本書是《工業(yè)大數(shù)據(jù)：
架構(gòu)與應(yīng)用》的姐妹篇。
制造企業(yè)面臨提高質(zhì)量、提升效率、降低成本以及快速響應(yīng)不斷增長的客戶個性化消費需求的挑戰(zhàn)。然而，現(xiàn)有制造體系和制造水平已經(jīng)難以滿足高端化、個性化、智能化產(chǎn)品和服務(wù)增值升級的需求，制造業(yè)的進一步發(fā)展面臨巨大瓶頸和困難，迫切需要制造業(yè)的技術(shù)創(chuàng)新、智能升級。
物聯(lián)網(wǎng)、移動互聯(lián)、大數(shù)據(jù)、云計算、人工智能等新一代信息技術(shù)快速發(fā)展并迅速普及應(yīng)用，將有力推動制造業(yè)發(fā)展。工業(yè)智能是人工智能在制造領(lǐng)域的應(yīng)用，是制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)型發(fā)展的重要內(nèi)容。隨著人工智能技術(shù)的快速發(fā)展，結(jié)合機理模型、工程知識及工業(yè)大數(shù)據(jù)積累，形成制造領(lǐng)域的人工智能模型，并與工業(yè)軟件、工業(yè)互聯(lián)網(wǎng)平臺相集成，將形成一系列融合創(chuàng)新的技術(shù)、產(chǎn)品與模式。人工智能賦能制造業(yè)領(lǐng)域，將優(yōu)化提升生產(chǎn)效率、改善產(chǎn)品質(zhì)量、降低生產(chǎn)成本，典型應(yīng)用場景有智能產(chǎn)品與裝備、智能工廠與生產(chǎn)線、智能管理與服務(wù)、智能供應(yīng)鏈與物流、智能研發(fā)與設(shè)計、智能監(jiān)控與決策等，將促進產(chǎn)業(yè)模式發(fā)生革命性的變化，全面重塑制造業(yè)價值鏈，極大提高制造業(yè)的創(chuàng)新力和競爭力。
2017年7月8日國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出培育高端高效的智能經(jīng)濟，加快推進產(chǎn)業(yè)智能化升級�！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》中寫道：圍繞制造強國重大需求，推進智能制造關(guān)鍵技術(shù)裝備、核心支撐軟件、工業(yè)互聯(lián)網(wǎng)等系統(tǒng)集成應(yīng)用，研發(fā)智能產(chǎn)品及智能互聯(lián)產(chǎn)品、智能制造使能工具與系統(tǒng)、智能制造云服務(wù)平臺，推廣流程智能制造、離散智能制造、網(wǎng)絡(luò)化協(xié)同制造、遠程診斷與運維服務(wù)等新型制造模式，建立智能制造標(biāo)準(zhǔn)體系，推進制造全生命周期活動智能化。本書編寫的目的就是為探索和實施人工智能和工業(yè)融合應(yīng)用的相關(guān)人員提供一些參考。
本書主要特點是：
1 針對新一代人工智能技術(shù)特點的要求，提出了基于工業(yè)大數(shù)據(jù)的工業(yè)智能應(yīng)用模式與架構(gòu)；
2 梳理了智能制造主要模式下的AI應(yīng)用場景；
3 分析了工業(yè)智能應(yīng)用涉及的技術(shù)和核心算法；
4 展示了大量工業(yè)智能應(yīng)用案例。
本書旨在通過分析智能制造模式下如何使用人工智能技術(shù)助力企業(yè)提質(zhì)升效和轉(zhuǎn)型升級。
各章的作者分別是：
第1章，鄭樹泉；第2章，徐侃、鄭樹泉；第3章，徐侃；第4章，武智霞；第5章，鄭樹泉、李索遠；第6章，廖威；第7章，景立森；第8章，李輝；第9章，陳洪超、王倩；第10章，武智霞、周偉奇；第11章，王倩；第12章，武智霞。鄭樹泉進行了本書的整體內(nèi)容策劃及編寫組織工作；李索遠承擔(dān)了本書大量的文字錄入、圖表制作及版本管理工作。
感謝上海產(chǎn)業(yè)技術(shù)研究院工業(yè)大數(shù)據(jù)服務(wù)創(chuàng)新中心多年來的研究和應(yīng)用實踐為本書的寫作積累了大量的素材和案例。
本書在寫作過程中得到了中國電子技術(shù)標(biāo)準(zhǔn)化研究院及工業(yè)大數(shù)據(jù)標(biāo)準(zhǔn)化研究小組、中國信息通信院及工業(yè)互聯(lián)網(wǎng)聯(lián)盟相關(guān)會員、工業(yè)智能服務(wù)聯(lián)盟會員企業(yè)、工業(yè)大數(shù)據(jù)產(chǎn)業(yè)應(yīng)用聯(lián)盟企業(yè)的領(lǐng)導(dǎo)和專家的支持，他們?yōu)楸緯膶懽魈峁┝瞬簧俳ㄗh和案例材料，在此一并表示感謝。
