书籍详情
大数据驱动的智能车间运行分析与决策方法（张洁）
作者：张洁，秦威，高亮 著
出版社：华中科技大学出版社
出版时间：2020-11-01
ISBN：9787568062107
定价：¥128.00
购买这本书可以去
内容简介
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
作者简介
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
目录
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
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
猜您喜欢
