更新时间：2024-01-19 15:12:04
封面
版权信息
作者简介
内容简介
编委会
丛书推荐序一 数字经济的思维观与人才观
丛书推荐序二 产教融合打造创新人才培养的新模式
前言
第1章 工业大数据概论
1.1 工业大数据产生的背景
1.1.1 工业的数字化转型之路
1.1.2 支撑技术的演化
1.1.3 对工业大数据的期望
1.1.4 各国的战略
1.2 工业大数据的典型应用场景
1.2.1 业务领域视角
1.2.2 应用系统视角
1.3 工业大数据的特点与关键技术
1.3.1 特点
1.3.2 关键技术
1.4 本章小结
参考文献
第2章 工业大数据分析概论
2.1 工业大数据分析的特点与挑战
2.1.1 数据视角
2.1.2 应用视角
2.2 工业大数据分析的范畴
2.2.1 典型分析主题
2.2.2 分析模型的形态与融合方式
2.2.3 分析模型的应用模式
2.3 工业大数据分析的关键技术
2.3.1 模型和算法
2.3.2 分析项目管理方法与工程化
2.3.3 数据分析软件与平台
2.4 本章小结
第3章 工业大数据分析的工程方法
3.1 CRISP-DM方法论
3.1.1 CRISP-DM方法论简介
3.1.2 分析问题的实际执行路径
3.2 数据驱动的机器学习工程方法
3.2.1 分析问题识别与定义
3.2.2 业务理解
3.2.3 数据理解
3.2.4 数据准备
3.2.5 模型建立
3.2.6 模型评价
3.2.7 模型部署
3.3 专家规则开发的工程方法
3.3.1 业务规则的技术和方法
3.3.2 工业专家规则的特点
3.3.3 专家规则开发的AI-FIT-PM方法论
3.3.4 专家规则模型对软件平台的需求
3.4 本章小结
第4章 设备故障诊断与健康管理（PHM）
4.1 工业设备管理的现状与需求
4.1.1 工业设备分类
4.1.2 运维管理
4.1.3 状态监测与故障诊断
4.1.4 相关标准
4.2 PHM的分析范畴与特点
4.2.1 术语约定与名词辨析
4.2.2 PHM的内容
4.2.3 PHM的应用模式
4.3 PHM分析问题定义：CRAB四步法
4.3.1 业务上下文理解
4.3.2 资源能力分析
4.3.3 业务模式与技术方案分析
4.3.4 执行路线
4.4 PHM分析主题
4.4.1 技术挑战
4.4.2 技术路线
4.4.3 传感器数据处理
4.4.4 状态监测
4.4.5 健康管理
4.4.6 故障诊断
4.4.7 故障预测
4.4.8 运维优化
4.4.9 专家规则引擎
4.5 PHM的数据模型与应用架构
4.5.1 PHM的数据模型
4.5.2 PHM的应用架构
4.6 本章小结
第5章 生产质量分析（PQM）
5.1 PQM的分析范畴与特点
5.1.1 PQM的特点
5.1.2 PQM分析场景
5.1.3 PQM的5个层面
5.1.4 PQM的应用
5.2 PQM分析问题定义：CAPE方法
5.2.1 业务上下文理解
5.2.2 数据资产评估
5.2.3 设计与计划
5.2.4 部署与评估
5.3 PQM分析主题
5.3.1 基础分析
5.3.2 质量时空模式分析
5.3.3 质量异常预警