人工智能賦能智能制造領(lǐng)域，是個不斷改進和演化的過程，工業(yè)智能應(yīng)用研究才剛開始，本書編寫只能起到一個拋磚引玉的作用。歡迎讀者對不足之處批評指正，希望分享體會和經(jīng)驗，共同推進人工智能在智能制造和智能服務(wù)等領(lǐng)域的應(yīng)用。
作者2018年11月
第1篇智能制造1第1章智能制造概述/3
1.1智能制造定義及關(guān)鍵技術(shù)/3
1.1.1智能制造定義與構(gòu)成要素/3
1.1.2智能制造系統(tǒng)的關(guān)鍵技術(shù)/5
1.2智能制造發(fā)展三個階段/8
1.2.1數(shù)字化制造/8
1.2.2數(shù)字化網(wǎng)絡(luò)化制造/9
1.2.3智能化制造/9
1.3智能制造模式/10
1.3.1大規(guī)模個性化定制/10
1.3.2智能化生產(chǎn)/11
1.3.3網(wǎng)絡(luò)化協(xié)同/13
1.3.4服務(wù)化延伸/14
1.4工業(yè)大數(shù)據(jù)/15
1.4.1生命周期與價值流/16
1.4.2企業(yè)縱向?qū)蛹?17
1.4.3IT價值鏈/19
1.5工業(yè)云平臺/20
1.5.1工業(yè)云平臺架構(gòu)/21
1.5.2國內(nèi)外主要工業(yè)云平臺/21
1.6工業(yè)智能/23
1.6.1新一代人工智能/23
1.6.2智能制造技術(shù)機理/25
1.6.3人工智能在工業(yè)領(lǐng)域的應(yīng)用/27
參考文獻/28第2章大規(guī)模個性化定制/30
2.1大規(guī)模個性化定制的架構(gòu)/31
2.1.1企業(yè)縱向?qū)?32
2.1.2產(chǎn)品生命周期層/32
2.1.3IT價值鏈層/32
2.2大規(guī)模個性化定制的模式和流程/32
2.2.1以客戶為中心的大規(guī)模個性化定制模式/32
2.2.2大規(guī)模個性化定制流程/33
2.3大規(guī)模個性化定制系統(tǒng)/35
2.3.1接口層/36
2.3.2需求分析層/37
2.3.3ERP層/37
2.3.4MES層/39
2.3.5SFC層/40
2.3.6設(shè)備層/41
2.4大規(guī)模個性化定制的相關(guān)技術(shù)/42
2.4.1智能交互技術(shù)/42
2.4.2需求分配智能建模技術(shù)/45
2.4.3智能工序調(diào)整技術(shù)/47
2.5應(yīng)用案例/49
2.5.1紅領(lǐng)集團西服個性化定制業(yè)務(wù)/49
2.5.2維尚家具全流程信息化及大規(guī)模數(shù)碼化定制服務(wù)/51
2.5.3大信櫥柜的訂單生產(chǎn)、快速響應(yīng)和零庫存管理/53
2.5.4海爾集團基于個性化定制服務(wù)架構(gòu)/55
參考文獻/58第3章智能化生產(chǎn)/59
3.1智能化生產(chǎn)的架構(gòu)及評估模型/59
3.1.1智能化生產(chǎn)參考架構(gòu)/59
3.1.2智能制造能力成熟度評估/62
3.1.3智能制造與兩化融合/66
3.2離散工業(yè)中的智能化生產(chǎn)/66
3.2.1智能化生產(chǎn)系統(tǒng)架構(gòu)/66
3.2.2生產(chǎn)設(shè)備網(wǎng)絡(luò)化/66
3.2.3生產(chǎn)過程透明化/67
3.2.4生產(chǎn)數(shù)據(jù)可視化/68
3.2.5智能化經(jīng)營/69
3.2.6生產(chǎn)現(xiàn)場無人化/69
3.2.7智能化產(chǎn)品/69
3.3流程工業(yè)中的智能化生產(chǎn)/69
3.3.1實時感知/70
3.3.2機理分析/70
3.3.3模型預(yù)測/70
3.3.4協(xié)同優(yōu)化/70
3.3.5全面統(tǒng)籌/70
3.4應(yīng)用案例/71
3.4.1西航集團智能制造/71
3.4.2九江石化智能工廠/73
3.4.3寶鋼基于協(xié)同的智能制造/76
3.4.4富士康（武漢）基于工業(yè)互聯(lián)網(wǎng)的智能制造/77
參考文獻/80第4章智能運維與服務(wù)/81
4.1智能運維與服務(wù)體系/82
4.1.1智能運維系統(tǒng)/83
