新書推薦:
《
中国王朝内争实录:宠位厮杀
》
售價:NT$
281.0
《
凡事发生皆有利于我(这是一本读了之后会让人运气变好的书”治愈无数读者的心理自助经典)
》
售價:NT$
203.0
《
未来特工局
》
售價:NT$
254.0
《
高术莫用(十周年纪念版 逝去的武林续篇 薛颠传世之作 武学尊师李仲轩家世 凸显京津地区一支世家的百年沉浮)
》
售價:NT$
250.0
《
英国简史(刘金源教授作品)
》
售價:NT$
449.0
《
便宜货:廉价商品与美国消费社会的形成
》
售價:NT$
352.0
《
读书是一辈子的事(2024年新版)
》
售價:NT$
352.0
《
乐道文库·什么是秦汉史
》
售價:NT$
367.0
編輯推薦:
本书注重理论结合实践,既介绍大数据驱动的智能车间技术体系框架,深入介绍每项技术解决的问题,又介绍各项技术的具体应用场景与企业实际案例,突出前沿大数据技术在智能车间中的实用价值。
內容簡介:
阐述智能车间的大数据基本特点和应用框架,介绍大数据技术在智能车间中的多种典型应用场景:第1章论述大数据对智能制造的推动作用;第2章分析智能车间内的大数据资源;第3章介绍基于大数据的智能车间技术体系;第4至9章分别介绍设备智能维护、生产在线监控、产品智能设计、车间智能调度、产品质量控制、物料运输调度等大数据应用场景,并提供航空航天、汽车、钢铁、食品等典型行业中的大数据应用实例。
關於作者:
张洁,现为东华大学机械工程学院院长、教授、博导。南京航空航天大学获博士学位。曾任上海交通大学智能制造与信息工程研究所副所长、教授、博导,华中科技大学机械科学与工程学院副教授,华中科技大学和香港大学做博士后; 美国加州大学柏克莱分校、美国伊利诺伊大学香槟分校、法国里昂二大的高级访问学者。目前是中国人工智能学会智能制造专业委员会副主任,中国科协智能制造学会联合体专业委员会委员。
上个世纪九十年代师从李培根院士开展智能制造学术研究,目前研究领域:智能制造系统的调度、智能质量分析、机器人技术、工业大数据分析与决策等。正在负责国家自然科学基金重点项目《大数据驱动的智能车间运行性能分析与决策方法研究》。主持国家自然科学基金重点项目《大数据驱动的智能车间运行性能分析与决策方法研究》,主持完成了 国家自然科学基金面上项目可重入制造系统分层自适应控制的研究等5项。参与国家自然科学基金重点项目1项目和国家自然科学基金重大项目2项目。主持完成国家863计划面向分布式制造的MES关键技术研究及产品开发等5项和参与国家科技支撑计划液态食品机器人自动化生产线研制与示范2项。参与工信部智能制造的新模式和标准多项。
目錄 :
第1章工业大数据与智能制造00
1.1工业大数据00
1.1.1大数据概述00
1.1.2大数据的特征00
1.1.3工业大数据的特征00
1.2大数据在工业应用中的机遇与挑战00
1.3工业大数据驱动的智能制造00
1.3.1制造业驱动形势演变00
1.3.2基于大数据的产品设计00
1.3.3大数据驱动的智能生产00
1.3.4大数据驱动的智能化运维00
1.3.5基于大数据分析的产品精准营销和成本精确控制00
1.3.6大数据驱动的全生命周期供应链优化0
1.3.7大数据驱动的车间智能化发展0
1.4工业大数据与智能车间0
1.4.1智能车间的基本内涵0
1.4.2大数据环境下的智能车间信息化特点0
1.4.3大数据促进的车间信息化基础平台0
1.4.4大数据驱动的智能车间运行方式0
1.5智能车间中的工业大数据应用场景0
参考文献0
第2章基于大数据的智能车间技术体系0
2.1大数据应用技术体系0
2.2大数据采集技术0
2.2.1无线射频识别技术0
2.2.2二维码技术0
2.2.3系统日志采集系统0
2.2.4网络数据采集系统0
2.2.5数据库采集系统0
2.2.6其他制造业大数据感知技术0
2.3大数据传输技术0
2.3.1工业现场总线通信技术0
2.3.2工业现场以太网通信技术0
2.3.3工业现场无线网络通信技术0
2.3.45G技术0
2.4大数据处理技术0
2.4.1数据清理0
2.4.2数据变换0
2.4.3数据归约0
2.5大数据存储技术0
2.5.1YARN0
2.5.2ZooKeeper0
2.6大数据集成技术0
2.7大数据分析技术0
2.7.1分类聚类算法0
2.7.2关联分析0
2.7.3模式挖掘0
2.8大数据预测决策技术0
2.9大数据可视化技术0
参考文献0
第3章基于大数据挖掘的产品工艺智能规划0
3.1产品工艺智能规划业务0
3.1.1产品工艺智能规划业务的内容0
3.1.2产品工艺智能规划问题的特点0
3.2产品工艺规划数据资源0
3.2.1产品工艺规划数据来源0
3.2.2MBD模型数据存储方式0
3.2.3工艺规划数据的标签化管理与组织方式0
3.3大数据驱动的产品工艺智能规划方法体系架构0
3.4产品工艺规划数据挖掘技术0
3.4.1产品形状特征自动识别方法0
