从大数据到智能制造 pdf epub mobi txt 电子书下载 2025

简体网页||繁体网页

☆☆☆☆☆

李杰著

图书标签:

大数据
智能制造
工业4
0
数据分析
机器学习
人工智能
数字化转型
生产优化
工业互联网
智能工厂

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到静思书屋

book.idnshop.cc

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

出版社：上海交通大学出版社

ISBN：9787313149183

版次：1

商品编码：11949900

包装：精装

开本：32开

出版时间：2016-05-01

用纸：纯质纸

具体描述

产品特色

内容简介

　　德国将工业4.0上升为民族战略，英国强势推出“英国工业2025战略”；“中国制造2025”发布引起全民轰动，第四次工业科技革命呼之欲出。在这场科技革命中，智能制造无疑将成为世界各国竞争的新战场。大量的工业大数据在中国汇集，无疑给中国的智能制造带来好的资源优势。只有充分利用这一资源，才能弥补中国在装备制造和核心零部件等方面的弱势与短板，可以这么说，大数据将是中国搭上第四次科技革命快车的大资本。

　　本书分为3个篇章：导引篇、案例分析篇和专家访谈篇。在导引篇里，本书从利用大数据从解决问题到避免问题、利用大数据预测隐性问题和利用反向工程来重新定义制造等3个方向入手，清晰地阐述了大数据与智能制造的关系。接下来，按照这3个方向，本书引用了17个案例进行详细分析，使读者在接触概念和理论之后，通过真实、有效的案例能够对大数据推动智能制造的发展有一个更加明确和直观的认识。在专家访谈篇中，本书精心策划了由经济学家、学院派教授、媒体人士、企业代表组成的专家访谈团队，使不同背景、不同领域的专家访谈为读者带来不一样的视角。本书适合对大数据、中国制造领域的研究者们阅读，也适合对这些领域感兴趣的社会人士阅读。

作者简介

　　李杰（Jay Lee），教授，美国辛辛那提大学（Univ.of Cincinnati）特聘讲座教授，美国国家科学基金会（NSF）智能维护系统研究中心（IMS）主任，自2000年起领导全球工业大数据分析与智能维护系统技术研发；2013年，他担任美国白宫信息物理系统与美国挑战项目顾问，2016年起，担任美国麦肯锡（McKinsey&Company;）全球顾问。

　　李杰教授是美国机械工程学会（ASME）及美国制造工程学会（SME）的会士。目前的研究重点是以工业大数据为主的智能预测技术和产品及服务主控式创新创值设计（Dominant Innovation），自2000年起和全球85家国际公司联合研发。李杰教授突破传统机械设备故障预测的理论、方法和技术，其关键性技术得到国际学术界的认可与高度评价，被美国《财富》杂志誉为“21世纪全球三大热门技术”之一。

　　倪军，教授，美国密西根大学吴贤铭制造科学冠名教授及机械工程终身教授；上海交通大学校长特聘顾问、密西根学院首任院长，美国密西根大学吴贤铭制造研究中心主任及美国国家科学基金会产学研“智能维护系统中心”共同主任。

　　倪军教授获得40多项学术成就奖。2002年当选为美国制造工程师学会会士，2004年当选为美国机械工程学会会士；2009年入选中组部首批“千人计划”特聘专家；2009年获美国机械工程学会William T. Ennor 高制造技术奖; 2013年获国际制造工程师学会金奖, 是该奖1955年设立之后首位获此殊荣的华人学者；2013年获中华人民共和国国际科技合作奖；2015年获美国密西根大学工程成就奖。

　　王安正，教授，中组部“千人计划”专家，上海交通大学致远讲席教授，上海交通大学航空发动机研究院首席科学家。多年来任职于美国GE航空发动机公司，担任航空力学首席工程师，先后领导完成GE公司核心产品CF34、CFM56、GE90、GENx等型号风扇、压气机的气动和结构设计与适航审定，在先进复合材料风扇设计认证方面具有丰富经验。

