工业大数据分析在流程制造行业的应用

第1章 流程工业智能制造与数字化转型 / 001
1．1 新一轮智能制造发展战略 / 003
1．1．1 德国工业4．0与流程工业智能制造 / 003
1．1．2 美国工业互联网与流程工业智能制造 / 004
1．1．3 “中国制造2025”与流程工业智能制造 / 004
1．1．4 各国流程工业智能制造的差异和启示 / 006
1．2 流程工业数字化转型战略 / 007
1．2．1 流程工业概述 / 007
1．2．2 流程工业数字化转型的需求 / 008
1．3 大数据分析和流程工业智能制造 / 009
1．3．1 大数据的内涵 / 010
1．3．2 大数据和人工智能的关系 / 011
1．3．3 工业大数据与流程工业智能制造 / 012
第2章 工业大数据分析基础 / 017
2．1 工业大数据治理 / 017
2．1．1 工业大数据应用面临的挑战 / 017
2．1．2 应对方法 / 019
2．2 流程工业大数据治理案例 / 020
2．2．1 跨国石油公司大数据治理 / 020
2．2．2 国内石油公司大数据治理 / 027
2．3 大数据采集技术 / 034
2．3．1 Apache Sqoop / 034
2．3．2 Apache Flume / 035
2．3．3 Gobblin / 037
2．4 大数据存储技术 / 038
2．4．1 HDFS / 039
2．4．2 NoSQL数据库 / 042
2．5 大数据分析技术 / 045
2．5．1 MapReduce / 049
2．5．2 Spark / 049
2．6 大数据可视化技术 / 051
2．6．1 Tableau / 051
2．6．2 Google Chart / 052
2．6．3 D3．js / 052
2．7 大数据分析方法 / 053
2．7．1 大数据分析方法分类 / 053
2．7．2 大数据分析步骤 / 054
2．7．3 数据挖掘方法 / 055
第3章 天然气开发行业的大数据分析 / 059
3．1 天然气开发行业信息化现状 / 059
3．2 天然气开发行业的大数据分析需求 / 061
3．3 天然气开发行业的大数据来源与特点 / 064
3．4 天然气开发行业的大数据解决方案 / 064
3．4．1 大数据获取 / 064
3．4．2 大数据监控 / 065
3．4．3 大数据可视化 / 066
3．5 天然气开发行业的大数据分析方法 / 067
3．5．1 天然气开发风险预防性分析方法 / 067
3．5．2 设备性能退化分析方法 / 069
3．6 天然气开发行业的大数据分析案例 / 071
3．6．1 应用场景 / 071
3．6．2 天然气水合物大数据预测应用案例 / 075
3．6．3 压缩机故障大数据预防性监控应用案例 / 077
3．6．4 换热器早期泄漏大数据监控应用案例 / 079
3．7 总结 / 080
第4章 炼油化工行业的大数据分析 / 082
4．1 炼油化工行业信息化现状 / 082
4．2 炼油化工行业的大数据分析需求 / 085
4．2．1 油田勘探与生产制造环节 / 085
4．2．2 研发设计环节 / 087
4．2．3 市场营销与售后服务环节 / 088
4．2．4 HSE评价体系的需求 / 088
4．3 炼油化工行业的大数据来源与特点 / 090
4．3．1 炼油化工行业大数据来源 / 090
4．3．2 炼油化工行业大数据特点 / 091
4．4 炼油化工行业的大数据解决方案 / 092
4．4．1 炼油化工企业存在的问题 / 092
4．4．2 工业大数据平台架构方案 / 093
4．5 炼油化工行业的大数据分析方法 / 096
4．6 炼油化工行业的大数据分析案例 / 097
4．6．1 应用场景 / 097
4．6．2 应用案例 / 098
4．7 总结 / 100
第5章 化工行业的大数据分析 / 101
5．1 化工行业信息化现状 / 101
5．2 化工行业的大数据分析需求 / 102
5．3 化工行业的大数据来源与特点 / 103
5．4 化工行业的大数据解决方案 / 104
5．5 化工行业的大数据分析方法 / 106
5．6 化工行业的大数据分析案例 / 108
5．6．1 应用场景 / 108
5．6．2 应用案例 / 116
5．7 总结 / 127
第6章 钢铁行业的大数据分析 / 129
6．1 钢铁行业信息化现状 / 130
6．2 钢铁行业的大数据分析需求 / 130
6．2．1 经营管理与生产管理的需求 / 131
6．2．2 技术进步与发展的需求 / 132
6．3 钢铁行业的大数据来源与特点 / 133
6．4 钢铁行业的大数据解决方案 / 134
6．5 钢铁行业的大数据分析方法 / 138
6．6 钢铁行业的大数据分析案例 / 141
6．6．1 应用场景 / 141
6．6．2 应用案例 / 143
6．7 总结 / 154
第7章 电力输电线路运维的大数据分析 / 155
7．1 电力输电线路运维信息化现状 / 155
7．2 电力输电线路运维的大数据分析需求 / 156
7．3 电力输电线路运维的大数据来源与特点 / 157
7．3．1 电力输电线路运维的大数据来源 / 157
7．3．2 电力输电线路运维的大数据特点 / 158
7．4 电力输电线路运维的大数据解决方案 / 159
7．5 电力输电线路运维的大数据分析方法 / 159
7．5．1 面向设备状态大数据的分布式存储和处理技术 / 160
7．5．2 电力运维行业的数据ETL技术 / 161
7．5．3 电力输电线路的数据挖掘分析技术 / 161
7．6 电力输电线路运维的大数据分析案例 / 163
7．6．1 输电线路智能化反外损监控系统 / 163
7．6．2 基于位置信息大数据驱动的输电线路智能巡检系统 / 169
7．6．3 特高压输电通道无人机巡检系统 / 174
7．6．4 空、塔、地协同的输电线路智能巡检系统 / 177
7．7 电力输电线路运维大数据技术展望 / 181
7．7．1 基于区块链技术的输电线路反外损运维系统 / 182
7．7．2 基于社交网络用户激励的系统运营模式 / 182
7．7．3 电力物联网价值挖掘 / 185
7．8 总结 / 187
第8章 总结与展望 / 188
8．1 流程工业与互联网下半场的结合 / 188
8．2 流程工业需要建立大数据文化 / 189
参考文献 / 190
索引 / 197
致谢 / 201