新書推薦：
《
不在场证明谜案（超绝CP陷入冤案！日本文坛超新星推理作家——辻堂梦代表作首次引进！）
》
售價：HK$
58.2
《
明式家具三十年经眼录
》
售價：HK$
524.2
《
敦煌写本文献学（增订本）
》
售價：HK$
221.8
《
耕读史
》
售價：HK$
109.8
![地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德](http://103.6.6.66/upload/mall/productImages/24/43/9787111759478.jpg)
《
地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德
》
售價：HK$
121.0
《
沈括的知识世界：一种闻见主义的实践（中华学术译丛）
》
售價：HK$
87.4
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：HK$
72.8
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
155.7
|
| 內容簡介： |
|
本书基于作者在工作实践中经历的数十个实战案例撰写而成。全书分九章，阐述了第四次工业革命，对中国智能制造*个五年进行了回顾并展望制造强国战略的第二个五年规划，系统总结了当今中国制造业实践智能制造的六大方面共33个误区，详细分析了每个误区的特征、产生的根本原因及如何走出这些误区。每个误区中列举的案例都具有广泛的代表性，紧扣企业实际需求。本书对即将要实践智能制造的企业有非常大的参考价值，能够让后来者少走弯路，甚至不走弯路。
|
| 關於作者： |
|
欧阳生灵满咨询（L&M）创始人、首席顾问，领革智能CEO，精益智能制造理论创始人，中国智能制造百人会专家委员，上海交通大学人工智能研究院校外导师。在博世工作期间，将精益管理和工业4.0相结合提出了精益智能制造理论。曾为中国邮政、江淮汽车、航天科工、日本铃木等100多家中外企业提供过企业管理、精益管理和智能制造方面的项目落地服务；深入了解中外制造业的特点，能够依据客户公司的实际情况提供有针对性的整体解决方案，实现提质降本增效、转型升级的目标。宋海涛上海人工智能研究院执行院长、总经理，上海交通大学人工智能研究院副院长；全国导航设备标准化技术委员会委员，中国通信学会工业互联网委员会委员，中国矿产资源与材料应用创新联盟人工智能专委会副主任，中关村区块链产业联盟技术委员会委员，国家科技专家库专家，工业和信息化部项目评审专家。承担科学技术部及工业和信息化部智能制造、工业互联网、人工智能专项，上海市人工智能、工业互联网创新专项及课题二十余项，参与多项国家行业标准制定。徐东上海交通大学工学博士、博士后，工业互联网创新中心（上海）副主任，主要从事工业互联网、智能制造、通信领域的技术研究与产业转化应用工作。原中国船舶工业集团公司十三五规划先进制造技术组专家，现为工业和信息化部智能制造专家库专家、上海市科技专家库专家、上海市经信委工业互联网专家库专家、上海自贸区临港新片区专家库专家。作为技术负责人及项目主要研究人员，承担工业和信息化部智能制造、工业互联网专项十余项，参与多项行业标准制定。
|
| 目錄：
|
第一章 第四次工业革命
1.1 人类历史上的四次工业革命
1.2 美国：工业互联网
1.3 德国：工业4.0
1.4 中国：制造强国战略
1.4.1 制造强国战略的目标
1.4.2 制造强国战略的框架
1.5 制造强国战略与智能制造
1.6 智能制造与几个相关概念间的关系
1.6.1 智能制造与云计算
1.6.2 智能制造与大数据
1.6.3 智能制造与工业互联网
1.6.4 智能制造与人工智能
第二章 中国智能制造第一个五年回顾
2.1 中国智能制造第一个五年取得的成绩
2.2 中国智能制造第一个五年出现的问题
2.3 中国制造业实践智能制造六大方面33个误区
第三章 走出认知误区
3.1 误区1：对智能制造的了解不系统
3.1.1 误区1典型案例
3.1.2 误区1表现特征
3.1.3 误区1原因分析
3.1.4 走出误区1的方法
3.2 误区2：问供应商能做什么
3.2.1 误区2典型案例
3.2.2 误区2表现特征
3.2.3 误区2原因分析
3.2.4 走出误区2的方法
3.3 误区3：机器换人等于智能制造
3.3.1 误区3典型案例
3.3.2 误区3表现特征
3.3.3 误区3原因分析
3.3.4 走出误区3的方法
3.4 误区4：数字化工厂等于智能制造
3.4.1 误区4典型案例
3.4.2 误区4表现特征
3.4.3 误区4原因分析
3.4.4 走出误区4的方法
3.5 误区5：工厂数字建模等于CPS
3.5.1 误区5典型案例
3.5.2 误区5表现特征
3.5.3 误区5原因分析
3.5.4 走出误区5的方法
3.6 误区6：数据采集等于数据生产
3.6.1 误区6典型案例
3.6.2 误区6表现特征
3.6.3 误区6原因分析
3.6.4 走出误区6的方法
3.7 误区7：传感器等于数据
3.7.1 误区7典型案例
3.7.2 误区7表现特征
3.7.3 误区7原因分析
3.7.4 走出误区7的方法
3.8 误区8：MES等于效率提升
3.8.1 误区8典型案例
3.8.2 误区8表现特征
3.8.3 误区8原因分析
3.8.4 走出误区8的方法
3.9 误区9：定制化是完全个性化的，产生不了规模效益
3.9.1 误区9典型案例
3.9.2 误区9表现特征
3.9.3 误区9原因分析
3.9.4 走出误区9的方法
第四章 走出基础误区
4.1 误区10：在落后产能上实施智能制造
4.1.1 误区10典型案例
4.1.2 误区10表现特征
