锻造行业一直是我国制造业中的基础行业之一,近年来,我国各种锻造企业的年产量逐步上升,取得了阶跃性的进展。然而除了对产量的要求之外,客户往往对了解锻造产品质量以及生产过程等因素的需求日益增强,在智能制造背景下,各锻造生产厂商已经逐步完成对锻造生产过程的信息化采集,在采集到大量锻造生产过程大数据的同时,如何利用好这些锻造生产过程大数据,寻找出数据之间的内部联系,挖掘出数据的价值是企业向智能化发展的必经之路。本文针对锻造生产过程大数据进行了研究,首先对智能制造背景下,锻造行业在生产过程中所面临的瓶颈进行了概括,并对机器学习进入了深入研究,得出了机器学习算法就是解决锻造过程中大数据的分析问题。利用对Profinet网络协议的深入研究,实现了对锻造加工区域网络架构的搭建,在此基础上,运用智能传感器与锻造加工区域中的自动化集成系统建立起锻造生产过程中的数据采集系统,并将物料经过每一道工序中的质量数据进行单件绑定。在获得了物料单件质量信息的基础上,利用聚类算法来对锻造生产过程中的模型进行了搭建与验证,分析出了锻造生产过程中的不同工况与生产过程中数据之间的关系,进而分析出锻造生产线的稳定性。另外,利用回归算法搭建锻造加工区域模型,实现了对锻造生产过程中数据的预测,且效果较好。锻造加工区域的数据是反映当前生产状态的重要因素,实现了锻造生产过程数据的预测实现了对生产过程稳定性的预测。最后本文研究了基于Hadoop的大数据平台,实现了对生产过程大数据平台架构的总体设计。