目 录 __eol____eol__第1章 工业大数据概论 001__eol__1.1 工业大数据产生的背景 001__eol__1.1.1 工业的数字化转型之路 001__eol__1.1.2 支撑技术的演化 002__eol__1.1.3 对工业大数据的期望 003__eol__1.1.4 各国的战略 003__eol__1.2 工业大数据的典型应用场景 004__eol__1.2.1 业务领域视角 004__eol__1.2.2 应用系统视角 005__eol__1.3 工业大数据的特点与关键技术 006__eol__1.3.1 特点 006__eol__1.3.2 关键技术 008__eol__1.4 本章小结 012__eol__参考文献 014__eol__第2章 工业大数据分析概论 016__eol__2.1 工业大数据分析的特点与挑战 016__eol__2.1.1 数据视角 016__eol__2.1.2 应用视角 017__eol__2.2 工业大数据分析的范畴 018__eol__2.2.1 典型分析主题 018__eol__2.2.2 分析模型的形态与融合方式 021__eol__2.2.3 分析模型的应用模式 023__eol__2.3 工业大数据分析的关键技术 024__eol__2.3.1 模型和算法 024__eol__2.3.2 分析项目管理方法与工程化 025__eol__2.3.3 数据分析软件与平台 025__eol__2.4 本章小结 025__eol__参考文献 026__eol__第3章 工业大数据分析的工程方法 027__eol__3.1 CRISP-DM方法论 027__eol__3.1.1 CRISP-DM方法论简介 027__eol__3.1.2 分析问题的实际执行路径 028__eol__3.2 数据驱动的机器学习工程方法 030__eol__3.2.1 分析问题识别与定义 031__eol__3.2.2 业务理解 034__eol__3.2.3 数据理解 041__eol__3.2.4 数据准备 042__eol__3.2.5 模型建立 042__eol__3.2.6 模型评价 043__eol__3.2.7 模型部署 044__eol__3.3 专家规则开发的工程方法 044__eol__3.3.1 业务规则的技术和方法 045__eol__3.3.2 专家规则的特点 047__eol__3.3.3 专家规则开发的AI-FIT-PM方法论 049__eol__3.3.4 专家规则模型对软件平台的需求 054__eol__3.4 本章小结 055__eol__参考文献 056__eol__第4章 设备故障诊断与健康管理（PHM） 058__eol__4.1 工业设备管理的现状与需求 058__eol__4.1.1 工业设备分类 059__eol__4.1.2 运维管理 060__eol__4.1.3 状态监测与故障诊断 062__eol__4.1.4 相关标准 064__eol__4.2 PHM的分析范畴与特点 066__eol__4.2.1 术语约定与名词辨析 066__eol__4.2.2 PHM的内容 067__eol__4.2.3 PHM的应用模式 069__eol__4.3 PHM分析问题定义：CRAB四步法 070__eol__4.3.1 业务上下文理解 070__eol__4.3.2 资源能力分析 072__eol__4.3.3 业务模式与技术方案分析 075__eol__4.3.4 执行路线 075__eol__4.4 PHM分析主题 077__eol__4.4.1 技术挑战 077__eol__4.4.2 技术路线 078__eol__4.4.3 传感器数据处理 080__eol__4.4.4 状态监测 088__eol__4.4.5 健康管理 091__eol__4.4.6 故障诊断 091__eol__4.4.7 故障预测 092__eol__4.4.8 运维优化 097__eol__4.4.9 专家规则引擎 099__eol__4.5 PHM的数据模型与应用架构 113__eol__4.5.1 PHM的数据模型 113__eol__4.5.2 PHM的应用架构 118__eol__4.6 本章小结 124__eol__参考文献 124__eol__第5章 生产质量分析（PQM） 126__eol__5.1 PQM的分析范畴与特点 126__eol__5.1.1 PQM的特点 126__eol__5.1.2 PQM分析场景 128__eol__5.1.3 PQM的5个层面 130__eol__5.1.4 PQM的应用 131__eol__5.2 PQM分析问题定义：CAPE方法 132__eol__5.2.1 业务上下文理解 132__eol__5.2.2 数据资产评估 136__eol__5.2.3 设计与计划 138__eol__5.2.4 部署与评估 140__eol__5.3 PQM分析主题 140__eol__5.3.1 基础分析 141__eol__5.3.2 质量时空模式分析 145__eol__5.3.3 质量异常预警 147__eol__5.3.4 控制参数优化 148__eol__5.3.5 质量根因分析 151__eol__5.4 PQM的数据模型与应用架构 152__eol__5.4.1 PQM的数据模型 152__eol__5.4.2 PQM的应用架构 156__eol__5.5 本章小结 157__eol__参考文献 159__eol__第6章 生产效率优化（PEM） 160__eol__6.1 PEM的分析范畴与特点 160__eol__6.1.1 PEM的内容 160__eol__6.1.2 PEM的常见误区 161__eol__6.2 PEM分析问题定义：SOFT方法 163__eol__6.2.1 PEM的要素 163__eol__6.2.2 PEM分析问题定义的SOFT方法 165__eol__6.2.3 PEM分析问题探索 168__eol__6.3 PEM分析主题 168__eol__6.3.1 能力规划 168__eol__6.3.2 生产计划与排程 169__eol__6.3.3 动态调整 171__eol__6.3.4 物耗能耗优化 171__eol__6.4 本章小结 173__eol__参考文献 173__eol__第7章 其他分析主题 175__eol__7.1 生产安全分析 175__eol__7.1.1 微观管理 175__eol__7.1.2 宏观管理 178__eol__7.2 营销优化分析 179__eol__7.3 研发数据分析 180__eol__7.4 本章小结 184__eol__参考文献 185__eol__第8章 工业大数据分析算法 186__eol__8.1 统计分析算法 186__eol__8.1.1 描述性统计 186__eol__8.1.2 推断统计 187__eol__8.2 机器学习算法 192__eol__8.2.1 回归 192__eol__8.2.2 分类 195__eol__8.2.3 聚类 196__eol__8.2.4 降维 197__eol__8.2.5 关联规则 198__eol__8.2.6 近期发展 198__eol__8.2.7 模型评价 203__eol__8.2.8 不同算法的要求 207__eol__8.3 时序数据挖掘算法 208__eol__8.3.1 时序分割 209__eol__8.3.2 时序分解 212__eol__8.3.3 时序再表征 217__eol__8.3.4 序列模式 219__eol__8.3.5 异常检测 223__eol__8.3.6 时序聚类 223__eol__8.3.7 时序分类 225__eol__8.3.8 时序预测 226__eol__8.3.9 可视化 227__eol__8.3.10 工具与应用 228__eol__8.4 工业知识图谱 230__eol__8.4.1 知识图谱的构建过程与应用技术 231__eol__8.4.2 知识图谱实践建议 232__eol__8.5 其他算法 234__eol__8.5.1 系统辨识算法 234__eol__8.5.2 运筹优化算法 235__eol__8.5.3 规则推理算法 237__eol__8.5.4 基于遗传算法的特征提取算法 238__eol__8.6 本章小结 240__eol__参考文献 240__eol__第9章 工业大数据平台技术 242__eol__9.1 工业大数据对平台的需求 242__eol__9.1.1 数据负载特性 243__eol__9.1.2 数据分析的特点 244__eol__9.1.3 数据应用的需求 246__eol__9.2 工业大数据平台架构 247__eol__9.2.1 功能架构 247__eol__9.2.2 关键技术 248__eol__9.3 数据接入 250__eol__9.3.1 时序数据接