大數(shù)據(jù)驅(qū)動的智能車間運行分析與決策方法（張潔）
定 價：128 元
- 作者：張潔，秦威，高亮 著
- 出版時間：2020/11/1
- ISBN：9787568062107
- 出 版 社：華中科技大學(xué)出版社
- 中圖法分類：F406.6
- 頁碼：254
- 紙張：膠版紙
- 版次：1
- 開本：16開
上海交通大學(xué)機械與動力學(xué)院智能制造與信息工程研究所教授，曾在2008 ― 2009期間擔(dān)任美國加州大學(xué)伯克立分校工業(yè)工程與運籌學(xué)系訪問教授，2005 ― 2005，在法國里昂二大生產(chǎn)系統(tǒng)工程中心任訪問研究員。 主要研究領(lǐng)域： 1. 智能制造系統(tǒng)與大數(shù)據(jù)技術(shù) 2. 制造系統(tǒng)的建模、仿真、調(diào)度與優(yōu)化控制 3. 制造信息工程
本書作者在國家自然科學(xué)基金重點項目“大數(shù)據(jù)驅(qū)動的智能車間的運行分析與決策方法的研究”（No 51435009）的資助下，突破傳統(tǒng)的“因果分析+模型+算法”模式的瓶頸，圍繞大數(shù)據(jù)驅(qū)動的智能車間運行分析與決策方法展開了廣泛深入的研究，通過“關(guān)聯(lián)分析+預(yù)測+調(diào)控”實現(xiàn)復(fù)雜制造環(huán)境下車間性能的優(yōu)化。
隨著數(shù)控機床、傳感器和智能感知設(shè)備的廣泛應(yīng)用，車間制造數(shù)據(jù)呈現(xiàn)出典型的大數(shù)據(jù)特性。本書作者在國家自然科學(xué)基金重點項目“大數(shù)據(jù)驅(qū)動的智能車間的運行分析與決策方法的研究”(No.51435009)的資助下，突破傳統(tǒng)的“因果分析+模型+算法”模式的瓶頸，圍繞大數(shù)據(jù)驅(qū)動的智能車間運行分析與決策方法展開了廣泛深入的研究，通過“關(guān)聯(lián)分析+預(yù)測+調(diào)控”實現(xiàn)復(fù)雜制造環(huán)境下車間性能的優(yōu)化。
本書對制造大數(shù)據(jù)的基本概念進行了梳理，對車間制造大數(shù)據(jù)的感知、通信、處理和平臺技術(shù)，以及建模、分析方法和決策服務(wù)開展了探索，介紹了海量、高維、多源、異構(gòu)制造數(shù)據(jù)清洗去噪等預(yù)處理方法，統(tǒng)一建模與融合方法，動態(tài)制造數(shù)據(jù)多尺度時序分析方法，制造數(shù)據(jù)的關(guān)系網(wǎng)絡(luò)模型，車間性能預(yù)測方法與運行調(diào)控機制，并對大數(shù)據(jù)在典型制造行業(yè)的應(yīng)用做了初步嘗試，旨在為車間生產(chǎn)從自動化、數(shù)字化邁向智能化奠定堅實的理論和技術(shù)基礎(chǔ)。
本書主要面向機械工程和工業(yè)工程領(lǐng)域的研究者和生產(chǎn)管理人員，特別是尋求如何利用大數(shù)據(jù)提升制造業(yè)智能化水平的讀者，同時也可作為自動化、計算機工程、管理工程等相關(guān)專業(yè)的研究生和高年級本科生的教材和參考書。
本書的研究工作得到了國家自然科學(xué)基金重點項目“大數(shù)據(jù)驅(qū)動的智能車間的運行分析與決策方法的研究”(No.51435009)、“面向智慧工廠的防空導(dǎo)彈結(jié)構(gòu)件混線生產(chǎn)實時優(yōu)化協(xié)同管理”(No.U1637211)，以及面上項目“基于復(fù)雜網(wǎng)絡(luò)理論的晶圓制造自動化物料運輸系統(tǒng)動態(tài)調(diào)度方法”(No.51775348)的資助，在此表示感謝。
本書由東華大學(xué)張潔、上海交通大學(xué)秦威、華中科技大學(xué)高亮撰寫。在本書編寫過程中，東華大學(xué)呂佑龍、張朋、汪俊亮，華中科技大學(xué)李新宇，以及博士和碩士研究生鄭鵬、許宏偉、查棟燁、莊子龍、陸知遙等參加了部分編寫工作，付出了大量心血，在此對他們表示感謝。在書稿編寫過程中參考了大量的文獻，在書中盡可能地標(biāo)注了作者，表示由衷的感謝；若有因疏忽未標(biāo)注的，敬請有關(guān)作者諒解。華中科技大學(xué)出版社的編輯們?yōu)楸緯某霭娓冻隽舜罅康男难诖吮硎居芍愿兄x。
