大數(shù)據(jù)驅(qū)動的智能車間運行分析與決策方法（張潔）

第1章智能制造與智能車間/1
1.1智能制造的定義/1
1.2智能制造的發(fā)展/2
1.2.1目標：智能制造/3
1.2.2基礎：工業(yè)互聯(lián)網(wǎng)/4
1.2.3核心技術(shù)：大數(shù)據(jù)技術(shù)/5
1.2.4應用領域/6
1.3智能車間的構(gòu)成/8
1.3.1智能設備/10
1.3.2智能控制/11
1.3.3智能執(zhí)行/12
1.4智能化運行分析與決策/13
1.4.1優(yōu)化對象：車間性能/14
1.4.2目標：提質(zhì)增效降本/14
1.5本書的主要內(nèi)容和體系結(jié)構(gòu)/14
第2章車間制造大數(shù)據(jù)/18
2.1大數(shù)據(jù)概述/18
2.1.1大數(shù)據(jù)的提出/18
2.1.2大數(shù)據(jù)的特征/19
2.2車間制造大數(shù)據(jù)的來源/19
2.2.1產(chǎn)品數(shù)據(jù)資源/20
2.2.2設備數(shù)據(jù)資源/24
2.2.3生產(chǎn)數(shù)據(jù)資源/26
2.2.4物流數(shù)據(jù)資源/27
2.3車間制造大數(shù)據(jù)的特征/28
2.3.1規(guī)模性/28
2.3.2多樣性/29
2.3.3高速性/29
2.3.4高噪聲/29
2.3.5多來源/30
2.3.6多尺度/30
2.4車間制造大數(shù)據(jù)的典型應用場景/30
2.4.1工序智能調(diào)度/31
2.4.2資源自動分配和狀態(tài)實時管理/31
2.4.3性能預測分析/32
2.4.4智能維護管理/33
2.4.5過程實時管理/34
2.4.6質(zhì)量智能管理/36
2.5車間制造大數(shù)據(jù)生命周期/36
2.5.1制造大數(shù)據(jù)生命周期的不同階段/36
2.5.2制造大數(shù)據(jù)生命周期模型/38
2.6本章小結(jié)/39
第3章大數(shù)據(jù)驅(qū)動的車間運行分析與決策模式/41
3.1車間運行性能指標體系/41
3.1.1質(zhì)量指標/42
3.1.2效率指標/43
3.1.3成本指標/44
3.1.4其他性能指標/44
3.2車間運行分析的常用方法/44
3.2.1數(shù)學規(guī)劃模型分析法/45
3.2.2排隊論模型分析法/45
3.2.3網(wǎng)絡流模型分析法/46
3.2.4馬爾可夫模型分析法/47
3.2.5其他建模分析法/47
3.3車間運行決策的常用方法/49
3.3.1基于運籌學的決策方法/49
3.3.2基于啟發(fā)式規(guī)則的決策方法/50
3.3.3基于智能優(yōu)化算法的決策方法/51
3.4大數(shù)據(jù)驅(qū)動的“關(guān)聯(lián)+預測+調(diào)控”的新模式/51
3.4.1第四范式：數(shù)據(jù)科學/53
3.4.2車間制造數(shù)據(jù)的耦合機理：關(guān)聯(lián)/54
3.4.3車間性能的演化規(guī)律：預測/55
3.4.4車間運行的管控機制：調(diào)控/55
3.5新模式下的車間運行分析與決策關(guān)鍵方法/56
3.5.1海量高維多源異構(gòu)制造數(shù)據(jù)預處理技術(shù)/56
3.5.2動態(tài)制造數(shù)據(jù)多尺度時序分析技術(shù)/57
3.5.3制造大數(shù)據(jù)的關(guān)系網(wǎng)絡建模與關(guān)聯(lián)分析技術(shù)/58
3.5.4車間運行狀態(tài)演化規(guī)律挖掘與預測技術(shù)/58
3.5.5基于定量調(diào)控機制的車間運行決策方法/59
3.6本章小結(jié)/60
第4章車間制造大數(shù)據(jù)融合方法/63
4.1車間制造大數(shù)據(jù)融合的必要性/63
4.2通用數(shù)據(jù)融合方法/64
4.3智能車間制造大數(shù)據(jù)融合過程/69
4.4車間制造大數(shù)據(jù)清洗方法/71
4.4.1數(shù)據(jù)清洗常用方法/71
4.4.2多規(guī)則多層級組合的車間制造數(shù)據(jù)清洗/74
4.5車間制造大數(shù)據(jù)抽取方法/75
4.5.1數(shù)據(jù)抽取常用方法/75
4.5.2分布式元對象框架下的車間制造數(shù)據(jù)抽取/77
4.6車間制造大數(shù)據(jù)分類方法/79
4.6.1常用數(shù)據(jù)分類方法/79
4.6.2基于聚類層次樹的車間制造數(shù)據(jù)分類/80
4.7車間制造大數(shù)據(jù)融合處理平臺/82
4.7.1平臺配置/82
4.7.2數(shù)據(jù)獲取與導入/83
4.7.3平臺測試/85
4.8本章小結(jié)/86
第5章車間時序制造數(shù)據(jù)特征提取方法/89
5.1車間時序制造數(shù)據(jù)的來源/89
5.2車間時序制造數(shù)據(jù)的特點/92
5.3時序數(shù)據(jù)特征提取方法分類/94
5.3.1時域相似性特征提取方法/95
5.3.2模型相似性特征提取方法/96
5.3.3形狀相似性特征提取方法/98
5.4面向時序制造數(shù)據(jù)流的特征關(guān)系分析/99
5.4.1時序制造數(shù)據(jù)符號化/100
5.4.2時序制造數(shù)據(jù)相關(guān)性類別字典構(gòu)建/102
