第1章 智能制造與數(shù)字孿生概述 001～024
1.1 智能制造概述 002
1.1.1 制造業(yè)的發(fā)展歷程 002
1.1.2 智能制造的研究現(xiàn)狀 010
1.2 數(shù)字孿生概述 013
1.2.1 數(shù)字孿生的發(fā)展歷程 014
1.2.2 數(shù)字孿生的研究現(xiàn)狀 015
1.2.3 數(shù)字孿生的本質及意義 017
1.3 數(shù)字孿生在智能制造中的應用現(xiàn)狀 018
1.3.1 數(shù)字孿生在智能模型生命周期中的應用 019
1.3.2 數(shù)字孿生在企業(yè)制造中的應用 020
1.4 智能制造和數(shù)字孿生的未來 021
1.4.1 未來的智能制造 021
1.4.2 未來的數(shù)字孿生 022
本章小結 023

第2章 智能制造與數(shù)字孿生的基礎知識 025～058
2.1 智能制造的基礎知識 026
2.1.1 智能制造的基本概念及組成 026
2.1.2 智能制造的技術體系 029
2.1.3 智能制造的支撐平臺 035
2.2 數(shù)字孿生的基礎知識 037
2.2.1 數(shù)字孿生的基本概念、特征及常用模型 037
2.2.2 數(shù)字孿生的應用原則及技術體系 042
2.2.3 數(shù)字孿生的支撐工具 044
2.3 建模技術理論 046
2.3.1 建模技術的基本概念 047
2.3.2 建模技術常用的方法 049
2.3.3 建模技術常用的工具 051
2.4 優(yōu)化調度理論 051
2.4.1 優(yōu)化調度的基本概念 052
2.4.2 優(yōu)化調度常用的方法 053
2.4.3 優(yōu)化調度常用的工具 056
本章小結 057

第3章 智能制造系統(tǒng)的數(shù)字孿生建模技術 059～100
3.1 模型設計的規(guī)則 060
3.1.1 目標函數(shù)設計 060
3.1.2 模型約束設計 062
3.2 模型的評估 064
3.2.1 模型誤差分析 064
3.2.2 模型訓練和評估方法 066
3.2.3 模型性能分析 069
3.3 線性模型 072
3.3.1 模型的定義 072
3.3.2 模型的求解 073
3.4 決策樹模型 075
3.4.1 決策樹模型的定義 075
3.4.2 決策樹模型的劃分選擇 077
3.4.3 決策樹模型的剪枝分析 078
3.5 工作流模型 080
3.5.1 Petri網方法的定義 080
3.5.2 Petri網模型過渡節(jié)點識別規(guī)則分析 082
3.5.3 Petri網方法的特點及性質分析 083
3.5.4 工作流模型的定義、分類及基本結構 085
3.5.5 工作流模型分析 088
3.5.6 工作流模型生成算法WMSA 090
3.6 概率圖模型 093
3.6.1 半馬爾科夫模型的定義 093
3.6.2 半馬爾科夫模型分析 096
本章小結 098

第4章 智能制造系統(tǒng)數(shù)字孿生的典型優(yōu)化問題 101～124
4.1 3D可視化智能制造數(shù)字孿生體的構建問題 102
4.1.1 數(shù)字孿生模型組建的一般步驟 102
4.1.2 某數(shù)字孿生模型相關平臺的搭建 102
4.1.3 3D可視化數(shù)字孿生體場景搭建 104
4.2 數(shù)字孿生優(yōu)化模型描述的相關問題 110
4.2.1 離散事件動態(tài)系統(tǒng)的問題 110
4.2.2 常見的描述方法 113
4.2.3 描述方法確定的原則 117
4.3 數(shù)字孿生優(yōu)化模型可能存在的問題 120
4.3.1 連續(xù)與離散問題 120
4.3.2 隨機與確定問題 121
4.3.3 有約束與無約束問題 121
4.3.4 線性與非線性問題 121
4.3.5 局部與全局問題 122
4.3.6 凸與非凸問題 123
本章小結 123

