掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統(tǒng)關鍵技術
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創(chuàng)新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學的問題與脈絡
智能制造系統(tǒng)中大數(shù)據(jù)驅動的智能車間管理大數(shù)據(jù)驅動的智能車間運行分析與決策方法/張潔 版權信息
- ISBN：9787568062107
- 條形碼：9787568062107 ; 978-7-5680-6210-7
- 裝幀：105g啞粉紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
智能制造系統(tǒng)中大數(shù)據(jù)驅動的智能車間管理大數(shù)據(jù)驅動的智能車間運行分析與決策方法/張潔 本書特色
本書作者在國家自然科學基金重點項目“大數(shù)據(jù)驅動的智能車間的運行分析與決策方法的研究”（No 51435009）的資助下，突破傳統(tǒng)的“因果分析+模型+算法”模式的瓶頸，圍繞大數(shù)據(jù)驅動的智能車間運行分析與決策方法展開了廣泛深入的研究，通過“關聯(lián)分析+預測+調控”實現(xiàn)復雜制造環(huán)境下車間性能的優(yōu)化。
智能制造系統(tǒng)中大數(shù)據(jù)驅動的智能車間管理大數(shù)據(jù)驅動的智能車間運行分析與決策方法/張潔 內容簡介
上海交通大學機械與動力學院智能制造與信息工程研究所教授，曾在2008 ― 2009期間擔任美國加州大學伯克立分校工業(yè)工程與運籌學系訪問教授，2005 ― 2005，在法國里昂二大生產系統(tǒng)工程中心任訪問研究員。 主要研究領域： 1. 智能制造系統(tǒng)與大數(shù)據(jù)技術 2. 制造系統(tǒng)的建模、仿真、調度與優(yōu)化控制 3. 制造信息工程
智能制造系統(tǒng)中大數(shù)據(jù)驅動的智能車間管理大數(shù)據(jù)驅動的智能車間運行分析與決策方法/張潔 目錄
第1章智能制造與智能車間/1
1.1智能制造的定義/1
1.2智能制造的發(fā)展/2
1.2.1目標：智能制造/3
1.2.2基礎：工業(yè)互聯(lián)網/4
1.2.3核心技術：大數(shù)據(jù)技術/5
1.2.4應用領域/6
1.3智能車間的構成/8
1.3.1智能設備/10
1.3.2智能控制/11
1.3.3智能執(zhí)行/12
1.4智能化運行分析與決策/13
1.4.1優(yōu)化對象：車間性能/14
1.4.2目標：提質增效降本/14
1.5本書的主要內容和體系結構/14
第2章車間制造大數(shù)據(jù)/18
2.1大數(shù)據(jù)概述/18
2.1.1大數(shù)據(jù)的提出/18
2.1.2大數(shù)據(jù)的特征/19
2.2車間制造大數(shù)據(jù)的來源/19
2.2.1產品數(shù)據(jù)資源/20
2.2.2設備數(shù)據(jù)資源/24
2.2.3生產數(shù)據(jù)資源/26
2.2.4物流數(shù)據(jù)資源/27
2.3車間制造大數(shù)據(jù)的特征/28
2.3.1規(guī)模性/28
2.3.2多樣性/29
2.3.3高速性/29
2.3.4高噪聲/29
2.3.5多來源/30
2.3.6多尺度/30
2.4車間制造大數(shù)據(jù)的典型應用場景/30
2.4.1工序智能調度/31
2.4.2資源自動分配和狀態(tài)實時管理/31
2.4.3性能預測分析/32
2.4.4智能維護管理/33
2.4.5過程實時管理/34
2.4.6質量智能管理/36
2.5車間制造大數(shù)據(jù)生命周期/36
2.5.1制造大數(shù)據(jù)生命周期的不同階段/36
2.5.2制造大數(shù)據(jù)生命周期模型/38
2.6本章小結/39
第3章大數(shù)據(jù)驅動的車間運行分析與決策模式/41
3.1車間運行性能指標體系/41
3.1.1質量指標/42
3.1.2效率指標/43
3.1.3成本指標/44
3.1.4其他性能指標/44
3.2車間運行分析的常用方法/44
3.2.1數(shù)學規(guī)劃模型分析法/45
3.2.2排隊論模型分析法/45
3.2.3網絡流模型分析法/46
3.2.4馬爾可夫模型分析法/47
