從大數據到智能製造 pdf epub mobi txt 電子書下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

李傑著

圖書標籤:

大數據
智能製造
工業4
0
數據分析
機器學習
人工智能
數字化轉型
生産優化
工業互聯網
智能工廠

下載連結在頁面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製連結

想要找書就要到新城書站

book.cndgn.com

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

齣版社：上海交通大學齣版社

ISBN：9787313149183

版次：1

商品編碼：11949900

包裝：精裝

開本：32開

齣版時間：2016-05-01

用紙：純質紙

具體描述

産品特色

內容簡介

　　德國將工業4.0上升為民族戰略，英國強勢推齣“英國工業2025戰略”；“中國製造2025”發布引起全民轟動，第四次工業科技革命呼之欲齣。在這場科技革命中，智能製造無疑將成為世界各國競爭的新戰場。大量的工業大數據在中國匯集，無疑給中國的智能製造帶來好的資源優勢。隻有充分利用這一資源，纔能彌補中國在裝備製造和核心零部件等方麵的弱勢與短闆，可以這麼說，大數據將是中國搭上第四次科技革命快車的大資本。

　　本書分為3個篇章：導引篇、案例分析篇和專傢訪談篇。在導引篇裏，本書從利用大數據從解決問題到避免問題、利用大數據預測隱性問題和利用反嚮工程來重新定義製造等3個方嚮入手，清晰地闡述瞭大數據與智能製造的關係。接下來，按照這3個方嚮，本書引用瞭17個案例進行詳細分析，使讀者在接觸概念和理論之後，通過真實、有效的案例能夠對大數據推動智能製造的發展有一個更加明確和直觀的認識。在專傢訪談篇中，本書精心策劃瞭由經濟學傢、學院派教授、媒體人士、企業代錶組成的專傢訪談團隊，使不同背景、不同領域的專傢訪談為讀者帶來不一樣的視角。本書適閤對大數據、中國製造領域的研究者們閱讀，也適閤對這些領域感興趣的社會人士閱讀。

作者簡介

　　李傑（Jay Lee），教授，美國辛辛那提大學（Univ.of Cincinnati）特聘講座教授，美國國傢科學基金會（NSF）智能維護係統研究中心（IMS）主任，自2000年起領導全球工業大數據分析與智能維護係統技術研發；2013年，他擔任美國白宮信息物理係統與美國挑戰項目顧問，2016年起，擔任美國麥肯锡（McKinsey&Company;）全球顧問。

　　李傑教授是美國機械工程學會（ASME）及美國製造工程學會（SME）的會士。目前的研究重點是以工業大數據為主的智能預測技術和産品及服務主控式創新創值設計（Dominant Innovation），自2000年起和全球85傢國際公司聯閤研發。李傑教授突破傳統機械設備故障預測的理論、方法和技術，其關鍵性技術得到國際學術界的認可與高度評價，被美國《財富》雜誌譽為“21世紀全球三大熱門技術”之一。

　　倪軍，教授，美國密西根大學吳賢銘製造科學冠名教授及機械工程終身教授；上海交通大學校長特聘顧問、密西根學院首任院長，美國密西根大學吳賢銘製造研究中心主任及美國國傢科學基金會産學研“智能維護係統中心”共同主任。

　　倪軍教授獲得40多項學術成就奬。2002年當選為美國製造工程師學會會士，2004年當選為美國機械工程學會會士；2009年入選中組部首批“韆人計劃”特聘專傢；2009年獲美國機械工程學會William T. Ennor 高製造技術奬; 2013年獲國際製造工程師學會金奬, 是該奬1955年設立之後首位獲此殊榮的華人學者；2013年獲中華人民共和國國際科技閤作奬；2015年獲美國密西根大學工程成就奬。

　　王安正，教授，中組部“韆人計劃”專傢，上海交通大學緻遠講席教授，上海交通大學航空發動機研究院首席科學傢。多年來任職於美國GE航空發動機公司，擔任航空力學首席工程師，先後領導完成GE公司核心産品CF34、CFM56、GE90、GENx等型號風扇、壓氣機的氣動和結構設計與適航審定，在先進復閤材料風扇設計認證方麵具有豐富經驗。

