本書是《工業(yè)大數(shù)據(jù)：
架構與應用》的姐妹篇。
制造企業(yè)面臨提高質(zhì)量、提升效率、降低成本以及快速響應不斷增長的客戶個性化消費需求的挑戰(zhàn)。然而，現(xiàn)有制造體系和制造水平已經(jīng)難以滿足高端化、個性化、智能化產(chǎn)品和服務增值升級的需求，制造業(yè)的進一步發(fā)展面臨巨大瓶頸和困難，迫切需要制造業(yè)的技術創(chuàng)新、智能升級。
物聯(lián)網(wǎng)、移動互聯(lián)、大數(shù)據(jù)、云計算、人工智能等新一代信息技術快速發(fā)展并迅速普及應用，將有力推動制造業(yè)發(fā)展。工業(yè)智能是人工智能在制造領域的應用，是制造業(yè)數(shù)字化、網(wǎng)絡化、智能化轉(zhuǎn)型發(fā)展的重要內(nèi)容。隨著人工智能技術的快速發(fā)展，結(jié)合機理模型、工程知識及工業(yè)大數(shù)據(jù)積累，形成制造領域的人工智能模型，并與工業(yè)軟件、工業(yè)互聯(lián)網(wǎng)平臺相集成，將形成一系列融合創(chuàng)新的技術、產(chǎn)品與模式。人工智能賦能制造業(yè)領域，將優(yōu)化提升生產(chǎn)效率、改善產(chǎn)品質(zhì)量、降低生產(chǎn)成本，典型應用場景有智能產(chǎn)品與裝備、智能工廠與生產(chǎn)線、智能管理與服務、智能供應鏈與物流、智能研發(fā)與設計、智能監(jiān)控與決策等，將促進產(chǎn)業(yè)模式發(fā)生革命性的變化，全面重塑制造業(yè)價值鏈，極大提高制造業(yè)的創(chuàng)新力和競爭力。
2017年7月8日國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出培育高端高效的智能經(jīng)濟，加快推進產(chǎn)業(yè)智能化升級�！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》中寫道：圍繞制造強國重大需求，推進智能制造關鍵技術裝備、核心支撐軟件、工業(yè)互聯(lián)網(wǎng)等系統(tǒng)集成應用，研發(fā)智能產(chǎn)品及智能互聯(lián)產(chǎn)品、智能制造使能工具與系統(tǒng)、智能制造云服務平臺，推廣流程智能制造、離散智能制造、網(wǎng)絡化協(xié)同制造、遠程診斷與運維服務等新型制造模式，建立智能制造標準體系，推進制造全生命周期活動智能化。本書編寫的目的就是為探索和實施人工智能和工業(yè)融合應用的相關人員提供一些參考。
本書主要特點是：
1 針對新一代人工智能技術特點的要求，提出了基于工業(yè)大數(shù)據(jù)的工業(yè)智能應用模式與架構；
2 梳理了智能制造主要模式下的AI應用場景；
3 分析了工業(yè)智能應用涉及的技術和核心算法；
4 展示了大量工業(yè)智能應用案例。
本書旨在通過分析智能制造模式下如何使用人工智能技術助力企業(yè)提質(zhì)升效和轉(zhuǎn)型升級。
各章的作者分別是：
第1章，鄭樹泉；第2章，徐侃、鄭樹泉；第3章，徐侃；第4章，武智霞；第5章，鄭樹泉、李索遠；第6章，廖威；第7章，景立森；第8章，李輝；第9章，陳洪超、王倩；第10章，武智霞、周偉奇；第11章，王倩；第12章，武智霞。鄭樹泉進行了本書的整體內(nèi)容策劃及編寫組織工作；李索遠承擔了本書大量的文字錄入、圖表制作及版本管理工作。
感謝上海產(chǎn)業(yè)技術研究院工業(yè)大數(shù)據(jù)服務創(chuàng)新中心多年來的研究和應用實踐為本書的寫作積累了大量的素材和案例。
本書在寫作過程中得到了中國電子技術標準化研究院及工業(yè)大數(shù)據(jù)標準化研究小組、中國信息通信院及工業(yè)互聯(lián)網(wǎng)聯(lián)盟相關會員、工業(yè)智能服務聯(lián)盟會員企業(yè)、工業(yè)大數(shù)據(jù)產(chǎn)業(yè)應用聯(lián)盟企業(yè)的領導和專家的支持，他們?yōu)楸緯膶懽魈峁┝瞬簧俳ㄗh和案例材料，在此一并表示感謝。
