1、在信息技術和工業(yè)自動化迅速發(fā)展的背景之下，工業(yè)企業(yè)和工業(yè)技術發(fā)展迅速，工業(yè)過程各個環(huán)節(jié)逐漸優(yōu)化升級。在產品和技術迅速發(fā)展的同時，面向工業(yè)各個領域的大數據應運而生。而如何科學、有效地利用這些工業(yè)大數據，對企業(yè)發(fā)展、產品研發(fā)、過程優(yōu)化等方面來說具有深遠意義。工業(yè)大數據中包含的數據類型多樣、結構復雜、來源廣泛，如何開發(fā)和利用成為企業(yè)面臨的巨大挑戰(zhàn)。同時，數據不斷堆積使得處理周期延長，結構復雜使得處理難度和計算量加大，處理實時數據而非存儲數據也

2、給計算和處理工作加大了難度。所以，如何科學、合理地利用較為有效地信息技術對工業(yè)過程進行優(yōu)化和處理，具有重要的理論價值和現實意義。
　　針對目前監(jiān)測和處理實時數據的效果有待提高的現狀，通過運用復雜事件處理技術，提出了一種基于有向圖的事件檢測方法；針對數據間不能有效關聯的現狀，通過對事件關系進行建模，提出了一種基于時序的事件關聯方法。本論文的主要工作和貢獻可以概括為：首先，介紹工業(yè)大數據相關背景，結合國內外現狀對工業(yè)大數據蘊含的價值進

3、行分析；在當前工業(yè)大數據及其事件的概念還很模糊和抽象的情況下，對其概念進行界定，并對事件的類型、關系等進行詳細描述。其次，通過運用復雜事件處理技術，對基于有向圖的事件檢測方法進行說明，對有向圖的模型、檢測的步驟逐一闡述；然后，在介紹事件關系的基礎上對其進行建模，并利用時序關系對事件進行關聯處理，進而對事件進行關聯分析。最后，通過對比Hadoop和Spark平臺，選擇Spark平臺對實驗數據進行處理，進而對實驗結果進行分析和總結。實驗證明