3.4.2三维设计数据提取方法0
3.4.3产品工艺知识库管理技术0
3.5产品工艺智能规划方法0
3.5.1产品MBD模型检索方法0
3.5.2产品工艺知识重用方法0
3.6航天零件加工车间的产品工艺智能规划实例
参考文献
第4章基于大数据预测的车间生产智能调度
4.1车间生产智能调度业务
4.1.1车间生产智能调度业务的内容
4.1.2车间生产智能调度问题的特点
4.2车间生产智能调度数据资源
4.2.1车间生产智能调度数据来源
4.2.2车间生产智能调度数据组织方式
4.3大数据驱动的车间生产智能调度方法体系
4.4车间生产性能预测技术
4.4.1车间生产性能预测的一般方法
4.4.2车间工期预测模型
4.5性能预测驱动的车间生产智能调度方法
4.5.1晶圆单层工期调控模型
4.5.2基于强化学习的晶圆工期逐层调控模型
4.5.3基于ActorCritic的工期调控策略优化方法
4.6基于大数据预测晶圆制造车间生产智能调度实例
4.6.1晶圆制造系统特性分析
4.6.2晶圆制造车间智能调度案例
参考文献
第5章基于大数据集成的物料运输系统调度
5.1物料运输系统调度业务
5.1.1物料运输系统调度业务的内容
5.1.2物料运输系统调度问题的特点
5.2物料运输系统调度数据资源
5.2.1物料运输调度数据来源
5.2.2物料运输数据多维度组织形式
5.3大数据集成的物料运输系统调度方法体系
5.4物料运输系统状态感知技术
5.5基于大数据集成的物料运输系统状态分析技术
5.5.1物料运输系统数据集成方法
5.5.2物料运输系统运行模型
5.5.3物料运输系统运行稳定状态分析
5.5.4物料运输系统状态分析模型评价
5.6物料运输系统智能调度技术
5.6.1物料运输调度整体流程
5.6.2两阶段物料运输优化方法
5.7晶圆制造车间的物料运输系统调度实例
5.7.1车间硬件环境
5.7.2实施应用
5.7.3结果分析
参考文献
第6章基于大数据可视化的生产智能监控
6.1生产智能监控业务
6.1.1生产智能监控业务内容
6.1.2生产智能监控业务的问题特点
6.2生产智能监控业务的数据资源
6.2.1生产监控业务的数据来源
6.2.2生产监控数据的组织形式
6.3大数据驱动的生产智能监控方法体系架构
6.4面向车间生产监控的边缘计算技术
6.5车间生产监控信息建模技术
6.6车间生产监控可视化技术
6.6.1三维场景界面的设计
6.6.2界面操作逻辑的设计
6.7飞机装配车间的生产在线监控系统实例
6.7.1数据采集及管理模块
6.7.2机翼位姿监控模块
6.7.3生产进程可视化监控
6.8食品包装车间的生产在线监控系统实例
6.8.1原材料批次信息管理
6.8.2生产过程数据关联
6.8.3生产过程信息查询
6.8.4生产状态可视化
参考文献
第7章基于大数据关联分析的质量智能控制
7.1产品质量控制业务
7.1.1产品质量控制业务的内容
7.1.2产品质量控制问题的特点
7.2产品质量数据资源
7.2.1产品质量数据来源
7.2.2产品质量数据批次化组织形式
7.3产品质量数据关联分析技术
7.3.1产品质量规律挖掘方法
7.3.2产品质量特征提取方法
7.4产品质量智能预测技术
7.5产品质量控制优化技术
7.6发动机装配车间产品质量控制实例
7.6.1柴油发动机装配过程数据处理
7.6.2柴油发动机功率数据关联分析
7.6.3柴油发动机功率预测模型
7.6.4柴油发动机装配过程控制
参考文献
第8章基于大数据分类的设备智能维护
8.1设备智能维护业务
8.1.1设备维护业务的内容
8.1.2设备维护业务的问题特点
8.2设备智能维护业务的数据资源
8.3大数据驱动的设备智能维护方法体系架构
8.4设备异常状态侦测方法
8.5设备运行状态预测模型
8.6设备维护方式智能决策方法
8.7晶圆加工车间设备智能维护实例
参考文献
二维码目录
二维码11工业大数据白皮书(2019版)1
二维码12信息技术大数据术语GBT 3529520171
二维码13大数据驱动的智能制造5
二维码14大数据驱动的智能车间运行分析与决策方法体系11
二维码21信息技术大数据存储与处理系统功能要求GBT 37722201948
二维码22信息技术大数据分析系统功能要求GBT 37721201953
二维码23大数据驱动的晶圆工期预测关键参数识别方法53
二维码24基于数据挖掘的晶圆制造交货期预测方法60
二维码31工艺管理导则第4部分:工艺方案设计GBT 24737.4201269
二维码32工业大数据技术架构白皮书1.075
二维码33An oriented feature extraction and recognition approach for concaveconvex mixed interacting features in castthenmachined parts76
二维码34基于导向式搜索的航天舱体结构件特征识别方法103
