工业大数据工程：系统、方法与实践

封面

版权信息

内容简介

编委会

前言

第1章　工业大数据概论

1.1　工业大数据提出的背景

1.2　工业大数据的内涵与范畴

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　工业大数据的认知辨析

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　工业大数据工程的内容

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　数据工厂的概念与范畴

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　运维监控与性能调优

2.5.1　数据工厂监控实践

2.5.2　性能调优实践

第3章　工业大数据汇聚与处理技术

3.1　数据接入与传输

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

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　工业数据集成概述

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

4.4.2　ER模型转换为时序模型

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　敏捷工业大数据分析方法概述

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