大數(shù)據(jù)的相關(guān)理論和方法還處在迅速發(fā)展的階段，在制造業(yè)中的應(yīng)用已經(jīng)引起越來越多的科研和工程人員的關(guān)注。由于作者的水平和能力有限，書中的缺點和疏漏在所難免，在此歡迎廣大讀者批評指正。
張潔等
2019年8月于上海
上海交通大學(xué)機械與動力學(xué)院智能制造與信息工程研究所教授，曾在2008 ― 2009期間擔(dān)任美國加州大學(xué)伯克立分校工業(yè)工程與運籌學(xué)系訪問教授，2005 ― 2005，在法國里昂二大生產(chǎn)系統(tǒng)工程中心任訪問研究員。 主要研究領(lǐng)域： 1. 智能制造系統(tǒng)與大數(shù)據(jù)技術(shù) 2. 制造系統(tǒng)的建模、仿真、調(diào)度與優(yōu)化控制 3. 制造信息工程
第1章智能制造與智能車間/1
1.1智能制造的定義/1
1.2智能制造的發(fā)展/2
1.2.1目標(biāo)：智能制造/3
1.2.2基礎(chǔ)：工業(yè)互聯(lián)網(wǎng)/4
1.2.3核心技術(shù)：大數(shù)據(jù)技術(shù)/5
1.2.4應(yīng)用領(lǐng)域/6
1.3智能車間的構(gòu)成/8
1.3.1智能設(shè)備/10
1.3.2智能控制/11
1.3.3智能執(zhí)行/12
1.4智能化運行分析與決策/13
1.4.1優(yōu)化對象：車間性能/14
1.4.2目標(biāo)：提質(zhì)增效降本/14
1.5本書的主要內(nèi)容和體系結(jié)構(gòu)/14
第2章車間制造大數(shù)據(jù)/18
2.1大數(shù)據(jù)概述/18
2.1.1大數(shù)據(jù)的提出/18
2.1.2大數(shù)據(jù)的特征/19
2.2車間制造大數(shù)據(jù)的來源/19
2.2.1產(chǎn)品數(shù)據(jù)資源/20
2.2.2設(shè)備數(shù)據(jù)資源/24
2.2.3生產(chǎn)數(shù)據(jù)資源/26
2.2.4物流數(shù)據(jù)資源/27
2.3車間制造大數(shù)據(jù)的特征/28
2.3.1規(guī)模性/28
2.3.2多樣性/29
2.3.3高速性/29
2.3.4高噪聲/29
2.3.5多來源/30
2.3.6多尺度/30
2.4車間制造大數(shù)據(jù)的典型應(yīng)用場景/30
2.4.1工序智能調(diào)度/31
2.4.2資源自動分配和狀態(tài)實時管理/31
2.4.3性能預(yù)測分析/32
2.4.4智能維護管理/33
2.4.5過程實時管理/34
2.4.6質(zhì)量智能管理/36
2.5車間制造大數(shù)據(jù)生命周期/36
2.5.1制造大數(shù)據(jù)生命周期的不同階段/36
2.5.2制造大數(shù)據(jù)生命周期模型/38
2.6本章小結(jié)/39
第3章大數(shù)據(jù)驅(qū)動的車間運行分析與決策模式/41
3.1車間運行性能指標(biāo)體系/41
3.1.1質(zhì)量指標(biāo)/42
3.1.2效率指標(biāo)/43
3.1.3成本指標(biāo)/44
3.1.4其他性能指標(biāo)/44
3.2車間運行分析的常用方法/44
3.2.1數(shù)學(xué)規(guī)劃模型分析法/45
3.2.2排隊論模型分析法/45
3.2.3網(wǎng)絡(luò)流模型分析法/46
3.2.4馬爾可夫模型分析法/47
3.2.5其他建模分析法/47
3.3車間運行決策的常用方法/49
3.3.1基于運籌學(xué)的決策方法/49
3.3.2基于啟發(fā)式規(guī)則的決策方法/50
3.3.3基于智能優(yōu)化算法的決策方法/51
3.4大數(shù)據(jù)驅(qū)動的“關(guān)聯(lián)+預(yù)測+調(diào)控”的新模式/51
3.4.1第四范式：數(shù)據(jù)科學(xué)/53
3.4.2車間制造數(shù)據(jù)的耦合機理：關(guān)聯(lián)/54
