工业大数据分析

新一轮产业革命已经到 来，信息技术加快渗透到工 业生产的各个环节，企业所 拥有的数据日益丰富，并涌 现出规模性、多样性和高速 性等大数据特性。工业大数 据方法通过对海量数据的处 理与分析，使工业系统具备 “学习”能力。通过源源不断 的数据对工业系统的复杂演 化规律、机理、知识经验进 行持续学习，使工业系统具 备自学习、自优化、自调控 能力，为工业系统赋予智能 。本书围绕智能制造中的工 业大数据分析问题，从工业 大数据的内涵、工业大数据 融合方法、工业大数据关联 分析方法、工业大数据预测 方法、不平衡数据分析方法 、多来源数据分析技术、“ 边缘-云”模式的工业大数据 分析技术阐述工业大数据分 析的体系架构。

第1章 绪论 1.1 从开普勒三大定律的发现谈起 1.2 工业大数据的内涵 1.2.1 工业大数据的背景 1.2.2 工业大数据的定义 1.2.3 工业大数据的特性 1.2.4 大数据驱动的智能制造科学范式 1.3 工业大数据分析的流程、平台及应用 1.3.1 工业大数据分析的基本流程 1.3.2 大数据平台 1.3.3 工业大数据分析的应用场景 1.4 工业大数据带来的思维变革 1.4.1 从抽样到全局数据分析 1.4.2 从因果建模到关联分析 1.4.3 从精确求解到近似推演 1.4.4 从数据的量变到分析的质变 1.4.5 多来源数据协同处理 1.4.6 强实时数据分析 1.5 本书主要内容与章节安排 参考文献 第2章 工业大数据融合处理方法：从抽样到全局 2.1 引言 2.2 从局部样本到全体数据 2.3 工业大数据的类型 2.3.1 按照制造业务流程划分 2.3.2 按照存储结构划分 2.4 工业大数据特征的描述方法 2.4.1 数据集中趋势度量 2.4.2 数据离散趋势度量 2.4.3 数据的分布形态：偏态与峰度 2.5 工业大数据融合处理的典型方法 2.5.1 基于过滤规则多级组合的多源数据导入与清洗方法 2.5.2 基于元对象框架的异构数据统一建模与数据抽取融合方法 2.5.3 基于字典学习的高维数据多尺度分类查询方法 2.5.4 基于稀疏自动编码器的数据降维方法 2.5.5 基于径向基神经网络的数据去冗余方法 2.6 本章小结 参考文献 第3章 工业大数据关联分析方法：从因果到关联 3.1 引言 3.2 数据关联分析方法 3.2.1 基于信息熵的关联关系度量方法 3.2.2 基于频繁项集的关联关系度量方法 3.2.3 基于Granger因果分析的关联关系度量方法 3.2.4 基于复杂网络的关系解耦方法 3.3 工业大数据关联分析案例 3.3.1 晶圆工期关键参数识别方法 3.3.2 柴油发动机功率一致性关键参数识别方法 3.4 本章小结 参考文献