3.2.5其他建模分析法/47
3.3車間運行決策的常用方法/49
3.3.1基于運籌學的決策方法/49
3.3.2基于啟發(fā)式規(guī)則的決策方法/50
3.3.3基于智能優(yōu)化算法的決策方法/51
3.4大數(shù)據(jù)驅動的“關聯(lián)+預測+調控”的新模式/51
3.4.1第四范式：數(shù)據(jù)科學/53
3.4.2車間制造數(shù)據(jù)的耦合機理：關聯(lián)/54
3.4.3車間性能的演化規(guī)律：預測/55
3.4.4車間運行的管控機制：調控/55
3.5新模式下的車間運行分析與決策關鍵方法/56
3.5.1海量高維多源異構制造數(shù)據(jù)預處理技術/56
3.5.2動態(tài)制造數(shù)據(jù)多尺度時序分析技術/57
3.5.3制造大數(shù)據(jù)的關系網絡建模與關聯(lián)分析技術/58
3.5.4車間運行狀態(tài)演化規(guī)律挖掘與預測技術/58
3.5.5基于定量調控機制的車間運行決策方法/59
3.6本章小結/60
第4章車間制造大數(shù)據(jù)融合方法/63
4.1車間制造大數(shù)據(jù)融合的必要性/63
4.2通用數(shù)據(jù)融合方法/64
4.3智能車間制造大數(shù)據(jù)融合過程/69
4.4車間制造大數(shù)據(jù)清洗方法/71
4.4.1數(shù)據(jù)清洗常用方法/71
4.4.2多規(guī)則多層級組合的車間制造數(shù)據(jù)清洗/74
4.5車間制造大數(shù)據(jù)抽取方法/75
4.5.1數(shù)據(jù)抽取常用方法/75
4.5.2分布式元對象框架下的車間制造數(shù)據(jù)抽取/77
4.6車間制造大數(shù)據(jù)分類方法/79
4.6.1常用數(shù)據(jù)分類方法/79
4.6.2基于聚類層次樹的車間制造數(shù)據(jù)分類/80
4.7車間制造大數(shù)據(jù)融合處理平臺/82
4.7.1平臺配置/82
4.7.2數(shù)據(jù)獲取與導入/83
4.7.3平臺測試/85
4.8本章小結/86
第5章車間時序制造數(shù)據(jù)特征提取方法/89
5.1車間時序制造數(shù)據(jù)的來源/89
5.2車間時序制造數(shù)據(jù)的特點/92
5.3時序數(shù)據(jù)特征提取方法分類/94
5.3.1時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形狀相似性特征提取方法/98
5.4面向時序制造數(shù)據(jù)流的特征關系分析/99
5.4.1時序制造數(shù)據(jù)符號化/100
5.4.2時序制造數(shù)據(jù)相關性類別字典構建/102
5.4.3時序制造數(shù)據(jù)類別字典自適應擴充/103
5.4.4實驗驗證/104
5.5分層的時序制造數(shù)據(jù)在線快速分類方法/108
5.5.1時序制造數(shù)據(jù)層次樹結構存儲模型/108
5.5.2時序制造數(shù)據(jù)特征快速匹配算法/111
5.5.3實驗驗證/111
5.6本章小結/112
第6章車間制造大數(shù)據(jù)關聯(lián)關系分析方法/115
6.1車間制造大數(shù)據(jù)關聯(lián)關系分析的難點/115
6.1.1車間制造數(shù)據(jù)的多樣相關特性/116
6.1.2車間制造數(shù)據(jù)的復雜耦合特性/117
6.2常用的數(shù)據(jù)關聯(lián)關系分析方法/120
6.3車間制造數(shù)據(jù)關聯(lián)關系的信息熵度量方法/122
6.3.1信息熵的定義/122
6.3.2車間制造數(shù)據(jù)的互信息描述模型/123
6.3.3參數(shù)相關性度量方法/123
6.3.4參數(shù)冗余性度量方法/125
6.3.5參數(shù)互補性度量方法/125
6.4基于網絡去卷積的車間制造關鍵參數(shù)識別方法/126
6.4.1制造過程參數(shù)關聯(lián)關系網絡建模/127
6.4.2車間制造數(shù)據(jù)的網絡去卷積解耦算法/128
6.4.3基于NMIND的關鍵影響因素識別/131
6.5案例驗證/131
6.5.1標準測試集實驗/131
6.5.2實例驗證/133
6.6本章小結/142
第7章大數(shù)據(jù)驅動的車間性能預測方法/144
7.1車間運行性能預測對象概述/144
7.2改進型循環(huán)神經網絡的產品工期預測方法/145
