我国目前已是世界最大的铜材生产国,但仍不是铜材生产强国,低端产能相对过剩,而高、精、尖等高端铜材产品部分仍依赖进口,难以满足我国各行业对高端铜材的需求。此外,我国数量众多的中小型铜加工企业的产品质量水平及成品率普遍较低,这也是制约我国铜加工行业发展的突出问题,而究其原因,铜加工企业产品质量问题主要是由生产工艺技术上管理粗放造成的。近年来,为实现提质增效的目标,在国家及地方政府的政策鼓励下,国内铜加工企业纷纷开展智能化改造工作,而工业大数据在其中的应用成为铜加工企业智能化改造的突出障碍。本论文研究通过对江西某铜板带生产企业的生产工艺参数及产品质量检测数据等相关工业数据的采集,构建工业大数据平台对所采集数据进行数据清洗、数据存储、数据分析等系列工作,实现该企业部分生产工艺参数的智能优化,为铜板带乃至于其他铜材生产企业基于工业大数据的生产工艺参数优化做了有益的探索,并奠定了一定的基础。本论文主要研究工作为:（1）对铜板带工艺参数优化和大数据技术应用的研究现状进行梳理分析,提出利用大数据技术实现铜板带生产工艺优化的可行性和必要性;（2）对工业大数据平台的功能及结构进行了分析和研究,分析对比Hadoop体系主流架构的优势和适用场景,借鉴各架构的优势,以数据采集、数据存储和数据分析为主线,提出了面向中小企业的轻量化工业大数据平台架构,并在此基础上进行了ETL数据预处理及装载、Hive数据仓库、Spark大数据分析框架等基于Hadoop的工业大数据平台的技术细节设计;（3）部署实施了以Flume数据采集、Hive数据仓库数据存储管理及Spark数据分析框架为核心模块的高可用铜板带工业大数据平台,并对平台进行了稳定性、I/O吞吐量等性能测试;（4）应用工业大数据平台对江西某铜板带企业的生产工艺参数、产品质量等数据进行采集、预处理和存储。基于平台利用Spark机器学习建立了工艺参数多元线性回归模型,以压下率、铜含量为自变量,分别与延伸率、硬度拟合得出数学表达式,拟合度R2均大于0.9,表明该模型对多元线性回归具有良好的拟合能力。以硬度、延伸率为优化目标,构造了多目标优化数学模型,并利用带精英策略的非支配排序遗传算法（NSGA-II）对其进行求解,结果表明,该算法求解多目标能够很好的逼近Pareto前沿,且产生的非支配解集具有很好的分布特性。