如今,全球掀起了的新一轮工业变革——智能制造,而工业大数据作为制造智能化的核心驱动力之一,已成为了工业领域的研究热点。作为工业大数据分析技术的关键环节,分析建模的好坏将会直接影响工业大数据分析的质量与效率。然而工业大数据分析发展至今,在数据采集和算法研究上取得了较大的进展,数据完整性和处理能力有很大的提高,相对而言,构建分析模型的能力较为滞后,数据难以转化为可直接进行决策的信息。因此,本文以工业大数据分析建模为研究对象,对其建模方法体系进行分析,并设计开发了工业大数据分析建模平台。主要研究内容如下:(1)通过分析工业大数据中业务梳理、数据支持、分析建模和平台的内部组成和各部分之间的关系,基于CRISP-DM模型形成工业大数据分析建模方法体系,在此基础上对工业大数据分析建模平台进行需求分析,并形成了平台的总体架构;(2)针对支持多计算模式的大数据计算框架问题,首先基于Lambda架构提出多模式大数据处理架构;随后筛选出批处理和流处理两种计算模式下典型、开源的大数据框架进行性能测评;最终形成面向工业大数据分析建模平台的Hadoop+Spark+Flink多模式集成的大数据计算框架;(3)针对大规模、强关联、多维度的工业大数据可视分析问题,提出了基于聚类挖掘算法的可视分析方法。通过将K-means算法与平行坐标法结合,解决工业大数据强关联、多维度的可视化问题,提高数据挖掘的准确度和易见性;随后基于Flink大数据处理框架完成K-means聚类算法的并行化改造,解决大规模工业大数据的计算问题,提高数据挖掘的效率;(4)基于Hadoop、Spark、Flink等开源大数据框架,利用Java Web相关开发技术,完成了工业大数据分析建模平台的开发。