智能制造模式能够平衡个性化定制产品生产的高成本与高附加值,能够满足消费者对产品的个性化要求,其大大推动了个性化定制生产方式的发展。个性化定制生产方式常呈现出多品种、小批量,甚至是单件生产的特点,进而导致产品质量特性值呈现为少样本或单个样本的数据特点。因此,传统的统计过程质量控制无法用以单件小批产品生产的质量保证中。所以,本文探究单件小批产品加工过程的质量保证问题。在智能制造模式下,智能制造系统能够记录设备加工过程中的加工质量特性等数据,并基于“云制造”的网络化分布式制造系统能促成设备质量数据的存储和共享。本文借助设备的质量数据,提出了基于预测的单件小批产品加工过程质量保证方式。即基于设备质量数据为备选加工设备建立质量预测模型,实现对设备加工未来单件产品的质量特性进行预测。通过自动化选择最优的加工设备,实现单件小批产品加工过程的质量保证。同时基于设备质量数据集海量、高维、数据价值低的特点,本文构建了集成特征选择下基于Copula-Lasso的单件小批产品质量预测模型。该模型为了应对高维特征带来的过拟合、低效率等问题,首先选择皮尔逊相关系数(Pearson)、最大信息系数(Maximal information coefficient,MIC)和RRelief F算法三种相异互补的方法进行特征降维。然后,选取二元Copula函数更好的表示每个特征变量与质量特性变量的复杂的非线性相关关系,构建二元Copula回归的非参数预测模型。最后,为了提升模型性能,通过最小绝对值压缩选择模型(Least absolute shrinkage and selection operator,Lasso)学习多个二元Copula回归模型的预测结果和质量特性真值数据,得到二元Copula回归模型融合时适宜的权重。将所建模型在半导体产业实际生产数据上进行仿真实验,并与多元线性回归、Lasso回归、支持向量回归机(Support Vector Regression,SVR)进行对比分析。实验结果表明,基于Copula-Lasso的质量预测模型在均方误差和平均绝对百分比误差两个评价指标上均优于其余预测模型,并有较强的泛化能力。本研究为单件小批产品质量保证提供了新思路与具体的方法,在一定程度上促进了智能制造的发展。