连续稳定的产品质量一直是企业界孜孜以求的目标，而有效的过程监控和质量控制是保证及提高产品质量的关键。所以质量监控及诊断控制技术及应用成为一个重要的研究课题。 流程型化工生产过程具有前后工序质量相互影响，生产操作条件互相关联等特点。生产中有大量的实时监测数据为质量监控、诊断和决策提供丰富的信息资源。本文提出基于统计过程控制及两种质量理论的质量监控与诊断模型，处理连续实时质量参数，对工序间质量进行监控和诊断，发现系统因素出现异常的征兆，并判断出是哪个工序出现问题，为查找原因缩窄范围。 基于统计过程控制的方法能判断和监控工序质量的正、异常，但不能确定原因所在。本文提出基于统计过程控制与粗糙集理论相结合的工序质量监控与诊断模型，通过对操作条件参数和质量特征参数的挖掘，既可以对质量进行监控也可以对原因进行诊断，在系统出现异常而尚未出现不合格品时，可以迅速找到原因，加以纠正，防止不合格品的出现；也可以获取影响产品质量的操作条件最优规则集合，用于指导生产操作，提高产品质量。 流程型化工生产过程中，常常会出现先得到操作条件参数，后得到质量特征参数的情况。这种时间滞后，不能指导操作者及时控制操作条件的变化，可能会影响产品质量，甚至产生不合格品。本文提出一种基于粗糙集理论的质量预测模型，用以往的操作条件参数和质量特征参数作参照，根据即时的操作条件参数，及时做出质量预测，指导生产操作及保证质量的合格。 另外在应用粗糙集理论时，提出基于隶属函数的属性重要性计算方法，更适合实际生产数据的处理。本文还在具体的粗糙集算法上加以改进，原决策表不必经过约简，直接建立知识库；知识库的扩容简单，减少计算的复杂度。它适合于流程型化工生产过程的实时质量诊断和预测，也可用于其它具有因果关系的决策性诊断和预测。 最后，提出有待进一步研究的问题。