在工业信息化、智能化快速发展的背景下,球轴承装配生产线之间信息化程度低、数据价值密度不集中、数据应用效率差等因素将限制轴承线上生产的产能革新与优化决策。因此需建立轴承产线工业互联网平台,并以此为基础分析数据特点、设计数据处理计算架构进而实现工业数据在产线优化方面的可行求解算法。本文立足分布式系统架构（Hadoop）,从轴承生产线历史工业数据的批处理、流处理及在生产线平衡优化问题上的应用等多个方面入手,分析该工业数据特点,针对数据的抽取、存储、加载与转化设计并实现数据清洗计算架构,针对产线生产优化问题设计实现可行的求解算法,主要内容如下:不同于已形成统一开发建模标准的医疗数据或电商数据行业,轴承生产工业数据尚未在数据命名、类型及编码方式等方面具有统一规程,故本文针对轴承生产应用指标设计数据标准集且依据不同的功能效用设计了包括ODS、DWD、DWS的三层式数据仓库。在数据批处理过程中对数据进行清洗去重并计算欲获得的如生产轴承数、平均次品率等目标参数,分层式数据仓库以Map/Reduce编码实现,在文中详细分析其实现步骤。为分析工业数据对产线优化的有效应用,本文立足队列拥挤与作业规划不平衡两方面。在生产线平衡优化角度,针对以传统数学模型易出现优化指标单一、不能控制多目标最优的弊端,推证了以生产节拍与平滑指数作为目标值的多目标优化数学模型,该数学模型可有效满足实现多目标最优的优化需求。因传统搜索算法收敛性能一般,易陷入局部最优,在多目标遗传算法中引入对非帕累托最优解实施惩罚的改进,并于多组测试中得到求解算法中的各参数最优值。在队列拥挤角度,立足于求解轴承缓冲区容量最优配置的数学模型,在数据流处理中以所设计混合蛙跳改进粒子群算法进行求解。上述两优化问题分别实现了传统算法的改进,且经过与传统搜索算法的测试对比,证实具有更优搜索速度与收敛性能。最后,为实现多企业多产线作业场景下的数据分析,以部分模拟数据对数据仓库批处理计算与求解轴承缓冲区最优容量配置的流处理计算进行测试验证。针对数据仓库的求解数据与缓冲区最优容量配置的算法求解结果等数据设计了其数据可视化界面。