4.1.2智能服務(wù)/84
4.2技術(shù)基礎(chǔ)/87
4.2.1邊緣計算/87
4.2.2信息物理系統(tǒng)/89
4.2.3工業(yè)云/92
4.2.4人工智能/94
4.3應(yīng)用案例/95
4.3.1海爾中央空調(diào)工業(yè)互聯(lián)網(wǎng)云服務(wù)平臺海爾網(wǎng)器產(chǎn)品智能云服務(wù)/95
4.3.2中聯(lián)重科智能運維與服務(wù)體系/96
4.3.3西奧電梯北斗星智能服務(wù)系統(tǒng)梯網(wǎng)互聯(lián)/98
4.3.4威派格智聯(lián)供水設(shè)備遠程數(shù)據(jù)采集與預(yù)測性維護/100
4.3.5Oglass AR智能眼鏡汽車后市場新寵/101
參考文獻/102
第2篇人工智能103第5章人工智能概述/105
5.1人工智能的概念、特征與框架/106
5.1.1人工智能的概念/106
5.1.2人工智能的特征/107
5.1.3人工智能參考框架/108
5.2人工智能的關(guān)鍵技術(shù)/110
5.2.1機器學(xué)習(xí)/110
5.2.2知識圖譜/111
5.2.3自然語言處理/111
5.2.4人機交互/111
5.2.5計算機視覺/111
5.2.6生物特征識別/112
5.2.7虛擬現(xiàn)實/增強現(xiàn)實/112
5.3人工智能產(chǎn)業(yè)鏈/113
5.3.1基礎(chǔ)層/113
5.3.2技術(shù)層/116
5.3.3應(yīng)用層/116
5.4人工智能應(yīng)用/117
5.4.1安防/117
5.4.2交通/117
5.4.3智慧城市/118
5.4.4智能制造/119
5.4.5醫(yī)療、教育、金融/119
參考文獻/123第6章機器學(xué)習(xí)/124
6.1機器學(xué)習(xí)的定義和分類/124
6.1.1機器學(xué)習(xí)的定義/124
6.1.2機器學(xué)習(xí)的分類/125
6.2機器學(xué)習(xí)的算法/126
6.2.1kNN算法/126
6.2.2聚類分析/128
6.2.3決策樹/132
6.2.4隨機森林/133
6.2.5支持向量機/135
6.3應(yīng)用案例/139
6.3.1高速列車智能駕駛/139
6.3.2銀行設(shè)備故障告警/142
6.3.3區(qū)域電力需求預(yù)測/146
參考文獻/148第7章深度學(xué)習(xí)/149
7.1深度學(xué)習(xí)的發(fā)展歷程/150
7.2深度學(xué)習(xí)特征提取/151
7.2.1人腦視覺機理/151
7.2.2初級（淺層）特征表示/152
7.3神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)/153
7.3.1淺層學(xué)習(xí)/153
7.3.2深度學(xué)習(xí)基本思想/153
7.3.3深度學(xué)習(xí)的優(yōu)勢/154
7.4深度學(xué)習(xí)訓(xùn)練過程/155
7.4.1傳統(tǒng)神經(jīng)網(wǎng)絡(luò)缺點/155
7.4.2深度網(wǎng)絡(luò)訓(xùn)練/155
7.5深度學(xué)習(xí)模型/156
7.5.1自動編碼器/156
7.5.2稀疏編碼/157
7.5.3限制波爾茲曼機/159
7.5.4深度信念網(wǎng)絡(luò)/160
7.5.5卷積神經(jīng)網(wǎng)絡(luò)/161
7.6應(yīng)用案例/163
7.6.1感應(yīng)電動機故障診斷/163
7.6.2交互式問答客服/166
7.6.3搜索廣告點擊率預(yù)測/168
7.6.4電影票房預(yù)測/170
7.6.5工件缺陷自動檢測/171
參考文獻/173第8章人工智能開發(fā)框架/174
8.1人工智能主流開發(fā)框架概述/175
8.1.1TensorFlow/175
8.1.2Keras/176
8.1.3CNTK/178
8.1.4Caffe/180
8.1.5MXNet/182
8.1.6Torch/185
8.2TensorFlow詳細介紹/186
8.2.1TensorFlow架構(gòu)圖/186
8.2.2TensorFlow基本概念/187
8.2.3TensorFlow中的模型/188
8.2.4深度學(xué)習(xí)模型在TensorFlow中的體現(xiàn)/190
8.3應(yīng)用案例/190
