“十三五”以来，中石油、中石化、万华化学、华谊化工、国家电网、宝武钢铁等国内流程行业领头者开展了数字化、智能化建设，加快数字化油田、智能炼厂、智慧电网、智慧炼钢等建设。信息化与自动化互相交织融合，积累了大量的工业数据，给以油田开发、石油石化、化工、钢铁、电力为代表的流程工业带来了新的挑战与机遇，也为其创新带来了新的技术能力。本书以大数据治理、大数据分析为主线，以油气开发、石油石化、化工、钢铁、电力为代表的流程工业大数据创新为分支，详细阐述了大数据分析在流程工业中的应用案例和今后的发展趋势。为广大的流程工业界研究人员、企业管理者、工程技术专家提供了一本不可多得的涵盖数字化转型、大数据分析的学习材料。

张晨，上海交通大学信息系统博士，高级工程师。在上海赛科石油化工公司担任IT部总经理。出版专著《信息系统项目治理理论与实践》。在《系统管理学报》等发表论文5篇。论文《机器学习在石化行业设备预测上的应用》等获得中国石油学会2018年信息技术大会论文一等奖。《大数据在设备健康预测和备件补货中的应用 》被《中国机械工程》2019年第2期录用刊登。蒋若宁长期从事化工信息化规划和设计工作。参与国家重点项目计算机集成制造项目（CIMS）的实施和有关智能工厂建设方案设计和规划工作。参与完成上海市科委《大数据挖掘和云计算技术在氟化工生产过程中的应用》等项目。何冰，上海交通大学应急管理博士，国网上海市电力公司检修公司高级工程师，国家电网公司级优秀专家、上海市五一劳动奖章获得者、上海市首席技师，长期从事电网智能运维检修及大数据分析工作。已获得上海市科技进步奖二等奖等省部级科技奖励10项，在SCI、EI、中文核心期刊发表论文十数篇，公开出版著作两部。

第1章 流程工业智能制造与数字化转型 / 001
1.1 新一轮智能制造发展战略 / 003
1.1.1 德国工业4.0与流程工业智能制造 / 003
1.1.2 美国工业互联网与流程工业智能制造 / 004
1.1.3 “中国制造2025”与流程工业智能制造 / 004
1.1.4 各国流程工业智能制造的差异和启示 / 006
1.2 流程工业数字化转型战略 / 007
1.2.1 流程工业概述 / 007
1.2.2 流程工业数字化转型的需求 / 008
1.3 大数据分析和流程工业智能制造 / 009
1.3.1 大数据的内涵 / 010
1.3.2 大数据和人工智能的关系 / 011
1.3.3 工业大数据与流程工业智能制造 / 012
第2章 工业大数据分析基础 / 017
2.1 工业大数据治理 / 017
2.1.1 工业大数据应用面临的挑战 / 017
2.1.2 应对方法 / 019
2.2 流程工业大数据治理案例 / 020
2.2.1 跨国石油公司大数据治理 / 020
2.2.2 国内石油公司大数据治理 / 027
2.3 大数据采集技术 / 034
2.3.1 Apache Sqoop / 034
2.3.2 Apache Flume / 035
2.3.3 Gobblin / 037
2.4 大数据存储技术 / 038
2.4.1 HDFS / 039
2.4.2 NoSQL数据库 / 042
2.5 大数据分析技术 / 045
2.5.1 MapReduce / 049
2.5.2 Spark / 049
2.6 大数据可视化技术 / 051
2.6.1 Tableau / 051
2.6.2 Google Chart / 052
2.6.3 D3.js / 052
2.7 大数据分析方法 / 053
2.7.1 大数据分析方法分类 / 053
2.7.2 大数据分析步骤 / 054
2.7.3 数据挖掘方法 / 055
第3章 天然气开发行业的大数据分析 / 059
3.1 天然气开发行业信息化现状 / 059
3.2 天然气开发行业的大数据分析需求 / 061
3.3 天然气开发行业的大数据来源与特点 / 064
3.4 天然气开发行业的大数据解决方案 / 064
3.4.1 大数据获取 / 064
3.4.2 大数据监控 / 065
3.4.3 大数据可视化 / 066