人工智能賦能智能制造領域，是個不斷改進和演化的過程，工業(yè)智能應用研究才剛開始，本書編寫只能起到一個拋磚引玉的作用。歡迎讀者對不足之處批評指正，希望分享體會和經(jīng)驗，共同推進人工智能在智能制造和智能服務等領域的應用。
作者2018年11月
第1篇智能制造1第1章智能制造概述/3
1.1智能制造定義及關鍵技術/3
1.1.1智能制造定義與構成要素/3
1.1.2智能制造系統(tǒng)的關鍵技術/5
1.2智能制造發(fā)展三個階段/8
1.2.1數(shù)字化制造/8
1.2.2數(shù)字化網(wǎng)絡化制造/9
1.2.3智能化制造/9
1.3智能制造模式/10
1.3.1大規(guī)模個性化定制/10
1.3.2智能化生產(chǎn)/11
1.3.3網(wǎng)絡化協(xié)同/13
1.3.4服務化延伸/14
1.4工業(yè)大數(shù)據(jù)/15
1.4.1生命周期與價值流/16
1.4.2企業(yè)縱向?qū)蛹?17
1.4.3IT價值鏈/19
1.5工業(yè)云平臺/20
1.5.1工業(yè)云平臺架構/21
1.5.2國內(nèi)外主要工業(yè)云平臺/21
1.6工業(yè)智能/23
1.6.1新一代人工智能/23
1.6.2智能制造技術機理/25
1.6.3人工智能在工業(yè)領域的應用/27
參考文獻/28第2章大規(guī)模個性化定制/30
2.1大規(guī)模個性化定制的架構/31
2.1.1企業(yè)縱向?qū)?32
2.1.2產(chǎn)品生命周期層/32
2.1.3IT價值鏈層/32
2.2大規(guī)模個性化定制的模式和流程/32
2.2.1以客戶為中心的大規(guī)模個性化定制模式/32
2.2.2大規(guī)模個性化定制流程/33
2.3大規(guī)模個性化定制系統(tǒng)/35
2.3.1接口層/36
2.3.2需求分析層/37
2.3.3ERP層/37
2.3.4MES層/39
2.3.5SFC層/40
2.3.6設備層/41
2.4大規(guī)模個性化定制的相關技術/42
2.4.1智能交互技術/42
2.4.2需求分配智能建模技術/45
2.4.3智能工序調(diào)整技術/47
2.5應用案例/49
2.5.1紅領集團西服個性化定制業(yè)務/49
2.5.2維尚家具全流程信息化及大規(guī)模數(shù)碼化定制服務/51
2.5.3大信櫥柜的訂單生產(chǎn)、快速響應和零庫存管理/53
2.5.4海爾集團基于個性化定制服務架構/55
參考文獻/58第3章智能化生產(chǎn)/59
3.1智能化生產(chǎn)的架構及評估模型/59
3.1.1智能化生產(chǎn)參考架構/59
3.1.2智能制造能力成熟度評估/62
3.1.3智能制造與兩化融合/66
3.2離散工業(yè)中的智能化生產(chǎn)/66
3.2.1智能化生產(chǎn)系統(tǒng)架構/66
3.2.2生產(chǎn)設備網(wǎng)絡化/66
3.2.3生產(chǎn)過程透明化/67
3.2.4生產(chǎn)數(shù)據(jù)可視化/68
3.2.5智能化經(jīng)營/69
3.2.6生產(chǎn)現(xiàn)場無人化/69
3.2.7智能化產(chǎn)品/69
3.3流程工業(yè)中的智能化生產(chǎn)/69
3.3.1實時感知/70
3.3.2機理分析/70
3.3.3模型預測/70
3.3.4協(xié)同優(yōu)化/70
3.3.5全面統(tǒng)籌/70
3.4應用案例/71
3.4.1西航集團智能制造/71
3.4.2九江石化智能工廠/73
3.4.3寶鋼基于協(xié)同的智能制造/76
3.4.4富士康（武漢）基于工業(yè)互聯(lián)網(wǎng)的智能制造/77
參考文獻/80第4章智能運維與服務/81
4.1智能運維與服務體系/82
