化學工業(yè)智能制造：互聯(lián)化工

第1章　智能制造概述　 / 1
1.1　智能制造發(fā)展背景　 / 2
1.2　智能制造定義　 / 3
1.3　智能制造架構　 / 6
1.4　智能制造的特征　 / 8
1.5　各國推動智能制造發(fā)展的產業(yè)計劃　 / 9
1.5.1　美國先進制造業(yè)國家戰(zhàn)略計劃　 / 9
1.5.2　德國工業(yè)4.0　 / 11
1.5.3　新工業(yè)法國　 / 11
1.5.4　英國工業(yè)2050戰(zhàn)略　 / 11
1.5.5　日本工業(yè)價值鏈產業(yè)聯(lián)盟　 / 12
1.5.6　中國制造強國戰(zhàn)略　 / 12
1.5.7　各國智能制造策略比較　 / 13

第2章　智能制造之經典生產制造體系基礎　 / 15
2.1　準時制生產　 / 16
2.2　精益生產　 / 18
2.3　柔性制造　 / 20
2.4　敏捷制造　 / 20
2.5　全面的質量管理和六西格瑪質量管理　 / 21
2.5.1　全面質量管理　 / 22
2.5.2　六西格瑪質量管理　 / 23
2.5.3　質量管理中的數據分析工具　 / 25
2.6　企業(yè)資源計劃　 / 26
2.6.1　企業(yè)資源計劃的概念　 / 26
2.6.2　企業(yè)資源計劃的管理思想　 / 27
2.6.3　ERP的計劃制定及計劃層次　 / 28
2.6.4　與ERP系統(tǒng)集成的相關系統(tǒng)及工具　 / 31
2.7　知識管理與知識自動化　 / 32
2.7.1　知識管理的概念　 / 32
2.7.2　知識重組與知識推理　 / 34
2.7.3　知識自動化與智能制造　 / 35
2.8　計算機集成控制技術　 / 36
2.8.1　過程控制技術發(fā)展階段　 / 36
2.8.2　計算機集成過程系統(tǒng)　 / 37

第3章　智能制造之現(xiàn)代信息技術基礎　 / 39
3.1　物聯(lián)網與工業(yè)互聯(lián)網　 / 40
3.1.1　物聯(lián)網概念　 / 40
3.1.2　物聯(lián)網設備　 / 40
3.1.3　基于物聯(lián)網技術的工業(yè)互聯(lián)網　 / 44
3.2　面向智能制造的工業(yè)通信技術　 / 46
3.2.1　面向智能制造的工業(yè)通信架構　 / 46
3.2.2　工業(yè)現(xiàn)場總線通信技術　 / 47
3.2.3　工業(yè)以太網通信技術　 / 48
3.2.4　工業(yè)無線通信技術　 / 49
3.2.5　5G通信技術　 / 50
3.2.6　網絡通信的安全　 / 53
3.3　大數據　 / 54
3.3.1　數據信息知識智慧模型　 / 54
3.3.2　大數據概念　 / 56
3.3.3　大數據的資源化意義　 / 58
3.3.4　大數據分析方法與傳統(tǒng)方法的區(qū)別　 / 59
3.3.5　數據的結構類別　 / 61
3.3.6　大數據技術　 / 62
3.4　云計算與邊緣計算　 / 63
3.4.1　云計算的概念與特點　 / 63
3.4.2　基于云計算的大數據架構　 / 65
3.4.3　工業(yè)云　 / 66
3.4.4　邊緣計算　 / 67
3.5　工業(yè)大數據　 / 69
3.5.1　工業(yè)大數據概念　 / 69
3.5.2　工業(yè)大數據的來源　 / 70
3.5.3　工業(yè)大數據的價值　 / 71
3.5.4　工業(yè)大數據的應用策略和方法　 / 73
3.5.5　工業(yè)大數據的關鍵技術　 / 75
3.5.6　工業(yè)大數據管理架構　 / 76
3.5.7　工業(yè)大數據的質量評價　 / 77
3.6　信息物理系統(tǒng)　 / 78
3.6.1　信息物理系統(tǒng)概念　 / 78
3.6.2　信息物理系統(tǒng)與智能制造　 / 81
3.6.3　信息物理系統(tǒng)技術架構　 / 82
3.7　人工智能　 / 84
3.7.1　人工智能的概念　 / 84
3.7.2　人工智能的發(fā)展歷程　 / 85
3.7.3　人工智能的研究范圍　 / 87
3.7.4　大數據、人工智能與智能制造　 / 88

