工业大数据产生于工业领域的智能化生产过程,有效利用数据中蕴含的知识能更好地改进过程运行、提高生产效率、提高产品质量、减少缺陷产品、满足用户需求。但是由于工业生产环节复杂和工业大数据体量庞大的特点,分析人员需要花费大量的时间分析业务逻辑,与此同时,还要根据不同的数据选择不同的方法获取数据模型,整个过程的复杂性以及离散化会在一定程度上影响数据分析结果的准确性,也加大了分析人员的工作量。为了解决这个问题,本文针对工业大数据的处理过程提出一种基于粒化思想和潜结构的数据建模方法,并开发数据建模平台实现了整个建模过程。论文主要的研究内容如下:(1)为解决工业中面临的复杂的业务分析和数据模型优化问题,提出了包含数据粒化重构过程和数据处理过程的数据建模体系,并基于此形成了面向工业大数据的数据建模平台的体系架构和技术架构。(2)针对复杂工业中业务数据无法快速定位的问题,提出基于粒化思想的基本元素粒子、粒层、粒结构以及词计算基础理论和粒度空间的工业大数据重构过程,通过图形化表示将非数字化信息量化,得到业务数据中的痛点,同时表述了粒化之后的数据逻辑关系如何存储和应用,并以面向某航天铸造产线的数据重构为例,验证了数据重构能够提高业务分析效率并实现数据跟踪的自动化。(3)针对工业大数据体量大质量低而引起的难以获得有效数据模型的问题,提出了基于潜结构建模的数据处理过程,包含数据概览、数据预处理、基于潜结构建模的数据特征分析以及数据融合,在了解数据属性的基础上,保证数据完整性,降低数据维度,有效拟合数据信息,提高数据模型的准确性以及有效性。(4)基于Hadoop下的Map Reduce分布式计算框架,采用java Web的开发技术,完成了面向工业大数据的数据建模平台的开发。