随着互联网技术、人工智能等相关技术的不断发展,传统的生产制造行业无法及时适应并跟上时代发展的脚步。一些企业实施的智能制造也只是简单的采用自动化机器人代替工作人员进行繁重、重复的工作,或者是搭建智能管理平台,对生产过程进行数字化监督运行管理,都没有让机器真正做到自我决策。但目前的研究还是以生产过程的智能平台、智能数据库以及自动化生产为主,关于如何让机器自主实现生产工艺的智能决策方面的研究还存在有较大的研究空间。本文通过学习研究专家系统的精髓,以专家系统的相关理论作为基础,结合专业人员对零件生产工艺问题的分析解决过程和基于实例推理的相关方法,提出了生产工艺智联RPCM模式。该模式根据零件的生产需求,通过基于实例推理的方法得到可实现零件需求的具体生产工艺,采用神经网络算法,并结合目标零件的不同特征属性,从而将不同的生产工艺连接起来,使机器可以自主实现目标零件的生产工艺决策。该模式总体框架由数据层、处理层和显示层三部分组成。为了实现上述RPCM模式,本文对零件的历史文件进行分析,得到零件的特征属性并建立相应的模型,运用层次分析法选择出决定零件功能权重较大的零件特征,从而便于实现零件特征和生产工艺连接。通过基于实例推理的理论和关联算法对零件的生产工艺历史文件进行分析和典型工序提取,得到相似问题的生产工艺,从而为新零件问题的解决提供实例推理的依据。同时对关联算法分析之后得到的结果进行分析优化,减少关联算法的计算量并提高其计算效率。根据零件特征属性和生产工艺之间的关联规则,通过构建神经网络模型来将之前得到的相关数据进行训练学习,其目的是为了让机器能够自主的完成零件特征属性参数和生产工艺工序特征之间的匹配。最后结合实例进行验证。通过对某工厂的轴零件进行分析处理,其得到的结果在专业人员确认下可以实现该零件的生产需求,证明该模式是可行的,可以实现其生产工艺智联的机器决策,对于智能制造的发展也拥有一定的参考价值。