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 010
1.3.3　工業(yè)大數(shù)據(jù)分析的應(yīng)用場景 017
1.4 工業(yè)大數(shù)據(jù)帶來的思維變革 019
1.4.1 從抽樣到全局數(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 強實時數(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 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)集中趨勢度量 030
2.4.2 數(shù)據(jù)離散趨勢度量 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 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)識別方法 059
3.3.2 柴油發(fā)動機功率一致性關(guān)鍵參數(shù)識別方法 071
3.4 本章小結(jié) 077
參考文獻 078
第4章　工業(yè)大數(shù)據(jù)預(yù)測方法：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)測任務(wù) 080
4.1.1 時序預(yù)測任務(wù) 081
4.1.2 因果預(yù)測任務(wù) 082
4.2 工業(yè)大數(shù)據(jù)預(yù)測方法 082
4.2.1 淺層機器學(xué)習預(yù)測方法 083
4.2.2 深度學(xué)習預(yù)測方法 089
4.3 工業(yè)大數(shù)據(jù)預(yù)測案例 098
4.3.1 石油化工泵的故障預(yù)測 098
4.3.2 晶圓工期預(yù)測方法 106
4.4 本章小結(jié) 120
參考文獻 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)習問題分類 125
5.2.3 不平衡學(xué)習的效果評價準則 125
5.3 不平衡學(xué)習方法 127
5.3.1 基于采樣的不平衡學(xué)習方法 128
5.3.2 基于代價敏感的不平衡學(xué)習方法 134
5.3.4 基于主動學(xué)習的不平衡學(xué)習方法 139
5.4 不平衡學(xué)習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別 143
5.4.2 空氣舵三維點云非等效分割方法 155
5.5 本章小結(jié) 167
參考文獻 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)計大數(shù)據(jù) 171
6.2.2 生產(chǎn)大數(shù)據(jù) 172
6.2.3 營銷大數(shù)據(jù) 174
6.2.4 運維大數(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)動的飛機裝配位姿分析 190
6.6 本章小結(jié) 193
參考文獻 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 云計算技術(shù) 199
7.3.3 邊緣計算技術(shù) 201
7.3.4 流數(shù)據(jù)處理技術(shù) 203
7.3.5 內(nèi)存計算技術(shù) 205
7.4 基于“邊緣-云”模式的面料疵點檢測技術(shù) 206
7.4.1 面料疵點檢測需求分析 206
7.4.2 “邊緣-云”協(xié)同的面料疵點檢測 208
參考文獻 217
后記——方興未艾的大數(shù)據(jù)科學(xué) 220