随着大数据与工业融合创新,工业4.0时代的到来,工业大数据技术及机器学习已成为提升制造业生产力、竞争力、创新能力的关键要素,是驱动产品智能化、生产过程智能化、管理智能化、服务智能化、新业态新模式智能化,支撑制造业转型和构建开放、共享、协作的智能制造产业生态的重要基础。本课题着眼于工业大数据平台技术及数据分析技术的研究,对工业大数据平台技术进行了详细调研,并对比了工业大数据与互联网/商业大数据的特性,提出一套基于Hadoop体系的完整工业大数据平台建设思路,包括数据采集中心、数据存储中心、数据计算中心、数据应用中心,并对各中心的功能架构、技术架构、部署架构进行了规划设计及实施。基于工业大数据平台,导入TFT-LCD生产数据,使用大数据分析、机器学习等方式对TFT-LCD生产过程中的不良现象进行分析。本次分析过程中,使用了XGBoost、聚类等算法,并创新性地提出了一种分层向下分析的大数据分析方法,先定位异常step,然后检索异常线体,最后分析导致线体产生异常的根本原因,对线体的一系列设备参数进行整合分析,找出核心影响因子,最后对异常参数进行深入分析,发掘参数区间和产品不良的关联关系,并给出参数建议区间,提升产量、降低良率,此方法后续可以推广至其他的工业应用场景。