随着制造技术的不断变革与客户需求的多样化，传统的大批量生产与完全定制化生产已经无法满足市场全部需要。对于制造企业而言，大规模定制的生产阶段一般可以分为基于预测的通用件生产阶段与面向需求的的定制化生产阶段，它结合了两种传统生产模式的优势，在通过规模经济降低生产成本的同时又满足了客户对于低价格、多样化与短交货期的需求，是21世纪应用最为广泛的生产模式。而该生产模式能够成功应用的关键在于对实际需求的精准预测以及基于预测结果的生产批量决策。　　针对物料需求预测问题，考虑到企业实际物料时间序列数据呈现非平稳、非线性的特征，提出了基于经验模态分解及最小二乘支持向量回归的组合预测模型。通过经验模态分解（EMD）方法将非平稳时间序列分解为一系列的本征模函数（IMF）和一个残差项（RES），挖掘出更多的信息，再使用最小二乘支持向量机回归（LSSVR）模型并结合粒子群算法（PSO）进行组合预测。最后实例结果表明组合预测可以高效预测非平稳物料需求时间序列，且预测精度较高，具有一定的推广与实用价值。　　针对大规模定制背景下的生产批量决策问题，本文在总结现有大规模定制相关理论及方法的基础上，以确定的客户订单分离点（CODP）为前提，首先分析了大规模定制通用件与定制化半成品的生产过程，建立了以库存成本最小为目标函数的通用件生产速率模型以及以生产、库存及生产时间成本最小为目标函数的含有时间能力约束的定制化半成品生产批量模型，并分别采用线性规划以及遗传算法的方法对模型进行算法设计，最后通过算例仿真证实了模型的可行性。　　本文通过结合需求预测技术以及生产批量决策模型，希望能为离散制造企业在生产制造环节有效实施大规模定制提供相应理论基础。