工业大数据是智能制造的基础,工业设备在运行过程中产生了大量的数据,这些数据是提升制造业生产力的关键因素。但是数据中存在一些数据质量问题,直接应用这些数据很有可能产生错误的结果,因此,关注数据本身的质量问题是提高工业大数据数据质量的重要方面。本文在传统数据质量问题研究的基础上,针对工业大数据的特点,进行有关工业大数据质量问题的研究。首先介绍了工业大数据质量问题的研究现状,分析了工业大数据的数据特点,并且对数据质量问题进行分类;然后,针对工业大数据中的一致性问题和时效性问题,分析了数据质量问题产生的原因,并针对问题提出了对应的解决方法。具体的工作可以概括为:(1)针对工业大数据中存在的时间戳缺失和数据的时间不准确的问题,提出了时效规则提取的方法和数据时效性修复的方法,从而较好的处理了工业数据中的时效性问题。(2)针对传统数据清洗方法一致性清洗效果差的问题,设计了基于数据一致性的数据清洗框架,能够自动迭代的执行数据检测和数据修复两个过程,提高了数据清洗效率。(3)基于提出的时效性和一致性问题的解决方法,结合炼钢行业的数据质量问题的特点,提出了炼钢行业的数据质量问题的解决方法,并在分布式环境下进行实现。实验证明,本文提出有关数据质量问题解决的方法有效,对于工业大数据环境下数据质量关键问题的研究,对于数据质量问题的解决、数据质量的提高、企业的决策有重要的意义。