中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
智能制造系統中大數據驅動的智能車間管理大數據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：暫無
- 重量：暫無
- 所屬分類：>
智能制造系統中大數據驅動的智能車間管理大數據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“大數據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，突破傳統的“因果分析+模型+算法”模式的瓶頸，圍繞大數據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“關聯分析+預測+調控”實現復雜制造環境下車間性能的優化。
智能制造系統中大數據驅動的智能車間管理大數據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工程與運籌學系訪問教授，2005 ― 2005，在法國里昂二大生產系統工程中心任訪問研究員。 主要研究領域： 1. 智能制造系統與大數據技術 2. 制造系統的建模、仿真、調度與優化控制 3. 制造信息工程
智能制造系統中大數據驅動的智能車間管理大數據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智能制造的發展/2
1.2.1目標：智能制造/3
1.2.2基礎：工業互聯網/4
1.2.3核心技術：大數據技術/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智能執行/12
1.4智能化運行分析與決策/13
1.4.1優化對象：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章車間制造大數據/18
2.1大數據概述/18
2.1.1大數據的提出/18
2.1.2大數據的特征/19
2.2車間制造大數據的來源/19
2.2.1產品數據資源/20
2.2.2設備數據資源/24
2.2.3生產數據資源/26
2.2.4物流數據資源/27
2.3車間制造大數據的特征/28
2.3.1規模性/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車間制造大數據的典型應用場景/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車間制造大數據生命周期/36
2.5.1制造大數據生命周期的不同階段/36
2.5.2制造大數據生命周期模型/38
2.6本章小結/39
第3章大數據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數學規劃模型分析法/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基于啟發式規則的決策方法/50
3.3.3基于智能優化算法的決策方法/51
3.4大數據驅動的“關聯+預測+調控”的新模式/51
3.4.1第四范式：數據科學/53
3.4.2車間制造數據的耦合機理：關聯/54
3.4.3車間性能的演化規律：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據預處理技術/56
3.5.2動態制造數據多尺度時序分析技術/57
3.5.3制造大數據的關系網絡建模與關聯分析技術/58
3.5.4車間運行狀態演化規律挖掘與預測技術/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章車間制造大數據融合方法/63
4.1車間制造大數據融合的必要性/63
4.2通用數據融合方法/64
4.3智能車間制造大數據融合過程/69
4.4車間制造大數據清洗方法/71
4.4.1數據清洗常用方法/71
4.4.2多規則多層級組合的車間制造數據清洗/74
4.5車間制造大數據抽取方法/75
4.5.1數據抽取常用方法/75
4.5.2分布式元對象框架下的車間制造數據抽取/77
4.6車間制造大數據分類方法/79
4.6.1常用數據分類方法/79
4.6.2基于聚類層次樹的車間制造數據分類/80
4.7車間制造大數據融合處理平臺/82
4.7.1平臺配置/82
4.7.2數據獲取與導入/83
4.7.3平臺測試/85
4.8本章小結/86
第5章車間時序制造數據特征提取方法/89
5.1車間時序制造數據的來源/89
5.2車間時序制造數據的特點/92
5.3時序數據特征提取方法分類/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面向時序制造數據流的特征關系分析/99
5.4.1時序制造數據符號化/100
5.4.2時序制造數據相關性類別字典構建/102
5.4.3時序制造數據類別字典自適應擴充/103
5.4.4實驗驗證/104
5.5分層的時序制造數據在線快速分類方法/108
5.5.1時序制造數據層次樹結構存儲模型/108
5.5.2時序制造數據特征快速匹配算法/111
5.5.3實驗驗證/111
5.6本章小結/112
第6章車間制造大數據關聯關系分析方法/115
6.1車間制造大數據關聯關系分析的難點/115
6.1.1車間制造數據的多樣相關特性/116
6.1.2車間制造數據的復雜耦合特性/117
6.2常用的數據關聯關系分析方法/120
6.3車間制造數據關聯關系的信息熵度量方法/122
6.3.1信息熵的定義/122
6.3.2車間制造數據的互信息描述模型/123
6.3.3參數相關性度量方法/123
6.3.4參數冗余性度量方法/125
6.3.5參數互補性度量方法/125
6.4基于網絡去卷積的車間制造關鍵參數識別方法/126
6.4.1制造過程參數關聯關系網絡建模/127
6.4.2車間制造數據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章大數據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制造過程參數影響分析及優化策略/161
7.3.2柴油發動機裝配質量預測/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章大數據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大數據驅動的生產動態調度方法/180
8.2.1大數據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大數據驅動的產品工期調控方法/196
8.3.1大數據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大數據驅動的設備故障診斷方法/205
8.4.1大數據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(數據驅動)故障診斷方法/208
8.4.3實驗驗證/210
8.5本章小結/214
第9章基于大數據平臺的智能車間管控系統及其應用/217
9.1基于大數據平臺的智能車間管控系統總體架構/217
9.2車間制造大數據平臺架構/219
9.2.1系統總體架構/219
9.2.2大數據平臺功能結構及核心技術/221
9.2.3大數據平臺性能指標/226
9.3智能車間管控系統功能模塊設計與實現/228
9.3.1基礎功能模塊/228
9.3.2數據抽取與預處理模塊/229
