“十四五”规划和2035年远景目标建议指出,推动互联网、大数据、人工智能等同各产业深度融合,推动先进制造业集群发展。我国制造业正处于从数字制造向智能制造发展的阶段,工业机器人智能化应用是制造业转型升级的核心技术。目前对工业机器人的开发及安全测试的研究还处于起步阶段,因此有必要对工业机器人系统进行深入研究,为大规模工业机器人的生产运用提供支撑。本文以SCARA机器人系统为载体,对工业机器人安全测试管理系统进行研究与设计。在构建RESTful服务的基础上,进一步研究了工业机器人系统的数据挖掘方法与数据可视化方法。首先,设计了工业机器人安全测试管理系统架构。采用RESTful风格以及相关技术构建了一种适用于工业机器人系统的服务架构,与SOAP服务架构相比,本文的架构耦合性低,系统中各个模块划分明确,满足了系统对下属多个子系统的管理需求。其次,根据系统需求设计实现了RESTful服务。该服务采用了半结构化的JSON数据格式,使用统一模型实现数据的持久化;对子系统使用的RDP、Socket服务进行了统一封装,能够兼容多种协议,设计了基于LVS和Nginx的负载均衡方案,具有较强的并发处理能力;实现了基于JWT的认证授权,极大增加了服务安全性。然后,针对工业机器人系统数据研究了基于SARIMA模型的时序数据挖掘方法。将工业机器人信息构建为多维时间序列,对比分析了ARIMA和SARIMA模型的优缺点。通过绘制Q-Q图和计算RMSE验证了模型的拟合效果。通过对异常值建立模型进行数据清洗,并对位置轨迹数据提出了多项式插补算法,能够对三维轨迹数据进行符合运动学的数值插补。最后,利用获取的时序数据和子系统数据,实现了可视化应用。使用微服务技术构建平台框架,利用Vue3高效的响应式原理设计了支持复杂数据的可视化应用。设计实现了多种数据探索方式,用户可以使用图表筛选和分析预测方式获取并分析系统数据。经过测试,系统在网络负载较高的情况下具有很低的网络时延。