第4章　互聯(lián)化工　 / 93
4.1　化學工業(yè)發(fā)展中的挑戰(zhàn)與問題提出　 / 94
4.2　化學工業(yè)對智能化技術的應用需求　 / 96
4.3　互聯(lián)化工　 / 97
4.3.1　互聯(lián)化工的概念　 / 97
4.3.2　互聯(lián)化工架構模型　 / 101
4.4　互聯(lián)化工的典型業(yè)務場景與模式　 / 105
4.4.1　綠色化的產品工程、工業(yè)工程與制造模式　 / 106
4.4.2　商務智能化與優(yōu)化控制一體化　 / 107
4.4.3　面向供應鏈協(xié)同的柔性生產系統(tǒng)　 / 110
4.4.4　基于可靠性管理和知識集成的質量管理體系　 / 113
4.4.5　智能化設備與設備全生命周期管理　 / 115
4.4.6　制造執(zhí)行系統(tǒng)　 / 117
4.4.7　能質網絡集成管理平臺與優(yōu)化運行　 / 119
4.4.8　健康、安全、環(huán)境管理　 / 121
4.4.9　知識體系與知識自動化　 / 126

第5章　互聯(lián)化工的關鍵信息技術　 / 134
5.1　互聯(lián)化工的數字化技術　 / 135
5.1.1　互聯(lián)化工的數據架構　 / 135
5.1.2　數據驅動的數字化技術　 / 136
5.1.3　基于過程機理的流程模擬技術　 / 137
5.1.4　互聯(lián)化工的數據安全技術　 / 139
5.2　面向互聯(lián)化工的工業(yè)互聯(lián)網架構　 / 140
5.3　面向互聯(lián)化工的信息物理系統(tǒng)　 / 142
5.3.1　互聯(lián)化工信息物理系統(tǒng)層級劃分　 / 142
5.3.2　互聯(lián)化工信息物理系統(tǒng)的技術特征　 / 143
5.4　智慧化單元操作與單元過程　 / 144
5.4.1　基于信息物理系統(tǒng)的智慧化單元架構　 / 144
5.4.2　智慧化單元的控制過程　 / 145
5.4.3　智慧化單元的性能特點　 / 145
5.5　智能控制技術　 / 146
5.5.1　互聯(lián)化工的智能控制要求　 / 146
5.5.2　智能控制技術　 / 147
5.5.3　智能控制技術的模式　 / 148
5.5.4　智能控制技術應用　 / 149

第6章　云制造——互聯(lián)化工的跨尺度模式　 / 152
6.1　云制造概述　 / 153
6.1.1　云制造的概念　 / 153
6.1.2　云制造的服務對象　 / 154
6.1.3　云制造能力服務　 / 154
6.1.4　制造資源服務　 / 155
6.2　云制造架構　 / 156
6.3　云制造的支撐技術　 / 158
6.4　云制造的數字化模型　 / 160
6.4.1　云制造的數字化核心技術　 / 161
6.4.2　制造資源與能力的數字化描述　 / 162
6.4.3　能力評價模型　 / 163
6.4.4　服務組合優(yōu)選算法模型　 / 164
6.5　云制造安全技術　 / 166
6.6　云制造的業(yè)務模式　 / 168
6.6.1　云制造平臺的運營管理　 / 168
6.6.2　云制造平臺的幾種商業(yè)運營模式　 / 168

第7章　數據挖掘　 / 171
7.1　數據的相關概念　 / 172
7.1.1　數據特征屬性　 / 172
7.1.2　數據管理的幾個常用概念　 / 174
7.1.3　數據的尺度屬性　 / 174
7.1.4　數據質量評估　 / 175
7.2　數據的存儲方式　 / 177
7.2.1　結構化數據的存儲　 / 177
7.2.2　非結構化數據的存儲　 / 177
7.2.3　面向主題的數據存儲—數據倉庫　 / 179
7.3　數據挖掘概述　 / 179
7.3.1　數據挖掘的概念　 / 179
7.3.2　數據挖掘技術的特點　 / 180
7.3.3　數據挖掘模型　 / 181
7.4　數據挖掘項目的實施步驟　 / 183
7.4.1　問題定義　 / 184
7.4.2　數據預處理　 / 185
7.4.3　數據探索　 / 186
7.4.4　建立數據挖掘模型　 / 187
7.4.5　結果解釋與評估　 / 188
7.5　數據挖掘項目的關鍵角色　 / 188
7.6　常用的數據挖掘軟件工具　 / 189

