早在上世纪60年代就有学者研究在小批量生产环境中的质量控制方法。自上世纪80年代以后对小批量生产环境中质量控制的研究越来越广泛。虽然对于小批量生产的质量控制的研究很早，但由于小批量生产的生产环境，生产过程和质量控制系统的复杂性，至今也没有统一的适用于各种小批量生产环境中的质量控制方法。通过对国内外专家学者的研究的梳理，小批量生产质量控制方法主要有以下几类：

（1）过程建模

过程建模法把质量控制的重点由对产品的质量特征的分析控制转变为对产品的生产过程的控制，通过对生产过程的严格监控，预防不良品的产生。休哈特控制图是通过对生产过程的输出结果进行分析监控，从而进行质量控制，这种质量控制方法缺乏对生产过程的变化规律的描述[2]。过程建模的主要方法是累积和控制图和指数加权移动平均控制图。累积和控制图（Cumulative Sum,CUSUM）是由Page[3]提出的，CUSUM控制图是通过对产品质量信息的累积，将生产过程中微小的偏移累加起来，达到放大的效果，提高了控制图对生产过程中的小偏移识别的灵敏度。利用累积和控制图对过程参数未知的生产过程进行质量控制的前提是生产过程在进行生产的初始阶段长时间内处于受控状态，通过利用正常生产过程的参数值来估计该未知参数。但是在实际生产中，生产过程在初始阶段长时间内处于控制状态很难实现。涂玉娟[4]对CUSUM在过程参数变换未知的生产环境中的应用提出了解决方法，针对过程参数（μ，σ2）中均值未知时，利用Q统计量建立了标准化的CUSUM控制图，针对方差未知时，提出了更为简单的CUSUM控制图方法。濮晓龙[5]在连续检验问题方面对传统的累积和控制图进行了改进，提出了累积和检验统计量和判断准则。指数加权移动平均控制图（Exponentially Weighted Moving Average,EWMA）是由Roberts[6]提出的，对生产过程的均值和标准差的变化分别进行监控，但是在实际生产中，对于生产质量的控制往往需要对生产过程的均值和标准差同时监控，薛丽[7]通过设计改进EWMA控制图的可变抽样区间，使EWMA控制图在对识别生产过程中均值和标准差偏移更为灵敏。这些控制方法充分利用了生产过程的历史信息，使其识别工序质量波动的能力得到很大的提高。

系统过程建模可以很好的解决过程质量特征数据的残缺问题，在样本数量不足的情况下仍可以分析过程质量变异，因此在多品种、小批量的过程质量控制中应用广泛。但是该方法对影响质量的过程难以进行精确的建模，且对生产环境的变换过于灵敏。

（2）基于知识的系统方法

在实际生产过程中会产生大量影响质量变异的知识，基于知识的方法通过利用现场工人的经验和专家系统解决生产过程中非常复杂且不易精确描述的过程变异。基于知识的系统方法进行质量控制方面的研究有杨婉霞[8]在农业生产中，通过应用专家系统方法，提高了农业生产过程中种子包衣机械的智能水平，提高了种子包衣的合格率。高秀平[9]将基于知识的系统方法应用于车辆驾驶室车门安装平整度的质量控制中，设计了针对车门安装平整度质量控制的专家系统，有效的解决了生产中车门段差对车门安装的表面平整度的影响问题。

与休哈特控制图相比基于知识的系统方法对于样本数量的要求不高，该方法是利用已经建立的规则或者经验来诊断过程的变异，充分发挥了专家系统的推理能力和数据处理能力。但是在实际生产中对于规则的建立非常困难。

（3）利用神经网络等工具的学习方法