第5章 智能制造系統(tǒng)的數(shù)字孿生有約束優(yōu)化調度 125～174
5.1 智能制造供應鏈數(shù)字孿生體優(yōu)化的流程描述 126
5.1.1 汽車制造供應鏈結構分析 126
5.1.2 汽車制造供應鏈特點分析 127
5.1.3 汽車制造供應鏈復雜性分析 128
5.1.4 汽車制造政策描述 129
5.1.5 汽車制造供應鏈描述 131
5.1.6 汽車制造供應鏈問題分析 134
5.1.7 汽車制造工藝描述 135
5.2 線性工作流優(yōu)化調度算法 143
5.2.1 約束條件及目標函數(shù)設定 143
5.2.2 優(yōu)化調度算法描述 144
5.2.3 算法驗證分析 145
5.3 決策樹虛擬工作流優(yōu)化調度算法 154
5.3.1 決策樹虛擬工作流相關定義 155
5.3.2 剪枝策略 156
5.3.3 剪枝算法描述 157
5.3.4 虛擬分層算法描述 158
5.3.5 虛擬分層工作流剪枝算法DVSP描述 159
5.3.6 算法DVSP驗證 161
5.3.7 算法DVSP分析 167
本章小結 172

第6章 智能制造系統(tǒng)的數(shù)字孿生非線性優(yōu)化調度 175～202
6.1 非線性優(yōu)化數(shù)字孿生體描述 176
6.1.1 汽車制造質量控制流程 176
6.1.2 汽車制造質量控制特點分析 178
6.2 非線性工作流優(yōu)化算法 179
6.2.1 虛擬優(yōu)化技術 179
6.2.2 非線性虛擬工作流相關定義 179
6.2.3 非線性虛擬工作流約束劃分、識別規(guī)則及目標函數(shù)設定 181
6.2.4 非線性虛擬工作流建模算法 184
6.2.5 非線性虛擬工作流優(yōu)化調度算法 187
6.3 汽車制造過程質量控制非線性工作流虛擬技術模型驗證 190
6.4 過程質量控制非線性工作流虛擬技術優(yōu)化實例分析 191
6.4.1 汽車制造過程質量控制優(yōu)化調度過程分析 192
6.4.2 不同優(yōu)化調度算法比較分析 198
6.4.3 優(yōu)化調度算法性能分析 199
本章小結 201

第7章 智能制造系統(tǒng)的數(shù)字孿生故障沖突診斷 203～240
7.1 智能制造數(shù)字孿生體故障沖突概述 204
7.1.1 數(shù)字孿生體故障沖突類型 206
7.1.2 數(shù)字孿生體診斷模型常用的量化方法 207
7.1.3 故障沖突診斷方法 208
7.2 智能制造故障沖突診斷數(shù)字孿生體描述 209
7.2.1 計劃與銷售過程分析 209
7.2.2 訂單混合生產過程分析 210
7.2.3 訂單交付過程分析 212
7.2.4 汽車制造協(xié)同過程分析 214
7.3 數(shù)字孿生模型半馬爾科夫故障沖突診斷算法 217
7.3.1 診斷模型的相關定義及建立 217
7.3.2 數(shù)字孿生體工作流診斷模型的量化約束 219
7.3.3 數(shù)字孿生體工作流沖突診斷模型的量化及求解 219
7.4 智能制造系統(tǒng)數(shù)字孿生故障沖突診斷過程 220
7.4.1 模型故障沖突診斷的相關定義 220
7.4.2 模型故障沖突診斷操作規(guī)則 222
7.4.3 模型故障沖突診斷過程 225
7.5 典型案例應用 226
7.5.1 模型算法執(zhí)行性能驗證 226
7.5.2 模型沖突診斷過程驗證 232
本章小結 238

第8章 智能制造的數(shù)字孿生系統(tǒng)平臺 241～259
8.1 系統(tǒng)平臺概述 242
8.1.1 制造企業(yè)現(xiàn)狀分析 242
8.1.2 需求及目標設計 243
8.2 系統(tǒng)平臺的總體設計 246
8.2.1 總體原則 246
8.2.2 智能制造資源描述及分類 247
8.2.3 智能制造資源協(xié)控共享 248
8.2.4 系統(tǒng)平臺體系結構 249
8.3 系統(tǒng)平臺的實現(xiàn) 252
8.3.1 系統(tǒng)平臺的運行環(huán)境 252
8.3.2 系統(tǒng)平臺核心功能展示 252
8.4 系統(tǒng)平臺的性能分析 256
8.4.1 不同優(yōu)先級制造流程業(yè)務能力分析 256
8.4.2 系統(tǒng)平臺穩(wěn)定性分析 258
本章小結 258

參考文獻 260