随着工业化、信息化的发展,数字化工厂、物联网等工业技术得到普遍应用,工业自动化水平不断提高,工业存储的数据呈指数式增长。从日益增长的海量工业数据中挖掘价值信息,指导工业控制,改进流程,控制成本,已经成为未来企业竞争的重要策略。构建一个能够存储和管理制造过程中的运行数据和管理信息数据等与制造相关的海量数据,并提供基于大数据的灵活分析的基础平台,最大化挖掘工业生产中累积的数据的隐藏价值,推动信息驱动的战略决策和工业控制的实时改进,提升企业的综合竞争力,具有非常远大的意义。工业数据以海量、多来源、异构(结构化,半结构化和非结构化数据并存)、增长速度快等为主要特点。传统的基于关系数据库的数据处理分析技术已经难以满足工业海量数据分析的应用需求。所以,必须研究新的有效的工业大数据分析平台。本文以设计一个支持海量工业生产过程数据及企业管理数据存储、管理、分析的基础平台为目标,主要工作内容如下：(1)对工业数据的处理流程进行分析,研究工业大数据处理的难点,比如多源异构的数据存储问题,海量工业数据的管理问题,海量数据的存储与管理附带的高开销问题和工业应用的实时性要求等等。基于模块化设计思想设计工业大数据分析平台的功能模块。基于UML建模技术,对软件结构、功能模块间的依赖关系进行建模分析。(2)研究工业大数据处理平台的性能需求,设计满足需求的系统架构。基于Master-slave架构模式获得可伸缩的软件结构,利用实时消息中间件实现可靠的通信。基于Hadoop生态环境,实现工业大数据的异构数据存储和快速数据处理。(3)提出一种基于系统动力学理论的软件结构仿真分析方法,即将软件看作复杂系统,分析影响系统性能的因素以及各因素之间的因果关系,对软件进行动态建模,以DYNAMO方程描述各因素之间的变化关系。(4)利用数控机床加工工厂的数据环境,进行系统模型参数估计,仿真设计的工业大数据平台运行时的动态性能,分析系统的可靠性、瓶颈,以及可能的软件结构优化途径。(5)最后总结全文的研究内容,并对未来的研究工作进行展望。