《工业大数据分析实践》内容简介

本书以工业大数据的特点和需求为牵引，阐述了工业大数据分析的工程方法论，针对设备故障诊断与健康管理（Prognostics＆Health Management，PHM）、生产质量分析（Product Quality Management，PQM）、生产效率优化（Production Efficiency Management，PEM）等提出了具体的分析课题定义方法，给出了典型分析场景和算法框架，并系统总结了工业大数据领域的常用分析算法（特别是时序挖掘算法），最后以6个实际案例从不同方面诠释了工业大数据分析项目的复杂性和多样性，包括纯数据驱动、专家知识驱动、机器学习与机理模型结合等类型的分析课题，以期形成工业大数据分析的工程化方法体系。本书适合工业行业中从事数据分析、数字化转型、数据平台规划的专业人员阅读，也可为其他从事行业数据分析的专业人员及高等院校数据挖掘的研究人员提供参考。
田春华，博士，北京工业大数据创新中心首席数据科学家，曾在IBM中国研究院担任研究经理。专注数据挖掘算法、产品及行业应用开发工作，有丰富的行业实践经验，帮助装备制造、石油化工、电子制造、能源电力、航空与港口等领域的几十家国际和国内领先企业，成功实施资产管理、运营优化、营销洞察等数据分析项目。参与了多个工业大数据相关标准的制定工作、白皮书的编写工作、竞赛支持工作及多个国际学术会议的组织工作。发表学术论文近百篇，获得40余项国际和国内专利授权。

作品目录

内容简介
编委会
丛书推荐序一数字经济的思维观与人才观
丛书推荐序二产教融合打造创新人才培养的新模式
前言
第1章：工业大数据概论
1.1、工业大数据产生的背景
1.2、工业大数据的典型应用场景
1.3、工业大数据的特点与关键技术
1.4、本章小结
参考文献
第2章：工业大数据分析概论
2.1、工业大数据分析的特点与挑战
2.2、工业大数据分析的范畴
2.3、工业大数据分析的关键技术
2.4、本章小结
参考文献
第3章：工业大数据分析的工程方法
3.1、CRISP-DM方法论
3.2、数据驱动的机器学习工程方法
3.3、专家规则开发的工程方法
3.4、本章小结
参考文献
第4章：设备故障诊断与健康管理（PHM）
4.1、工业设备管理的现状与需求
4.2、PHM的分析范畴与特点
4.3、PHM分析问题定义：CRAB四步法
4.4、PHM分析主题
4.5、PHM的数据模型与应用架构
4.6、本章小结
参考文献
第5章：生产质量分析（PQM）
5.1、PQM的分析范畴与特点
5.2、PQM分析问题定义：CAPE方法
5.3、PQM分析主题
5.4、PQM的数据模型与应用架构
5.5、本章小结
参考文献
第6章：生产效率优化（PEM）
6.1、PEM的分析范畴与特点
6.2、PEM分析问题定义：SOFT方法
6.3、PEM分析主题
6.4、本章小结
参考文献
第7章：其他分析主题
7.1、生产安全分析
7.2、营销优化分析
7.3、研发数据分析
7.4、本章小结
参考文献
第8章：工业大数据分析算法
8.1、统计分析算法
8.2、机器学习算法
8.3、时序数据挖掘算法
8.4、工业知识图谱
8.5、其他算法
8.6、本章小结
参考文献
第9章：工业大数据平台技术
9.1、工业大数据对平台的需求
9.2、工业大数据平台架构
9.3、数据接入
9.4、数据管理
9.5、数据分析
9.6、本章小结
参考文献
第10章：工业大数据分析案例
10.1、风电大数据分析
10.2、透平设备智能运维
10.3、气化炉参数优化
10.4、磨煤机堵磨预警
10.5、冲压排产优化
10.6、轨道车辆悬挂系统故障诊断
10.7、本章小结
参考文献