前言/序言

　　在西方國傢有這樣一句話：To live well，a nation mustproduce well，說明製造業是一個國傢綜閤國力最重要的體現，也是決定民眾生活質量的重要條件。在經曆瞭互聯網泡沫和經濟危機之後，世界各國，尤其是發達國傢開始重新意識到製造業的重要性，也在重新審視自身競爭力的優劣勢。第四次科技革命的到來為各個國傢提供瞭發展和轉型的機遇，也使他們麵臨競爭力格局變化的挑戰，智能製造成為世界各國競爭的新戰場。無論是德國提齣的“工業4． 0 國傢戰略”，美國提齣的“國傢製造業創新網絡（NNMI）計劃”，或是日本的“工業價值鏈計劃（IVI）”等，無不圍繞著製造業這個核心。中國改革開放三十多年來，綜閤國力和人民生活水平的提升過程中，製造業的快速發展起到瞭決定性的作用，中國成為世界製造業的新中心，也連續幾年成為“世界製造力競爭指數”最強的國傢。在新一輪的製造業革命中，中國也感受到來自世界各國新技術戰略的壓力，相繼提齣“中國製造2025”，“互聯網＋ ”和“供給側改革”等多項措施。

　　每一次製造革命的進步，除瞭我們能夠可見的技術要素以外，更重要的是這背後的製造哲學的進步。現代製造業從第二次科技革命到現在，經曆瞭標準化、閤理化＋規範化、自動化＋集成化、網絡化＋信息化四個階段。這背後的製造哲學可以概括為：以低成本生産高質量的産品；通過全流程改善降低浪費、次品和事故；通過産品全生命周期的數據管理，為用戶提供所需要的能力和服務。在以上幾個階段的基礎上，現在的製造係統正處在嚮智能化＋客製化邁進的階段，目標是實現零故障和預測型的生産係統，並在無憂的生産環境中以低成本快速實現用戶的客製化需求。

　　那麼，如何實現智能製造？有些人說大數據是實現智能製造的核心技術，也有人說要靠互聯網、信息物理係統技術（CPS），或是人工智能和機器人等。如果大數據是智能製造的核心驅動力，那麼我們該怎麼去定義和使用大數據？關於這個問題，我在《工業大數據》這本書中曾錶達過一個觀點：大數據並不是目的，而是看待問題的一種途徑和解決問題的一種手段。通過分析數據，可以預測需求、預測製造、解決和避免不可見問題的風險，和利用數據去整閤産業鏈和價值鏈，這纔是大數據的核心目的。

　　大數據與智能製造之間的關係可以總結為：製造係統中問題的發生和解決的過程中會産生大量數據，通過對這些數據的分析和挖掘可以瞭解問題産生的過程、造成的影響和解決的方式，這些信息被抽象化建模後轉化成知識，再利用知識去認識、解決和避免問題，核心是從以往依靠人的經驗（experiencebased），轉嚮依靠挖掘數據中隱性的綫索（evidence based），使得製造知識能夠被更加高效和自發地産生、利用和傳承。因此，問

　　題和知識是目的，而數據則是一種手段。今天我們來談利用大數據實現智能製造，是因為大數據已經成為一個日益明顯的現象，而在製造係統和商業環境變得日益復雜的今天，利用大數據去解決問題和積纍知識或許是更加高效和便捷的方式。

　　大數據的目的並不是追求數據量大，而是通過係統式地數據收集和分析手段，實現價值的最大化。所以推動智能製造的並不是大數據本身，而是大數據的分析技術。在新製造革命的轉型中，是否能夠更加有效地利用好大數據，決定瞭能否在競爭中脫穎而齣。在現在的製造中，存在著許多無法被定量、無法被決策者掌握的不確定因素，這些不確定因素既存在於製造過程中，也存在於製造過程之外的使用過程中。前三次工業革命主要解決的都是可見的問題，例如避免産品缺陷、避免加工失效、提升設備效率和可靠性、避免設備故障和安全問題等。這些問題在工業生産中由於可見可測量，往往比較容易避免和解決。不可見的問題通常錶現為設備的性能下降、健康衰退、零部件磨損、運行風險升高等。這些因素由於其很難通過測量被定量化，往往是工業生産中不可控的風險，大部分可見的問題都是這些不可見的因素積纍到一定程度所造成的。

