本书系统介绍了制造大数据体系结构的构建方法与制造大数据建模方法，为多源异构制造大数据的高效集成与检索方法和智能协同治理方法的研究提供支撑，主要内容包括：面向制造企业数据空间的制造大数据体系结构构建方法；面向全系统优化设计的设计资源大数据建模方法；面向全流程制造管控的制造过程大数据建模方法；面向全贯通管理决策的管理流程大数据建模方法；面向全周期增值服务的产品服务大数据建模方法等。

更多科学出版社服务，请扫码获取。

2013-09 至 2019-06, 中国科学技术大学, 控制科学与工程, 博士, 导师：熊军林、鲁仁全 2009-09 至 2013-07, 中国科学技术大学, 自动化, 学士2019-06 至今，广东工业大学, 自动化学院, 副教授2019-06 至今，广东工业大学, 自动化学院, 副教授 2021-09 至今，佛山市南海区“科技镇长团”成员 中国自动化学会-青年工作委员会委员，中国自动化学会-数据驱动控制、学习与优化专业委员会委员 Automatica、IEEE Transactions on Cybernetics、Neurocomputing、自动化学报等控制领域权威期刊审稿人，IWACIII2021等多个国际会议分会场主席

目录
前言
第1章 绪论 1
1.1 制造大数据的基本概念 1
1.1.1 制造大数据的定义与分类 1
1.1.2 制造大数据的空间分布 2
1.1.3 制造大数据的采集与传输 2
1.1.4 制造大数据的发展趋势 2
1.2 制造大数据的特点 3
1.3 制造大数据建模方法研究现状 4
1.4 本书主要内容 7
第2章 面向制造企业数据空间的制造大数据体系结构 10
2.1 制造企业数据空间的建立 10
2.1.1 制造企业数据空间多维体系架构 10
2.1.2 数据空间业务域体系架构 10
2.1.3 数据空间处理域体系架构 13
2.1.4 数据空间模态域体系架构 14
2.2 制造企业数据空间集成模型 15
2.2.1 研发设计业务域数据空间跨域集成模型 15
2.2.2 生产制造业务域数据空间跨域集成模型 16
2.2.3 经营管理业务域数据空间跨域集成模型 17
2.2.4 运维服务业务域数据空间跨域集成模型 19
2.3 面向制造企业数据空间的制造大数据体系结构构建方法 20
2.3.1 多维数据空间模型的实现方法 20
2.3.2 业务域维度数据架构的实现方法 25
2.3.3 模态域维度数据架构的实现方法 29
2.3.4 处理域维度数据架构的实现方法 30
2.4 面向制造企业数据空间的时空数据异常检测方法 31
2.4.1 时空数据获取 31
2.4.2 时空数据清洗 33
2.4.3 时空数据预处理 33
2.4.4 GCN-LSTM无监督预测模型 34
2.4.5 COPOD异常检测 36
第3章 面向全系统优化设计的设计资源大数据模型 39
3.1 面向全系统优化设计的设计资源大数据建模方法 39
3.1.1 设计资源大数据建模方法 39
3.1.2 设计资源大数据采集 40
3.1.3 设计资源大数据清洗 40
3.1.4 设计资源大数据特征处理 41
3.1.5 设计资源大数据模型构建 43
3.2 基于潜变量的制造大数据回归建模方法 46
3.2.1 大数据回归建模问题描述 46
3.2.2 制造大数据预处理 47
3.2.3 制造大数据潜变量转化 49
3.3 基于KNN-LR算法的制造大数据建模及其在产品设计领域的应用 51
3.3.1 产品设计大数据建模问题描述 51
3.3.2 KNN-LR组合模型 53
3.3.3 产品设计领域模型验证 54
3.4 工业大数据在车间调度方案设计中的应用 57
3.4.1 多目标灵活作业车间调度问题模型 57
3.4.2 Ⅱ型非支配排序遗传算法 59
3.4.3 实验结果与分析 64
第4章 面向全流程制造管控的制造过程大数据模型 69