7.2.1多工序時間傳遞效應分析/146
7.2.2面向產品工期預測的改進型循環(huán)神經網絡模型/148
7.2.3實驗驗證/155
7.3基于支持向量機的產品質量預測方法/160
7.3.1制造過程參數(shù)影響分析及優(yōu)化策略/161
7.3.2柴油發(fā)動機裝配質量預測/165
7.3.3實驗驗證/170
7.4自適應遷移的設備故障預測方法/173
7.4.1設備多工況服役特性/173
7.4.2基于深度遷移學習的設備故障預測方法/174
7.4.3實驗驗證/176
7.5本章小結/176
第8章大數(shù)據(jù)驅動的車間運行調控方法/179
8.1車間運行調控概述/179
8.2大數(shù)據(jù)驅動的生產動態(tài)調度方法/180
8.2.1大數(shù)據(jù)驅動的飛機平尾裝配生產逆調度模型/180
8.2.2基于自適應容忍度驅動機制的逆調度策略/182
8.2.3基于混合遺傳算法的逆調度求解方法/184
8.2.4實驗結果與分析/187
8.3大數(shù)據(jù)驅動的產品工期調控方法/196
8.3.1大數(shù)據(jù)驅動的晶圓工期調控模型/196
8.3.2基于ActorCritic的工期調控方法/198
8.3.3晶圓制造車間工期調控案例/203
8.4大數(shù)據(jù)驅動的設備故障診斷方法/205
8.4.1大數(shù)據(jù)驅動的故障診斷方法框架/206
8.4.2基于卷積神經網絡的智能(數(shù)據(jù)驅動)故障診斷方法/208
8.4.3實驗驗證/210
8.5本章小結/214
第9章基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)及其應用/217
9.1基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)總體架構/217
9.2車間制造大數(shù)據(jù)平臺架構/219
9.2.1系統(tǒng)總體架構/219
9.2.2大數(shù)據(jù)平臺功能結構及核心技術/221
9.2.3大數(shù)據(jù)平臺性能指標/226
9.3智能車間管控系統(tǒng)功能模塊設計與實現(xiàn)/228
9.3.1基礎功能模塊/228
9.3.2數(shù)據(jù)抽取與預處理模塊/229
9.3.3數(shù)據(jù)關聯(lián)關系分析模塊/230
9.3.4車間運行性能預測模塊/230
9.3.5車間運行過程調控模塊/230
9.3.6智能車間可視化模塊/231
9.4晶圓制造車間應用案例/232
9.4.1晶圓制造車間對大數(shù)據(jù)應用的需求/232
9.4.2晶圓制造車間大數(shù)據(jù)的來源與特點/235
9.4.3晶圓制造車間大數(shù)據(jù)處理與分析/237
9.4.4大數(shù)據(jù)驅動的晶圓加工車間智能管控系統(tǒng)/239
9.5本章小結/248
1.1智能制造的定義/1
1.2智能制造的發(fā)展/2
1.2.1目標：智能制造/3
1.2.2基礎：工業(yè)互聯(lián)網/4
1.2.3核心技術：大數(shù)據(jù)技術/5
1.2.4應用領域/6
1.3智能車間的構成/8
1.3.1智能設備/10
1.3.2智能控制/11
1.3.3智能執(zhí)行/12
1.4智能化運行分析與決策/13
1.4.1優(yōu)化對象：車間性能/14
1.4.2目標：提質增效降本/14
1.5本書的主要內容和體系結構/14
第2章車間制造大數(shù)據(jù)/18
2.1大數(shù)據(jù)概述/18
2.1.1大數(shù)據(jù)的提出/18
2.1.2大數(shù)據(jù)的特征/19
2.2車間制造大數(shù)據(jù)的來源/19
2.2.1產品數(shù)據(jù)資源/20
2.2.2設備數(shù)據(jù)資源/24
2.2.3生產數(shù)據(jù)資源/26
2.2.4物流數(shù)據(jù)資源/27
2.3車間制造大數(shù)據(jù)的特征/28
2.3.1規(guī)模性/28
2.3.2多樣性/29
2.3.3高速性/29
2.3.4高噪聲/29
2.3.5多來源/30
2.3.6多尺度/30
2.4車間制造大數(shù)據(jù)的典型應用場景/30
2.4.1工序智能調度/31
2.4.2資源自動分配和狀態(tài)實時管理/31
2.4.3性能預測分析/32
2.4.4智能維護管理/33
2.4.5過程實時管理/34
2.4.6質量智能管理/36
2.5車間制造大數(shù)據(jù)生命周期/36
