伴随信息化的进展工业领域中积累了巨量的数据。对数据进行分析,获取数据中蕴含的价值的前提就是要有高的数据质量。提升数据质量的重要方法就是进行冲突消解。关于冲突,就是针对同一个实体的不一致的表达描述。本文的方法从高效以及数据规模的角度来考虑。在产品制造业的数据(以下的工业大数据为该行业下的大数据)中进行冲突消解主要从三方面考虑。第一方面,数据中不仅只有确切值的情况,其中还有专家经验以及机器故障程度描述等模糊值(在企业中对应前期市场调研和售后环节)。针对于此,采用模糊偏序决策与冲突消解相结合来查找真值。这个方法将工业大数据中的模糊数据也考虑到了其中,并用一定的规则将其转化为可以与确切数值一起进行计算,这就使得其结果更具说服力。第二方面,考虑工业大数据的机器数据,日常内部运营等确切数据。由于当下工业生产的稳定性高,所以这些数据价值密度低,也就是其数据除去故障外大多是平稳的,显示整个生产环节和企业运作的正常状态。并且工业领域内的数据与互联网数据不同,其没有那么大的开放性。针对于这一点还有考虑到数据增长快以及不同的数据源对于不同的数据具有不一样的权威性来构建动态的投票方法。这个方法是随机森林分类器与考虑数据源权威性和描述间支持度的投票算法相结合,这样既保证速度,又确保工业大数据中所要求的准确性。第三方面,针对当前关注的传统方法并行化的研究,目的就是增强处理问题方法和算法的执行能力。解决大数据研究的重点问题,本文利用hadoop来进作为并行化平台,把动态投票算法与之相结合进行并行化实现。