大數據時代的産品智能配置理論與方法/數字製造科學與技術前沿研究叢書 [Theories and Methods of Intelligent Product Configuration in the 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《大數據時代的産品智能配置理論與方法/數字製造科學與技術前沿研究叢書》立足前沿性，注重實用性，綜閤探討瞭大數據時代的産品智能配置理論與方法，旨在為信息化企業適應大數據時代的産品智能配置提供指導。
　　《大數據時代的産品智能配置理論與方法/數字製造科學與技術前沿研究叢書》首先介紹瞭大數據時代的背景與意義、數字製造與産品配置、大數據時代的挑戰，以及基於大數據的客戶需求信息的概念界定，然後闡述瞭客戶需求信息標準化的相關模型、大數據客戶需求信息挖掘、産品智能配置、規範化信息處理、人工智能的應用，最後以實例來解析上述理論和方法。
　　《大數據時代的産品智能配置理論與方法/數字製造科學與技術前沿研究叢書》著眼於將理論與實踐充分結閤，適閤高等院校機電工程領域和相關科研人員和學生參考。

內頁插圖

目錄

1 緒論
1．1 背景和意義
1．2 數字製造與産品配置
1．2．1 數字製造
1．2．2 産品配置
1．3 大數據時代的挑戰
1．3．1 大數據與製造業大數據時代
1．3．2 大數據與製造企業大數據現狀
1．3．3 大數據處理流程
1．3．4 大數據的關鍵技術
1．3．5 大數據與製造企業所麵l臨的挑戰
1．3．6 大數據技術發展趨勢
1．3．7 大數據産業發展重點
1．3．8 大數據未來發展建議
參考文獻

2 基於大數據的客戶需求信息的概念界定
2．1 大數據的概念和內涵
2．1．1 大數據概念的提齣
2．1．2 大數據的特徵
2．1．3 大數據挖掘流程
2．1．4 大數據的應用領域
2．2 基於Hadoop的大數據處理
2．2．1 HDFS體係結構
2．2．2 HBase分布式數據庫
2．2．3 MapReduce計算模型
2．3 互聯網的客戶需求信息獲取框架
2．3．1 數據清理
2．3．2 用戶識彆
2．3．3 關鍵詞提取
參考文獻

3 標準化客戶需求信息相關模型
3．1 標準化客戶需求信息獲取模型
3．2 標準化客戶需求信息的結構和錶達模型
3．2．1 標準化客戶需求信息的結構模型
3．2．2 標準化客戶需求信息的錶達模型
3．3 標準化客戶需求信息的知識庫模型
3．3．1 客戶需求知識錶達
3．3．2 客戶需求知識庫模型的構建
參考文獻

4 大數據客戶需求信息處理技術
4．1 大數據客戶需求信息存儲
4．1．1 HBase數據存儲原理
4．1．2 HBase存儲客戶需求信息的整體架構
4．1．3 Hbase中客戶需求信息存儲錶設計
4．2 大數據客戶需求信息預處理技術
4．2．1 客戶需求特徵屬性提取
4．2．2 客戶需求信息的定量標定
4．3 大數據客戶需求信息數據挖掘技術
4．3．1 基於MapRedLice的K-Means算法的設計與實現
4．3．2 基於MapRecluce的KNN算法設計與實現
4．3．3 樸素貝葉斯分類並行算法的設計與實現
4．3．4 決策樹並行分類算法
4．4 大數據客戶需求信息推薦技術
4．4．1 推薦係統
4．4．2 MapReduce推薦算法設計
參考文獻

5 産品智能配置
5．1 模塊化産品配置
5．1．1 模塊與産品配置
5．1．2 産品族相關概念
5．1．3 模塊劃分方法
5．1．4 模塊模型的構建
5．2 基於CBR和CSP的産品族構建
5．2．1 基於CSP的産品配置方法
5．2．2 基於CBR的産品配置方法
5．3 基於客戶需求信息的産品模塊映射
5．3．1 麵嚮産品模塊配置的客戶需求信息映射模型
5．3．2 麵嚮産品模塊配置的客戶需求信息映射方法
5．3．3 麵嚮産品模塊配置的客戶需求信息映射步驟
參考文獻

6 規範化信息處理
6．1 規範化信息處理思路
6．2 智能信息處理相關理論研究
6．2．1 二元語義模型
6．2．2 規則模型
6．2．3 機器學習模型
6．3 基於人工智能的規範化信息處理
6．3．1 基於模糊集規則的規範化信息處理
6．3．2 基於分詞規則的規範化信息處理
6．3．3 基於規則一機器學習的規範化信息處理
參考文獻

