新書推薦：
《
四十自述：中国现代传记文学的名篇代表之作（胡适回顾自己前四十年的成长轨迹与心路历程）
》
售價：HK$
78.2
《
特权与焦虑：全球化时代的韩国中产阶级
》
售價：HK$
90.9
《
供应链金融（第4版）
》
售價：HK$
113.9
《
人人都想当网红？新媒体与注意力博弈
》
售價：HK$
78.2
《
君主、道学与宋王朝
》
售價：HK$
90.9
《
对话的力量，风靡全球的教练式沟通
》
售價：HK$
67.9
《
人的行为
》
售價：HK$
110.4
《
北京中轴线知识一点通
》
售價：HK$
90.9
|
| 編輯推薦： |
|
本书作者在国家自然科学基金重点项目大数据驱动的智能车间的运行分析与决策方法的研究（No 51435009）的资助下，突破传统的因果分析 模型 算法模式的瓶颈，围绕大数据驱动的智能车间运行分析与决策方法展开了广泛深入的研究，通过关联分析 预测 调控实现复杂制造环境下车间性能的优化。
|
| 內容簡介： |
|
本书对制造大数据的基本概念进行了梳理，对车间制造大数据的感知、通信、处理和平台技术，以及建模、分析方法和决策服务开展了探索，介绍了海量、高维、多源、异构制造数据清洗去噪等预处理方法、统一建模与融合方法、动态制造数据多尺度时序分析方法、制造数据的关系网络模型、车间性能预测方法与运行调控机制，并对大数据在典型制造行业的应用做了初步尝试，旨在为车间生产从自动化、数字化迈向智能化奠定坚实的理论和技术基础。
|
| 關於作者： |
|
上海交通大学机械与动力学院智能制造与信息工程研究所教授，曾在2008 ― 2009期间担任美国加州大学伯克立分校工业工程与运筹学系访问教授，2005 ― 2005，在法国里昂二大生产系统工程中心任访问研究员。 主要研究领域： 1. 智能制造系统与大数据技术 2. 制造系统的建模、仿真、调度与优化控制 3. 制造信息工程
|
| 目錄：
|
第1章智能制造与智能车间1
1.1智能制造的定义1
1.2智能制造的发展2
1.2.1目标：智能制造3
1.2.2基础：工业互联网4
1.2.3核心技术：大数据技术5
1.2.4应用领域6
1.3智能车间的构成8
1.3.1智能设备10
1.3.2智能控制11
1.3.3智能执行12
1.4智能化运行分析与决策13
1.4.1优化对象：车间性能14
1.4.2目标：提质增效降本14
1.5本书的主要内容和体系结构14
第2章车间制造大数据18
2.1大数据概述18
2.1.1大数据的提出18
2.1.2大数据的特征19
2.2车间制造大数据的来源19
2.2.1产品数据资源20
2.2.2设备数据资源24
2.2.3生产数据资源26
2.2.4物流数据资源27
2.3车间制造大数据的特征28
2.3.1规模性28
2.3.2多样性29
2.3.3高速性29
2.3.4高噪声29
2.3.5多来源30
2.3.6多尺度30
2.4车间制造大数据的典型应用场景30
2.4.1工序智能调度31
2.4.2资源自动分配和状态实时管理31
2.4.3性能预测分析32
2.4.4智能维护管理33
2.4.5过程实时管理34
2.4.6质量智能管理36
2.5车间制造大数据生命周期36
2.5.1制造大数据生命周期的不同阶段36
2.5.2制造大数据生命周期模型38
2.6本章小结39
第3章大数据驱动的车间运行分析与决策模式41
3.1车间运行性能指标体系41
3.1.1质量指标42
3.1.2效率指标43
3.1.3成本指标44
3.1.4其他性能指标44
3.2车间运行分析的常用方法44
3.2.1数学规划模型分析法45
3.2.2排队论模型分析法45
3.2.3网络流模型分析法46
3.2.4马尔可夫模型分析法47
3.2.5其他建模分析法47
3.3车间运行决策的常用方法49
3.3.1基于运筹学的决策方法49
3.3.2基于启发式规则的决策方法50