第8章　數據預處理　 / 192
8.1　數據整合　 / 193
8.2　數據清洗　 / 197
8.3　數據轉換　 / 199
8.4　數據歸約　 / 201
8.5　特征屬性的篩選（降維）方法　 / 202
8.5.1　基于線性相關性指標的篩選　 / 202
8.5.2　基于灰色關聯(lián)法的篩選　 / 203
8.5.3　主成分分析法　 / 204
8.6　共線性問題　 / 204
8.6.1　共線性問題的識別　 / 204
8.6.2　消除共線性問題　 / 205
8.7　數據倉庫　 / 205
8.7.1　數據倉庫概要　 / 205
8.7.2　構建數據倉庫的步驟　 / 207

第9章　數據挖掘算法　 / 210
9.1　聚類算法　 / 211
9.1.1　聚類算法概要　 / 211
9.1.2　常用的聚類算法　 / 211
9.1.3　聚類分析相似度的衡量　 / 212
9.1.4　聚類分析步驟　 / 212
9.1.5　聚類算法及結果的評價標準　 / 213
9.1.6　K-means聚類算法　 / 213
9.2　分類算法　 / 216
9.2.1　分類算法概要　 / 216
9.2.2　分類結果的評判　 / 216
9.2.3　k-近鄰分類算法　 / 217
9.2.4　人工神經網絡　 / 219
9.3　關聯(lián)規(guī)則　 / 223
9.3.1　關聯(lián)規(guī)則的基本概念　 / 223
9.3.2　關聯(lián)規(guī)則的類型　 / 224
9.3.3　Apriori算法　 / 224
9.4　回歸分析　 / 227
9.4.1　回歸分析方法　 / 227
9.4.2　回歸分析的步驟與逐步回歸　 / 228
9.5　預測算法　 / 230
9.5.1　預測的基本概念　 / 230
9.5.2　常用的預測方法　 / 231
9.5.3　時間序列分析概要　 / 233
9.5.4　時間序列分析的算法策略　 / 235
9.5.5　時間序列分析的步驟　 / 237
9.6　優(yōu)化問題　 / 239
9.6.1　遺傳算法的概述　 / 239
9.6.2　蟻群算法的基本原理　 / 240
9.6.3　模擬退火算法的概述　 / 241
9.7　診斷概要　 / 244
9.7.1　離群點　 / 244
9.7.2　離群點判據模型的建立原則　 / 245
9.7.3　離群點的常用檢測方法　 / 245
9.7.4　異常（故障）模式診斷　 / 247

第10章　數據挖掘應用案例　 / 251
10.1　材料基因組計劃　 / 252
10.1.1　材料基因組計劃概要　 / 252
10.1.2　神經網絡模型預測晶體材料的形成能　 / 255
10.1.3　基于關聯(lián)規(guī)則模型的材料性能分析　 / 255
10.2　化工系統(tǒng)的可靠性評價　 / 257
10.2.1　化工系統(tǒng)可靠性評價指標　 / 257
10.2.2　分析模型的建立　 / 258
10.2.3　灰色關聯(lián)分析　 / 259
10.2.4　馬爾可夫修正　 / 260
10.3　煤化工產業(yè)鏈的協(xié)同機制與模型　 / 261
10.3.1　基于社會網絡分析法的供應鏈模型　 / 262
10.3.2　基于工業(yè)代謝平衡的協(xié)同度評價　 / 265
10.4　設備異常識別與預防性維修　 / 267
10.4.1　模型的建立　 / 267
10.4.2　設備異常識別案例　 / 269
10.5　基于智能算法的軟測量技術　 / 272
10.5.1　軟測量技術概述　 / 272
10.5.2　軟測量模型及基于軟測量的異常診斷　 / 273
10.5.3　粉料儲罐料位的軟測量模型　 / 274

第11章　大數據可視化技術　 / 276
11.1　數據可視化技術概述　 / 277
11.1.1　數據可視化概念　 / 277
11.1.2　數據可視化的基本要素和分類　 / 277
11.1.3　可視化數據分類　 / 279
11.1.4　數據可視化的層次　 / 279
11.2　常用的數據可視化圖形　 / 280
11.2.1　常用三大圖：柱（條）、線、餅（環(huán)）　 / 280
11.2.2　面積圖、雷達圖、散點圖、氣泡圖　 / 283
11.2.3　地理圖　 / 284
11.2.4　矩形樹圖、日歷圖、?；鶊D、漏斗圖、箱線圖　 / 285
11.2.5　詞云、魚骨圖　 / 287
11.2.6　數據可視化多圖集合模式　 / 287
11.3　常用的數據可視化工具　 / 288

英文縮略詞對照表　 / 290

參考文獻　 / 294