4.1.1智能運維系統(tǒng)/83
4.1.2智能服務/84
4.2技術基礎/87
4.2.1邊緣計算/87
4.2.2信息物理系統(tǒng)/89
4.2.3工業(yè)云/92
4.2.4人工智能/94
4.3應用案例/95
4.3.1海爾中央空調(diào)工業(yè)互聯(lián)網(wǎng)云服務平臺海爾網(wǎng)器產(chǎn)品智能云服務/95
4.3.2中聯(lián)重科智能運維與服務體系/96
4.3.3西奧電梯北斗星智能服務系統(tǒng)梯網(wǎng)互聯(lián)/98
4.3.4威派格智聯(lián)供水設備遠程數(shù)據(jù)采集與預測性維護/100
4.3.5Oglass AR智能眼鏡汽車后市場新寵/101
參考文獻/102
第2篇人工智能103第5章人工智能概述/105
5.1人工智能的概念、特征與框架/106
5.1.1人工智能的概念/106
5.1.2人工智能的特征/107
5.1.3人工智能參考框架/108
5.2人工智能的關鍵技術/110
5.2.1機器學習/110
5.2.2知識圖譜/111
5.2.3自然語言處理/111
5.2.4人機交互/111
5.2.5計算機視覺/111
5.2.6生物特征識別/112
5.2.7虛擬現(xiàn)實/增強現(xiàn)實/112
5.3人工智能產(chǎn)業(yè)鏈/113
5.3.1基礎層/113
5.3.2技術層/116
5.3.3應用層/116
5.4人工智能應用/117
5.4.1安防/117
5.4.2交通/117
5.4.3智慧城市/118
5.4.4智能制造/119
5.4.5醫(yī)療、教育、金融/119
參考文獻/123第6章機器學習/124
6.1機器學習的定義和分類/124
6.1.1機器學習的定義/124
6.1.2機器學習的分類/125
6.2機器學習的算法/126
6.2.1kNN算法/126
6.2.2聚類分析/128
6.2.3決策樹/132
6.2.4隨機森林/133
6.2.5支持向量機/135
6.3應用案例/139
6.3.1高速列車智能駕駛/139
6.3.2銀行設備故障告警/142
6.3.3區(qū)域電力需求預測/146
參考文獻/148第7章深度學習/149
7.1深度學習的發(fā)展歷程/150
7.2深度學習特征提取/151
7.2.1人腦視覺機理/151
7.2.2初級（淺層）特征表示/152
7.3神經(jīng)網(wǎng)絡與深度學習/153
7.3.1淺層學習/153
7.3.2深度學習基本思想/153
7.3.3深度學習的優(yōu)勢/154
7.4深度學習訓練過程/155
7.4.1傳統(tǒng)神經(jīng)網(wǎng)絡缺點/155
7.4.2深度網(wǎng)絡訓練/155
7.5深度學習模型/156
7.5.1自動編碼器/156
7.5.2稀疏編碼/157
7.5.3限制波爾茲曼機/159
7.5.4深度信念網(wǎng)絡/160
7.5.5卷積神經(jīng)網(wǎng)絡/161
7.6應用案例/163
7.6.1感應電動機故障診斷/163
7.6.2交互式問答客服/166
7.6.3搜索廣告點擊率預測/168
7.6.4電影票房預測/170
7.6.5工件缺陷自動檢測/171
參考文獻/173第8章人工智能開發(fā)框架/174
8.1人工智能主流開發(fā)框架概述/175
8.1.1TensorFlow/175
8.1.2Keras/176
8.1.3CNTK/178
8.1.4Caffe/180
8.1.5MXNet/182
8.1.6Torch/185
8.2TensorFlow詳細介紹/186
8.2.1TensorFlow架構圖/186
8.2.2TensorFlow基本概念/187
8.2.3TensorFlow中的模型/188
8.2.4深度學習模型在TensorFlow中的體現(xiàn)/190
8.3應用案例/190
8.3.1MNIST手寫數(shù)字識別/190
8.3.2CIFAR10圖像識別/192
8.3.3IMDb電影評論情感分析/194
