醉染图书大数据驱动的智能车间运行分析与决策方法9787568062107

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..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

本章参考文献/17

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..生产数据资源/26

2.2.4物流数据资源/27

.车间制造大数据的特征/28

..1规模/2

..2多样/29

..高速/29

..4高噪声/29

..5多来源/30

..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

本章参考文献/40

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..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/59

本章参考文献/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/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

本章参考文献/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时域相似特征提取方法/95

5.3.2模型相似特征提取方法/96

5.3.3形状相似特征提取方法/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时序制造数据相关类字典构建/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/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/111

5.6本章小结/112

本章参考文献/113

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/116

6.1.2车间制造数据的复杂耦合特/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/1

6.3.3参数相关度量方法/1

6.3.4参数冗余度量方法/125

6.3.5参数互补度量方法/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NM-N的关键影响因素识别/131

6.5案例验/131

6.5.1标准测试集实验/131

6.5.2实例验/133

6.6本章小结/142

本章参考文献/142

第7章大数据驱动的车间能预测方法/144

7.1车间运行能预测对象概述/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..实验验/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/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/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/176

7.5本章小结/177

本章参考文献/177

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..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-Critic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/210

8.5本章小结/214

本章参考文献/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大数据平台功结构核心技术/221

9..大数据平台能指标/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/0

9.3.4车间运行能预测模块/0

9.3.5车间运行过程调控模块/0

9.3.6智能车间可视化模块/1

9.4晶圆制造车间应用案例/2

9.4.1晶圆制造车间对大数据应用的需求/2

9.4.2晶圆制造车间大数据的来源与特点/5

9.4.3晶圆制造车间大数据处理与分析/

9.4.4大数据驱动的晶圆加工车间智能管控系统/

9.5本章小结/248

本章参考文献/248

秦威，男，上海交通大学讲师、博士导师，2004年于上海交通大学，之后分别于2006年、2011年获清华大学硕士和香港大学博士，长期从事复杂科学，特别是复杂制造系统建模、优化与控制、智能制造、制造大数据分析与挖掘等领域的研究工作。

本书作者在自然科学重点项目“大数据驱动的智能车间的运行分析与决策方法的研究”（ 5435009）的资下，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能的优化。