2.5.1制造大數(shù)據(jù)生命周期的不同階段/36
2.5.2制造大數(shù)據(jù)生命周期模型/38
2.6本章小結/39
第3章大數(shù)據(jù)驅動的車間運行分析與決策模式/41
3.1車間運行性能指標體系/41
3.1.1質量指標/42
3.1.2效率指標/43
3.1.3成本指標/44
3.1.4其他性能指標/44
3.2車間運行分析的常用方法/44
3.2.1數(shù)學規(guī)劃模型分析法/45
3.2.2排隊論模型分析法/45
3.2.3網絡流模型分析法/46
3.2.4馬爾可夫模型分析法/47
3.2.5其他建模分析法/47
3.3車間運行決策的常用方法/49
3.3.1基于運籌學的決策方法/49
3.3.2基于啟發(fā)式規(guī)則的決策方法/50
3.3.3基于智能優(yōu)化算法的決策方法/51
3.4大數(shù)據(jù)驅動的“關聯(lián)+預測+調控”的新模式/51
3.4.1第四范式：數(shù)據(jù)科學/53
3.4.2車間制造數(shù)據(jù)的耦合機理：關聯(lián)/54
3.4.3車間性能的演化規(guī)律：預測/55
3.4.4車間運行的管控機制：調控/55
3.5新模式下的車間運行分析與決策關鍵方法/56
3.5.1海量高維多源異構制造數(shù)據(jù)預處理技術/56
3.5.2動態(tài)制造數(shù)據(jù)多尺度時序分析技術/57
3.5.3制造大數(shù)據(jù)的關系網絡建模與關聯(lián)分析技術/58
3.5.4車間運行狀態(tài)演化規(guī)律挖掘與預測技術/58
3.5.5基于定量調控機制的車間運行決策方法/59
3.6本章小結/60
第4章車間制造大數(shù)據(jù)融合方法/63
4.1車間制造大數(shù)據(jù)融合的必要性/63
4.2通用數(shù)據(jù)融合方法/64
4.3智能車間制造大數(shù)據(jù)融合過程/69
4.4車間制造大數(shù)據(jù)清洗方法/71
4.4.1數(shù)據(jù)清洗常用方法/71
4.4.2多規(guī)則多層級組合的車間制造數(shù)據(jù)清洗/74
4.5車間制造大數(shù)據(jù)抽取方法/75
4.5.1數(shù)據(jù)抽取常用方法/75
4.5.2分布式元對象框架下的車間制造數(shù)據(jù)抽取/77
4.6車間制造大數(shù)據(jù)分類方法/79
4.6.1常用數(shù)據(jù)分類方法/79
4.6.2基于聚類層次樹的車間制造數(shù)據(jù)分類/80
4.7車間制造大數(shù)據(jù)融合處理平臺/82
4.7.1平臺配置/82
4.7.2數(shù)據(jù)獲取與導入/83
4.7.3平臺測試/85
4.8本章小結/86
第5章車間時序制造數(shù)據(jù)特征提取方法/89
5.1車間時序制造數(shù)據(jù)的來源/89
5.2車間時序制造數(shù)據(jù)的特點/92
5.3時序數(shù)據(jù)特征提取方法分類/94
5.3.1時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形狀相似性特征提取方法/98
5.4面向時序制造數(shù)據(jù)流的特征關系分析/99
5.4.1時序制造數(shù)據(jù)符號化/100
5.4.2時序制造數(shù)據(jù)相關性類別字典構建/102
5.4.3時序制造數(shù)據(jù)類別字典自適應擴充/103
5.4.4實驗驗證/104
5.5分層的時序制造數(shù)據(jù)在線快速分類方法/108
5.5.1時序制造數(shù)據(jù)層次樹結構存儲模型/108
5.5.2時序制造數(shù)據(jù)特征快速匹配算法/111
5.5.3實驗驗證/111
5.6本章小結/112
第6章車間制造大數(shù)據(jù)關聯(lián)關系分析方法/115
6.1車間制造大數(shù)據(jù)關聯(lián)關系分析的難點/115
6.1.1車間制造數(shù)據(jù)的多樣相關特性/116
6.1.2車間制造數(shù)據(jù)的復雜耦合特性/117
6.2常用的數(shù)據(jù)關聯(lián)關系分析方法/120
6.3車間制造數(shù)據(jù)關聯(lián)關系的信息熵度量方法/122
6.3.1信息熵的定義/122
6.3.2車間制造數(shù)據(jù)的互信息描述模型/123
6.3.3參數(shù)相關性度量方法/123
6.3.4參數(shù)冗余性度量方法/125