3.4.3車間性能的演化規(guī)律：預(yù)測/55
3.4.4車間運行的管控機制：調(diào)控/55
3.5新模式下的車間運行分析與決策關(guān)鍵方法/56
3.5.1海量高維多源異構(gòu)制造數(shù)據(jù)預(yù)處理技術(shù)/56
3.5.2動態(tài)制造數(shù)據(jù)多尺度時序分析技術(shù)/57
3.5.3制造大數(shù)據(jù)的關(guān)系網(wǎng)絡(luò)建模與關(guān)聯(lián)分析技術(shù)/58
3.5.4車間運行狀態(tài)演化規(guī)律挖掘與預(yù)測技術(shù)/58
3.5.5基于定量調(diào)控機制的車間運行決策方法/59
3.6本章小結(jié)/60
第4章車間制造大數(shù)據(jù)融合方法/63
4.1車間制造大數(shù)據(jù)融合的必要性/63
4.2通用數(shù)據(jù)融合方法/64
4.3智能車間制造大數(shù)據(jù)融合過程/69
4.4車間制造大數(shù)據(jù)清洗方法/71
4.4.1數(shù)據(jù)清洗常用方法/71
4.4.2多規(guī)則多層級組合的車間制造數(shù)據(jù)清洗/74
4.5車間制造大數(shù)據(jù)抽取方法/75
4.5.1數(shù)據(jù)抽取常用方法/75
4.5.2分布式元對象框架下的車間制造數(shù)據(jù)抽取/77
4.6車間制造大數(shù)據(jù)分類方法/79
4.6.1常用數(shù)據(jù)分類方法/79
4.6.2基于聚類層次樹的車間制造數(shù)據(jù)分類/80
4.7車間制造大數(shù)據(jù)融合處理平臺/82
4.7.1平臺配置/82
4.7.2數(shù)據(jù)獲取與導(dǎo)入/83
4.7.3平臺測試/85
4.8本章小結(jié)/86
第5章車間時序制造數(shù)據(jù)特征提取方法/89
5.1車間時序制造數(shù)據(jù)的來源/89
5.2車間時序制造數(shù)據(jù)的特點/92
5.3時序數(shù)據(jù)特征提取方法分類/94
5.3.1時域相似性特征提取方法/95
5.3.2模型相似性特征提取方法/96
5.3.3形狀相似性特征提取方法/98
5.4面向時序制造數(shù)據(jù)流的特征關(guān)系分析/99
5.4.1時序制造數(shù)據(jù)符號化/100
5.4.2時序制造數(shù)據(jù)相關(guān)性類別字典構(gòu)建/102
5.4.3時序制造數(shù)據(jù)類別字典自適應(yīng)擴充/103
5.4.4實驗驗證/104
5.5分層的時序制造數(shù)據(jù)在線快速分類方法/108
5.5.1時序制造數(shù)據(jù)層次樹結(jié)構(gòu)存儲模型/108
5.5.2時序制造數(shù)據(jù)特征快速匹配算法/111
5.5.3實驗驗證/111
5.6本章小結(jié)/112
第6章車間制造大數(shù)據(jù)關(guān)聯(lián)關(guān)系分析方法/115
6.1車間制造大數(shù)據(jù)關(guān)聯(lián)關(guān)系分析的難點/115
6.1.1車間制造數(shù)據(jù)的多樣相關(guān)特性/116
6.1.2車間制造數(shù)據(jù)的復(fù)雜耦合特性/117
6.2常用的數(shù)據(jù)關(guān)聯(lián)關(guān)系分析方法/120
6.3車間制造數(shù)據(jù)關(guān)聯(lián)關(guān)系的信息熵度量方法/122
6.3.1信息熵的定義/122
6.3.2車間制造數(shù)據(jù)的互信息描述模型/123
6.3.3參數(shù)相關(guān)性度量方法/123
6.3.4參數(shù)冗余性度量方法/125
6.3.5參數(shù)互補性度量方法/125
6.4基于網(wǎng)絡(luò)去卷積的車間制造關(guān)鍵參數(shù)識別方法/126
6.4.1制造過程參數(shù)關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)建模/127
6.4.2車間制造數(shù)據(jù)的網(wǎng)絡(luò)去卷積解耦算法/128
