化學工業智能製造：互聯化工（簡體書）

《化學工業智能製造―互聯化工》一書從計算技術和行業應用出發，對“互聯化工”的架構、關鍵技術、模式等進行了系統介紹，包括物聯網、工業大數據、數據挖掘等技術，及其在化學工業的具體應用。全書共11章，分別為：智能製造概述、智能製造之經典生產製造體系基礎、智能製造之現代信息技術基礎、互聯化工、互聯化工的關鍵信息技術、雲製造―互聯化工的跨尺度模式、數據挖掘、數據預處理、數據挖掘算法、數據挖掘應用案例、大數據可視化技術。
《化學工業智能製造―互聯化工》可作為化學工程與工藝、過程裝備與控制工程、材料科學與工程、冶金工程、環境科學與工程、安全科學與工程等專業本科及研究生教材，也可作為計算機類、電子信息類、電氣類專業讀者的拓展性學習用書。

吉旭，四川大學 化工學院，教授，中國系統工程學會過程系統專業委員會委員、四川省計算機學會高性能計算專業委員會委員，四川大學互聯化工研究中心首席科學家，四川大學化工學院過程系統工程學術帶頭人。 研究方向為過程系統工程理論研究與應用開發，主攻連續生產行業技術經濟分析與評價、過程系統信息化理論與應用、過程系統優化、過程系統可靠性分析、計算機集成過程系統（CIPS）研發等。 研究領域包括：過程系統工程理論與應用研究，材料加工的數字化技術及其工業化，高通量與材料基因組技術，過程行業智能製造及工業智能化理論與技術，工業大數據和人工智能技術，面向過程行業的先進控制（APC）、CIPS、CAPP和KM系統的研究與開發。 主持國家自然科學基金面上項目5項，四川省科技攻關項目項、企業協作項目三十餘項，近年來在工業智能化領域完成科技成果轉化超過3000萬元。主持了中國建築西部建設股份有限公司的工業智能化項目，該項目獲2018年工信部智能製造及人工智能技術應用示範項目。發表SCI收錄論文50餘篇，出版教材1部。

第1章 智能製造概述 / 1 1.1 智能製造發展背景 / 2 1.2 智能製造定義 / 3 1.3 智能製造架構 / 6 1.4 智能製造的特徵 / 8 1.5 各國推動智能製造發展的產業計劃 / 9 1.5.1 美國先進製造業國家戰略計劃 / 9 1.5.2 德國工業4.0 / 11 1.5.3 新工業法國 / 11 1.5.4 英國工業2050戰略 / 11 1.5.5 日本工業價值鏈產業聯盟 / 12 1.5.6 中國製造強國戰略 / 12 1.5.7 各國智能製造策略比較 / 13 第2章 智能製造之經典生產製造體系基礎 / 15 2.1 準時制生產 / 16 2.2 精益生產 / 18 2.3 柔性製造 / 20 2.4 敏捷製造 / 20 2.5 全面的質量管理和六西格瑪質量管理 / 21 2.5.1 全面質量管理 / 22 2.5.2 六西格瑪質量管理 / 23 2.5.3 質量管理中的數據分析工具 / 25 2.6 企業資源計劃 / 26 2.6.1 企業資源計劃的概念 / 26 2.6.2 企業資源計劃的管理思想/ 27 2.6.3 ERP的計劃制定及計劃層次 / 28 2.6.4 與ERP系統集成的相關系統及工具 / 31 2.7 知識管理與知識自動化 / 32 2.7.1 知識管理的概念 / 32 2.7.2 知識重組與知識推理 / 34 2.7.3 知識自動化與智能製造 / 35 2.8 計算機集成控制技術 / 36 2.8.1 過程控制技術發展階段 / 36 2.8.2 計算機集成過程系統 / 37 第3章 智能製造之現代信息技術基礎 / 39 3.1 物聯網與工業互聯網 / 40 3.1.1 物聯網概念 / 40 3.1.2 物聯網設備 / 40 3.1.3 基於物聯網技術的工業互聯網 / 44 3.2 面向智能製造的工業通信技術 / 46 3.2.1 面向智能製造的工業通信架構 / 46 3.2.2 工業現場總線通信技術 / 47 3.2.3 工業以太網通信技術 / 48 3.2.4 工業無線通信技術 / 49 3.2.5 5G通信技術 / 50 3.2.6 網絡通信的安全 / 53 3.3 大數據 / 54 3.3.1 數據信息知識智慧模型 / 54 3.3.2 大數據概念 / 56 3.3.3 大數據的資源化意義 / 58 3.3.4 大數據分析方法與傳統方法的區別 / 59 3.3.5 數據的結構類別 / 61 3.3.6 大數據技術 / 62 3.4 雲計算與邊緣計算 / 63 3.4.1 雲計算的概念與特點 / 63 3.4.2 基於雲計算的大數據架構 / 65 3.4.3 工業雲 / 66 3.4.4 邊緣計算 / 67 3.5 工業大數據 / 69 3.5.1 工業大數據概念 / 69 3.5.2 工業大數據的來源 / 70 3.5.3 工業大數據的價值 / 71 3.5.4 工業大數據的應用策略和方法 / 73 3.5.5 工業大數據的關鍵技術 / 75 3.5.6 工業大數據管理架構 / 76 3.5.7 工業大數據的質量評價 / 77 3.6 信息物理系統 / 78 3.6.1 信息物理系統概念 / 78 3.6.2 信息物理系統與智能製造 / 81 3.6.3 信息物理系統技術架構 / 82 3.7 人工智能 / 84 3.7.1 人工智能的概念 / 84 3.7.2 人工智能的發展歷程 / 85 3.7.3 人工智能的研究範圍 / 87 3.7.4 大數據、人工智能與智能製造 / 88 第4章 互聯化工 / 93 4.1 化學工業發展中的挑戰與問題提出 / 94 4.2 化學工業對智能化技術的應用需求 / 96 4.3 互聯化工 / 97 4.3.1 互聯化工的概念 / 97 4.3.2 互聯化工架構模型 / 101 4.4 互聯化工的典型業務場景與模式 / 105 4.4.1 綠色化的產品工程、工業工程與製造模式 / 106 4.4.2 商務智能化與優化控制一體化 / 107 4.4.3 面向供應鏈協同的柔性生產系統 / 110 4.4.4 基於可靠性管理和知識集成的質量管理體系 / 113 4.4.5 智能化設備與設備全生命週期管理 / 115 4.4.6 製造執行系統 / 117 4.4.7 能質網絡集成管理平臺與優化運行 / 119 4.4.8 健康、安全、環境管理 / 121 4.4.9 知識體系與知識自動化 / 126 第5章 互聯化工的關鍵信息技術 / 1345.1 互聯化工的數字化技術 / 135 5.1.1 互聯化工的數據架構 / 135 5.1.2 數據驅動的數字化技術 / 136 5.1.3 基於過程機理的流程模擬技術 / 137 5.1.4 互聯化工的數據安全技術 / 139 5.2 面向互聯化工的工業互聯網架構 / 140 5.3 面向互聯化工的信息物理系統 / 142 5.3.1 互聯化工信息物理系統層級劃分 / 142 5.3.2 互聯化工信息物理系統的技術特徵 / 143 5.4 智慧化單元操作與單元過程 / 144 5.4.1 基於信息物理系統的智慧化單元架構 / 144 5.4.2 智慧化單元的控制過程 / 145 5.4.3 智慧化單元的性能特點 / 145 5.5 智能控制技術 / 146 5.5.1 互聯化工的智能控制要求 / 146 5.5.2 智能控制技術 / 147 5.5.3 智能控制技術的模式 / 148 5.5.4 智能控制技術應用 / 149 第6章 雲製造――互聯化工的跨尺度模式 / 152 6.1 雲製造概述 / 153 6.1.1 雲製造的概念/ 153 6.1.2 雲製造的服務對象 / 154 6.1.3 雲製造能力服務 / 154 6.1.4 製造資源服務 / 155 6.2 雲製造架構 / 156 6.3 雲製造的支撐技術 / 158 6.4 雲製造的數字化模型 / 160 6.4.1 雲製造的數字化核心技術 / 161 6.4.2 製造資源與能力的數字化描述 / 162 6.4.3 能力評價模型 / 163 6.4.4 服務組合優選算法模型 / 164 6.5 雲製造安全技術 / 166 6.6 雲製造的業務模式 / 168 6.6.1 雲製造平臺的運營管理 / 168 6.6.2 雲製造平臺的幾種商業運營模式 / 168 第7章 數據挖掘 / 171 7.1 數據的相關概念 / 172 7.1.1 數據特徵屬性 / 172 7.1.2 數據管理的幾個常用概念 / 174 7.1.3 數據的尺度屬性 / 174 7.1.4 數據質量評估 / 175 7.2 數據的存儲方式 / 177 7.2.1 結構化數據的存儲 / 177 7.2.2 非結構化數據的存儲 / 177 7.2.3 面向主題的數據存儲―數據倉庫 / 179 7.3 數據挖掘概述 / 179 7.3.1 數據挖掘的概念 / 179 7.3.2 數據挖掘技術的特點 / 180 7.3.3 數據挖掘模型 / 181 7.4 數據挖掘項目的實施步驟 / 183 7.4.1 問題定義 / 184 7.4.2 數據預處理 / 185 7.4.3 數據探索 / 186 7.4.4 建立數據挖掘模型 / 187 7.4.5 結果解釋與評估 / 188 7.5 數據挖掘項目的關鍵角色 / 188 7.6 常用的數據挖掘軟件工具 / 189 第8章 數據預處理 / 192 8.1 數據整合 / 193 8.2 數據清洗 / 197 8.3 數據轉換 / 199 8.4 數據歸約 / 201 8.5 特徵屬性的篩選（降維）方法 / 202 8.5.1 基於線性相關性指標的篩選 / 202 8.5.2 基於灰色關聯法的篩選 / 203 8.5.3 主成分分析法 / 204 8.6 共線性問題 / 204 8.6.1 共線性問題的識別 / 204 8.6.2 消除共線性問題 / 205 8.7 數據倉庫 / 205 8.7.1 數據倉庫概要 / 205 8.7.2 構建數據倉庫的步驟 / 207 第9章 數據挖掘算法 / 210 9.1 聚類算法 / 211 9.1.1 聚類算法概要 / 211 9.1.2 常用的聚類算法 / 211 9.1.3 聚類分析相似度的衡量 / 212 9.1.4 聚類分析步驟 / 212 9.1.5 聚類算法及結果的評價標準 / 213 9.1.6 K-means聚類算法 / 213 9.2 分類算法 / 216 9.2.1 分類算法概要 / 216 9.2.2 分類結果的評判 / 216 9.2.3 k-近鄰分類算法 / 217 9.2.4 人工神經網絡 / 219 9.3 關聯規則 / 223 9.3.1 關聯規則的基本概念 / 223 9.3.2 關聯規則的類型 / 224 9.3.3 Apriori算法 / 224 9.4 回歸分析 / 227 9.4.1 回歸分析方法 / 227 9.4.2 回歸分析的步驟與逐步回歸 / 228 9.5 預測算法 / 230 9.5.1 預測的基本概念 / 230 9.5.2 常用的預測方法 / 231 9.5.3 時間序列分析概要 / 233 9.5.4 時間序列分析的算法策略 / 235 9.5.5 時間序列分析的步驟 / 237 9.6 優化問題 / 239 9.6.1 遺傳算法的概述 / 239 9.6.2 蟻群算法的基本原理 / 240 9.6.3 模擬退火算法的概述 / 241 9.7 診斷概要 / 244 9.7.1 離群點 / 244 9.7.2 離群點判據模型的建立原則 / 245 9.7.3 離群點的常用檢測方法 / 245 9.7.4 異常（故障）模式診斷 / 247 第10章 數據挖掘應用案例 / 251 10.1 材料基因組計劃 / 252 10.1.1 材料基因組計劃概要 / 252 10.1.2 神經網絡模型預測晶體材料的形成能 / 255 10.1.3 基於關聯規則模型的材料性能分析 / 255 10.2 化工系統的可靠性評價 / 257 10.2.1 化工系統可靠性評價指標 / 257 10.2.2 分析模型的建立 /258 10.2.3 灰色關聯分析 / 259 10.2.4 馬爾可夫修正 / 260 10.3 煤化工產業鏈的協同機制與模型 / 261 10.3.1 基於社會網絡分析法的供應鏈模型 / 262 10.3.2 基於工業代謝平衡的協同度評價 / 265 10.4 設備異常識別與預防性維修 / 267 10.4.1 模型的建立 / 267 10.4.2 設備異常識別案例 / 269 10.5 基於智能算法的軟測量技術 / 272 10.5.1 軟測量技術概述 / 272 10.5.2 軟測量模型及基於軟測量的異常診斷 / 273 10.5.3 粉料儲罐料位的軟測量模型 / 274 第11章 大數據可視化技術 / 276 11.1 數據可視化技術概述 / 277 11.1.1 數據可視化概念 / 277 11.1.2 數據可視化的基本要素和分類 / 277 11.1.3 可視化數據分類 / 279 11.1.4 數據可視化的層次 / 279 11.2 常用的數據可視化圖形 / 280 11.2.1 常用三大圖：柱（條）、線、餅（環） / 280 11.2.2 面積圖、雷達圖、散點圖、氣泡圖 / 283 11.2.3 地理圖 / 284 11.2.4 矩形樹圖、日曆圖、桑基圖、漏斗圖、箱線圖 / 285 11.2.5 詞雲、魚骨圖 / 287 11.2.6 數據可視化多圖集合模式 / 287 11.3 常用的數據可視化工具 / 288 英文縮略詞對照表 / 290 參考文獻 / 294