　　因此，我、倪軍教授和王安正教授在本書中闡述瞭大數據推動智能製造的三個方嚮：第一個方嚮是利用數據來瞭解和解決可見的問題；第二個方嚮是利用數據來分析和預測不可見的問題，從僅僅明白解決問題的“know�瞙ow”，進一步理解問題産生的原因，從而避免可見的問題；第三個方嚮則是從數據中挖掘新的知識，再利用知識去重新定義問題，使得可見或不可見的問題都可以在製造係統中避免。在第一個方嚮上，許多國傢已經有瞭比較成熟的積纍，也形成瞭各自獨特的製造文化，本書中我們會為讀者詳細解讀這些國傢的經驗和得失。在第二個和第三個方嚮上，我們也做瞭許多年的研究和應用，形成瞭一套較為完整的體係和方法論，在本書中也會結閤案例為讀者進行詳細介紹。藉助本書，我們不僅要嚮讀者介紹大數據和智能製造的技術，更重要的是傳達一種思維方式，以及對智能製造的理解、解決問題的邏輯和重新定義製造的思考方式。

《智能時代的産業變革：從數據驅動到價值重塑》導讀：在這個數據洪流洶湧、技術迭代加速的時代，傳統産業正麵臨前所未有的顛覆與重構。本書並非聚焦於單一技術或理論的探討，而是以宏觀的視野，深入剖析瞭驅動當代産業升級轉型的核心動力——數據資産化與智能係統集成。我們旨在為企業管理者、戰略規劃師以及技術實踐者提供一套清晰的認知框架，理解這場深刻變革的底層邏輯、演進路徑及其帶來的深遠影響。第一部分：數字化基石與數據生態的構建本部分首先為讀者構建起理解現代産業體係運行的基石：數字化的本質與戰略意義。我們不滿足於“上雲”、“用數”等錶層實踐，而是著眼於如何將數據視為一種與土地、資本、勞動力並駕齊驅的核心生産要素。第一章：數據作為新的生産力要素本章首先厘清“數據”與“信息”、“知識”的區彆，強調數據在現代經濟活動中的獨特價值屬性——非競爭性、可復製性與邊際成本遞減。深入探討瞭企業如何從“數據孤島”走嚮“數據湖”乃至“數據中颱”的演進曆程。重點分析瞭數據治理的復雜性，包括數據質量標準的確立、元數據管理體係的構建，以及如何在確保數據主權和安全的前提下，實現數據的跨域流動與價值交換。我們通過一係列案例，闡述瞭數據資産化所需的法律、組織和技術準備工作。第二章：構建彈性與敏捷的數字化基礎設施産業的智能化升級，離不開堅實可靠的底層架構支撐。本章詳細考察瞭雲計算、邊緣計算與分布式賬本技術（DLT）在構建新一代基礎設施中的作用。我們著重討論瞭雲原生架構對應用開發效率和係統彈性的提升，以及邊緣計算如何將決策能力推嚮生産現場，實現毫秒級的響應。對於DLT，我們探討瞭其在供應鏈溯源、金融結算和數據確權等方麵的潛力，而非僅僅將其視為加密貨幣的載體。本章強調，基礎設施的演進目標是實現對業務需求的“即時響應”和“彈性擴展”。第二部分：智能驅動：從自動化到決策優化産業智能化的核心在於引入“學習”和“決策”的能力，使係統能夠自我優化和預測未來。本部分聚焦於如何將數據轉化為可執行的洞察，並融入業務流程。第三章：先進分析與機器學習在産業場景的應用本章超越瞭基礎的描述性分析，深入探討瞭預測性分析（Predictive Analytics）和規範性分析（Prescriptive Analytics）如何重塑傳統業務流程。詳細介紹瞭迴歸模型、時間序列分析在需求預測、庫存優化中的應用。特彆關注深度學習模型在處理非結構化數據（如圖像、文本、傳感器時間序列）方麵的突破，以及這些突破如何賦能質量檢測、異常診斷和早期預警係統。同時，也探討瞭模型可解釋性（XAI）的重要性，強調在關鍵決策點，技術必須接受業務邏輯的審視。第四章：人機協同的新範式：智能代理與增強決策本章探討瞭智能係統如何與人類員工進行更深層次的協作。我們分析瞭流程自動化（RPA）的局限性，並將其升級到智能流程自動化（IPA），即引入認知能力。重點討論瞭智能代理（Intelligent Agents）在復雜任務分解、資源調度和風險規避中的作用。我們主張，未來的工作場所不是被機器取代，而是被“增強”，即利用AI工具來提升人類專傢的認知邊界和決策速度。本章還探討瞭構建人機信任模型的必要性。第三部分：價值重塑：産業生態與商業模式的創新技術和數據的整閤最終需要落實到商業價值的創造上。本部分著眼於宏觀的産業變革，考察智能係統如何驅動新的商業模式和跨界閤作。第五章：麵嚮價值鏈的優化與端到端協同本章分析瞭如何利用集成化的智能係統，打通企業內部的職能壁壘，並延伸至整個産業價值網絡。深入剖析瞭供應鏈的智能化重構，如何通過實時數據共享和預測模型，實現從原料采購到最終交付的“需求拉動”而非“預測推動”。探討瞭如何通過建立數字孿生（Digital Twin），在虛擬環境中模擬、測試和優化復雜的生産和運營流程，從而顯著降低試錯成本並加速創新部署。第六章：商業模式的範式轉移：從産品到服務本部分聚焦於如何利用數據和智能能力，實現商業模式的根本性轉變。重點討論瞭“産品即服務”（XaaS）模式的深化，例如設備製造商不再僅僅齣售硬件，而是齣售“運行時間保證”或“特定性能輸齣”。這要求企業構建強大的後市場服務體係，依賴於遠程診斷、預測性維護和定製化的性能優化。本章還分析瞭平颱經濟模式如何利用數據流和網絡效應，連接供需兩端，形成新的市場結構和競爭優勢。結論：麵嚮未來的韌性與可持續發展本書最後總結道，産業變革並非終點，而是一個持續迭代的過程。真正的成功在於構建一個具備高韌性（Resilience）和可持續性（Sustainability）的智能運營體係。這要求企業不僅關注短期效率提升，更要將社會責任、資源效率和長期創新能力融入其智能戰略的核心。我們呼籲讀者以開放的心態和跨學科的視野，迎接這場深刻而全麵的産業升級浪潮。本書提供瞭一份路綫圖，幫助決策者導航復雜的技術選型和戰略布局，確保企業在智能時代實現真正的價值重塑與持續領先。

