第1章　緒論 001
1.1 從開普勒三大定律的發(fā)現(xiàn)談起 001
1.2 工業(yè)大數(shù)據(jù)的內(nèi)涵 002
1.2.1 工業(yè)大數(shù)據(jù)的背景 002
1.2.2 工業(yè)大數(shù)據(jù)的定義 003
1.2.3 工業(yè)大數(shù)據(jù)的特性 004
1.2.4 大數(shù)據(jù)驅(qū)動(dòng)的智能制造科學(xué)范式 007
1.3 工業(yè)大數(shù)據(jù)分析的流程、平臺(tái)及應(yīng)用 009
1.3.1 工業(yè)大數(shù)據(jù)分析的基本流程 009
1.3.2 大數(shù)據(jù)平臺(tái) 010
1.3.3　工業(yè)大數(shù)據(jù)分析的應(yīng)用場(chǎng)景 017
1.4 工業(yè)大數(shù)據(jù)帶來的思維變革 019
1.4.1 從抽樣到全局?jǐn)?shù)據(jù)分析 019
1.4.2 從因果建模到關(guān)聯(lián)分析 019
1.4.3 從精確求解到近似推演 020
1.4.4 從數(shù)據(jù)的量變到分析的質(zhì)變 020
1.4.5 多來源數(shù)據(jù)協(xié)同處理 020
1.4.6 強(qiáng)實(shí)時(shí)數(shù)據(jù)分析 021
1.5 本書主要內(nèi)容與章節(jié)安排 021
參考文獻(xiàn) 022
第2章　工業(yè)大數(shù)據(jù)融合處理方法：從抽樣到全局 025
2.1 引言 025
2.2 從局部樣本到全體數(shù)據(jù) 025
2.3 工業(yè)大數(shù)據(jù)的類型 026
2.3.1 按照制造業(yè)務(wù)流程劃分 026
2.3.2 按照存儲(chǔ)結(jié)構(gòu)劃分 028
2.4 工業(yè)大數(shù)據(jù)特征的描述方法 030
2.4.1 數(shù)據(jù)集中趨勢(shì)度量 030
2.4.2 數(shù)據(jù)離散趨勢(shì)度量 032
2.4.3 數(shù)據(jù)的分布形態(tài)：偏態(tài)與峰度 034
2.5 工業(yè)大數(shù)據(jù)融合處理的典型方法 035
2.5.1 基于過濾規(guī)則多級(jí)組合的多源數(shù)據(jù)導(dǎo)入與清洗方法 035
2.5.2 基于元對(duì)象框架的異構(gòu)數(shù)據(jù)統(tǒng)一建模與數(shù)據(jù)抽取融合方法 037
2.5.3 基于字典學(xué)習(xí)的高維數(shù)據(jù)多尺度分類查詢方法 039
2.5.4 基于稀疏自動(dòng)編碼器的數(shù)據(jù)降維方法 041
2.5.5 基于徑向基神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)去冗余方法 043
2.6 本章小結(jié) 044
參考文獻(xiàn) 044
第3章　工業(yè)大數(shù)據(jù)關(guān)聯(lián)分析方法：從因果到關(guān)聯(lián) 047
3.1 引言 047
3.2 數(shù)據(jù)關(guān)聯(lián)分析方法 048
3.2.1 基于信息熵的關(guān)聯(lián)關(guān)系度量方法 048
3.2.2 基于頻繁項(xiàng)集的關(guān)聯(lián)關(guān)系度量方法 050
3.2.3 基于Granger因果分析的關(guān)聯(lián)關(guān)系度量方法 053
3.2.4 基于復(fù)雜網(wǎng)絡(luò)的關(guān)系解耦方法 054
3.3 工業(yè)大數(shù)據(jù)關(guān)聯(lián)分析案例 059
3.3.1 晶圓工期關(guān)鍵參數(shù)識(shí)別方法 059
3.3.2 柴油發(fā)動(dòng)機(jī)功率一致性關(guān)鍵參數(shù)識(shí)別方法 071
3.4 本章小結(jié) 077
參考文獻(xiàn) 078
第4章　工業(yè)大數(shù)據(jù)預(yù)測(cè)方法：從精確求解到近似推演 080
4.1 引言 080
4.2 大數(shù)據(jù)預(yù)測(cè)任務(wù) 080
