工业大数据工程:系统、方法与实践
作者: 田春华22.99万字79人 正在读
已完结现代当代当代文学
目录 (214章)
倒序
正文
第1章 工业大数据概论1.1 工业大数据提出的背景1.2.1 工业大数据的概念1.2.2 应用领域与场景1.2.3 在企业信息架构中的位置1.2.4 模型形式与应用范式1.2.5 与其他技术方向的关系1.3.1 经济与制度视角1.3.2 数据资产视角1.3.3 思维模式视角1.3.4 数据技术视角1.3.5 数字化与信息化的差别1.3.6 OT、DT、IT的融合与分工1.4.1 工业大数据建设面临的挑战1.4.2 敏捷工业大数据工程方法1.4.3 面向领域的工业大数据系统技术第2章 工业大数据工程的建设与运维方法2.1.1 数据工厂概述2.1.2 数据工厂的特征2.1.3 数据加工价值线的关键要素2.1.4 数据智能创新线的关键要素2.2 数据工厂的规划建设方法2.2.1 企业数据战略理解2.2.2 业务主题选定2.2.3 可行性评估2.2.4 建设方案设计2.2.5 系统实施2.2.6 管控与运维2.3 数据工厂容量规划方法2.3.1 业务需求与技术指标2.3.2 集群配置与规模规划2.3.3 价值线与创新线的规划侧重2.4 数据质量管控方法2.4.1 数据质量的定义2.4.2 全面数据质量管理2.4.3 基于SPC的数据质量监控2.5.1 数据工厂监控实践(1)2.5.1 数据工厂监控实践(2)2.5.1 数据工厂监控实践(3)2.5.2 性能调优实践(1)2.5.2 性能调优实践(2)第3章 工业大数据汇聚与处理技术3.1.1 典型工业数据来源及其特点3.1.2 接入与传输技术要素3.1.3 典型的接入与传输技术3.1.4 接入与传输技术路线3.2 数据存储3.2.1 存储的需求特点与关键要素3.2.2 存储的挑战和问题3.2.3 典型的数据存储技术3.2.4 存储的选型考虑与思路3.3 数据处理与计算3.3.1 处理与计算的需求特点及关键要素3.3.2 处理与计算的挑战和问题3.3.3 典型的数据处理模式与技术(1)3.3.3 典型的数据处理模式与技术(2)3.3.3 典型的数据处理模式与技术(3)3.3.3 典型的数据处理模式与技术(4)3.3.4 处理与计算的选型考虑与思路第4章 工业大数据建模与数据集成技术4.1.1 工业数据集成的概念4.1.2 工业数据集成挑战4.1.3 典型工业数据集成模式4.2 工业数据建模方法4.2.1 数据模型的层次4.2.2 数据建模技术4.3 工业数据参考模型4.3.1 设备参考模型4.3.2 产线参考模型4.3.3 守恒流参考模型4.3.4 工业数据模型复用4.4 数据模型转换4.4.1 ER模型转换为关系模型4.4.3 ER模型转换为文件对象模型4.5 统一数据访问4.5.1 统一数据访问框架4.5.2 图状数据模型和查询语义4.5.3 ER模型转换为图状数据模型4.5.4 图查询计划生成和优化4.5.5 批处理4.6 本章小结第5章 敏捷工业数据分析方法5.1 数据分析类型5.1.1 数据整合处理5.1.2 专家规则模型5.1.3 机器学习模型5.1.4 运筹优化模型5.2.1 CRISP-DM过程方法5.2.2 MLOps最佳实践5.2.3 工业数据分析的过程模型5.3 课题定义5.3.1 业务目标分解与价值评估5.3.2 要素归纳与完备度评估5.4 业务理解5.4.1 系统运行机制理解(Step1.1)5.4.2 当前处理逻辑理解(Step1.2)5.4.3 业务可行性确认(Step1.3)5.4.4 分析问题类型规约(Step1.4)5.4.5 数据需求梳理(Step1.5)5.5 数据理解5.5.1 数据结构理解(Step2.1)5.5.2 数据源理解(Step2.2)5.5.3 数据探索(Step2.3)5.5.4 数据质量的统计审查(Step2.4)5.5.5 数据质量的业务审查(Step2.5)5.5.6 数据处理措施确定(Step2.6)5.6 数据准备5.6.1 数据建模(Step3.1)5.6.2 数据导入(Step3.2)5.6.3 数据清洗(Step3.3)5.6.4 特征工程(Step3.4)5.7 模型建立5.7.1 业务指标与技术要点梳理(Step4.1)5.7.2 数据集划分(Step4.2)5.7.3 算法建模(Step4.3)5.7.4 模型检验(Step4.4)5.7.5 业务场景校验(Step4.5)5.8 模型评估5.8.1 技术评估(Step5.1)5.8.2 业务评估(Step5.2)5.9.1 模型打包与分发(Step6.1)5.9.2 模型运维机制设计(Step6.2)5.10 持续运行运维5.10.1 数据工程5.10.2 物理信息对象建模5.10.3 模型部署5.10.4 运行监控5.11 