MES系统由于小波分析具有“数学显微镜”的优势，近年来，已被一些学者引入质量控制领域，但其研究基本上聚集于工序质量的监控，本节则利用小波分析的这一优势，提出一种丁序质量监控与诊断的集成分析方法。MES系统首先对收集的工序质量数据序列进行离散小波变换，获得各尺度层次上的子信号;进而采用SPC控制图对各子信号进行监控，一旦失控报警发生，则对报警尺度子信号通过小波逆变换进行重构以确认工序质量是否存在异常变化;若确认存在异常变化，则对异常子信号进行特征提取，并建立该特征与其潜在误差源间的关联映射模型，MES系统通过比较工序异常变化特征与误差源间的相关系数，从而确定哪些误差源是需要优先进行改进的。

    MES系统在采用SPC控制图对各尺度子信号进行监控时，需要对工序质量特性数据序列进行多尺度描述。MES系统首先对信号的多尺度描述原理进行说明，小波函数可以通过母小波0的二尺度伸缩和整数平移获得，一方面，由于小波分析具有降噪、去相关性等优点,分解后的各尺度数据可以直接采用SPC控制图进行监控;另一方面，MES系统不同尺度的细节系数和逼近系数既能反映工序过程的小波动变化，又能反应工序过程的大波动变化，从而使得多尺度SPC控制图既能够探测到过程的大波动变化，也能够对过程小波动变化反应灵敏。

     MES系统为实现对失控工序的诊断分析，这里采用一种多源信号相关性分析方法对可能引起工序失控的误差源信号和多尺度SPC控制图捕捉到的异常特征信号进行相关性分析。首先依据预定义的误差源树分析引起工序失控的主要误差源，展示某发动机缸体镗孔工序孔径尺寸的误差源树;进而对提取的异常特征信号和传感器获取的误差源信号进行相关性分析，MES系统通过考察异常特性信号和误差源各信号间的关联系数大小，确定各误差源的重要程度。