4.1 面向全流程制造管控的制造过程大数据建模方法 69
4.1.1 业务相关性与数据割裂问题的描述与处理 69
4.1.2 业务数据采集 70
4.1.3 数据预处理 70
4.1.4 建立业务联系 72
4.1.5 制造过程大数据模型构建 73
4.2 基于遗传规划的两阶段混合模型及其在制造质量预测中的应用 75
4.2.1 制造过程质量预测的描述与处理 75
4.2.2 两阶段混合质量预测模型 76
4.2.3 实验验证 79
4.2.4 结果分析 81
4.3 基于软投票的SVM-KNN算法及其在大数据建模中的应用 82
4.3.1 问题描述 82
4.3.2 SVM算法 83
4.3.3 投票集成 84
4.3.4 实验验证 85
4.4 基于Stacking的LCRF算法及其在大数据建模中的应用 88
4.4.1 问题描述 88
4.4.2 Stacking集成算法 89
4.4.3 基学习器算法介绍 91
4.4.4 实验验证 94
第5章 面向全贯通管理决策的管理流程大数据模型 97
5.1 基于模糊二型C-means聚类的关联规则挖掘方法 97
5.1.1 研究背景 97
5.1.2 模糊C-means聚类算法 98
5.1.3 二型模糊集 99
5.1.4 模糊二型C-means聚类算法 101
5.1.5 基于二型模糊集的C-means聚类的关联规则挖掘方法 105
5.1.6 模糊规则的正确性检验方法 108
5.1.7 实验验证 109
5.2 基于邻居信息修正的模糊关联规则挖掘方法 111
5.2.1 研究背景 111
5.2.2 基于邻居信息修正的模糊C-means聚类算法 112
5.2.3 隶属度函数的修正 115
5.2.4 实验验证 119
5.3 基于分布式并行计算的模糊关联规则挖掘方法 122
5.3.1 研究背景 122
5.3.2 模糊关联规则挖掘并行架构的设计 124
5.3.3 模糊关联规则挖掘并行计算的实现 125
5.3.4 实验环境介绍 129
5.4 智能制造管理决策应用案例 134
5.4.1 智能制造动态调度场景及策略 134
5.4.2 智能制造动态调度实验分析 134
5.4.3 动态调度权重预测结果分析 135
第6章 面向全周期增值服务的产品服务大数据模型 138
6.1 基于制造大数据的制造企业预测型维修服务方法 138
6.1.1 增值服务模型描述 138
6.1.2 增值服务模型设计 139
6.1.3 增值服务模型建立 140
6.2 基于SAMME-CART算法的产品增值服务大数据建模方法 141
6.2.1 多学习器的设计 142
6.2.2 实验分析 145
6.3 制造过程中不平衡故障数据的多阶段优化故障诊断模型 147
6.3.1 多阶段优化故障诊断模型设计 148
6.3.2 实验分析 150
6.4 基于KNN-RF-SVM大数据建模及其在产品销售预测领域的应用 153
6.4.1 基学习器算法介绍 154
6.4.2 实验分析 156
6.5 案例1：基于制造业大数据的船舶建造计划优化方法 159
6.5.1 船舶建造计划 159
6.5.2 工程与效率计划层 160
6.5.3 船舶建造生产计划层 160
6.5.4 船舶建造影响因素计划层 161
6.5.5 船舶制造业大数据处理 161
6.5.6 大数据存储 162
6.5.7 大数据处理 162
6.5.8 船舶建造计划优化 164
6.6 案例2：基于粒子群优化灰色模型的工业大数据预报警方法 164
6.6.1 数据清洗 165
6.6.2 标准的灰色预测模型 166
6.6.3 粒子群优化算法 168
6.6.4 粒子群优化灰色模型 170
6.6.5 故障预报警 171
参考文献 172
附录 176
A.1 KNN算法 176
A.2 逻辑回归分析 177
A.3 算法5.3的收敛性证明 177