针对钢铁行业离散与连续并存的多阶段混合式生产的特点，并考虑到其生产工序复杂，信息种类多样，生产过程同时兼具物理和化学变化，生产过程中不仅要考虑工序和资源的限制，还要考虑温度、能耗、尺寸精准度、成分偏差和产品质量等多方因素，提出设计面向工厂车间的管理系统---制造执行系统（以下简称MES）。本课题设计并实现了用来控制热轧型钢产品质量的MES质量控制系统。该系统为采用径向基函数（RBF）神经网络专家系统与质量追溯相结合的热轧成品质量检测系统，本文在RBF神经网络的核函数选取及隐层节点的设置上进行了改进，并将改进的RBF神经网络与热轧型钢产品质量检测中的化学成分检测、物理性能检测、尺寸精度检测与表面质量检测高度结合，既通过RBF神经网络专家系统完成对决定产品质量是否合格的四大项进行检测，同时提出通过产品化学成分含量预测产品的物理性能结果的设想，并通过RBF预测神经网络进行该设想的实现，本文将预测-检测网络相结合，作为质量检测专家系统的核心部分。同时，针对传统神经网络专家系统解释机制“黑箱”问题和钢铁行业产品质量检测工作的需要，在对产品进行质量统计分析后，对检测结果进行质量追溯，根据钢铁行业生产的工序特点设计了基于编码的“树形”追溯规则，对产品全生命周期过程中的所有信息进行追溯。追溯分为纵向追溯和横向追溯两个方面，纵向追溯的主要目的是为了锁定问题环节和追溯责任工序；横向追溯的主要目的是为了追溯产品全生命周期的过程参数。