在过去的几年中,随着信息技术的飞速发展,制造业进入了一个快速变革的时代,MES系统也开始广泛应用于制造企业。现在快速识别客户需求并将其反映到车间这一点也非常重要,这是由以生产者为中心到以客户和参与者为中心的市场环境的变化引起的,此外,大多数制造企业都面临着减少上市时间、整体制造质量、速度和成本改进的压力。为了应对这些巨大的挑战,制造商需要灵活配置制造车间,制造执行系统（Manufacturing Execution System,MES）开始被广泛使用。企业和车间管理人员可以通过MES系统监控生产现状,掌握生产现场的变化,及时处理生产突发事件,从而实现对生产现场人、机、料的管理,优化生产流程。目前对于MES在企业中应用受阻和机械加工产品的质量检测方式效率过低,因此本文提出了一种智能化MES系统以及用于机械加工产品物理参数的智能预测的方法。本文对于MES的研究分为MES系统开发和质量预测两个部分。本文创新点主要有以下两点:第一是MES系统开发部分。本文通过分析MES系统推行受阻的原因,结合企业对于MES系统的需求,提出了一种智能制造方案,并且确定了MES系统参考体系结构。通过对比MES系统扩展后的功能模块性能,结果表明智能制造方案对于传统加工模式具有明显的优势,显著的提高了企业加工的整体效率。第二是质量预测部分。通过将机械加工产品的物理参数与机器学习算法结合,对机械加工产品不同工艺流程结束后的质量做出智能预测。首先结合随机森林和Grid＿Search的思想,本文设计了一种分类算法,并命名为自动调参随机森林算法（Grid＿RF）。然后根据机械加工相关理论分析和实验结果的质量分析结合,提出影响机械加工产品合格率的七个特征参数。本文通过对比决策树、随机森林、Grid-RF对机械加工产品的质量预测结果,验证了Grid＿RF算法在质量预测的优越性。本文通过下位机和上位机搭建实验验证平台,验证MES系统和质量预测模型的有效性。首先将MES系统部署在下位机中,通过上位机、下位机的协同控制,最终在上位机显示加工过程实时数据和预测结果。在预测模型的结果分析中,本文主要通过决策树算法对于加工过程中的数据进行建模并对于产品质量进行预测,使用模型预测的精确率、召回率以及F1值作为评价标准,对ID3、CART和随机森林算法进行比较。实验结果表明,随机森林分类器在精确率、召回率以及F1值都优于ID3和CART算法,所以选择随机森林分类器为最终分类器。综合分析MES的功能和质量预测算法,结果表明机械加工产品物理参数的智能预测和智能制造方案具有重要意义和一定的开创性价值。