6.3.5參數(shù)互補性度量方法/125
6.4基于網絡去卷積的車間制造關鍵參數(shù)識別方法/126
6.4.1制造過程參數(shù)關聯(lián)關系網絡建模/127
6.4.2車間制造數(shù)據(jù)的網絡去卷積解耦算法/128
6.4.3基于NMIND的關鍵影響因素識別/131
6.5案例驗證/131
6.5.1標準測試集實驗/131
6.5.2實例驗證/133
6.6本章小結/142
第7章大數(shù)據(jù)驅動的車間性能預測方法/144
7.1車間運行性能預測對象概述/144
7.2改進型循環(huán)神經網絡的產品工期預測方法/145
7.2.1多工序時間傳遞效應分析/146
7.2.2面向產品工期預測的改進型循環(huán)神經網絡模型/148
7.2.3實驗驗證/155
7.3基于支持向量機的產品質量預測方法/160
7.3.1制造過程參數(shù)影響分析及優(yōu)化策略/161
7.3.2柴油發(fā)動機裝配質量預測/165
7.3.3實驗驗證/170
7.4自適應遷移的設備故障預測方法/173
7.4.1設備多工況服役特性/173
7.4.2基于深度遷移學習的設備故障預測方法/174
7.4.3實驗驗證/176
7.5本章小結/176
第8章大數(shù)據(jù)驅動的車間運行調控方法/179
8.1車間運行調控概述/179
8.2大數(shù)據(jù)驅動的生產動態(tài)調度方法/180
8.2.1大數(shù)據(jù)驅動的飛機平尾裝配生產逆調度模型/180
8.2.2基于自適應容忍度驅動機制的逆調度策略/182
8.2.3基于混合遺傳算法的逆調度求解方法/184
8.2.4實驗結果與分析/187
8.3大數(shù)據(jù)驅動的產品工期調控方法/196
8.3.1大數(shù)據(jù)驅動的晶圓工期調控模型/196
8.3.2基于ActorCritic的工期調控方法/198
8.3.3晶圓制造車間工期調控案例/203
8.4大數(shù)據(jù)驅動的設備故障診斷方法/205
8.4.1大數(shù)據(jù)驅動的故障診斷方法框架/206
8.4.2基于卷積神經網絡的智能(數(shù)據(jù)驅動)故障診斷方法/208
8.4.3實驗驗證/210
8.5本章小結/214
第9章基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)及其應用/217
9.1基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)總體架構/217
9.2車間制造大數(shù)據(jù)平臺架構/219
9.2.1系統(tǒng)總體架構/219
9.2.2大數(shù)據(jù)平臺功能結構及核心技術/221
9.2.3大數(shù)據(jù)平臺性能指標/226
9.3智能車間管控系統(tǒng)功能模塊設計與實現(xiàn)/228
9.3.1基礎功能模塊/228
9.3.2數(shù)據(jù)抽取與預處理模塊/229
9.3.3數(shù)據(jù)關聯(lián)關系分析模塊/230
9.3.4車間運行性能預測模塊/230
9.3.5車間運行過程調控模塊/230
9.3.6智能車間可視化模塊/231
9.4晶圓制造車間應用案例/232
9.4.1晶圓制造車間對大數(shù)據(jù)應用的需求/232
9.4.2晶圓制造車間大數(shù)據(jù)的來源與特點/235
9.4.3晶圓制造車間大數(shù)據(jù)處理與分析/237
9.4.4大數(shù)據(jù)驅動的晶圓加工車間智能管控系統(tǒng)/239
9.5本章小結/248
展開全部
智能制造系統(tǒng)中大數(shù)據(jù)驅動的智能車間管理大數(shù)據(jù)驅動的智能車間運行分析與決策方法/張潔 作者簡介
上海交通大學機械與動力學院智能制造與信息工程研究所教授，曾在2008 ― 2009期間擔任美國加州大學伯克立分校工業(yè)工程與運籌學系訪問教授，2005 ― 2005，在法國里昂二大生產系統(tǒng)工程中心任訪問研究員。 主要研究領域： 1. 智能制造系統(tǒng)與大數(shù)據(jù)技術 2. 制造系統(tǒng)的建模、仿真、調度與優(yōu)化控制 3. 制造信息工程
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
巴金－再思錄
- >
自卑與超越
- >
詩經-先民的歌唱
- >
煙與鏡
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