前言/序言

　　在西方国家有这样一句话：To live well，a nation mustproduce well，说明制造业是一个国家综合国力最重要的体现，也是决定民众生活质量的重要条件。在经历了互联网泡沫和经济危机之后，世界各国，尤其是发达国家开始重新意识到制造业的重要性，也在重新审视自身竞争力的优劣势。第四次科技革命的到来为各个国家提供了发展和转型的机遇，也使他们面临竞争力格局变化的挑战，智能制造成为世界各国竞争的新战场。无论是德国提出的“工业4． 0 国家战略”，美国提出的“国家制造业创新网络（NNMI）计划”，或是日本的“工业价值链计划（IVI）”等，无不围绕着制造业这个核心。中国改革开放三十多年来，综合国力和人民生活水平的提升过程中，制造业的快速发展起到了决定性的作用，中国成为世界制造业的新中心，也连续几年成为“世界制造力竞争指数”最强的国家。在新一轮的制造业革命中，中国也感受到来自世界各国新技术战略的压力，相继提出“中国制造2025”，“互联网＋ ”和“供给侧改革”等多项措施。

　　每一次制造革命的进步，除了我们能够可见的技术要素以外，更重要的是这背后的制造哲学的进步。现代制造业从第二次科技革命到现在，经历了标准化、合理化＋规范化、自动化＋集成化、网络化＋信息化四个阶段。这背后的制造哲学可以概括为：以低成本生产高质量的产品；通过全流程改善降低浪费、次品和事故；通过产品全生命周期的数据管理，为用户提供所需要的能力和服务。在以上几个阶段的基础上，现在的制造系统正处在向智能化＋客制化迈进的阶段，目标是实现零故障和预测型的生产系统，并在无忧的生产环境中以低成本快速实现用户的客制化需求。

　　那么，如何实现智能制造？有些人说大数据是实现智能制造的核心技术，也有人说要靠互联网、信息物理系统技术（CPS），或是人工智能和机器人等。如果大数据是智能制造的核心驱动力，那么我们该怎么去定义和使用大数据？关于这个问题，我在《工业大数据》这本书中曾表达过一个观点：大数据并不是目的，而是看待问题的一种途径和解决问题的一种手段。通过分析数据，可以预测需求、预测制造、解决和避免不可见问题的风险，和利用数据去整合产业链和价值链，这才是大数据的核心目的。

　　大数据与智能制造之间的关系可以总结为：制造系统中问题的发生和解决的过程中会产生大量数据，通过对这些数据的分析和挖掘可以了解问题产生的过程、造成的影响和解决的方式，这些信息被抽象化建模后转化成知识，再利用知识去认识、解决和避免问题，核心是从以往依靠人的经验（experiencebased），转向依靠挖掘数据中隐性的线索（evidence based），使得制造知识能够被更加高效和自发地产生、利用和传承。因此，问

　　题和知识是目的，而数据则是一种手段。今天我们来谈利用大数据实现智能制造，是因为大数据已经成为一个日益明显的现象，而在制造系统和商业环境变得日益复杂的今天，利用大数据去解决问题和积累知识或许是更加高效和便捷的方式。

　　大数据的目的并不是追求数据量大，而是通过系统式地数据收集和分析手段，实现价值的最大化。所以推动智能制造的并不是大数据本身，而是大数据的分析技术。在新制造革命的转型中，是否能够更加有效地利用好大数据，决定了能否在竞争中脱颖而出。在现在的制造中，存在着许多无法被定量、无法被决策者掌握的不确定因素，这些不确定因素既存在于制造过程中，也存在于制造过程之外的使用过程中。前三次工业革命主要解决的都是可见的问题，例如避免产品缺陷、避免加工失效、提升设备效率和可靠性、避免设备故障和安全问题等。这些问题在工业生产中由于可见可测量，往往比较容易避免和解决。不可见的问题通常表现为设备的性能下降、健康衰退、零部件磨损、运行风险升高等。这些因素由于其很难通过测量被定量化，往往是工业生产中不可控的风险，大部分可见的问题都是这些不可见的因素积累到一定程度所造成的。

