在竞争日益激烈的今天,企业提高自身的竞争力变得越来越重要。要想这么做,企业一方面要设计生产出更适应市场需要的产品,另一方面就是要生产出来的产品的质量要合格。可以说产品质量是一个企业能发展的立身之本。产品质量管理技术经过多年的发展已经很完善,可以实现从原材料到成品的全链条的质量管理和追溯。而如果可以在产品生产过程中提前预测出产品最终完成时的质量情况,进而为产品的下一步生产提供预警信息,及时调整生产工艺,就可以最终减少不合格产品的产出,进而达到降低企业的成本,增强企业竞争力的目的。产品质量预测的核心就是能找到一个准确的数学模型。主要总结了几种常用的预测模型,经过模拟实验,从中选出支持向量机模型进行研究学习。提出使用遗传算法来对支持向量机建模过程中需要的两个参数:径向基核函数参数σ和错误惩罚参数C进行搜索优化,选择出最适合当前问题的参数组合使建立的模型预测效果更好。经过模拟实验,结果证明基于遗传算法优化的支持向量机模型比不进行参数优化的支持向量机模型的预测效果更好。设计和初步实现了基于遗传算法优化的支持向量机模型的产品质量预测系统,该系统可以根据当前生产的产品的历史生产数据训练并建立预测模型,通过传感器等数据采集设备采集到的当前生产线上生产的产品的各项生产数据,将其预处理后输入预测模型最后得出产品质量的预测值,将其实时显示在系统展示屏上,方便技术人员查看和调整生产参数保证产品的质量。