7 基於深度學習的産品數字模型智能裝配
7．1 深度學習模型
7．1．1 深度學習模型的基本思想
7．1．2 深度學習常用模型
7．2 深度置信網絡
7．2．1 RBM模型及Sigmoid神經元
7．2．2 DBN模型的訓練學習
7．3 麵嚮DBN的裝配信息模型構建
7．3．1 零部件裝配幾何元素分類
7．3．2 零部件分類特徵信息定義
7．3．3 麵嚮DBN的零部件裝配信息模型
7．4 基於DBN的零部件分類模型庫
7．4．1 DBN分類識彆模型的構建
7．4．2 典型零部件模型庫的建立
7．4．3 非典型零部件模型庫的建立
參考文獻

8 客車企業客戶需求信息管理係統
8．1 客車企業客戶需求信息前颱數據采集
8．1．1 産品展示
8．1．2 智能選客車
8．2 客車企業客戶需求信息知識庫的構建
8．2．1 客車産品客戶需求知識庫的架構
8．2．2 客車産品客戶需求知識庫概念模型
8．2．3 客車客戶需求知識庫模闆
8．2．4 客戶需求的知識獲取
8．2．5 係統開發與應用示例
8．3 客車企業客戶需求信息後颱數據分析
8．3．1 網站流量管理
8．3．2 商機管理
8．3．3 訪問行為分析
8．4 本章小結
參考文獻

9 智能手機産品模塊配置
9．1 智能手機客戶需求信息的映射
9．2 智能手機産品模塊的組閤
參考文獻

10 汽車生産綫智能裝配係統
10．1 汽車生産綫智能裝配係統總體方案
10．2 典型零部件的智能裝配
10．2．1 典型零部件的配閤類型定義
10．2．2 典型零部件的配閤類型判彆
10．2．3 典型零部件的智能裝配過程
10．2．4 典型零部件的智能裝配
10．3 非典型零部件的智能裝配
10．3．1 非典型零部件智能裝配特徵的定義與錶達
10．3．2 非典型零部件的智能裝配過程
10．3．3 裝配方嚮的確認
10．3．4 非典型零部件的智能裝配
參考文獻

前言/序言

　　德國在2010年提齣瞭工業4.0的概念，利用網絡和通信技術將工業生産製造中的數據與有用信息傳送到工業生産管理與決策的過程中，旨在提升製造業的智能化水平，建立具有適應性、資源效率高及人因工程學的智慧工廠。美國GE公司（通用電氣公司）在2012年進一步提齣瞭工業互聯網，將搜集到的數據傳輸到雲端，計算分析之後産生“智慧數據”，以實現設備與人的“交互”。GE公司認為，大數據分析和工業互聯網最終將重構全球工業。我國在2015年結閤國情，也提齣瞭“中國製造2025”戰略，將物聯網、雲計算和大數據作為新工業製造的核心技術。
　　當前，隨著互聯網應用信息化的發展，製造領域、商業領域、科研領域以及社會生活中所産生的數據量都在以驚人的速度增長。近幾年，我國不斷推進數據的開放和共享，大數據産業有望在通信、金融、製造、醫療等重點行業率先取得突破，成為全球最重要的大數據市場。企業産品配置過程中也能夠衍生齣大數據，特彆是産品配置過程實現智能化以後，企業信息管理係統不斷存儲和更新數據，它們具有海量（volume）、高速（velocity）、多樣（variety）、價值（value）的4V特性。伴隨越來越多的數據纍積，量變引起質變，這些積纍的數據蘊含著巨大的商業和科技價值。但是，如果沒有相關模型和挖掘方法的支撐與指導，以及整閤産品配置平颱的能力，這些信息的價值就無法體現，企業也無法從中受益。因此，針對企業産品配置過程中衍生齣的大數據，研究大數據環境下産品智能配置的理論與方法，能夠幫助企業更好地服務客戶、發現商機、擴大市場、提升效率。
　　大數據環境下産品智能配置理論與方法可以圍繞産品配置信息標準化模型、客戶需求信息大數據挖掘方法和基於人工智能的産品配置設計優化三方麵展開研究。通過研究産品配置信息標準化模型，為産品配置信息的大數據挖掘奠定基礎；針對産品配置中衍生齣的大數據文件格式普遍具有非結構化、有噪聲、多類型的特點，采用分布式處理架構，對海量信息進行提取、分類和評估研究，為構建企業大數據挖掘平颱提供理論依據；針對客戶需求不能直接作用於産品配置的問題，建立客戶需求到産品模型的數學映射關係，並采用人工智能算法來研究産品族的可拓性和變異性，為産品配置設計優化提供指導。
　　本書的研究成果受湖北省科技支撐計劃項目（2015BAA058）和湖北省自然科學基金項目（2015CFA115）資助，在此錶示感謝！本書的有關研究工作得到瞭武漢理工大學機電工程學院薛亮、方真強、程理群同誌的支持，本書的編撰和校對得到瞭武漢理工大學機電工程學院黃培德、鄧磷、趙飛宇、舒瑤、蘇佳奇、苗誌民、閆誌峰、盧梓揚等同誌的閤作和幫助，在此深錶謝意！
大數據時代的産品智能配置理論與方法/數字製造科學與技術前沿研究叢書 [Theories and Methods of Intelligent Product Configuration in the 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價