6.4.3基于NMIND的關(guān)鍵影響因素識別/131
6.5案例驗證/131
6.5.1標(biāo)準(zhǔn)測試集實驗/131
6.5.2實例驗證/133
6.6本章小結(jié)/142
第7章大數(shù)據(jù)驅(qū)動的車間性能預(yù)測方法/144
7.1車間運行性能預(yù)測對象概述/144
7.2改進型循環(huán)神經(jīng)網(wǎng)絡(luò)的產(chǎn)品工期預(yù)測方法/145
7.2.1多工序時間傳遞效應(yīng)分析/146
7.2.2面向產(chǎn)品工期預(yù)測的改進型循環(huán)神經(jīng)網(wǎng)絡(luò)模型/148
7.2.3實驗驗證/155
7.3基于支持向量機的產(chǎn)品質(zhì)量預(yù)測方法/160
7.3.1制造過程參數(shù)影響分析及優(yōu)化策略/161
7.3.2柴油發(fā)動機裝配質(zhì)量預(yù)測/165
7.3.3實驗驗證/170
7.4自適應(yīng)遷移的設(shè)備故障預(yù)測方法/173
7.4.1設(shè)備多工況服役特性/173
7.4.2基于深度遷移學(xué)習(xí)的設(shè)備故障預(yù)測方法/174
7.4.3實驗驗證/176
7.5本章小結(jié)/176
第8章大數(shù)據(jù)驅(qū)動的車間運行調(diào)控方法/179
8.1車間運行調(diào)控概述/179
8.2大數(shù)據(jù)驅(qū)動的生產(chǎn)動態(tài)調(diào)度方法/180
8.2.1大數(shù)據(jù)驅(qū)動的飛機平尾裝配生產(chǎn)逆調(diào)度模型/180
8.2.2基于自適應(yīng)容忍度驅(qū)動機制的逆調(diào)度策略/182
8.2.3基于混合遺傳算法的逆調(diào)度求解方法/184
8.2.4實驗結(jié)果與分析/187
8.3大數(shù)據(jù)驅(qū)動的產(chǎn)品工期調(diào)控方法/196
8.3.1大數(shù)據(jù)驅(qū)動的晶圓工期調(diào)控模型/196
8.3.2基于ActorCritic的工期調(diào)控方法/198
8.3.3晶圓制造車間工期調(diào)控案例/203
8.4大數(shù)據(jù)驅(qū)動的設(shè)備故障診斷方法/205
8.4.1大數(shù)據(jù)驅(qū)動的故障診斷方法框架/206
8.4.2基于卷積神經(jīng)網(wǎng)絡(luò)的智能(數(shù)據(jù)驅(qū)動)故障診斷方法/208
8.4.3實驗驗證/210
8.5本章小結(jié)/214
第9章基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)及其應(yīng)用/217
9.1基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)總體架構(gòu)/217
9.2車間制造大數(shù)據(jù)平臺架構(gòu)/219
9.2.1系統(tǒng)總體架構(gòu)/219
9.2.2大數(shù)據(jù)平臺功能結(jié)構(gòu)及核心技術(shù)/221
9.2.3大數(shù)據(jù)平臺性能指標(biāo)/226
9.3智能車間管控系統(tǒng)功能模塊設(shè)計與實現(xiàn)/228
9.3.1基礎(chǔ)功能模塊/228
9.3.2數(shù)據(jù)抽取與預(yù)處理模塊/229
9.3.3數(shù)據(jù)關(guān)聯(lián)關(guān)系分析模塊/230
9.3.4車間運行性能預(yù)測模塊/230
9.3.5車間運行過程調(diào)控模塊/230
9.3.6智能車間可視化模塊/231
9.4晶圓制造車間應(yīng)用案例/232
9.4.1晶圓制造車間對大數(shù)據(jù)應(yīng)用的需求/232
9.4.2晶圓制造車間大數(shù)據(jù)的來源與特點/235
9.4.3晶圓制造車間大數(shù)據(jù)處理與分析/237
9.4.4大數(shù)據(jù)驅(qū)動的晶圓加工車間智能管控系統(tǒng)/239
9.5本章小結(jié)/248
書單推薦
