作者：张洁，秦威，高亮
页数：254
出版社：华中科技大学出版社
出版日期：2020
ISBN：9787568062107
电子书格式：pdf/epub/txt
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
本书特色
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。
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NMI睳D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Actor睠ritic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NMI睳D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Actor睠ritic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
