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。
作者简介1
内容简介
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
作者简介2