8.3.4基于漢語依存句法的主觀題評分系統(tǒng)/196
8.3.5基于推薦算法的智慧餐飲系統(tǒng)/199
參考文獻/201
第3篇工業(yè)智能應用203第9章用戶畫像/205
9.1用戶畫像的發(fā)展背景及意義/206
9.1.1發(fā)展背景/206
9.1.2發(fā)展意義/206
9.2用戶畫像的體系結(jié)構/207
9.2.1用戶畫像的定義/207
9.2.2用戶畫像體系的建立/208
9.2.3標簽體系/208
9.3用戶畫像的實現(xiàn)流程/210
9.3.1基礎數(shù)據(jù)采集及處理/210
9.3.2分析建模/212
9.3.3結(jié)果呈現(xiàn)/213
9.4應用案例/213
9.4.1文本數(shù)據(jù)挖掘/213
9.4.2微博用戶畫像/215
9.4.3基于內(nèi)容的新聞推薦/217
9.4.4電網(wǎng)客戶用戶畫像/217
9.4.5影視數(shù)據(jù)用戶畫像/219
參考文獻/221第10章機器視覺/222
10.1機器視覺的系統(tǒng)組成及圖像處理流程/223
10.1.1系統(tǒng)組成/223
10.1.2圖像處理流程/223
10.2機器視覺相關算法/225
10.2.1圖像處理/225
10.2.2特征提取/228
10.2.3圖像分析與分類/234
10.3機器視覺應用于人臉識別/235
10.3.1人臉識別概述/235
10.3.2人臉識別應用/236
10.3.3人臉識別算法/237
10.4機器視覺應用于工業(yè)領域/238
10.4.1應用概述/238
10.4.2工業(yè)視覺系統(tǒng)基本組成/239
10.5應用案例/240
10.5.1基于深度學習的人臉識別/240
10.5.2基于機器視覺的PCB裸板缺陷自動檢測方法/242
10.5.3基于機器視覺的帶鋼表面缺陷檢測/244
參考文獻/245第11章調(diào)度優(yōu)化/246
11.1調(diào)度理論的發(fā)展/246
11.2調(diào)度主要方法/247
11.2.1數(shù)學規(guī)劃/247
11.2.2啟發(fā)式搜索/248
11.2.3系統(tǒng)仿真/248
11.2.4人工智能/248
11.2.5計算智能/249
11.2.6實時智能/250
11.3調(diào)度主要算法/250
11.3.1有序搜索/250
11.3.2遺傳算法/250
11.3.3模擬退火/252
11.4應用案例/254
11.4.1云制造系統(tǒng)調(diào)度振華重工制造業(yè)流動機械智能調(diào)度管理平臺研發(fā)及應用/254
11.4.2公交調(diào)度Z公交集團啤酒節(jié)期間智能公交調(diào)度策略/259
11.4.3物流配送調(diào)度餓了么方舟智能調(diào)度系統(tǒng)/262
11.4.4輔助駕駛/264
參考文獻/266第12章預測性維護/268
12.1預測性維護概念、架構及系統(tǒng)流程/268
12.1.1概念/268
12.1.2平臺架構/269
12.1.3系統(tǒng)流程/270
12.2預測性維護技術/271
12.2.1技術基礎/271
12.2.2傳感技術/271
12.2.3狀態(tài)監(jiān)測/271
12.2.4數(shù)據(jù)傳輸/272
12.2.5故障診斷/272
12.2.6故障預測/273
12.2.7維護管理/273
12.2.8維護決策/274
12.3預測性維護中的預測模型/274
12.3.1時序模型/274
12.3.2灰色預測模型/275
12.3.3神經(jīng)網(wǎng)絡預測模型/275
12.4應用案例/276
12.4.1刀具磨損預測/276
12.4.2地鐵信號設備故障預測/279
12.4.3風機葉片結(jié)冰預測/281
12.4.4橋梁保養(yǎng)維護/282
12.4.5電梯故障維護/283
參考文獻/285
書單推薦
