随着计算机网络和数据库技术迅猛发展,现代制造业产生的大量数据和其分析能力间矛盾日益突出。本文针对现代制造业中大量数据无法有效转化为“知识”的问题,结合某公司实际项目,提出了综合运用统计分析和数据挖掘技术于现代制造行业中质量控制的方案,并加以实现。本文首先通过比较传统控制图和CUSUM控制图的优缺点,将CUSUM控制图运用于分段判断工序运行稳定性的应用中,结果验证其对状态识别的可靠性,为产品失效诊断和工序判稳方面的应用提供新的思路。其次,运用统计分析的方法对蓄能器压装工序压装压力异常问题进行分析,结合5M1E的分析方法逐步缩小怀疑范围。其中,本文还对数据挖掘中决策树若干算法进行深入研究,利用ID3、NB决策树和人工神经网络算法对产品在高压性能测试中的数据进行挖掘,并比较、分析三种算法试验结果。试验证明,可有效地区分产品装配中两种难以发现的新失效模式。最后,本文对关联分析中Apriori算法进行研究,并阐述其主要算法。针对高压性能测试设备首次通过率低的问题,以生产和维护记录信息作为分析数据,运用Apriori算法,通过比较不同最小支持度情况的关联结果,结合统计分析图表分析、解释关联关系,得到为寻找原因指明方向有意义的关联关系。本文的意义在于,综合运用多种数据挖掘和统计分析方法于现代制造企业质量控制应用中,其中,具有开拓性的试验对质量控制具有一定的指导意义。