工業(yè)大數(shù)據(jù)分析

定　價：￥138.00

作　者：	汪俊亮等著
出版社：	電子工業(yè)出版社
叢編項：	工業(yè)智能與工業(yè)大數(shù)據(jù)系列
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121441820	出版時間：	2022-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	236	字數(shù)：

內(nèi)容簡介

　　本書根據(jù)作者的大量企業(yè)實踐出發(fā)，內(nèi)容覆蓋基本概念、理論方法、實踐應(yīng)用，全面介紹工業(yè)大數(shù)據(jù)分析方法。數(shù)據(jù)基本概念篇（第1章），從工業(yè)大數(shù)據(jù)定義、特性分析、分析流程，闡述工業(yè)大數(shù)據(jù)基本概念。理論方法篇（第2~6章），以數(shù)據(jù)預(yù)處理、關(guān)聯(lián)分析、分類分析、聚類分析、預(yù)測性分析為主體內(nèi)容，介紹主流數(shù)據(jù)分析方法。應(yīng)用篇（第7~9章），選取三個應(yīng)用場景，介紹如何通過數(shù)據(jù)分析，實現(xiàn)工業(yè)場景的優(yōu)化，以業(yè)務(wù)場景為導(dǎo)向展示數(shù)據(jù)分析過程和技巧。

作者簡介

　　汪俊亮：講師東華大學(xué)機械工程學(xué)院工業(yè)大數(shù)據(jù)中心負責(zé)人。2013年于武漢理工大學(xué)獲得學(xué)士學(xué)位，2018年于上海交通大學(xué)獲得博士學(xué)位。作為項目核心骨干參與國家自然科學(xué)基金重點項目、重點研發(fā)計劃、工信部智能制造專項等課題，開發(fā)了中國商飛C919部裝線首套數(shù)據(jù)采集系統(tǒng)。在IEEE Trans、Engineering、International Journal of Production Research、Enterprise Information Systems等期刊發(fā)表SCI/EI論文十余篇，合作出版著作2部，獲得軟件著作權(quán)2項。曾參與《制造業(yè)大數(shù)據(jù)》、《制造業(yè)大數(shù)據(jù)資源》等著作的編寫工作。主要研究方向為：工業(yè)大數(shù)據(jù)分析、晶圓工期預(yù)測與調(diào)控、晶圓缺陷模式識別、機器視覺與疵點檢測等。張潔東華大學(xué)教授，博士生導(dǎo)師，機械工程學(xué)院院長。1997年畢業(yè)于南京航空航天大學(xué)機械制造專業(yè)，獲博士學(xué)位。以博士后或訪問學(xué)者身份，先后在華中科技大學(xué)、香港大學(xué)、法國里昂二大、美國加州大學(xué)伯克利分校從事研究工作。全國高校制造自動化研究會常務(wù)理事及華東區(qū)秘書長、中國機械工程學(xué)會生產(chǎn)工程分會生產(chǎn)系統(tǒng)專業(yè)委員會常務(wù)理事、中國人工智能學(xué)會智能制造專業(yè)委員會常務(wù)理事、國家自然科學(xué)基金項目工程與材料&自動化學(xué)部通訊評審、教育部獎項評審入庫專家、科技部項目評審入庫專家、中國機械工程技術(shù)路線圖編委、上海市經(jīng)信委項目評審入庫專家、上海市科委項目評審入庫專家、國際期刊《International Journal of Network and Mobile Technologies》編委、多個國內(nèi)外期刊論文評審人。主持國家自然科學(xué)基金重點項目1項、面上項目5項；主持國家重點研發(fā)計劃1項；支持工信部智能制造專項4項；主持國家863計劃4項；主持國家科技支撐計劃項目1項；主持上海市科委重點科研計劃項目2項；主持國防科技預(yù)研基金項目1項。發(fā)表學(xué)術(shù)論文100余篇，其中SCI收錄30余篇，EI收錄40余篇。獲國家發(fā)明專利授權(quán)7項，軟件著作權(quán)20項。出版專著《晶圓制造自動化物料運輸系統(tǒng)調(diào)度》、《基于Agent的制造系統(tǒng)調(diào)度與控制》、《可重入制造系統(tǒng)的控制》、《企業(yè)信息化工程――建模、診斷、評估與實踐》、《多Agent技術(shù)在先進制造中的應(yīng)用》、《敏捷智能化制造系統(tǒng)的重構(gòu)與控制》。