二维码41运载火箭总装车间产能分配与预警系统用户手册111
二维码42Big data analytics for forecasting cycle time in semiconductor
wafer fabrication system116
二维码43基于OPC的工业设备数据采集系统(OPC Data Collector)用户
手册116
二维码44Bilateral LSTM: A TwoDimensional Long ShortTerm Memory
Model with Multiply Memory Units for ShortTerm Cycle Time
Forecasting in Reentrant Manufacturing Systems139
二维码51工业无线网络WIA规范第1部分: 用于过程自动化的WIA
系统结构与通信规范GBT 26790.12011157
二维码52信息技术传感器网络第2部分: 术语GBT 30269.22013161
二维码53一种混合智能的Interbay系统调度方法164
二维码54晶圆制造物料运输系统实时调度方法178
二维码61FogIBDIS: Industrial Big Data Integration and Sharing with
Fog Computing for Manufacturing Systems195
二维码62边缘计算参考架构2.02017年197
二维码63A collaborative architecture of the industrial internet platform
for manufacturing systems197
二维码71面向制造过程数据的两阶段无监督特征选择方法230
二维码72混流装配生产线工艺发布和质量自检系统用户手册234
二维码73An effective approach for causal variables analysis in diesel
engine production by using mutual information and network
deconvolution251
二维码81数字化车间术语和定义GBT 374132019259
二维码82基于多示例学习径向基函数神经网络的刻蚀设备异常侦测264
二维码83面向半导体制造的大数据分析平台281
智能车间的大数据应用 Bigdata Application in Smart Workshop
二维码目录
內容試閱 :
随着信息化与制造领域的深度融合,信息技术渗透到了制造业产业链的各个环节,射频识别、智能传感、工控系统、物联网、信息系统的全面互联互通,使得智能车间所拥有的数据日益丰富,呈现出了大体量、多源性、连续采样、价值密度低、动态性强等特点。实时感知、采集、监控智能车间运行过程中产生的海量数据,对数据之间的复杂关联关系进行深入挖掘,以科学分析结果推动形成合理的运行决策方案,在产品、设备、系统等多个维度实现智能车间生产性能的持续优化,这些构成了车间智能化的核心内容。
本书围绕大数据技术在智能车间中的应用情况,在概要阐述工业大数据驱动的智能制造主要存在形式基础上,介绍基于大数据的智能车间技术体系,针对工艺智能规划、生产智能调度、物料运输系统调度、生产智能监控、质量智能控制、设备智能维护等智能车间典型业务场景,深入分析这些场景的主要内容、数据资源及其组织形式,详细介绍数据集成、关联分析、数据预测、数据可视化等大数据技术在业务场景中的应用情况,并以航空航天、汽车、食品、半导体等典型行业为背景,介绍业务场景的企业实例。
本书主要面向从事智能制造新模式探索与工业大数据分析应用方面的学者和工业界中期望寻找智能车间运行分析与决策优化方法的生产管理人员,也可作为机械工程、智能制造、自动化、计算机工程、工业工程、管理工程等相关专业的研究生和高年级本科生的教材和参考书。
本书的研究工作得到了国家自然科学基金重点项目大数据驱动的智能车间运行分析与决策方法的研究(No.51435009)、国家重点研发计划面向纺织行业的机器人自动化长流程生产线示范应用(No.2017YFB1304000)的资助。
在本书编写过程中,研究生杨俊刚、王海超、徐楚桥、查栋烨等承担了不少任务,付出了大量心血,研究生许鸿伟、朱子洵、王明等也参加了部分编写工作。本书在编写过程中参考了大量的文献,作者在书中尽可能地做了标注,但难免仍有疏忽未标注的,敬请这些文献作者谅解。另外,清华大学出版社的编辑们也为本书的出版付出了大量的心血,在此谨对上述研究生、文献作者和编辑们一并表示由衷的感谢!
大数据技术、工业互联网、信息物理系统、云计算、机器学习等智能制造使能技术还处在迅速发展之中,由此形成的智能制造业务场景也在不断丰富,已引起越来越多的研究和应用人员的关注。由于作者的水平和能力有限,书中的缺点和疏漏在所难免,欢迎广大读者批评指正。
作者
2019年10月