在产品质量数据采集以后，通过SPC可以及时发现异常点或者不好的趋势，这是MES可以实现的。但产品检测出的状态，对该件产品而言，已经是事后状态了。随后，需要追问的是，发现问题了，接下来怎么办？依然靠手工分析来解决？MES还能提供什么样的分析支持呢？
影响产品质量状态的因素有很多，包括设备自身的状态、加工操作的工艺参数、原材料毛坯或上道工序的加工状态等，都可能对本道工序的加工质量产生影响，因此MES不仅仅进行产品质检数据采集，应该同时采集获取设备状态信息、工艺参数信息、毛坯或上道工序信息，通过建立集成的分析模型，对这些数据进行利用，才能在发现问题的基础上，找到问题的原因。这应该是一种融合，如果分析模型能够将工人的经验融合进去，则该环节可以认为具有一定的智能化提升，与智能制造的思路就不谋而合了。
这方面在具体实践当中还有很多细化的扩展之处：
比如，在精细化方面，按照数控程序代码的执行顺序，甚至可以分析每一条指令代码下的设备状态、工艺参数等的变化（程序示波器），借助模型进行智能分析与判断；
比如，不是笼统的设备状态信息，可以对关系到加工质量的刀具进行独立的磨损与断裂监测，借助模型进行智能的换刀决策和智能加工补偿等；
比如，对于复杂产品，建立面向工艺流程的工序精度状态链条，建立智能的误差分析模型，实现基于上一步状态的当前这一步加工工艺参数的自适应调整，保证加工质量。
这些都是面向质量的基于采集数据的建模与分析，也应该是MES持续发力研究、实现和改进的地方，不仅能够有效推动质量数据与工艺的融合，智能化的味道也就出来了。