圖書目錄

第1章　緒論\t001
1．1 從開普勒三大定律的發(fā)現(xiàn)談起\t001
1．2 工業(yè)大數(shù)據(jù)的內(nèi)涵\t002
1．2．1 工業(yè)大數(shù)據(jù)的背景\t002
1．2．2 工業(yè)大數(shù)據(jù)的定義\t003
1．2．3 工業(yè)大數(shù)據(jù)的特性\t004
1．2．4 大數(shù)據(jù)驅(qū)動的智能制造科學(xué)范式\t007
1．3 工業(yè)大數(shù)據(jù)分析的流程、平臺及應(yīng)用\t009
1．3．1 工業(yè)大數(shù)據(jù)分析的基本流程\t009
1．3．2 大數(shù)據(jù)平臺\t010
1．3．3　工業(yè)大數(shù)據(jù)分析的應(yīng)用場景\t017
1．4 工業(yè)大數(shù)據(jù)帶來的思維變革\t019
1．4．1 從抽樣到全局數(shù)據(jù)分析\t019
1．4．2 從因果建模到關(guān)聯(lián)分析\t019
1．4．3 從精確求解到近似推演\t020
1．4．4 從數(shù)據(jù)的量變到分析的質(zhì)變\t020
1．4．5 多來源數(shù)據(jù)協(xié)同處理\t020
1．4．6 強實時數(shù)據(jù)分析\t021
1．5 本書主要內(nèi)容與章節(jié)安排\t021
參考文獻\t022
第2章　工業(yè)大數(shù)據(jù)融合處理方法：從抽樣到全局\t025
2．1 引言\t025
2．2 從局部樣本到全體數(shù)據(jù)\t025
2．3 工業(yè)大數(shù)據(jù)的類型\t026
2．3．1 按照制造業(yè)務(wù)流程劃分\t026
2．3．2 按照存儲結(jié)構(gòu)劃分\t028
2．4 工業(yè)大數(shù)據(jù)特征的描述方法\t030
2．4．1 數(shù)據(jù)集中趨勢度量\t030
2．4．2 數(shù)據(jù)離散趨勢度量\t032
2．4．3 數(shù)據(jù)的分布形態(tài)：偏態(tài)與峰度\t034
2．5 工業(yè)大數(shù)據(jù)融合處理的典型方法\t035
2．5．1 基于過濾規(guī)則多級組合的多源數(shù)據(jù)導(dǎo)入與清洗方法\t035
2．5．2 基于元對象框架的異構(gòu)數(shù)據(jù)統(tǒng)一建模與數(shù)據(jù)抽取融合方法\t037
2．5．3 基于字典學(xué)習(xí)的高維數(shù)據(jù)多尺度分類查詢方法\t039
2．5．4 基于稀疏自動編碼器的數(shù)據(jù)降維方法\t041
2．5．5 基于徑向基神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)去冗余方法\t043
2．6 本章小結(jié)\t044
參考文獻\t044
第3章　工業(yè)大數(shù)據(jù)關(guān)聯(lián)分析方法：從因果到關(guān)聯(lián)\t047
3．1 引言\t047
3．2 數(shù)據(jù)關(guān)聯(lián)分析方法\t048
3．2．1 基于信息熵的關(guān)聯(lián)關(guān)系度量方法\t048
3．2．2 基于頻繁項集的關(guān)聯(lián)關(guān)系度量方法\t050
3．2．3 基于Granger因果分析的關(guān)聯(lián)關(guān)系度量方法\t053
3．2．4 基于復(fù)雜網(wǎng)絡(luò)的關(guān)系解耦方法\t054
3．3 工業(yè)大數(shù)據(jù)關(guān)聯(lián)分析案例\t059
3．3．1 晶圓工期關(guān)鍵參數(shù)識別方法\t059
3．3．2 柴油發(fā)動機功率一致性關(guān)鍵參數(shù)識別方法\t071
3．4 本章小結(jié)\t077
參考文獻\t078
第4章　工業(yè)大數(shù)據(jù)預(yù)測方法：從精確求解到近似推演\t080
4．1 引言\t080
4．2 大數(shù)據(jù)預(yù)測任務(wù)\t080