4.1.3 误区10原因分析
4.1.4 走出误区10的方法
4.2 误区11：管理不善直接实施智能制造
4.2.1 误区11典型案例
4.2.2 误区11表现特征
4.2.3 误区11原因分析
4.2.4 走出误区11的方法
4.3 误区12：多品种小批量生产模式不适合实施智能制造
4.3.1 误区12典型案例
4.3.2 误区12表现特征
4.3.3 误区12原因分析
4.3.4 走出误区12的方法
4.4 误区13：我们不一样
4.4.1 误区13典型案例
4.4.2 误区13表现特征
4.4.3 误区13原因分析
4.4.4 走出误区13的方法
第五章 走出顶层架构设计误区
5.1 误区14：不进行顶层架构设计
5.1.1 误区14典型案例
5.1.2 误区14表现特征
5.1.3 误区14原因分析
5.1.4 走出误区14的方法
5.2 误区15：不做调研规划，完全依赖供应商出方案
5.2.1 误区15典型案例
5.2.2 误区15表现特征
5.2.3 误区15原因分析
5.2.4 走出误区15的方法
5.3 误区16：智能制造顶层架构设计变成要素堆积
5.3.1 误区16典型案例
5.3.2 误区16表现特征
5.3.3 误区16原因分析
5.3.4 走出误区16的方法
5.4 误区17：没有设定具体指标
5.4.1 误区17典型案例
5.4.2 误区17表现特征
5.4.3 误区17原因分析
5.4.4 走出误区17的方法
5.5 误区18：运营指标与企业战略脱节
5.5.1 误区18典型案例
5.5.2 误区18表现特征
5.5.3 误区18原因分析
5.5.4 走出误区18的方法
5.6 误区19：补丁式规划
5.6.1 误区19典型案例
5.6.2 误区19表现特征
5.6.3 误区19原因分析
5.6.4 走出误区19的方法
第六章 走出执行误区
6.1 误区20：信息化部门主导智能制造
6.1.1 误区20典型案例
6.1.2 误区20表现特征
6.1.3 误区20原因分析
6.1.4 走出误区20的方法
6.2 误区21：重品牌、轻匹配
6.2.1 误区21典型案例
6.2.2 误区21表现特征
6.2.3 误区21原因分析
6.2.4 走出误区21的方法
6.3 误区22：想免费利用服务商来降低智能制造转型升级成本
6.3.1 误区22典型案例
6.3.2 误区22表现特征
6.3.3 误区22原因分析
6.3.4 走出误区22的方法
6.4 误区23：不愿创新，寄希望于成功案例
6.4.1 误区23典型案例
6.4.2 误区23表现特征
6.4.3 误区23原因分析
6.4.4 走出误区23的方法
6.5 误区24：第一步就做数字化
6.5.1 误区24典型案例
6.5.2 误区24表现特征
6.5.3 误区24原因分析
6.5.4 走出误区24的方法
6.6 误区25：抓小放大
6.6.1 误区25典型案例
6.6.2 误区25表现特征
6.6.3 误区25原因分析
6.6.4 走出误区25的方法
6.7 误区26：未突破瓶颈
6.7.1 误区26典型案例
6.7.2 误区26表现特征
6.7.3 误区26原因分析
6.7.4 走出误区26的方法
6.8 误区27：旧问题解决、新问题出现
6.8.1 误区27典型案例
6.8.2 误区27表现特征
6.8.3 误区27原因分析
6.8.4 走出误区27的方法
6.9 误区28：企业上云
6.9.1 误区28典型案例
6.9.2 误区28表现特征
6.9.3 误区28原因分析
6.9.4 走出误区28的方法
6.10 误区29：降本增效变成了增本降效
6.10.1 误区29典型案例
6.10.2 误区29表现特征
6.10.3 误区29原因分析
6.10.4 走出误区29的方法
第七章 走出人才误区
7.1 误区30：不知道如何培养
7.1.1 误区30典型案例
7.1.2 误区30表现特征
7.1.3 误区30原因分析
7.1.4 走出误区30的方法
7.2 误区31：没有系统的智能制造人才培养规划
7.2.1 误区31典型案例
7.2.2 误区31表现特征
7.2.3 误区31原因分析
7.2.4 走出误区31的方法
第八章 走出智能制造服务商误区
8.1 误区32：重应用、轻技术
8.1.1 误区32典型案例
8.1.2 误区32表现特征
8.1.3 误区32原因分析
8.1.4 走出误区32的方法
8.2 误区33：重收益、轻效果
8.2.1 误区33典型案例
8.2.2 误区33表现特征
8.2.3 误区33原因分析
8.2.4 走出误区33的方法
第九章 实施制造强国战略的第二个五年展望
9.1 需求个性化与供给标准化的矛盾将长期存在
9.2 宏观层面五大误区
9.2.1 宏观误区1：一窝蜂倒向政府政策
9.2.2 宏观误区2：面子工程
9.2.3 宏观误区3：政策骗补
9.2.4 宏观误区4：高投入、低产出的研发机制
9.2.5 宏观误区5：重商业模式、轻技术研发
9.3 三大机会
9.3.1 机会1：同一起跑线
9.3.2 机会2：完整的产业链
9.3.3 机会3：巨大的市场需求
9.4 三大挑战
9.4.1 挑战1：技术基础薄弱
9.4.2 挑战2：技术工人短缺
9.4.3 挑战3：人才培养机制不完善
9.5 未来智路
9.5.1 精益化
9.5.2 创新化
9.5.3 自动化
9.5.4 数字化
9.5.5 智能化
9.5.6 互联化
9.6 回归根本：降本增效
9.7 赢得未来：转型升级
9.7.1 客户升级
9.7.2 产品升级
9.7.3 制造升级
9.7.4 管理升级
9.7.5 人员升级
参考文献
|
|
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