3.3.3基于智能优化算法的决策方法51
3.4大数据驱动的关联 预测 调控的新模式51
3.4.1第四范式：数据科学53
3.4.2车间制造数据的耦合机理：关联54
3.4.3车间性能的演化规律：预测55
3.4.4车间运行的管控机制：调控55
3.5新模式下的车间运行分析与决策关键方法56
3.5.1海量高维多源异构制造数据预处理技术56
3.5.2动态制造数据多尺度时序分析技术57
3.5.3制造大数据的关系网络建模与关联分析技术58
3.5.4车间运行状态演化规律挖掘与预测技术58
3.5.5基于定量调控机制的车间运行决策方法59
3.6本章小结60
第4章车间制造大数据融合方法63
4.1车间制造大数据融合的必要性63
4.2通用数据融合方法64
4.3智能车间制造大数据融合过程69
4.4车间制造大数据清洗方法71
4.4.1数据清洗常用方法71
4.4.2多规则多层级组合的车间制造数据清洗74
4.5车间制造大数据抽取方法75
4.5.1数据抽取常用方法75
4.5.2分布式元对象框架下的车间制造数据抽取77
4.6车间制造大数据分类方法79
4.6.1常用数据分类方法79
4.6.2基于聚类层次树的车间制造数据分类80
4.7车间制造大数据融合处理平台82
4.7.1平台配置82
4.7.2数据获取与导入83
4.7.3平台测试85
4.8本章小结86
第5章车间时序制造数据特征提取方法89
5.1车间时序制造数据的来源89
5.2车间时序制造数据的特点92
5.3时序数据特征提取方法分类94
5.3.1时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形状相似性特征提取方法98
5.4面向时序制造数据流的特征关系分析99
5.4.1时序制造数据符号化100
5.4.2时序制造数据相关性类别字典构建102
5.4.3时序制造数据类别字典自适应扩充103
5.4.4实验验证104
5.5分层的时序制造数据在线快速分类方法108
5.5.1时序制造数据层次树结构存储模型108
5.5.2时序制造数据特征快速匹配算法111
5.5.3实验验证111
5.6本章小结112
第6章车间制造大数据关联关系分析方法115
6.1车间制造大数据关联关系分析的难点115
6.1.1车间制造数据的多样相关特性116
6.1.2车间制造数据的复杂耦合特性117
6.2常用的数据关联关系分析方法120
6.3车间制造数据关联关系的信息熵度量方法122
6.3.1信息熵的定义122
6.3.2车间制造数据的互信息描述模型123
6.3.3参数相关性度量方法123
6.3.4参数冗余性度量方法125
6.3.5参数互补性度量方法125
6.4基于网络去卷积的车间制造关键参数识别方法126
6.4.1制造过程参数关联关系网络建模127
6.4.2车间制造数据的网络去卷积解耦算法128
6.4.3基于NMIND的关键影响因素识别131
6.5案例验证131
6.5.1标准测试集实验131
6.5.2实例验证133
6.6本章小结142
第7章大数据驱动的车间性能预测方法144
7.1车间运行性能预测对象概述144
7.2改进型循环神经网络的产品工期预测方法145
7.2.1多工序时间传递效应分析146
7.2.2面向产品工期预测的改进型循环神经网络模型148
7.2.3实验验证155
7.3基于支持向量机的产品质量预测方法160
7.3.1制造过程参数影响分析及优化策略161
7.3.2柴油发动机装配质量预测165
7.3.3实验验证170
7.4自适应迁移的设备故障预测方法173
7.4.1设备多工况服役特性173
7.4.2基于深度迁移学习的设备故障预测方法174
7.4.3实验验证176
7.5本章小结176
第8章大数据驱动的车间运行调控方法179
8.1车间运行调控概述179
8.2大数据驱动的生产动态调度方法180
8.2.1大数据驱动的飞机平尾装配生产逆调度模型180
