汽车工业作为一个快速发展且有前景广阔的行业,安全性与消费者的人身财产安危紧密相关,因此质量成为汽车整车及其零部件企业特别注重的要素。现今汽车零部件制造企业,在成本节约与工艺设计水平已很难再实现产品的竞争优势的情形下,纷纷在质量上展开竞争。如何提高产品生产质量,降低缺陷率是企业首要关注的问题。本文基于火花塞企业实践,对其质量缺陷进行改进研究,致力于提升企业的质量水平和企业绩效。传统的质量控制与改进方法虽然在企业中得到广泛运用,但是存在资源消耗过大,控制效果不理想等问题。在现行的质量管理水平上,运用现代工程和管理科学等学科理论来建立生产过程质量管控模型,用于实际质量控制与质量改进,是本文重点阐述和解决的问题。本文采用定量定性相结合的研究方法,在对相关质量理论以及零部件行业理论进行阐述的基础上,集成质量控制与质量改进的方法与理论建立了生产过程质量管控模型,模型包含控制模块和改进模块两部分。模型控制模块功能是进行智能化预测,主要运用遗传神经网络(GA-BP)算法来实现,采用神经网络技术是因为其适应于解决不确定性、非线性、时变滞后的复杂系统问题,且能够实现智能化控制。但鉴于BP算法存在收敛慢以及收敛于局部最优解等缺点,采用遗传算法来优化神经网络的权值和阀值,规避BP算法的缺陷。模型改进模块功能是在控制预测的基础上进行质量改进,模块的实现采用8D过程方法。随后,把质量管控模型在火花塞制造企业进行验证分析,阐述了模型用来控制和改进火花塞尺寸废和电阻废的实现方法与过程,验证结果表明缺陷率均有所降低,质量管控模型对质量改进起到了促进作用。最后,文章对研究内容进行了总结,并针对存在的不足,展望了未来可进一步研究和改进的方向。