9.3.3數據關聯關系分析模塊/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據應用的需求/232
9.4.2晶圓制造車間大數據的來源與特點/235
9.4.3晶圓制造車間大數據處理與分析/237
9.4.4大數據驅動的晶圓加工車間智能管控系統/239
9.5本章小結/248
1.1智能制造的定義/1
1.2智能制造的發展/2
1.2.1目標：智能制造/3
1.2.2基礎：工業互聯網/4
1.2.3核心技術：大數據技術/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智能執行/12
1.4智能化運行分析與決策/13
1.4.1優化對象：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章車間制造大數據/18
2.1大數據概述/18
2.1.1大數據的提出/18
2.1.2大數據的特征/19
2.2車間制造大數據的來源/19
2.2.1產品數據資源/20
2.2.2設備數據資源/24
2.2.3生產數據資源/26
2.2.4物流數據資源/27
2.3車間制造大數據的特征/28
2.3.1規模性/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車間制造大數據的典型應用場景/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車間制造大數據生命周期/36
2.5.1制造大數據生命周期的不同階段/36
2.5.2制造大數據生命周期模型/38
2.6本章小結/39
第3章大數據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數學規劃模型分析法/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基于啟發式規則的決策方法/50
3.3.3基于智能優化算法的決策方法/51
3.4大數據驅動的“關聯+預測+調控”的新模式/51
3.4.1第四范式：數據科學/53
3.4.2車間制造數據的耦合機理：關聯/54
3.4.3車間性能的演化規律：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據預處理技術/56
3.5.2動態制造數據多尺度時序分析技術/57
3.5.3制造大數據的關系網絡建模與關聯分析技術/58
3.5.4車間運行狀態演化規律挖掘與預測技術/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章車間制造大數據融合方法/63
4.1車間制造大數據融合的必要性/63
4.2通用數據融合方法/64
4.3智能車間制造大數據融合過程/69
4.4車間制造大數據清洗方法/71
4.4.1數據清洗常用方法/71
4.4.2多規則多層級組合的車間制造數據清洗/74
4.5車間制造大數據抽取方法/75
4.5.1數據抽取常用方法/75
4.5.2分布式元對象框架下的車間制造數據抽取/77
4.6車間制造大數據分類方法/79
4.6.1常用數據分類方法/79
4.6.2基于聚類層次樹的車間制造數據分類/80
4.7車間制造大數據融合處理平臺/82
4.7.1平臺配置/82
4.7.2數據獲取與導入/83
4.7.3平臺測試/85
4.8本章小結/86
第5章車間時序制造數據特征提取方法/89
5.1車間時序制造數據的來源/89
5.2車間時序制造數據的特點/92
5.3時序數據特征提取方法分類/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面向時序制造數據流的特征關系分析/99
5.4.1時序制造數據符號化/100
5.4.2時序制造數據相關性類別字典構建/102
5.4.3時序制造數據類別字典自適應擴充/103
5.4.4實驗驗證/104
5.5分層的時序制造數據在線快速分類方法/108
5.5.1時序制造數據層次樹結構存儲模型/108
5.5.2時序制造數據特征快速匹配算法/111
5.5.3實驗驗證/111
5.6本章小結/112
第6章車間制造大數據關聯關系分析方法/115
6.1車間制造大數據關聯關系分析的難點/115
6.1.1車間制造數據的多樣相關特性/116
6.1.2車間制造數據的復雜耦合特性/117
6.2常用的數據關聯關系分析方法/120
6.3車間制造數據關聯關系的信息熵度量方法/122
6.3.1信息熵的定義/122
6.3.2車間制造數據的互信息描述模型/123
6.3.3參數相關性度量方法/123
6.3.4參數冗余性度量方法/125
6.3.5參數互補性度量方法/125
6.4基于網絡去卷積的車間制造關鍵參數識別方法/126
6.4.1制造過程參數關聯關系網絡建模/127
6.4.2車間制造數據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章大數據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制造過程參數影響分析及優化策略/161
7.3.2柴油發動機裝配質量預測/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章大數據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大數據驅動的生產動態調度方法/180
8.2.1大數據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大數據驅動的產品工期調控方法/196
8.3.1大數據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大數據驅動的設備故障診斷方法/205
8.4.1大數據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(數據驅動)故障診斷方法/208
8.4.3實驗驗證/210
8.5本章小結/214
第9章基于大數據平臺的智能車間管控系統及其應用/217
9.1基于大數據平臺的智能車間管控系統總體架構/217
9.2車間制造大數據平臺架構/219
9.2.1系統總體架構/219
9.2.2大數據平臺功能結構及核心技術/221
9.2.3大數據平臺性能指標/226
9.3智能車間管控系統功能模塊設計與實現/228
9.3.1基礎功能模塊/228
9.3.2數據抽取與預處理模塊/229
9.3.3數據關聯關系分析模塊/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據應用的需求/232
9.4.2晶圓制造車間大數據的來源與特點/235
9.4.3晶圓制造車間大數據處理與分析/237
9.4.4大數據驅動的晶圓加工車間智能管控系統/239
9.5本章小結/248
展開全部
智能制造系統中大數據驅動的智能車間管理大數據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工程與運籌學系訪問教授，2005 ― 2005，在法國里昂二大生產系統工程中心任訪問研究員。 主要研究領域： 1. 智能制造系統與大數據技術 2. 制造系統的建模、仿真、調度與優化控制 3. 制造信息工程
書友推薦
- >
月亮與六便士
- >
龍榆生：詞曲概論/大家小書
- >
回憶愛瑪儂
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
上帝之肋:男人的真實旅程
- >
名家帶你讀魯迅:朝花夕拾
- >
自卑與超越
- >
推拿
本類暢銷