　　因此，我、倪军教授和王安正教授在本书中阐述了大数据推动智能制造的三个方向：第一个方向是利用数据来了解和解决可见的问题；第二个方向是利用数据来分析和预测不可见的问题，从仅仅明白解决问题的“know�瞙ow”，进一步理解问题产生的原因，从而避免可见的问题；第三个方向则是从数据中挖掘新的知识，再利用知识去重新定义问题，使得可见或不可见的问题都可以在制造系统中避免。在第一个方向上，许多国家已经有了比较成熟的积累，也形成了各自独特的制造文化，本书中我们会为读者详细解读这些国家的经验和得失。在第二个和第三个方向上，我们也做了许多年的研究和应用，形成了一套较为完整的体系和方法论，在本书中也会结合案例为读者进行详细介绍。借助本书，我们不仅要向读者介绍大数据和智能制造的技术，更重要的是传达一种思维方式，以及对智能制造的理解、解决问题的逻辑和重新定义制造的思考方式。

《智能时代的产业变革：从数据驱动到价值重塑》导读：在这个数据洪流汹涌、技术迭代加速的时代，传统产业正面临前所未有的颠覆与重构。本书并非聚焦于单一技术或理论的探讨，而是以宏观的视野，深入剖析了驱动当代产业升级转型的核心动力——数据资产化与智能系统集成。我们旨在为企业管理者、战略规划师以及技术实践者提供一套清晰的认知框架，理解这场深刻变革的底层逻辑、演进路径及其带来的深远影响。第一部分：数字化基石与数据生态的构建本部分首先为读者构建起理解现代产业体系运行的基石：数字化的本质与战略意义。我们不满足于“上云”、“用数”等表层实践，而是着眼于如何将数据视为一种与土地、资本、劳动力并驾齐驱的核心生产要素。第一章：数据作为新的生产力要素本章首先厘清“数据”与“信息”、“知识”的区别，强调数据在现代经济活动中的独特价值属性——非竞争性、可复制性与边际成本递减。深入探讨了企业如何从“数据孤岛”走向“数据湖”乃至“数据中台”的演进历程。重点分析了数据治理的复杂性，包括数据质量标准的确立、元数据管理体系的构建，以及如何在确保数据主权和安全的前提下，实现数据的跨域流动与价值交换。我们通过一系列案例，阐述了数据资产化所需的法律、组织和技术准备工作。第二章：构建弹性与敏捷的数字化基础设施产业的智能化升级，离不开坚实可靠的底层架构支撑。本章详细考察了云计算、边缘计算与分布式账本技术（DLT）在构建新一代基础设施中的作用。我们着重讨论了云原生架构对应用开发效率和系统弹性的提升，以及边缘计算如何将决策能力推向生产现场，实现毫秒级的响应。对于DLT，我们探讨了其在供应链溯源、金融结算和数据确权等方面的潜力，而非仅仅将其视为加密货币的载体。本章强调，基础设施的演进目标是实现对业务需求的“即时响应”和“弹性扩展”。第二部分：智能驱动：从自动化到决策优化产业智能化的核心在于引入“学习”和“决策”的能力，使系统能够自我优化和预测未来。本部分聚焦于如何将数据转化为可执行的洞察，并融入业务流程。第三章：先进分析与机器学习在产业场景的应用本章超越了基础的描述性分析，深入探讨了预测性分析（Predictive Analytics）和规范性分析（Prescriptive Analytics）如何重塑传统业务流程。详细介绍了回归模型、时间序列分析在需求预测、库存优化中的应用。特别关注深度学习模型在处理非结构化数据（如图像、文本、传感器时间序列）方面的突破，以及这些突破如何赋能质量检测、异常诊断和早期预警系统。同时，也探讨了模型可解释性（XAI）的重要性，强调在关键决策点，技术必须接受业务逻辑的审视。第四章：人机协同的新范式：智能代理与增强决策本章探讨了智能系统如何与人类员工进行更深层次的协作。我们分析了流程自动化（RPA）的局限性，并将其升级到智能流程自动化（IPA），即引入认知能力。重点讨论了智能代理（Intelligent Agents）在复杂任务分解、资源调度和风险规避中的作用。我们主张，未来的工作场所不是被机器取代，而是被“增强”，即利用AI工具来提升人类专家的认知边界和决策速度。本章还探讨了构建人机信任模型的必要性。第三部分：价值重塑：产业生态与商业模式的创新技术和数据的整合最终需要落实到商业价值的创造上。本部分着眼于宏观的产业变革，考察智能系统如何驱动新的商业模式和跨界合作。第五章：面向价值链的优化与端到端协同本章分析了如何利用集成化的智能系统，打通企业内部的职能壁垒，并延伸至整个产业价值网络。深入剖析了供应链的智能化重构，如何通过实时数据共享和预测模型，实现从原料采购到最终交付的“需求拉动”而非“预测推动”。探讨了如何通过建立数字孪生（Digital Twin），在虚拟环境中模拟、测试和优化复杂的生产和运营流程，从而显著降低试错成本并加速创新部署。第六章：商业模式的范式转移：从产品到服务本部分聚焦于如何利用数据和智能能力，实现商业模式的根本性转变。重点讨论了“产品即服务”（XaaS）模式的深化，例如设备制造商不再仅仅出售硬件，而是出售“运行时间保证”或“特定性能输出”。这要求企业构建强大的后市场服务体系，依赖于远程诊断、预测性维护和定制化的性能优化。本章还分析了平台经济模式如何利用数据流和网络效应，连接供需两端，形成新的市场结构和竞争优势。结论：面向未来的韧性与可持续发展本书最后总结道，产业变革并非终点，而是一个持续迭代的过程。真正的成功在于构建一个具备高韧性（Resilience）和可持续性（Sustainability）的智能运营体系。这要求企业不仅关注短期效率提升，更要将社会责任、资源效率和长期创新能力融入其智能战略的核心。我们呼吁读者以开放的心态和跨学科的视野，迎接这场深刻而全面的产业升级浪潮。本书提供了一份路线图，帮助决策者导航复杂的技术选型和战略布局，确保企业在智能时代实现真正的价值重塑与持续领先。

