组合的单个工序质量预测,为后续调度排产提供数据支撑,进而达到质量控制的目的。再次,在质量控制方面,将质量问题考虑到调度排产中,提出以质量为主的调度模型,以交货期、成本、工单预测质量为优化目标建立了一种基于质量预测的多资源调度模型,并且通过引入映射规则,提出一种改进鲸鱼优化算法求解该组合优化模型。再次,在质量检测方面,提出基于改进差分聚类GA-BP网络的检测模型,能够更精确快速地实现产品的产品质量检测。在GA-BP网络模型中,设计一种组合选择算子和向较优个体靠近的交叉算子及组合选择方法,使得网络能获得更优初始参数如隐藏层节点数、各个阈值和权值;在此基础上设计一种基于最小适应度值的聚类数确定策略,提出包含自适应交叉和变异算子的改进差分聚类算法,有效提高学习速率和预测精度。最后,以M船舶企业车间柔性机加车间的生产运作过程为实例,验证关键技术方法的可行性和优越性,对实际生产车间的质量管理具有指导意义。