製造大數據體系結構與模型研究

前言
第1章 緒論
1.1 製造大數據的基本概念
1.1.1 製造大數據的定義與分類
1.1.2 製造大數據的空間分佈
1.1.3 製造大數據的採集與傳輸
1.1.4 製造大數據的發展趨勢
1.2 製造大數據的特點
1.3 製造大數據建模方法研究現狀
1.4 本書主要內容
第2章 面向製造企業數據空間的製造大數據體系結構
2.1 製造企業數據空間的建立
2.1.1 製造企業數據空間多維體系架構
2.1.2 數據空間業務域體系架構
2.1.3 數據空間處理域體系架構
2.1.4 數據空間模態域體系架構
2.2 製造企業數據空間集成模型
2.2.1 研發設計業務域數據空間跨域集成模型
2.2.2 生產製造業務域數據空間跨域集成模型
2.2.3 經營管理業務域數據空間跨域集成模型
2.2.4 運維服務業務域數據空間跨域集成模型
2.3 面向製造企業數據空間的製造大數據體系結構構建方法
2.3.1 多維數據空間模型的實現方法
2.3.2 業務域維度數據架構的實現方法
2.3.3 模態域維度數據架構的實現方法
2.3.4 處理域維度數據架構的實現方法
2.4 面向製造企業數據空間的時空數據異常檢測方法
2.4.1 時空數據獲取
2.4.2 時空數據清洗
2.4.3 時空數據預處理
2.4.4 GCN-LSTM無監督預測模型
2.4.5 COPOD異常檢測
第3章 面向全系統優化設計的設計資源大數據模型
3.1 面向全系統優化設計的設計資源大數據建模方法
3.1.1 設計資源大數據建模方法
3.1.2 設計資源大數據採集
3.1.3 設計資源大數據清洗
3.1.4 設計資源大數據特徵處理
3.1.5 設計資源大數據模型構建
3.2 基於潛變量的製造大數據回歸建模方法
3.2.1 大數據回歸建模問題描述
3.2.2 製造大數據預處理
3.2.3 製造大數據潛變量轉化
3.3 基於KNN-LR算法的製造大數據建模及其在產品設計領域的應用
3.3.1 產品設計大數據建模問題描述
3.3.2 KNN-LR組合模型
3.3.3 產品設計領域模型驗證
3.4 工業大數據在車間調度方案設計中的應用
3.4.1 多目標靈活作業車間調度問題模型
3.4.2 Ⅱ型非支配排序遺傳算法
3.4.3 實驗結果與分析
第4章 面向全流程製造管控的製造過程大數據模型
4.1 面向全流程製造管控的製造過程大數據建模方法
4.1.1 業務相關性與數據割裂問題的描述與處理
4.1.2 業務數據採集
4.1.3 數據預處理
4.1.4 建立業務聯系
4.1.5 製造過程大數據模型構建
4.2 基於遺傳規劃的兩階段混合模型及其在製造質量預測中的應用
4.2.1 製造過程質量預測的描述與處理
4.2.2 兩階段混合質量預測模型
4.2.3 實驗驗證
4.2.4 結果分析
4.3 基於軟投票的SVM-KNN算法及其在大數據建模中的應用
4.3.1 問題描述
4.3.2 SVM算法
4.3.3 投票集成
4.3.4 實驗驗證
4.4 基於Stacking的LCRF算法及其在大數據建模中的應用
4.4.1 問題描述
4.4.2 Stacking集成算法
4.4.3 基學習器算法介紹
4.4.4 實驗驗證
第5章 面向全貫通管理決策的管理流程大數據模型
5.1 基於模糊二型C-means聚類的關聯規則挖掘方法
5.1.1 研究背景
5.1.2 模糊C-means聚類算法
5.1.3 二型模糊集
5.1.4 模糊二型C-means聚類算法
5.1.5 基於二型模糊集的C-means聚類的關聯規則挖掘方法
5.1.6 模糊規則的正確性檢驗方法
5.1.7 實驗驗證
5.2 基於鄰居信息修正的模糊關聯規則挖掘方法
5.2.1 研究背景
5.2.2 基於鄰居信息修正的模糊C-means聚類算法
5.2.3 隸屬度函數的修正
5.2.4 實驗驗證
5.3 基於分佈式並行計算的模糊關聯規則挖掘方法
5.3.1 研究背景
5.3.2 模糊關聯規則挖掘並行架構的設計
5.3.3 模糊關聯規則挖掘並行計算的實現
5.3.4 實驗環境介紹
5.4 智能製造管理決策應用案例
5.4.1 智能製造動態調度場景及策略
5.4.2 智能製造動態調度實驗分析
5.4.3 動態調度權重預測結果分析
第6章 面向全周期增值服務的產品服務大數據模型
6.1 基於製造大數據的製造企業預測型維修服務方法
6.1.1 增值服務模型描述
6.1.2 增值服務模型設計
6.1.3 增值服務模型建立
6.2 基於SAMME-CART算法的產品增值服務大數據建模方法
6.2.1 多學習器的設計
6.2.2 實驗分析
6.3 製造過程中不平衡故障數據的多階段優化故障診斷模型
6.3.1 多階段優化故障診斷模型設計
6.3.2 實驗分析
6.4 基於KNN-RF-SVM大數據建模及其在產品銷售預測領域的應用
6.4.1 基學習器算法介紹
6.4.2 實驗分析
6.5 案例1：基於製造業大數據的船舶建造計劃優化方法
6.5.1 船舶建造計劃
6.5.2 工程與