对数控加工中高频海量指令域电控数据进行有效的采集、管理与应用,是将数据科学引入数控加工行业、并进而实现智能制造的基础之一。本文提出了一个基于云计算与大数据技术的指令域电控数据采集存储与管理系统设计方法,能够有效应对指令域电控数据采样频率高和数据量大所带来的挑战。本文还提出了一种基于指令域电控数据的数控加工质量分析方法,通过对传统分类算法的改进,有效提高了跟随误差序列分类的准确性,从而实现了根据跟随误差的大小评价加工质量好坏的技术。数控机床指令域电控数据是制造业大数据的主要来源之一,对加工过程优化、机床健康状态诊断及故障预警有着十分重要作用。针对指令域电控数据采样频率高、单条数据量小、数据总量大的特点,本文设计了一套数据采集管理系统。基于分布式消息中间件Redis/Kafka的吞吐性能、Spark并行计算引擎的计算能力和分布式文件系统HDFS的海量可拓展存储能力,本文所设计的系统可以稳定的将数控机床采样频率高、数据总量极大的指令域电控数据采集并管理起来。为整合制造企业现有IT资源,实现资源的按需分配,本文设计了基于Open Stack的制造企业私有云搭建策略,并根据Open Stack各组件通信原理设计了一款制造企业私有云管理软件。为更加合理的利用有限的存储资源,根据制造业数据具有时效性的特点,本文提出了指令域电控数据管理策略,以更加充分利用有限的存储空间。在采集大量数据的基础上,本文设计了指令域电控数据驱动的加工质量评估方法,该方法通过将动态时间规整距离与K临近分类算法结合,使得对超长机床跟随误差序列分类准确率大大提升,并通过改进降低了动态时间规整算法时间复杂度。本文实现了指令域电控数据的采集、存储、管理和应用一系列技术,并已在多家制造企业部署应用。现场应用情况表明,本文所设计指令域电控数据采集管理系统能够满足制造业现场大数据吞吐量的需求,且存储系统具有很好的横向拓展能力,系统可以稳定的为指令域电控数据采集、管理与分析提供支持。