随着计算技术、通信技术、新型传感器技术和自动控制技术的飞速发展和日益成熟，传统制造业在向智慧生产迈进的过程中采用了大量新技术、新设备，工业企业拥有的数据愈加丰富多样，标志着工业大数据的到来。质量管理作为企业保证产品质量的有效途径，充分挖掘产品相关数据的价值，对提高质量管理水平和产品质量有重要的意义。通常情况下，由于生产现场信息繁杂、生产设备状况复杂易变等多种不可控因素，生产过程中难免会出现产品质量问题的情况。在工业大数据背景下，随着数据项、数据量的爆发式增长，以及质量追溯范围的不断扩大，传统的质量追溯方法效率低，追溯结果准确性差，而且不能适应大数据的分析和处理，已不能满足现代生产制造的需求。如何有效地利用产品制造过程中产生的各类数据，实现产品质量问题的分析与追溯，改善产品质量，是目前全面质量管理的重要课题。　　本文针对装配型制造企业，提出基于工业大数据的产品质量问题追溯方法。主要研究内容有以下几个方面：　　（1）通过分析装配型制造企业的生产管理现状，利用工业大数据分析挖掘技术，以大数据存储分析平台为支撑，提出产品质量问题追溯的总体框架。根据产品生产过程中质量问题记录的不同表现形式，构建了基于语义描述的质量问题追溯模型和基于数据挖掘的质量问题追溯模型。　　（2）针对质量问题是通过文字描述形式记录的情况，为充分挖掘和利用其中包含的知识，构建了基于语义描述的质量问题追溯模型。首先建立支持质量问题分析的案例库并确定质量问题影响因素，然后通过信息增益对质量问题进行影响因素分析，确定各种影响因素的重要程度，为质量改进指明方向，从而实现质量问题的溯源。　　（3）针对质量问题是通过设备检验结果记录的情况，考虑到质量问题的多样性、复杂性，为避免人为主观因素对质量问题类别判定的影响，构建了基于数据挖掘的质量问题追溯模型。首先使用聚类算法对产品质量的检验数据进行问题分类，然后结合生产过程数据进行关联分析，发现质量问题发生的根源，实现质量问题的溯源。　　本文提出的方法已在某公司的断路器装配线上得到了应用，帮助企业进行了产品质量问题分析，发现了生产过程中的产品质量扰动因素，实现了质量问题的追根溯源。该方法对改进工艺、提高生产效率、改善产品质量有着积极的作用。