面向流程制造行業(yè)的工業(yè)大數(shù)據(jù)分析

第1章 流程工業(yè)智能制造與數(shù)字化轉(zhuǎn)型 001
1.1 流程工業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略 002
1.1.1 流程工業(yè)概述 003
1.1.2 流程工業(yè)數(shù)字化轉(zhuǎn)型的需求 004
1.1.3 中國流程工業(yè)數(shù)字化規(guī)劃 007
1.1.4 各國流程工業(yè)數(shù)字化的差異和啟示 009
1.2 大數(shù)據(jù)分析和數(shù)字化轉(zhuǎn)型的關(guān)系 010
1.2.1 大數(shù)據(jù)的內(nèi)涵 010
1.2.2 大數(shù)據(jù)和人工智能的關(guān)系 011
1.2.3 工業(yè)大數(shù)據(jù)與流程工業(yè)智能化 012
1.3 人工智能在流程工業(yè)科研和工程中的戰(zhàn)略意義 016
1.3.1 人工智能在科學研究中的重要作用 016
1.3.2 人工智能在工程建設(shè)中的重要作用 017
第2章 工業(yè)大數(shù)據(jù)分析基礎(chǔ) 020
2.1 工業(yè)大數(shù)據(jù)治理 020
2.1.1 工業(yè)大數(shù)據(jù)應(yīng)用面臨的挑戰(zhàn) 020
2.1.2 應(yīng)對方法 022
2.2 流程工業(yè)大數(shù)據(jù)治理案例 023
2.2.1 跨國石油公司大數(shù)據(jù)治理 023
2.2.2 國內(nèi)石油公司大數(shù)據(jù)治理 029
2.3 大數(shù)據(jù)采集技術(shù) 035
2.3.1 Apache Sqoop 035
2.3.2 Apache Flume 036
2.3.3 Gobblin 037
2.4 人工智能的概念 039
2.4.1 機器學習 040
2.4.2 神經(jīng)網(wǎng)絡(luò) 041
2.4.3 深度學習 042
2.4.4 自然語言處理 043
2.4.5 多模態(tài)技術(shù) 045
2.4.6 生成式人工智能和人工智能大模型 046
2.5 人工智能與大數(shù)據(jù)的關(guān)系 047
2.5.1 人工智能的數(shù)據(jù)基礎(chǔ) 048
2.5.2 大數(shù)據(jù)的二次挖掘 049
第3章 天然氣開發(fā)行業(yè)的大數(shù)據(jù)分析 051
3.1 天然氣開發(fā)行業(yè)信息化現(xiàn)狀 051
3.2 天然氣開發(fā)行業(yè)的大數(shù)據(jù)分析需求 053
3.3 天然氣開發(fā)行業(yè)的大數(shù)據(jù)來源與特點 055
3.4 天然氣開發(fā)行業(yè)的大數(shù)據(jù)解決方案 055
3.4.1 大數(shù)據(jù)獲取 055
3.4.2 大數(shù)據(jù)監(jiān)控 056
3.4.3 大數(shù)據(jù)可視化 057
3.5 天然氣開發(fā)行業(yè)的大數(shù)據(jù)分析方法 058
3.5.1 天然氣開發(fā)風險預防性分析方法 058
3.5.2 設(shè)備性能退化分析方法 060
3.6 天然氣開發(fā)行業(yè)的大數(shù)據(jù)分析案例 061
3.6.1 應(yīng)用場景 061
3.6.2 天然氣水合物大數(shù)據(jù)預測應(yīng)用案例 065
3.6.3 壓縮機故障大數(shù)據(jù)預防性監(jiān)控應(yīng)用案例 066
3.6.4 換熱器早期泄漏大數(shù)據(jù)監(jiān)控應(yīng)用案例 068
3.7 總結(jié) 070
第4章 煉油化工行業(yè)的大數(shù)據(jù)分析 071
4.1 煉油化工行業(yè)信息化現(xiàn)狀 071
4.2 煉油化工行業(yè)的大數(shù)據(jù)分析需求 073
4.2.1 油田勘探與生產(chǎn)制造環(huán)節(jié) 073
4.2.2 研發(fā)設(shè)計環(huán)節(jié) 075
4.2.3 市場營銷與售后服務(wù)環(huán)節(jié) 076
4.2.4 HSE評價體系的需求 076
4.3 煉油化工行業(yè)的大數(shù)據(jù)來源與特點 078
4.3.1 煉油化工行業(yè)的大數(shù)據(jù)來源 078