用户评价

评分☆☆☆☆☆

这本书最让我印象深刻的是，它不仅仅是一本关于技术或者管理的书籍，更像是一次关于制造业未来发展的深度对话。它没有给出一个“标准答案”，而是引发了读者一系列的思考。我特别关注书中关于“人”在智能制造中的角色。虽然强调自动化和智能化，但人类的智慧和创造力是否仍然是不可或缺的？书中是否探讨了如何实现人机协同，让技术更好地服务于人类？我希望书中能提供一些关于“组织变革”的思考，在引入大数据和智能制造的过程中，企业文化、管理层级、团队协作模式等都需要做出哪些调整？我一直在思考，对于中小企业来说，如何在有限的资源下，逐步推进大数据和智能制造的转型？书中是否能提供一些“分步走”的策略，或者一些低成本的切入点？此外，我对书中关于“可持续发展”与智能制造的关系也颇感兴趣。智能制造能否帮助企业实现更环保、更节能的生产方式？书中在这方面是否有案例或展望？这本书让我对制造业的未来充满了好奇，也让我对接下来的探索充满了期待。

评分☆☆☆☆☆

读了这本书，我的心情简直可以说是跌宕起伏。一开始，我以为它会是一本技术手册，详细介绍各种数据分析算法和智能制造系统的配置。然而，读着读着，我发现这本书更侧重于战略层面和宏观的趋势分析。它并没有深入讲解那些复杂的数学模型，而是更多地探讨了大数据思维如何改变传统制造业的逻辑，以及智能制造所带来的产业生态的变化。我比较感兴趣的是书中关于“数据驱动的决策”是如何落地的。它是否提供了一些决策框架，或者说，如何构建一个能够持续从数据中学习和进化的制造体系？我一直在思考，企业在引入大数据和智能制造的过程中，最大的挑战究竟是什么？是技术瓶颈，还是人才的缺乏，抑或是组织文化的阻碍？这本书在这方面是否有深入的剖析，并提出相应的解决方案？我也希望书中能提供一些关于数据安全和隐私保护的讨论，毕竟在信息时代，这些都是绕不开的重要议题。此外，对于未来智能制造的发展趋势，比如人机协作、柔性生产线、个性化定制等，书中是否有所展望，并且描绘了清晰的演进路径？这本书让我开始反思，我们现有的制造业模式是否能够跟上时代的步伐，以及如何才能真正实现“智能”。