3.5 天然气开发行业的大数据分析方法 / 067
3.5.1 天然气开发风险预防性分析方法 / 067
3.5.2 设备性能退化分析方法 / 069
3.6 天然气开发行业的大数据分析案例 / 071
3.6.1 应用场景 / 071
3.6.2 天然气水合物大数据预测应用案例 / 075
3.6.3 压缩机故障大数据预防性监控应用案例 / 077
3.6.4 换热器早期泄漏大数据监控应用案例 / 079
3.7 总结 / 080
第4章 炼油化工行业的大数据分析 / 082
4.1 炼油化工行业信息化现状 / 082
4.2 炼油化工行业的大数据分析需求 / 085
4.2.1 油田勘探与生产制造环节 / 085
4.2.2 研发设计环节 / 087
4.2.3 市场营销与售后服务环节 / 088
4.2.4 HSE评价体系的需求 / 088
4.3 炼油化工行业的大数据来源与特点 / 090
4.3.1 炼油化工行业大数据来源 / 090
4.3.2 炼油化工行业大数据特点 / 091
4.4 炼油化工行业的大数据解决方案 / 092
4.4.1 炼油化工企业存在的问题 / 092
4.4.2 工业大数据平台架构方案 / 093
4.5 炼油化工行业的大数据分析方法 / 096
4.6 炼油化工行业的大数据分析案例 / 097
4.6.1 应用场景 / 097
4.6.2 应用案例 / 098
4.7 总结 / 100
第5章 化工行业的大数据分析 / 101
5.1 化工行业信息化现状 / 101
5.2 化工行业的大数据分析需求 / 102
5.3 化工行业的大数据来源与特点 / 103
5.4 化工行业的大数据解决方案 / 104
5.5 化工行业的大数据分析方法 / 106
5.6 化工行业的大数据分析案例 / 108
5.6.1 应用场景 / 108
5.6.2 应用案例 / 116
5.7 总结 / 127
第6章 钢铁行业的大数据分析 / 129
6.1 钢铁行业信息化现状 / 130
6.2 钢铁行业的大数据分析需求 / 130
6.2.1 经营管理与生产管理的需求 / 131
6.2.2 技术进步与发展的需求 / 132
6.3 钢铁行业的大数据来源与特点 / 133
6.4 钢铁行业的大数据解决方案 / 134
6.5 钢铁行业的大数据分析方法 / 138
6.6 钢铁行业的大数据分析案例 / 141
6.6.1 应用场景 / 141
6.6.2 应用案例 / 143
6.7 总结 / 154
第7章 电力输电线路运维的大数据分析 / 155
7.1 电力输电线路运维信息化现状 / 155
7.2 电力输电线路运维的大数据分析需求 / 156
7.3 电力输电线路运维的大数据来源与特点 / 157
7.3.1 电力输电线路运维的大数据来源 / 157
7.3.2 电力输电线路运维的大数据特点 / 158
7.4 电力输电线路运维的大数据解决方案 / 159
7.5 电力输电线路运维的大数据分析方法 / 159
7.5.1 面向设备状态大数据的分布式存储和处理技术 / 160
7.5.2 电力运维行业的数据ETL技术 / 161
7.5.3 电力输电线路的数据挖掘分析技术 / 161
7.6 电力输电线路运维的大数据分析案例 / 163
7.6.1 输电线路智能化反外损监控系统 / 163
7.6.2 基于位置信息大数据驱动的输电线路智能巡检系统 / 169
7.6.3 特高压输电通道无人机巡检系统 / 174
7.6.4 空、塔、地协同的输电线路智能巡检系统 / 177
7.7 电力输电线路运维大数据技术展望 / 181
7.7.1 基于区块链技术的输电线路反外损运维系统 / 182
7.7.2 基于社交网络用户激励的系统运营模式 / 182
7.7.3 电力物联网价值挖掘 / 185
7.8 总结 / 187
第8章 总结与展望 / 188
8.1 流程工业与互联网下半场的结合 / 188
8.2 流程工业需要建立大数据文化 / 189
参考文献 / 190
索引 / 197
致谢 / 201