工业大数据的收集和存储是工业管理中非常重要的一环。首先，收集工业大数据可以通过传感器、监控设备、生产设备等实时监测系统来实现。这些设备可以实时采集生产过程中的各种数据，包括温度、压力、湿度、振动、电流、电压等各种参数。其次，可以通过生产过程中的自动化系统、PLC控制系统等来采集生产过程中的各种数据。另外，还可以通过RFID技术、条形码扫描等手段来采集生产过程中的物流数据、仓储数据等。
在数据存储方面，工业大数据可以采用分布式存储系统，如Hadoop、Spark等，这些系统可以实现海量数据的存储和处理。此外，还可以使用云存储技术，将数据存储在云平台上，实现数据的备份和共享。另外，还可以使用关系型数据库或者NoSQL数据库来存储结构化或半结构化数据，以便后续的数据分析和挖掘。
常用的数据采集和处理方法包括：
实时数据库技术：通过实时数据库可以实现对生产过程中的实时数据进行采集和存储，以支持生产过程的实时监控和控制。数据清洗和预处理：对采集到的数据进行清洗和预处理，去除噪声数据和异常数据，以保证后续分析的准确性和可靠性。数据挖掘和分析：通过数据挖掘和分析技术，可以从大数据中发现隐藏的模式、关联规则和异常情况，为管理者提供决策支持。机器学习和人工智能：利用机器学习和人工智能技术，可以构建预测模型和优化模型，从而实现对生产过程的智能优化和控制。总之，工业大数据的收集和存储是工业管理中非常重要的一环，有效的数据采集和处理方法可以为企业提供更好的生产管理和决策支持。