智能車間的大數(shù)據(jù)應用

第1章工業(yè)大數(shù)據(jù)與智能制造00
1.1工業(yè)大數(shù)據(jù)00
1.1.1大數(shù)據(jù)概述00
1.1.2大數(shù)據(jù)的特征00
1.1.3工業(yè)大數(shù)據(jù)的特征00
1.2大數(shù)據(jù)在工業(yè)應用中的機遇與挑戰(zhàn)00
1.3工業(yè)大數(shù)據(jù)驅(qū)動的智能制造00
1.3.1制造業(yè)驅(qū)動形勢演變00
1.3.2基于大數(shù)據(jù)的產(chǎn)品設計00
1.3.3大數(shù)據(jù)驅(qū)動的智能生產(chǎn)00
1.3.4大數(shù)據(jù)驅(qū)動的智能化運維00
1.3.5基于大數(shù)據(jù)分析的產(chǎn)品精準營銷和成本精確控制00
1.3.6大數(shù)據(jù)驅(qū)動的全生命周期供應鏈優(yōu)化0
1.3.7大數(shù)據(jù)驅(qū)動的車間智能化發(fā)展0
1.4工業(yè)大數(shù)據(jù)與智能車間0
1.4.1智能車間的基本內(nèi)涵0
1.4.2大數(shù)據(jù)環(huán)境下的智能車間信息化特點0
1.4.3大數(shù)據(jù)促進的車間信息化基礎平臺0
1.4.4大數(shù)據(jù)驅(qū)動的智能車間運行方式0
1.5智能車間中的工業(yè)大數(shù)據(jù)應用場景0
參考文獻0
第2章基于大數(shù)據(jù)的智能車間技術體系0
2.1大數(shù)據(jù)應用技術體系0
2.2大數(shù)據(jù)采集技術0
2.2.1無線射頻識別技術0
2.2.2二維碼技術0
2.2.3系統(tǒng)日志采集系統(tǒng)0
2.2.4網(wǎng)絡數(shù)據(jù)采集系統(tǒng)0
2.2.5數(shù)據(jù)庫采集系統(tǒng)0
2.2.6其他制造業(yè)大數(shù)據(jù)感知技術0
2.3大數(shù)據(jù)傳輸技術0
2.3.1工業(yè)現(xiàn)場總線通信技術0
2.3.2工業(yè)現(xiàn)場以太網(wǎng)通信技術0
2.3.3工業(yè)現(xiàn)場無線網(wǎng)絡通信技術0
2.3.45G技術0
2.4大數(shù)據(jù)處理技術0
2.4.1數(shù)據(jù)清理0
2.4.2數(shù)據(jù)變換0
2.4.3數(shù)據(jù)歸約0
2.5大數(shù)據(jù)存儲技術0
2.5.1YARN0
2.5.2ZooKeeper0
2.6大數(shù)據(jù)集成技術0
2.7大數(shù)據(jù)分析技術0
2.7.1分類/聚類算法0
2.7.2關聯(lián)分析0
2.7.3模式挖掘0
2.8大數(shù)據(jù)預測/決策技術0
2.9大數(shù)據(jù)可視化技術0
參考文獻0
第3章基于大數(shù)據(jù)挖掘的產(chǎn)品工藝智能規(guī)劃0
3.1產(chǎn)品工藝智能規(guī)劃業(yè)務0
3.1.1產(chǎn)品工藝智能規(guī)劃業(yè)務的內(nèi)容0
3.1.2產(chǎn)品工藝智能規(guī)劃問題的特點0
3.2產(chǎn)品工藝規(guī)劃數(shù)據(jù)資源0
3.2.1產(chǎn)品工藝規(guī)劃數(shù)據(jù)來源0
3.2.2MBD模型數(shù)據(jù)存儲方式0
3.2.3工藝規(guī)劃數(shù)據(jù)的標簽化管理與組織方式0
3.3大數(shù)據(jù)驅(qū)動的產(chǎn)品工藝智能規(guī)劃方法體系架構0
3.4產(chǎn)品工藝規(guī)劃數(shù)據(jù)挖掘技術0
3.4.1產(chǎn)品形狀特征自動識別方法0
3.4.2三維設計數(shù)據(jù)提取方法0
3.4.3產(chǎn)品工藝知識庫管理技術0
3.5產(chǎn)品工藝智能規(guī)劃方法0
3.5.1產(chǎn)品MBD模型檢索方法0
3.5.2產(chǎn)品工藝知識重用方法0
3.6航天零件加工車間的產(chǎn)品工藝智能規(guī)劃實例
參考文獻
第4章基于大數(shù)據(jù)預測的車間生產(chǎn)智能調(diào)度
4.1車間生產(chǎn)智能調(diào)度業(yè)務
4.1.1車間生產(chǎn)智能調(diào)度業(yè)務的內(nèi)容
4.1.2車間生產(chǎn)智能調(diào)度問題的特點
4.2車間生產(chǎn)智能調(diào)度數(shù)據(jù)資源
4.2.1車間生產(chǎn)智能調(diào)度數(shù)據(jù)來源
4.2.2車間生產(chǎn)智能調(diào)度數(shù)據(jù)組織方式
4.3大數(shù)據(jù)驅(qū)動的車間生產(chǎn)智能調(diào)度方法體系