4.1.1 時(shí)序預(yù)測(cè)任務(wù) 081
4.1.2 因果預(yù)測(cè)任務(wù) 082
4.2 工業(yè)大數(shù)據(jù)預(yù)測(cè)方法 082
4.2.1 淺層機(jī)器學(xué)習(xí)預(yù)測(cè)方法 083
4.2.2 深度學(xué)習(xí)預(yù)測(cè)方法 089
4.3 工業(yè)大數(shù)據(jù)預(yù)測(cè)案例 098
4.3.1 石油化工泵的故障預(yù)測(cè) 098
4.3.2 晶圓工期預(yù)測(cè)方法 106
4.4 本章小結(jié) 120
參考文獻(xiàn) 121
第5章　不平衡工業(yè)大數(shù)據(jù)分析方法：從量變到質(zhì)變 123
5.1 引言 123
5.2 大數(shù)據(jù)的不平衡性學(xué)習(xí)問題 124
5.2.1 大數(shù)據(jù)的不平衡性 124
5.2.2 不平衡學(xué)習(xí)問題分類 125
5.2.3 不平衡學(xué)習(xí)的效果評(píng)價(jià)準(zhǔn)則 125
5.3 不平衡學(xué)習(xí)方法 127
5.3.1 基于采樣的不平衡學(xué)習(xí)方法 128
5.3.2 基于代價(jià)敏感的不平衡學(xué)習(xí)方法 134
5.3.4 基于主動(dòng)學(xué)習(xí)的不平衡學(xué)習(xí)方法 139
5.4 不平衡學(xué)習(xí)方法在智能制造中的典型應(yīng)用 143
5.4.1 不平衡數(shù)據(jù)下的晶圓圖缺陷模式識(shí)別 143
5.4.2 空氣舵三維點(diǎn)云非等效分割方法 155
5.5 本章小結(jié) 167
參考文獻(xiàn) 167
第6章　多源工業(yè)大數(shù)據(jù)融合技術(shù)：從數(shù)據(jù)孤島到多源融合 170
6.1 引言 170
6.2 制造大數(shù)據(jù)來源分析 170
6.2.1 設(shè)計(jì)大數(shù)據(jù) 171
6.2.2 生產(chǎn)大數(shù)據(jù) 172
6.2.3 營(yíng)銷大數(shù)據(jù) 174
6.2.4 運(yùn)維大數(shù)據(jù) 175
6.3 多源工業(yè)大數(shù)據(jù)的融合問題 175
6.3.1 問題描述 176
6.3.2 難點(diǎn)分析 177
6.3.3 技術(shù)要求 178
6.4 多源工業(yè)大數(shù)據(jù)融合技術(shù) 180
6.4.1 基于任務(wù)流圖的多源工業(yè)大數(shù)據(jù)融合任務(wù)建模技術(shù) 180
6.4.2 基于霧計(jì)算的多源工業(yè)大數(shù)據(jù)融合技術(shù) 182
6.4.3 基于密碼學(xué)的多源工業(yè)大數(shù)據(jù)傳輸技術(shù) 187
6.4.4 基于區(qū)塊鏈的多源工業(yè)數(shù)據(jù)融合技術(shù) 188
6.5 智能制造應(yīng)用案例 189
6.5.1 問題描述 190
6.5.2 多源數(shù)據(jù)驅(qū)動(dòng)的飛機(jī)裝配位姿分析 190
6.6 本章小結(jié) 193
參考文獻(xiàn) 193
第7章　“邊緣-云”模式的工業(yè)大數(shù)據(jù)分析技術(shù)：從云計(jì)算到邊云融合 195
7.1 引言 195
7.2 制造過程中的工業(yè)大數(shù)據(jù)分析需求 196
7.3 “邊緣-云”融合的工業(yè)大數(shù)據(jù)分析模型 197
7.3.1 “邊緣-云”融合的大數(shù)據(jù)分析模型架構(gòu) 197
7.3.2 云計(jì)算技術(shù) 199
7.3.3 邊緣計(jì)算技術(shù) 201
7.3.4 流數(shù)據(jù)處理技術(shù) 203
7.3.5 內(nèi)存計(jì)算技術(shù) 205
7.4 基于“邊緣-云”模式的面料疵點(diǎn)檢測(cè)技術(shù) 206
7.4.1 面料疵點(diǎn)檢測(cè)需求分析 206
7.4.2 “邊緣-云”協(xié)同的面料疵點(diǎn)檢測(cè) 208
參考文獻(xiàn) 217
后記——方興未艾的大數(shù)據(jù)科學(xué) 220