用戶評價

評分☆☆☆☆☆

坦白說，在翻閱這本書之前，我對“大數據”這個詞更多的是一種模糊的概念，知道它很重要，但具體怎麼用，尤其是在龐大且復雜的製造業中，一直沒有清晰的脈絡。這本書真的像一道光，照亮瞭我腦海中那些零散的知識點。它並沒有像某些暢銷書那樣，用華麗的辭藻堆砌，而是以一種非常務實的態度，循序漸進地展開。我特彆欣賞書中對於“智能製造”核心要素的拆解，它不是簡單地羅列一堆技術名詞，而是嘗試去解釋這些技術是如何相互關聯，最終服務於生産製造的。比如，書中對“數字化轉型”的闡述，讓我明白瞭這不僅僅是把紙質文件變成電子版，而是要構建一個從信息采集到價值實現的完整鏈條。我對書中關於“工業互聯網”的討論很感興趣，它如何連接設備、平颱和應用，實現信息的互聯互通，最終賦能智能決策。此外，書中關於“數據治理”的部分也給瞭我很多啓發，意識到數據質量和規範化的重要性，這直接關係到後續所有分析和應用的有效性。這本書讓我深刻認識到，智能製造不是一蹴而就的，而是一個持續演進的過程，需要企業在技術、管理、人纔等多個維度上同時發力。

評分☆☆☆☆☆

讀瞭這本書，我的心情簡直可以說是跌宕起伏。一開始，我以為它會是一本技術手冊，詳細介紹各種數據分析算法和智能製造係統的配置。然而，讀著讀著，我發現這本書更側重於戰略層麵和宏觀的趨勢分析。它並沒有深入講解那些復雜的數學模型，而是更多地探討瞭大數據思維如何改變傳統製造業的邏輯，以及智能製造所帶來的産業生態的變化。我比較感興趣的是書中關於“數據驅動的決策”是如何落地的。它是否提供瞭一些決策框架，或者說，如何構建一個能夠持續從數據中學習和進化的製造體係？我一直在思考，企業在引入大數據和智能製造的過程中，最大的挑戰究竟是什麼？是技術瓶頸，還是人纔的缺乏，抑或是組織文化的阻礙？這本書在這方麵是否有深入的剖析，並提齣相應的解決方案？我也希望書中能提供一些關於數據安全和隱私保護的討論，畢竟在信息時代，這些都是繞不開的重要議題。此外，對於未來智能製造的發展趨勢，比如人機協作、柔性生産綫、個性化定製等，書中是否有所展望，並且描繪瞭清晰的演進路徑？這本書讓我開始反思，我們現有的製造業模式是否能夠跟上時代的步伐，以及如何纔能真正實現“智能”。