4.4車間生產(chǎn)性能預測技術
4.4.1車間生產(chǎn)性能預測的一般方法
4.4.2車間工期預測模型
4.5性能預測驅(qū)動的車間生產(chǎn)智能調(diào)度方法
4.5.1晶圓單層工期調(diào)控模型
4.5.2基于強化學習的晶圓工期逐層調(diào)控模型
4.5.3基于ActorCritic的工期調(diào)控策略優(yōu)化方法
4.6基于大數(shù)據(jù)預測晶圓制造車間生產(chǎn)智能調(diào)度實例
4.6.1晶圓制造系統(tǒng)特性分析
4.6.2晶圓制造車間智能調(diào)度案例
參考文獻
第5章基于大數(shù)據(jù)集成的物料運輸系統(tǒng)調(diào)度
5.1物料運輸系統(tǒng)調(diào)度業(yè)務
5.1.1物料運輸系統(tǒng)調(diào)度業(yè)務的內(nèi)容
5.1.2物料運輸系統(tǒng)調(diào)度問題的特點
5.2物料運輸系統(tǒng)調(diào)度數(shù)據(jù)資源
5.2.1物料運輸調(diào)度數(shù)據(jù)來源
5.2.2物料運輸數(shù)據(jù)多維度組織形式
5.3大數(shù)據(jù)集成的物料運輸系統(tǒng)調(diào)度方法體系
5.4物料運輸系統(tǒng)狀態(tài)感知技術
5.5基于大數(shù)據(jù)集成的物料運輸系統(tǒng)狀態(tài)分析技術
5.5.1物料運輸系統(tǒng)數(shù)據(jù)集成方法
5.5.2物料運輸系統(tǒng)運行模型
5.5.3物料運輸系統(tǒng)運行穩(wěn)定狀態(tài)分析
5.5.4物料運輸系統(tǒng)狀態(tài)分析模型評價
5.6物料運輸系統(tǒng)智能調(diào)度技術
5.6.1物料運輸調(diào)度整體流程
5.6.2兩階段物料運輸優(yōu)化方法
5.7晶圓制造車間的物料運輸系統(tǒng)調(diào)度實例
5.7.1車間硬件環(huán)境
5.7.2實施應用
5.7.3結果分析
參考文獻
第6章基于大數(shù)據(jù)可視化的生產(chǎn)智能監(jiān)控
6.1生產(chǎn)智能監(jiān)控業(yè)務
6.1.1生產(chǎn)智能監(jiān)控業(yè)務內(nèi)容
6.1.2生產(chǎn)智能監(jiān)控業(yè)務的問題特點
6.2生產(chǎn)智能監(jiān)控業(yè)務的數(shù)據(jù)資源
6.2.1生產(chǎn)監(jiān)控業(yè)務的數(shù)據(jù)來源
6.2.2生產(chǎn)監(jiān)控數(shù)據(jù)的組織形式
6.3大數(shù)據(jù)驅(qū)動的生產(chǎn)智能監(jiān)控方法體系架構
6.4面向車間生產(chǎn)監(jiān)控的邊緣計算技術
6.5車間生產(chǎn)監(jiān)控信息建模技術
6.6車間生產(chǎn)監(jiān)控可視化技術
6.6.1三維場景界面的設計
6.6.2界面操作邏輯的設計
6.7飛機裝配車間的生產(chǎn)在線監(jiān)控系統(tǒng)實例
6.7.1數(shù)據(jù)采集及管理模塊
6.7.2機翼位姿監(jiān)控模塊
6.7.3生產(chǎn)進程可視化監(jiān)控
6.8食品包裝車間的生產(chǎn)在線監(jiān)控系統(tǒng)實例
6.8.1原材料批次信息管理
6.8.2生產(chǎn)過程數(shù)據(jù)關聯(lián)
6.8.3生產(chǎn)過程信息查詢
6.8.4生產(chǎn)狀態(tài)可視化
參考文獻
 
第7章基于大數(shù)據(jù)關聯(lián)分析的質(zhì)量智能控制
7.1產(chǎn)品質(zhì)量控制業(yè)務
7.1.1產(chǎn)品質(zhì)量控制業(yè)務的內(nèi)容
7.1.2產(chǎn)品質(zhì)量控制問題的特點
7.2產(chǎn)品質(zhì)量數(shù)據(jù)資源
7.2.1產(chǎn)品質(zhì)量數(shù)據(jù)來源
7.2.2產(chǎn)品質(zhì)量數(shù)據(jù)批次化組織形式
7.3產(chǎn)品質(zhì)量數(shù)據(jù)關聯(lián)分析技術
7.3.1產(chǎn)品質(zhì)量規(guī)律挖掘方法
7.3.2產(chǎn)品質(zhì)量特征提取方法
7.4產(chǎn)品質(zhì)量智能預測技術
7.5產(chǎn)品質(zhì)量控制優(yōu)化技術
7.6發(fā)動機裝配車間產(chǎn)品質(zhì)量控制實例
7.6.1柴油發(fā)動機裝配過程數(shù)據(jù)處理
7.6.2柴油發(fā)動機功率數(shù)據(jù)關聯(lián)分析
7.6.3柴油發(fā)動機功率預測模型
