在工业4.0时代,伴随着传感器技术、计算机技术的飞速发展,工业领域的数据规模迅速增长,数据中所蕴含的价值也越来越多,这也是传统制造企业信息化系统待解决的痛点——海量工业数据的集成存储和分析问题。在传统制造企业业务信息化系统之间更是存在“数据孤岛”的现象,各个业务信息化系统的数据流通性差,阻碍了以数据驱动的智能制造的发展。因此怎样解决智能制造数据的集成存储和分析问题,从海量数据中挖掘深层价值,具有重要的研究意义和使用价值。本文源于国家重点研发计划“基于工业互联的网络协同制造集成技术与平台研发”,针对集团制造企业存在的产品制造全流程全产业链数据资源汇聚与利用难、运营服务效率低等问题,设计了一个基于Hadoop的智能制造大数据平台,实现对集团制造企业多源海量数据的集成存储和分析。首先,分析了工业数据的特征、分类以及数据的来源,然后根据数据类型和特点的不同分别设计了数据采集方案和数据存储方案,设计并实现了一种面向多源历史数据的ETL数据采集系统和基于Hive的数据仓库,为多源海量数据的集成存储提供了解决方案。其次,对于大数据处理领域的常用算法进行优化和实现。针对传统K-means聚类算法K值和初始聚类中心难以确定的不足,通过Canopy算法和最大最小距离算法进行优化,并采用Flink分布式计算框架完成K-means聚类优化算法的并行化实现,提高了聚类过程的计算效率和准确率;针对DBSCAN聚类算法计算效率较慢的问题,采用Spark分布式计算框架实现DBSCAN算法的并行化,在无明显聚类精度损失的同时获得了较好的加速比。最后,基于VMware Workstation虚拟机软件搭建了大数据基础平台Hadoop集群及相关组件,并按照B/S架构和前后端分离架构对平台进行了初步实现,降低了前后端的耦合,在后端采用Spring Boot框架完成业务代码的实现,在前端采用了HTML、CSS和Java Script等组件,并对平台相关功能进行了验证,验证了本文平台的可行性。