评分☆☆☆☆☆

拿到这本书，我最大的愿望就是能够跳出“纸上谈兵”的阶段，看到一些真正能够指导实践的内容。而这本书，在这方面确实给我带来了一些惊喜。它没有过多地停留在理论层面，而是试图从更实际的角度，去解答“大数据如何落地到智能制造”这个关键问题。我尤其想知道，书中是否提供了一些关于“智能工厂”建设的路线图。比如，从初期的数据采集，到中期的平台搭建，再到后期的应用集成，整个过程应该如何规划和实施？我关注书中关于“数字孪生”（Digital Twin）的概念，它如何在虚拟环境中模拟和优化生产过程，从而降低试错成本，提升效率。另外，书中对“预测性维护”的论述也让我眼前一亮，通过对设备运行数据的实时监测和分析，提前预警潜在故障，避免生产中断，这对于降低运营成本，提高设备利用率具有极大的意义。我希望书中能够提供一些可操作的建议，比如企业在评估和选择大数据分析工具、智能制造解决方案时，应该考虑哪些因素，有哪些需要注意的陷阱。这本书让我对接下来的工作有了更清晰的方向和更坚定的信心。

评分☆☆☆☆☆

这本书我最近终于下定决心读完了，老实说，我的期待值一开始是挺高的。书名《从大数据到智能制造》听起来就非常有分量，感觉会是一本全面梳理大数据如何渗透到制造业各个环节，最终催生智能制造的重量级著作。我特别想了解的是，书中是如何详细解读大数据在生产流程优化、质量控制、供应链管理、产品研发等方面的具体应用案例的。想象一下，书中能够像庖丁解牛一样，剖析数据采集、清洗、分析的整个过程，并揭示隐藏在海量数据背后的洞察，指导企业如何实现更高效、更精益的生产。我特别关注书中对于“智能制造”的定义和落地路径的阐述，它是否能提供一套清晰的框架，帮助读者理解从传统的“傻大黑粗”到精密的“智能”转变，究竟需要哪些技术支撑、管理理念和组织变革。比如，我希望看到关于物联网（IoT）在智能制造中的角色，传感器如何采集实时数据，以及这些数据如何驱动决策。同时，人工智能（AI）和机器学习（ML）在预测性维护、故障诊断、生产调度优化等方面的应用，也是我非常期待深入了解的部分。如果书中能结合一些实际的行业案例，比如汽车制造、电子产品生产，甚至是食品加工等，详细说明大数据如何帮助企业解决痛点，提升竞争力，那这本书的价值就真的体现出来了。我希望作者能够以一种易于理解但又不失深度的方式，带领我领略大数据赋能制造业的宏伟蓝图。

评分☆☆☆☆☆

坦白说，在翻阅这本书之前，我对“大数据”这个词更多的是一种模糊的概念，知道它很重要，但具体怎么用，尤其是在庞大且复杂的制造业中，一直没有清晰的脉络。这本书真的像一道光，照亮了我脑海中那些零散的知识点。它并没有像某些畅销书那样，用华丽的辞藻堆砌，而是以一种非常务实的态度，循序渐进地展开。我特别欣赏书中对于“智能制造”核心要素的拆解，它不是简单地罗列一堆技术名词，而是尝试去解释这些技术是如何相互关联，最终服务于生产制造的。比如，书中对“数字化转型”的阐述，让我明白了这不仅仅是把纸质文件变成电子版，而是要构建一个从信息采集到价值实现的完整链条。我对书中关于“工业互联网”的讨论很感兴趣，它如何连接设备、平台和应用，实现信息的互联互通，最终赋能智能决策。此外，书中关于“数据治理”的部分也给了我很多启发，意识到数据质量和规范化的重要性，这直接关系到后续所有分析和应用的有效性。这本书让我深刻认识到，智能制造不是一蹴而就的，而是一个持续演进的过程，需要企业在技术、管理、人才等多个维度上同时发力。

评分☆☆☆☆☆

大数据的书已经很多了，但中国人写的，结合制造就更少了。李教授的书都是精品。三本书，一口气都买了。

评分☆☆☆☆☆

才发现需要评价超过一定数量的字才能得到京豆啊，后悔死了～

评分☆☆☆☆☆

信息繁多，具有指导意义。

评分☆☆☆☆☆

还没看，纸质挺好的

评分☆☆☆☆☆

主要就是想多了解李杰教授在工业领域的大数据分析及智能制造的知识与观点

评分☆☆☆☆☆

好好好好好好好好还好还好哈