7.6.4柴油發(fā)動機裝配過程控制
參考文獻
第8章基于大數(shù)據(jù)分類的設備智能維護
8.1設備智能維護業(yè)務
8.1.1設備維護業(yè)務的內(nèi)容
8.1.2設備維護業(yè)務的問題特點
8.2設備智能維護業(yè)務的數(shù)據(jù)資源
8.3大數(shù)據(jù)驅(qū)動的設備智能維護方法體系架構
8.4設備異常狀態(tài)偵測方法
8.5設備運行狀態(tài)預測模型
8.6設備維護方式智能決策方法
8.7晶圓加工車間設備智能維護實例
參考文獻
 
二維碼目錄
二維碼11工業(yè)大數(shù)據(jù)白皮書（2019版）1
二維碼12信息技術大數(shù)據(jù)術語(GB/T 35295—2017)1
二維碼13大數(shù)據(jù)驅(qū)動的智能制造5
二維碼14大數(shù)據(jù)驅(qū)動的智能車間運行分析與決策方法體系11
二維碼21信息技術大數(shù)據(jù)存儲與處理系統(tǒng)功能要求(GB/T 37722—2019)48
二維碼22信息技術大數(shù)據(jù)分析系統(tǒng)功能要求(GB/T 37721—2019)53
二維碼23大數(shù)據(jù)驅(qū)動的晶圓工期預測關鍵參數(shù)識別方法53
二維碼24基于數(shù)據(jù)挖掘的晶圓制造交貨期預測方法60
二維碼31工藝管理導則第4部分：工藝方案設計(GB/T 24737.4—2012)69
二維碼32工業(yè)大數(shù)據(jù)技術架構白皮書(1.0)75
二維碼33An oriented feature extraction and recognition approach for concaveconvex mixed interacting features in castthenmachined parts76
二維碼34基于導向式搜索的航天艙體結構件特征識別方法103
二維碼41運載火箭總裝車間產(chǎn)能分配與預警系統(tǒng)用戶手冊111
二維碼42Big data analytics for forecasting cycle time in semiconductor 
wafer fabrication system116
二維碼43基于OPC的工業(yè)設備數(shù)據(jù)采集系統(tǒng)（OPC Data Collector）用戶
手冊116
二維碼44Bilateral LSTM: A TwoDimensional Long ShortTerm Memory 
Model with Multiply Memory Units for ShortTerm Cycle Time 
Forecasting in Reentrant Manufacturing Systems139
二維碼51工業(yè)無線網(wǎng)絡WIA規(guī)范第1部分： 用于過程自動化的WIA
系統(tǒng)結構與通信規(guī)范(GB/T 26790.1—2011)157
二維碼52信息技術傳感器網(wǎng)絡第2部分： 術語(GB/T 30269.2—2013)161
二維碼53一種混合智能的Interbay系統(tǒng)調(diào)度方法164
二維碼54晶圓制造物料運輸系統(tǒng)實時調(diào)度方法178
二維碼61FogIBDIS: Industrial Big Data Integration and Sharing with 
Fog Computing for Manufacturing Systems195
二維碼62邊緣計算參考架構2.0(2017年)197
二維碼63A collaborative architecture of the industrial internet platform 
for manufacturing systems197
二維碼71面向制造過程數(shù)據(jù)的兩階段無監(jiān)督特征選擇方法230
二維碼72混流裝配生產(chǎn)線工藝發(fā)布和質(zhì)量自檢系統(tǒng)用戶手冊234
二維碼73An effective approach for causal variables analysis in diesel 
engine production by using mutual information and network 
deconvolution251
二維碼81數(shù)字化車間術語和定義(GB/T 37413—2019)259
二維碼82基于多示例學習徑向基函數(shù)神經(jīng)網(wǎng)絡的刻蝕設備異常偵測264
二維碼83面向半導體制造的大數(shù)據(jù)分析平臺281
智能車間的大數(shù)據(jù)應用 Bigdata Application in Smart Workshop
二維碼目錄