在中国的企业界,对于生产制造执行系统((Manufacturing Execution System,MES)的认识和应用还仅仅处于起步阶段。关于如何构建使用MES,企业还没有丰富的经验,对于MES的核心理念、关键技术和最新技术的融合方式还比较陌生。现代烟草工业在经历了“自动化”、“智能化”改革后,各种体系规范贯穿于卷烟企业的整个生产过程,但存在的问题是生产管理仍停留在对成品检验、对结果控制与回馈的初级阶段,对质量管理和过程控制的水平能力相对较低,所设定的质量目标要求不高。大部分的生产质量问题归质量管理的专业人员来处理,出现的质量问题造成的损失都较严重,甚至带来无法挽回的局面。本文提出在MES原有的子模块中,增加关于质量过程管理系统和质量追溯系统的子模块。本文描述的质量过程管理系统,就是改变以往人为对结果控制与回馈,可以在生产过程中对产品质量做到及时的反馈和控制,提高过程控制的能力。对一份包含30个特征值以及正异常标签的设备运行数据集进行分析和简单清洗,在此基础上,研究并构建了自编码器神经网络,通过该神经网络学习数据集中正常行为数据的重构误差,利用少量异常行为数据进行重构预测,得到正异常行为之间的重构误差区别。在模型的优化方面,选取了自编码器重构误差大小以及自编码器训练效率两个角度。对前者的优化过程中发现并通过实验验证了自编码器重构误差大小不影响分类器的检测能力;对后者的优化在保证模型检测能力的基础上将自编码器神经网络的训练时间缩短到了原先的86%。