4.3.2 煉油化工行業(yè)的大數(shù)據(jù)特點 078
4.4 煉油化工行業(yè)的大數(shù)據(jù)解決方案 080
4.4.1 煉油化工企業(yè)存在的問題 080
4.4.2 工業(yè)大數(shù)據(jù)平臺架構(gòu)方案 080
4.5 煉油化工行業(yè)的大數(shù)據(jù)分析方法 083
4.6 煉油化工行業(yè)的大數(shù)據(jù)分析案例 084
4.6.1 應(yīng)用場景 084
4.6.2 應(yīng)用案例 085
4.7 總結(jié) 086
第5章 化工行業(yè)的大數(shù)據(jù)分析 088
5.1 化工行業(yè)信息化現(xiàn)狀 088
5.2 化工行業(yè)的大數(shù)據(jù)分析需求 089
5.3 化工行業(yè)的大數(shù)據(jù)來源與特點 090
5.4 化工行業(yè)的大數(shù)據(jù)解決方案 091
5.5 化工行業(yè)的大數(shù)據(jù)分析方法 092
5.6 化工行業(yè)的大數(shù)據(jù)分析案例 094
5.6.1 應(yīng)用場景 094
5.6.2 應(yīng)用案例 102
5.7 總結(jié) 115
第6章 鋼鐵行業(yè)的大數(shù)據(jù)分析 117
6.1 鋼鐵行業(yè)信息化現(xiàn)狀 118
6.2 鋼鐵行業(yè)的大數(shù)據(jù)分析需求 118
6.2.1 經(jīng)營管理與生產(chǎn)管理的需求 118
6.2.2 技術(shù)進步與發(fā)展的需求 119
6.3 鋼鐵行業(yè)的大數(shù)據(jù)來源與特點 120
6.4 鋼鐵行業(yè)的大數(shù)據(jù)解決方案 122
6.5 鋼鐵行業(yè)的大數(shù)據(jù)分析方法 124
6.6 鋼鐵行業(yè)的大數(shù)據(jù)分析案例 127
6.6.1 應(yīng)用場景 127
6.6.2 應(yīng)用案例 129
6.7 總結(jié) 139
第7章 電力輸電線路運維的大數(shù)據(jù)分析 140
7.1 電力輸電線路運維信息化現(xiàn)狀 140
7.2 電力輸電線路運維的大數(shù)據(jù)分析需求 141
7.3 電力輸電線路運維的大數(shù)據(jù)來源與特點 142
7.3.1 電力輸電線路運維的大數(shù)據(jù)來源 142
7.3.2 電力輸電線路運維的大數(shù)據(jù)特點 142
7.4 電力輸電線路運維的大數(shù)據(jù)解決方案 143
7.5 電力輸電線路運維的大數(shù)據(jù)分析方法 144
7.5.1 面向設(shè)備狀態(tài)大數(shù)據(jù)的分布式存儲和處理技術(shù) 144
7.5.2 電力運維行業(yè)的數(shù)據(jù)ETL技術(shù) 145
7.5.3 電力輸電線路的數(shù)據(jù)挖掘分析技術(shù) 145
7.6 電力輸電線路運維的大數(shù)據(jù)分析案例 147
7.6.1 輸電線路智能化反外損監(jiān)控系統(tǒng) 147
7.6.2 基于位置信息大數(shù)據(jù)驅(qū)動的輸電線路智能巡檢系統(tǒng) 152
7.6.3 特高壓輸電通道無人機巡檢系統(tǒng) 156
7.6.4 空、塔、地協(xié)同的輸電線路智能巡檢系統(tǒng) 159
7.7 電力輸電線路運維大數(shù)據(jù)技術(shù)展望 163
7.7.1 基于區(qū)塊鏈技術(shù)的輸電線路反外損運維系統(tǒng) 163
7.7.2 基于社交網(wǎng)絡(luò)用戶激勵的系統(tǒng)運營模式 164
7.7.3 電力物聯(lián)網(wǎng)價值挖掘 166
7.8 總結(jié) 168
第8章 人工智能在流程工業(yè)科研和工程中的創(chuàng)新應(yīng)用與展望 169
8.1 流程工業(yè)創(chuàng)新的重要意義 169
8.2 傳統(tǒng)流程工業(yè)存在的問題 171
8.3 流程工業(yè)創(chuàng)新方向 173
8.3.1 干實驗室計算化學與材料學 173
8.3.2 濕實驗室自動化微反應(yīng)器 174
8.3.3 干濕實驗室的結(jié)合 175
8.3.4 人工智能與人在回路、人機融合的結(jié)合 177
8.3.5 綜合決策支持系統(tǒng) 178
8.4 應(yīng)用案例 179
8.5 總結(jié)與展望 181
參考文獻 183
索引 191
本書編委 195
致謝 196