敏捷工业数据分析方法的技术需求5.11.1 敏捷的概念辨析5.11.2 个体敏捷性的技术需求5.11.3 团队协同敏捷性的技术需求6.1 工业数据分析建模的特点6.2 工业数据分析建模环境6.3 分析模型资产库6.3.1 分析案例库6.3.2 分析模板库6.3.3 分析算子库6.4 算子开发6.4.1 算子编码规范6.4.2 算子配置文件6.4.3 帮助文档规范6.4.4 算子开发示例:毛刺检测6.5 共性技术6.5.1 系统动力学图的形式化分析(1)6.5.1 系统动力学图的形式化分析(2)6.5.1 系统动力学图的形式化分析(3)6.5.2 非侵入式分析服务引擎6.5.3 工业应用的典型统计学习模式6.5.4 少样本学习模式6.5.5 基于自主学习的专家规则参数精化第7章 数据应用的敏捷开发方法7.1 数据应用的特点7.1.1 数据应用的特性7.1.2 开发阶段的特点7.1.3 软件结构的特点7.2 数据应用的敏捷开发7.2.1 准备过程7.2.2 实施过程(1)7.2.2 实施过程(2)7.2.3 运维过程7.3 支持敏捷开发的低代码工具7.4 数据应用的运行环境7.4.1 数据存储7.4.2 数据预处理7.4.3 数据映射7.4.4 分析模型部署7.4.5 作业管理7.4.6 系统接口7.4.7 系统监控7.5 数据应用实施规划7.5.1 数据规划7.5.2 模型规划第8章 风电大数据8.1 业务背景8.2 中车风电大数据平台设计8.2.1 整体规划8.2.2 总体架构8.2.3 数据接入8.2.4 数据治理8.2.5 数据存储8.2.6 应用开发8.2.7 模型运行8.2.8 应用部署8.3.1 整体规划8.3.2 偏航对风静态偏差优化8.3.3 齿轮箱润滑异常诊断8.3.4 电量生产精益分析8.3.5 塔筒振动异常监测8.3.6 计划停机时段辅助分析8.4 本章小结9.1.1 水电数字化转型趋势9.1.2 水电行业业务痛点9.1.3 水电大数据业务需求9.1.4 水电数字化建设目标9.2.1 水电大数据业务架构9.2.2 水电大数据功能架构9.2.3 水电大数据平台数据架构9.3.1 水电数据应用整体规划9.3.2 水电机组摆度分析9.3.3 水电机组运行工况分析9.3.4 水电机组多指标预警应用9.3.5 水电机组启动稳定性分析9.4 本章小结第10章 煤矿综采大数据10.1 业务背景10.2.1 整体规划10.2.2 煤矿综采系统架构10.2.3 煤矿综采数据平台10.3 综采数字化创新应用10.3.1 整体规划10.3.2 业务理解10.3.3 数据资源化10.3.4 压力分布应用10.4 应用效果及总结
精选推荐
领导力法则
[中国纺织出版社]
陆禹萌
已完结当代文学
销售心理学
[中国纺织出版社]
兰华
已完结当代文学
销售就是玩转情商
[中国纺织出版社]
王威
已完结当代文学
销售员情商实战训练
成功的销售需要高智商,更需要高情商。一个销售员的销售业绩,往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商,提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导,以及实战点拨和情商拓展训练,帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置,有效降低读者阅读疲劳,提高阅读兴趣,不论是奔波在路上的销售小白,还是带领团队奋勇向前的销售经理,都能从中找到适合自己的销售软技巧。
刘军
已完结当代文学
让未来的你,感谢现在勇敢的自己
[中国纺织出版社]
王介威
已完结当代文学
行为心理学:华生的实用心理学课
[中国纺织出版社]
(美)约翰·华生著.倪彩
已完结当代文学
行为心理学入门(完全图解版)
行为心理学入门(完全图解版)是以作者多来年的心理辅导和咨询数据为素材,对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同,浅显易读,有趣又益。
武莉
已完结当代文学
自卑与超越
《自卑与(全译插图典藏版)》是个体心理学研究领域的著作,也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心,并强调“社会意识”。全书立足个人心理学的观点,从教育、家庭、婚姻、伦理、社交等多个领域,以大量的实例为论述基础,阐明了人生意义的真谛,帮助人们克服自卑、不断超自己,正确对待职业,正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展,成为人们了解心理学的经典读物。
(奥)阿尔弗雷德·阿德勒
已完结当代文学
自制力:道理我都懂,为什么就是过不好人生
[中国纺织出版社]
邱开杰
已完结当代文学