工业数据是工业企业的重要资产,有效利用工厂的生产、管理和运营数据可以帮助企业更好地实现精细化管理,但目前流程工业企业信息系统种类繁多、数据类型多种多样,多元数据管理不规范、数据分析门槛高,无法真正实现对数据价值的挖掘。本文以对象化建模技术、数据融合加工技术、大数据分析与挖掘技术为关键技术,结合流程工业企业数据特点以及行业知识,采用对象化建模技术对流程工业不同类型数据进行对象化编排,通过数据融合加工技术对原始数据进行清洗及深度加工,为上层工业应用提供数据来源,利用封装成型的大数据分析技术实现低门槛数据分析,探讨了多元数据融合和分析软件的设计和实现过程,构建了面向流程工业的多元数据融合分析软件。主要内容可以概括为以下几个方面:1)研究了流程工业企业的数据特点及数据融合需求;2)研究了对象化建模技术、数据融合加工技术、大数据分析与挖掘技术,基于关键技术,设计了面向流程工业的多元数据融合分析软件的总体架构;3)对基于对象建模技术的工业数据资产管理组件进行详细设计,采用统一元数据语言构建多种工厂模型,利用知识图谱技术建立工业对象之间的业务联系,为上层数据应用提供有效支撑,解决了多元数据管理不规范的问题;4)对基于机器学习与数据挖掘的工业大数据分析组件进行详细设计,提供了数据挖掘与预测分析能力,并通过封装技术使用户可以直观地洞察数据,降低企业数据分析门槛;5)将多元数据融合分析软件进行试点应用,对比了LSTM（Long Short Term Memory）时序回归预测算法、BP（Back Propagation）神经网络算法、线性回归算法3种回归算法对试点应用中烟气排放含量NOx的预测结果,应用结果表明所设计的多元数据融合分析软件能够对企业多元数据进行有效融合及分析,为企业生产和管理提供决策支持。