8.3.1MNIST手寫數(shù)字識別/190
8.3.2CIFAR10圖像識別/192
8.3.3IMDb電影評論情感分析/194
8.3.4基于漢語依存句法的主觀題評分系統(tǒng)/196
8.3.5基于推薦算法的智慧餐飲系統(tǒng)/199
參考文獻/201
第3篇工業(yè)智能應(yīng)用203第9章用戶畫像/205
9.1用戶畫像的發(fā)展背景及意義/206
9.1.1發(fā)展背景/206
9.1.2發(fā)展意義/206
9.2用戶畫像的體系結(jié)構(gòu)/207
9.2.1用戶畫像的定義/207
9.2.2用戶畫像體系的建立/208
9.2.3標(biāo)簽體系/208
9.3用戶畫像的實現(xiàn)流程/210
9.3.1基礎(chǔ)數(shù)據(jù)采集及處理/210
9.3.2分析建模/212
9.3.3結(jié)果呈現(xiàn)/213
9.4應(yīng)用案例/213
9.4.1文本數(shù)據(jù)挖掘/213
9.4.2微博用戶畫像/215
9.4.3基于內(nèi)容的新聞推薦/217
9.4.4電網(wǎng)客戶用戶畫像/217
9.4.5影視數(shù)據(jù)用戶畫像/219
參考文獻/221第10章機器視覺/222
10.1機器視覺的系統(tǒng)組成及圖像處理流程/223
10.1.1系統(tǒng)組成/223
10.1.2圖像處理流程/223
10.2機器視覺相關(guān)算法/225
10.2.1圖像處理/225
10.2.2特征提取/228
10.2.3圖像分析與分類/234
10.3機器視覺應(yīng)用于人臉識別/235
10.3.1人臉識別概述/235
10.3.2人臉識別應(yīng)用/236
10.3.3人臉識別算法/237
10.4機器視覺應(yīng)用于工業(yè)領(lǐng)域/238
10.4.1應(yīng)用概述/238
10.4.2工業(yè)視覺系統(tǒng)基本組成/239
10.5應(yīng)用案例/240
10.5.1基于深度學(xué)習(xí)的人臉識別/240
10.5.2基于機器視覺的PCB裸板缺陷自動檢測方法/242
10.5.3基于機器視覺的帶鋼表面缺陷檢測/244
參考文獻/245第11章調(diào)度優(yōu)化/246
11.1調(diào)度理論的發(fā)展/246
11.2調(diào)度主要方法/247
11.2.1數(shù)學(xué)規(guī)劃/247
11.2.2啟發(fā)式搜索/248
11.2.3系統(tǒng)仿真/248
11.2.4人工智能/248
11.2.5計算智能/249
11.2.6實時智能/250
11.3調(diào)度主要算法/250
11.3.1有序搜索/250
11.3.2遺傳算法/250
11.3.3模擬退火/252
11.4應(yīng)用案例/254
11.4.1云制造系統(tǒng)調(diào)度振華重工制造業(yè)流動機械智能調(diào)度管理平臺研發(fā)及應(yīng)用/254
11.4.2公交調(diào)度Z公交集團啤酒節(jié)期間智能公交調(diào)度策略/259
11.4.3物流配送調(diào)度餓了么方舟智能調(diào)度系統(tǒng)/262
11.4.4輔助駕駛/264
參考文獻/266第12章預(yù)測性維護/268
12.1預(yù)測性維護概念、架構(gòu)及系統(tǒng)流程/268
12.1.1概念/268
12.1.2平臺架構(gòu)/269
12.1.3系統(tǒng)流程/270
12.2預(yù)測性維護技術(shù)/271
12.2.1技術(shù)基礎(chǔ)/271
12.2.2傳感技術(shù)/271
12.2.3狀態(tài)監(jiān)測/271
12.2.4數(shù)據(jù)傳輸/272
12.2.5故障診斷/272
12.2.6故障預(yù)測/273
12.2.7維護管理/273
12.2.8維護決策/274
12.3預(yù)測性維護中的預(yù)測模型/274
12.3.1時序模型/274
12.3.2灰色預(yù)測模型/275
12.3.3神經(jīng)網(wǎng)絡(luò)預(yù)測模型/275
12.4應(yīng)用案例/276
12.4.1刀具磨損預(yù)測/276
12.4.2地鐵信號設(shè)備故障預(yù)測/279
12.4.3風(fēng)機葉片結(jié)冰預(yù)測/281
12.4.4橋梁保養(yǎng)維護/282
12.4.5電梯故障維護/283
參考文獻/285
書單推薦
