摘要：針對智能工廠中多特征少樣本的海量質量數據與實時控制要求,首先設計了產品質量智能預測控制的集成結構;隨后綜合考慮BP網絡在海量數據處理中較好的時效性,和XGBoost在多特征少樣本數據處理中較好的靈活性和準確性,提出一種基于BP和XGBoost混合模型的產品質量預測控制方法;該方法先用BP神經網絡對質量問題進行合格與不合格的二分類,然后將不合格質量集導入XGBoost模型中,并重復XGBoost的單模型調參,以此提高智能工廠中產品質量預測與控制的準確性與實時性。最后,通過實例驗證了模型選型有效性。