5.4.3時序制造數(shù)據(jù)類別字典自適應擴充/103
5.4.4實驗驗證/104
5.5分層的時序制造數(shù)據(jù)在線快速分類方法/108
5.5.1時序制造數(shù)據(jù)層次樹結(jié)構(gòu)存儲模型/108
5.5.2時序制造數(shù)據(jù)特征快速匹配算法/111
5.5.3實驗驗證/111
5.6本章小結(jié)/112
第6章車間制造大數(shù)據(jù)關(guān)聯(lián)關(guān)系分析方法/115
6.1車間制造大數(shù)據(jù)關(guān)聯(lián)關(guān)系分析的難點/115
6.1.1車間制造數(shù)據(jù)的多樣相關(guān)特性/116
6.1.2車間制造數(shù)據(jù)的復雜耦合特性/117
6.2常用的數(shù)據(jù)關(guān)聯(lián)關(guān)系分析方法/120
6.3車間制造數(shù)據(jù)關(guān)聯(lián)關(guān)系的信息熵度量方法/122
6.3.1信息熵的定義/122
6.3.2車間制造數(shù)據(jù)的互信息描述模型/123
6.3.3參數(shù)相關(guān)性度量方法/123
6.3.4參數(shù)冗余性度量方法/125
6.3.5參數(shù)互補性度量方法/125
6.4基于網(wǎng)絡去卷積的車間制造關(guān)鍵參數(shù)識別方法/126
6.4.1制造過程參數(shù)關(guān)聯(lián)關(guān)系網(wǎng)絡建模/127
6.4.2車間制造數(shù)據(jù)的網(wǎng)絡去卷積解耦算法/128
6.4.3基于NMIND的關(guān)鍵影響因素識別/131
6.5案例驗證/131
6.5.1標準測試集實驗/131
6.5.2實例驗證/133
6.6本章小結(jié)/142
第7章大數(shù)據(jù)驅(qū)動的車間性能預測方法/144
7.1車間運行性能預測對象概述/144
7.2改進型循環(huán)神經(jīng)網(wǎng)絡的產(chǎn)品工期預測方法/145
7.2.1多工序時間傳遞效應分析/146
7.2.2面向產(chǎn)品工期預測的改進型循環(huán)神經(jīng)網(wǎng)絡模型/148
7.2.3實驗驗證/155
7.3基于支持向量機的產(chǎn)品質(zhì)量預測方法/160
7.3.1制造過程參數(shù)影響分析及優(yōu)化策略/161
7.3.2柴油發(fā)動機裝配質(zhì)量預測/165
7.3.3實驗驗證/170
7.4自適應遷移的設備故障預測方法/173
7.4.1設備多工況服役特性/173
7.4.2基于深度遷移學習的設備故障預測方法/174
7.4.3實驗驗證/176
7.5本章小結(jié)/176
第8章大數(shù)據(jù)驅(qū)動的車間運行調(diào)控方法/179
8.1車間運行調(diào)控概述/179
8.2大數(shù)據(jù)驅(qū)動的生產(chǎn)動態(tài)調(diào)度方法/180
8.2.1大數(shù)據(jù)驅(qū)動的飛機平尾裝配生產(chǎn)逆調(diào)度模型/180
8.2.2基于自適應容忍度驅(qū)動機制的逆調(diào)度策略/182
8.2.3基于混合遺傳算法的逆調(diào)度求解方法/184
8.2.4實驗結(jié)果與分析/187
8.3大數(shù)據(jù)驅(qū)動的產(chǎn)品工期調(diào)控方法/196
8.3.1大數(shù)據(jù)驅(qū)動的晶圓工期調(diào)控模型/196
8.3.2基于ActorCritic的工期調(diào)控方法/198
8.3.3晶圓制造車間工期調(diào)控案例/203
8.4大數(shù)據(jù)驅(qū)動的設備故障診斷方法/205
8.4.1大數(shù)據(jù)驅(qū)動的故障診斷方法框架/206
8.4.2基于卷積神經(jīng)網(wǎng)絡的智能(數(shù)據(jù)驅(qū)動)故障診斷方法/208
8.4.3實驗驗證/210
8.5本章小結(jié)/214
第9章基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)及其應用/217
9.1基于大數(shù)據(jù)平臺的智能車間管控系統(tǒng)總體架構(gòu)/217
9.2車間制造大數(shù)據(jù)平臺架構(gòu)/219
9.2.1系統(tǒng)總體架構(gòu)/219
9.2.2大數(shù)據(jù)平臺功能結(jié)構(gòu)及核心技術(shù)/221
9.2.3大數(shù)據(jù)平臺性能指標/226
9.3智能車間管控系統(tǒng)功能模塊設計與實現(xiàn)/228
9.3.1基礎功能模塊/228
9.3.2數(shù)據(jù)抽取與預處理模塊/229
9.3.3數(shù)據(jù)關(guān)聯(lián)關(guān)系分析模塊/230
9.3.4車間運行性能預測模塊/230
9.3.5車間運行過程調(diào)控模塊/230
9.3.6智能車間可視化模塊/231
9.4晶圓制造車間應用案例/232
9.4.1晶圓制造車間對大數(shù)據(jù)應用的需求/232
9.4.2晶圓制造車間大數(shù)據(jù)的來源與特點/235
9.4.3晶圓制造車間大數(shù)據(jù)處理與分析/237
9.4.4大數(shù)據(jù)驅(qū)動的晶圓加工車間智能管控系統(tǒng)/239
9.5本章小結(jié)/248