螺栓拧紧工艺广泛应用于制造业等领域,其工艺完成的质量直接影响产品的良品率,为了保证产品的质量和企业声誉,需要对螺栓拧紧工艺建立一套深入完善的评价方法。螺栓拧紧工艺涉及到扭矩、转角等多种、大量的数据,传统的数理统计方法对此分析有很大的局限性,难以保证企业对质量管理的更高要求,借助工业大数据分析方法可以建立一套深度质量评价方法。本文首先建立了工业大数据分析方案。在数据采集装置和分析平台之间建立数据接口,以此完成数据集的获取;对样本数据进行数据清洗、去除离群点等数据预处理;进一步的,对数据进行特征提取,建立数据模型,形成一套完整的工业大数据分析方案。针对螺栓拧紧数据的特点,分析机器学习算法,选择了聚类算法作为主要研究手段。针对具体的两类螺栓拧紧数据特点分别选择K-means和DBSCAN两种聚类算法并对已有数据进行深度分析,为最终质量评价方法的建立打下基础。最后,在介绍了基于大数据分析的等级评价方法之后,结合质量控制的6 sigma体系对工业实例中内燃机生产工厂的高强度螺栓和普通螺栓拧紧数据分别建立了质量评价方法。通过这一基于大数据分析的螺栓拧紧质量评价方法的建立,一定程度地对企业实际生产具有质量分级、提高良品率和降低生产成本的作用,也对大数据分析和质量评价方法的结合应用研究有着一定指导借鉴意义。