8.2.2基于自适应容忍度驱动机制的逆调度策略182
8.2.3基于混合遗传算法的逆调度求解方法184
8.2.4实验结果与分析187
8.3大数据驱动的产品工期调控方法196
8.3.1大数据驱动的晶圆工期调控模型196
8.3.2基于ActorCritic的工期调控方法198
8.3.3晶圆制造车间工期调控案例203
8.4大数据驱动的设备故障诊断方法205
8.4.1大数据驱动的故障诊断方法框架206
8.4.2基于卷积神经网络的智能数据驱动故障诊断方法208
8.4.3实验验证210
8.5本章小结214
第9章基于大数据平台的智能车间管控系统及其应用217
9.1基于大数据平台的智能车间管控系统总体架构217
9.2车间制造大数据平台架构219
9.2.1系统总体架构219
9.2.2大数据平台功能结构及核心技术221
9.2.3大数据平台性能指标226
9.3智能车间管控系统功能模块设计与实现228
9.3.1基础功能模块228
9.3.2数据抽取与预处理模块229
9.3.3数据关联关系分析模块230
9.3.4车间运行性能预测模块230
9.3.5车间运行过程调控模块230
9.3.6智能车间可视化模块231
9.4晶圆制造车间应用案例232
9.4.1晶圆制造车间对大数据应用的需求232
9.4.2晶圆制造车间大数据的来源与特点235
9.4.3晶圆制造车间大数据处理与分析237
9.4.4大数据驱动的晶圆加工车间智能管控系统239
9.5本章小结248
|
| 內容試閱：
|
|
随着数控机床、传感器和智能感知设备的广泛应用，车间制造数据呈现出典型的大数据特性。本书作者在国家自然科学基金重点项目大数据驱动的智能车间的运行分析与决策方法的研究No.51435009的资助下，突破传统的因果分析 模型 算法模式的瓶颈，围绕大数据驱动的智能车间运行分析与决策方法展开了广泛深入的研究，通过关联分析 预测 调控实现复杂制造环境下车间性能的优化。本书对制造大数据的基本概念进行了梳理，对车间制造大数据的感知、通信、处理和平台技术，以及建模、分析方法和决策服务开展了探索，介绍了海量、高维、多源、异构制造数据清洗去噪等预处理方法，统一建模与融合方法，动态制造数据多尺度时序分析方法，制造数据的关系网络模型，车间性能预测方法与运行调控机制，并对大数据在典型制造行业的应用做了初步尝试，旨在为车间生产从自动化、数字化迈向智能化奠定坚实的理论和技术基础。本书主要面向机械工程和工业工程领域的研究者和生产管理人员，特别是寻求如何利用大数据提升制造业智能化水平的读者，同时也可作为自动化、计算机工程、管理工程等相关专业的研究生和高年级本科生的教材和参考书。本书的研究工作得到了国家自然科学基金重点项目大数据驱动的智能车间的运行分析与决策方法的研究No.51435009、面向智慧工厂的防空导弹结构件混线生产实时优化协同管理No.U1637211，以及面上项目基于复杂网络理论的晶圆制造自动化物料运输系统动态调度方法No.51775348的资助，在此表示感谢。本书由东华大学张洁、上海交通大学秦威、华中科技大学高亮撰写。在本书编写过程中，东华大学吕佑龙、张朋、汪俊亮，华中科技大学李新宇，以及博士和硕士研究生郑鹏、许宏伟、查栋烨、庄子龙、陆知遥等参加了部分编写工作，付出了大量心血，在此对他们表示感谢。在书稿编写过程中参考了大量的文献，在书中尽可能地标注了作者，表示由衷的感谢；若有因疏忽未标注的，敬请有关作者谅解。华中科技大学出版社的编辑们为本书的出版付出了大量的心血，在此表示由衷感谢。大数据的相关理论和方法还处在迅速发展的阶段，在制造业中的应用已经引起越来越多的科研和工程人员的关注。由于作者的水平和能力有限，书中的缺点和疏漏在所难免，在此欢迎广大读者批评指正。张洁等2019年8月于上海
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
