工业大数据分析主要研究设计方法包括以下几种：
描述性统计分析：使用统计指标和图表来描述工业大数据的基本特征，例如平均值、方差、频率分布等。
相关性分析：通过计算变量之间的相关系数或协方差，来探索工业大数据中不同变量之间的关联程度。
预测模型建立：利用回归分析、时间序列分析等方法，基于历史数据来建立预测模型，以预测未来的趋势和结果。
聚类分析：将工业大数据中的样本按照某种相似性度量进行分组，以发现其中的内在结构和规律。
分类与识别：利用机器学习算法，基于已有的样本标签来对新的数据进行分类或识别，以实现自动化的判断和决策。
关联规则挖掘：通过挖掘工业大数据中的交易记录或事件序列，寻找其中的关联规则，以发现隐藏在数据背后的关联性和规律。
以上是工业大数据分析中常用的一些设计方法，具体选择哪种方法取决于研究目标、数据类型和问题特点。