面向流程制造行業(yè)的工業(yè)大數據分析

第1章 流程工業(yè)智能制造與數字化轉型 001
1.1 流程工業(yè)數字化轉型戰(zhàn)略 002
1.1.1 流程工業(yè)概述 003
1.1.2 流程工業(yè)數字化轉型的需求 004
1.1.3 中國流程工業(yè)數字化規(guī)劃 007
1.1.4 各國流程工業(yè)數字化的差異和啟示 009
1.2 大數據分析和數字化轉型的關系 010
1.2.1 大數據的內涵 010
1.2.2 大數據和人工智能的關系 011
1.2.3 工業(yè)大數據與流程工業(yè)智能化 012
1.3 人工智能在流程工業(yè)科研和工程中的戰(zhàn)略意義 016
1.3.1 人工智能在科學研究中的重要作用 016
1.3.2 人工智能在工程建設中的重要作用 017
第2章 工業(yè)大數據分析基礎 020
2.1 工業(yè)大數據治理 020
2.1.1 工業(yè)大數據應用面臨的挑戰(zhàn) 020
2.1.2 應對方法 022
2.2 流程工業(yè)大數據治理案例 023
2.2.1 跨國石油公司大數據治理 023
2.2.2 國內石油公司大數據治理 029
2.3 大數據采集技術 035
2.3.1 Apache Sqoop 035
2.3.2 Apache Flume 036
2.3.3 Gobblin 037
2.4 人工智能的概念 039
2.4.1 機器學習 040
2.4.2 神經網絡 041
2.4.3 深度學習 042
2.4.4 自然語言處理 043
2.4.5 多模態(tài)技術 045
2.4.6 生成式人工智能和人工智能大模型 046
2.5 人工智能與大數據的關系 047
2.5.1 人工智能的數據基礎 048
2.5.2 大數據的二次挖掘 049
第3章 天然氣開發(fā)行業(yè)的大數據分析 051
3.1 天然氣開發(fā)行業(yè)信息化現狀 051
3.2 天然氣開發(fā)行業(yè)的大數據分析需求 053
3.3 天然氣開發(fā)行業(yè)的大數據來源與特點 055
3.4 天然氣開發(fā)行業(yè)的大數據解決方案 055
3.4.1 大數據獲取 055
3.4.2 大數據監(jiān)控 056
3.4.3 大數據可視化 057
3.5 天然氣開發(fā)行業(yè)的大數據分析方法 058
3.5.1 天然氣開發(fā)風險預防性分析方法 058
3.5.2 設備性能退化分析方法 060
3.6 天然氣開發(fā)行業(yè)的大數據分析案例 061
3.6.1 應用場景 061
3.6.2 天然氣水合物大數據預測應用案例 065
3.6.3 壓縮機故障大數據預防性監(jiān)控應用案例 066
3.6.4 換熱器早期泄漏大數據監(jiān)控應用案例 068
3.7 總結 070
第4章 煉油化工行業(yè)的大數據分析 071
4.1 煉油化工行業(yè)信息化現狀 071
4.2 煉油化工行業(yè)的大數據分析需求 073
4.2.1 油田勘探與生產制造環(huán)節(jié) 073
4.2.2 研發(fā)設計環(huán)節(jié) 075
4.2.3 市場營銷與售后服務環(huán)節(jié) 076
4.2.4 HSE評價體系的需求 076
4.3 煉油化工行業(yè)的大數據來源與特點 078
4.3.1 煉油化工行業(yè)的大數據來源 078
4.3.2 煉油化工行業(yè)的大數據特點 078
4.4 煉油化工行業(yè)的大數據解決方案 080
4.4.1 煉油化工企業(yè)存在的問題 080
4.4.2 工業(yè)大數據平臺架構方案 080
4.5 煉油化工行業(yè)的大數據分析方法 083
4.6 煉油化工行業(yè)的大數據分析案例 084
4.6.1 應用場景 084
4.6.2 應用案例 085
4.7 總結 086
第5章 化工行業(yè)的大數據分析 088
5.1 化工行業(yè)信息化現狀 088
5.2 化工行業(yè)的大數據分析需求 089
5.3 化工行業(yè)的大數據來源與特點 090
5.4 化工行業(yè)的大數據解決方案 091
5.5 化工行業(yè)的大數據分析方法 092
5.6 化工行業(yè)的大數據分析案例 094
5.6.1 應用場景 094
5.6.2 應用案例 102
5.7 總結 115
第6章 鋼鐵行業(yè)的大數據分析 117
6.1 鋼鐵行業(yè)信息化現狀 118
6.2 鋼鐵行業(yè)的大數據分析需求 118
6.2.1 經營管理與生產管理的需求 118
6.2.2 技術進步與發(fā)展的需求 119
6.3 鋼鐵行業(yè)的大數據來源與特點 120
6.4 鋼鐵行業(yè)的大數據解決方案 122
6.5 鋼鐵行業(yè)的大數據分析方法 124
6.6 鋼鐵行業(yè)的大數據分析案例 127
6.6.1 應用場景 127
6.6.2 應用案例 129
6.7 總結 139
第7章 電力輸電線路運維的大數據分析 140
7.1 電力輸電線路運維信息化現狀 140
7.2 電力輸電線路運維的大數據分析需求 141
7.3 電力輸電線路運維的大數據來源與特點 142
7.3.1 電力輸電線路運維的大數據來源 142
7.3.2 電力輸電線路運維的大數據特點 142
7.4 電力輸電線路運維的大數據解決方案 143
7.5 電力輸電線路運維的大數據分析方法 144
7.5.1 面向設備狀態(tài)大數據的分布式存儲和處理技術 144
7.5.2 電力運維行業(yè)的數據ETL技術 145
7.5.3 電力輸電線路的數據挖掘分析技術 145
7.6 電力輸電線路運維的大數據分析案例 147
7.6.1 輸電線路智能化反外損監(jiān)控系統(tǒng) 147
7.6.2 基于位置信息大數據驅動的輸電線路智能巡檢系統(tǒng) 152
7.6.3 特高壓輸電通道無人機巡檢系統(tǒng) 156
7.6.4 空、塔、地協(xié)同的輸電線路智能巡檢系統(tǒng) 159
7.7 電力輸電線路運維大數據技術展望 163
7.7.1 基于區(qū)塊鏈技術的輸電線路反外損運維系統(tǒng) 163
7.7.2 基于社交網絡用戶激勵的系統(tǒng)運營模式 164
7.7.3 電力物聯(lián)網價值挖掘 166
7.8 總結 168
第8章 人工智能在流程工業(yè)科研和工程中的創(chuàng)新應用與展望 169
8.1 流程工業(yè)創(chuàng)新的重要意義 169
8.2 傳統(tǒng)流程工業(yè)存在的問題 171
8.3 流程工業(yè)創(chuàng)新方向 173
8.3.1 干實驗室計算化學與材料學 173
8.3.2 濕實驗室自動化微反應器 174
8.3.3 干濕實驗室的結合 175
8.3.4 人工智能與人在回路、人機融合的結合 177
8.3.5 綜合決策支持系統(tǒng) 178
8.4 應用案例 179
8.5 總結與展望 181
參考文獻 183
索引 191
本書編委 195
致謝 196