4．1．1 時序預(yù)測任務(wù)\t081
4．1．2 因果預(yù)測任務(wù)\t082
4．2 工業(yè)大數(shù)據(jù)預(yù)測方法\t082
4．2．1 淺層機器學(xué)習(xí)預(yù)測方法\t083
4．2．2 深度學(xué)習(xí)預(yù)測方法\t089
4．3 工業(yè)大數(shù)據(jù)預(yù)測案例\t098
4．3．1 石油化工泵的故障預(yù)測\t098
4．3．2 晶圓工期預(yù)測方法\t106
4．4 本章小結(jié)\t120
參考文獻\t121
第5章　不平衡工業(yè)大數(shù)據(jù)分析方法：從量變到質(zhì)變\t123
5．1 引言\t123
5．2 大數(shù)據(jù)的不平衡性學(xué)習(xí)問題\t124
5．2．1 大數(shù)據(jù)的不平衡性\t124
5．2．2 不平衡學(xué)習(xí)問題分類\t125
5．2．3 不平衡學(xué)習(xí)的效果評價準則\t125
5．3 不平衡學(xué)習(xí)方法\t127
5．3．1 基于采樣的不平衡學(xué)習(xí)方法\t128
5．3．2 基于代價敏感的不平衡學(xué)習(xí)方法\t134
5．3．4 基于主動學(xué)習(xí)的不平衡學(xué)習(xí)方法\t139
5．4 不平衡學(xué)習(xí)方法在智能制造中的典型應(yīng)用\t143
5．4．1 不平衡數(shù)據(jù)下的晶圓圖缺陷模式識別\t143
5．4．2 空氣舵三維點云非等效分割方法\t155
5．5 本章小結(jié)\t167
參考文獻\t167
第6章　多源工業(yè)大數(shù)據(jù)融合技術(shù)：從數(shù)據(jù)孤島到多源融合\t170
6．1 引言\t170
6．2 制造大數(shù)據(jù)來源分析\t170
6．2．1 設(shè)計大數(shù)據(jù)\t171
6．2．2 生產(chǎn)大數(shù)據(jù)\t172
6．2．3 營銷大數(shù)據(jù)\t174
6．2．4 運維大數(shù)據(jù)\t175
6．3 多源工業(yè)大數(shù)據(jù)的融合問題\t175
6．3．1 問題描述\t176
6．3．2 難點分析\t177
6．3．3 技術(shù)要求\t178
6．4 多源工業(yè)大數(shù)據(jù)融合技術(shù)\t180
6．4．1 基于任務(wù)流圖的多源工業(yè)大數(shù)據(jù)融合任務(wù)建模技術(shù)\t180
6．4．2 基于霧計算的多源工業(yè)大數(shù)據(jù)融合技術(shù)\t182
6．4．3 基于密碼學(xué)的多源工業(yè)大數(shù)據(jù)傳輸技術(shù)\t187
6．4．4 基于區(qū)塊鏈的多源工業(yè)數(shù)據(jù)融合技術(shù)\t188
6．5 智能制造應(yīng)用案例\t189
6．5．1 問題描述\t190
6．5．2 多源數(shù)據(jù)驅(qū)動的飛機裝配位姿分析\t190
6．6 本章小結(jié)\t193
參考文獻\t193
第7章　“邊緣-云”模式的工業(yè)大數(shù)據(jù)分析技術(shù)：從云計算到邊云融合\t195
7．1 引言\t195
7．2 制造過程中的工業(yè)大數(shù)據(jù)分析需求\t196
7．3 “邊緣-云”融合的工業(yè)大數(shù)據(jù)分析模型\t197
7．3．1 “邊緣-云”融合的大數(shù)據(jù)分析模型架構(gòu)\t197
7．3．2 云計算技術(shù)\t199
7．3．3 邊緣計算技術(shù)\t201
7．3．4 流數(shù)據(jù)處理技術(shù)\t203
7．3．5 內(nèi)存計算技術(shù)\t205
7．4 基于“邊緣-云”模式的面料疵點檢測技術(shù)\t206
7．4．1 面料疵點檢測需求分析\t206
7．4．2 “邊緣-云”協(xié)同的面料疵點檢測\t208
參考文獻\t217
后記――方興未艾的大數(shù)據(jù)科學(xué)\t220