当前,新一轮科技革命和产业变革正加快我国经济发展方式转变,制造业格局面临重大调整,大数据、云计算、边缘计算等新一代信息技术的发展日新月异,为传统制造企业转型升级提供了新方法和新思路。随着新一代信息技术和制造业深度融合,工业数据量呈指数态势增长,为了从海量的工业数据中找出数据蕴含的规律,助力制造企业转型升级,基于工业互联网平台开发数据采集与数据处理系统具有重要的理论意义和实际价值。本文以智能制造企业为研究对象,挖掘设备运行数据中蕴含的规律为目标,使用云边协同技术和工业互联网平台完成了边缘设备数据采集、边缘侧数据预处理、云平台设备故障诊断建模分析、工业数据可视化及信息管理等功能设计与实现,可助力制造企业转型升级,提高企业生产效率。本文主要工作涵盖以下四个方面:首先,在采集数据种类繁多、云平台传输时延较高等现有问题的基础上,依据边缘计算技术设计了云边协同环境下的工业互联网实施架构,涵盖了从边缘数据采集到云平台数据处理的全部功能需求。其次,通过DNC（Distributed Numerical Control）网络将制造企业生产设备连接起来,并将采集到的数据按类别进行建模,得到设备信息数据模型、工作人员信息数据模型、生产信息数据模型等5种数据模型,通过工业现场总线和5G无线网络实现近距离传输,将数据直接存入边缘存储服务器。再次,将采集到的工业数据在边缘网关进行预处理,将孤立森林算法（Isolation Forest）与模拟退火算法（Simulated Annealing）相结合进行异常点检测,针对Isolation Forest算法引入随机变量导致稳定性差的问题,使用模拟退火算法挑选出适应度较优的孤立树生成孤立森林,大量的仿真结果表明,SA-i Forest算法降低了冗余提高了算法可靠性,在异常点检测精度方面也有明显提高。基于XGBoost算法在工业互联网云平台建立故障诊断评估模型,并将其与传统的朴素贝叶斯算法和GBDT算法进行对比分析,通过混沌矩阵评估模型的量化性能,证明了XGBoost模型在工业故障设备检测上具有优越性。最后,通过对工业数据可视化及信息管理系统的软件设计以及可行性分析,开发了基于Spring Boot的工业数据管理平台,并将其部署到云端服务器。本工业数据可视化及信息管理系统实现了工业数据可视化、生产设备管理、仓储物流管理等功能,还将故障诊断评估模型应用到系统中,实现了报警事件智能管控。通过系统功能测试,证明本系统可以满足智能制造企业的使用需求。