評分☆☆☆☆☆

這本書最讓我印象深刻的是，它不僅僅是一本關於技術或者管理的書籍，更像是一次關於製造業未來發展的深度對話。它沒有給齣一個“標準答案”，而是引發瞭讀者一係列的思考。我特彆關注書中關於“人”在智能製造中的角色。雖然強調自動化和智能化，但人類的智慧和創造力是否仍然是不可或缺的？書中是否探討瞭如何實現人機協同，讓技術更好地服務於人類？我希望書中能提供一些關於“組織變革”的思考，在引入大數據和智能製造的過程中，企業文化、管理層級、團隊協作模式等都需要做齣哪些調整？我一直在思考，對於中小企業來說，如何在有限的資源下，逐步推進大數據和智能製造的轉型？書中是否能提供一些“分步走”的策略，或者一些低成本的切入點？此外，我對書中關於“可持續發展”與智能製造的關係也頗感興趣。智能製造能否幫助企業實現更環保、更節能的生産方式？書中在這方麵是否有案例或展望？這本書讓我對製造業的未來充滿瞭好奇，也讓我對接下來的探索充滿瞭期待。

評分☆☆☆☆☆

拿到這本書，我最大的願望就是能夠跳齣“紙上談兵”的階段，看到一些真正能夠指導實踐的內容。而這本書，在這方麵確實給我帶來瞭一些驚喜。它沒有過多地停留在理論層麵，而是試圖從更實際的角度，去解答“大數據如何落地到智能製造”這個關鍵問題。我尤其想知道，書中是否提供瞭一些關於“智能工廠”建設的路綫圖。比如，從初期的數據采集，到中期的平颱搭建，再到後期的應用集成，整個過程應該如何規劃和實施？我關注書中關於“數字孿生”（Digital Twin）的概念，它如何在虛擬環境中模擬和優化生産過程，從而降低試錯成本，提升效率。另外，書中對“預測性維護”的論述也讓我眼前一亮，通過對設備運行數據的實時監測和分析，提前預警潛在故障，避免生産中斷，這對於降低運營成本，提高設備利用率具有極大的意義。我希望書中能夠提供一些可操作的建議，比如企業在評估和選擇大數據分析工具、智能製造解決方案時，應該考慮哪些因素，有哪些需要注意的陷阱。這本書讓我對接下來的工作有瞭更清晰的方嚮和更堅定的信心。

評分☆☆☆☆☆

這本書我最近終於下定決心讀完瞭，老實說，我的期待值一開始是挺高的。書名《從大數據到智能製造》聽起來就非常有分量，感覺會是一本全麵梳理大數據如何滲透到製造業各個環節，最終催生智能製造的重量級著作。我特彆想瞭解的是，書中是如何詳細解讀大數據在生産流程優化、質量控製、供應鏈管理、産品研發等方麵的具體應用案例的。想象一下，書中能夠像庖丁解牛一樣，剖析數據采集、清洗、分析的整個過程，並揭示隱藏在海量數據背後的洞察，指導企業如何實現更高效、更精益的生産。我特彆關注書中對於“智能製造”的定義和落地路徑的闡述，它是否能提供一套清晰的框架，幫助讀者理解從傳統的“傻大黑粗”到精密的“智能”轉變，究竟需要哪些技術支撐、管理理念和組織變革。比如，我希望看到關於物聯網（IoT）在智能製造中的角色，傳感器如何采集實時數據，以及這些數據如何驅動決策。同時，人工智能（AI）和機器學習（ML）在預測性維護、故障診斷、生産調度優化等方麵的應用，也是我非常期待深入瞭解的部分。如果書中能結閤一些實際的行業案例，比如汽車製造、電子産品生産，甚至是食品加工等，詳細說明大數據如何幫助企業解決痛點，提升競爭力，那這本書的價值就真的體現齣來瞭。我希望作者能夠以一種易於理解但又不失深度的方式，帶領我領略大數據賦能製造業的宏偉藍圖。

評分☆☆☆☆☆

李教授的書寫的很好，關於德國，日本，美國，中國的製造有很深的思考

評分☆☆☆☆☆

同事推薦買的。可以仔細看看。

評分☆☆☆☆☆

東西不錯，寶寶很喜歡，一次買瞭兩套！

評分☆☆☆☆☆

李教授的這本書對製造業大數據應用的同事，應該很有幫助。他不僅介紹瞭美國，德國，日本先進製造業的差彆和優勢，也介紹瞭很多大數據應用的實例，對如何將大數據分析用於製造業，很有啓發。

評分☆☆☆☆☆

剛到首。。。。。。。。。。。。。。。。。。。。。。。。

評分☆☆☆☆☆

不錯不錯不錯不錯不錯