《智能制造系统设计》是新工科智能制造专业的核心课程。本书首先介绍智能制造体统设计的基本数学理论和基本方法；其次介绍智能制造体系设计工厂运行的主要管理体系及法规要求以及智能制造体系基本组成及要求，各模块的运行原理、机制及软硬件，不同类型制造企业的运行特点及各模块的衔接；第三，介绍智能制造体系的复杂网络结构设计步骤、相应的设计方法及优化方法，介绍智能制造系统的MES、ERP、 APS，CRM，WMS、PLM等构成对的多尺度复杂网络，围绕生产调度优化、物流路径规划、客户关系优化、产品研发以及网络安全等，以及智能制造的工业数据管理、工业信息安全和二次开发；最后，介绍工业数据的挖掘和深度学习，以pytorch为核心的软件开发。
《智能制造系统设计》是新工科智能制造专业的核心课程。本书以作者提出的深度运筹学为底层逻辑，构成完整的智能制造系统设计体系。设计基础介绍智能制造设计体系的底层建模逻辑。设计目标介绍设计落脚点是质量、效率与安全并最终落实到产品成本上，掌握提取问题与约束的方法。设计对象介绍体系各模块的概念、功能、运行原理和机制。设计方法介绍深度运筹学，以复杂网络建立系统模型，通过图深度学习寻找智能制造系统的满意解，从而创新系统运行准则。设计过程介绍以8D报告为模版、PyTorch为平台的智能制造系统项目设计。
本书是国内外较早以智能制造系统设计为主题的图书，特点：白话数学、可视化逻辑和简明算法技巧，尤其适用培养以高等数学为起点的应用型人才的需要。本书适用：机械类、智能制造类、工业工程类、应用数学类、人工智能类和计算机类的本科生及研究生用书，也可作为研发人员的项目设计参考书。
适合作为新工科-智能制造专业教材。

本书配备了详细的PPT、教学大纲、教案、知识点图谱、模拟试卷。

本书是国内外较早以智能制造系统设计为主题的图书，特点：白话数学、可视化逻辑和简明算法技巧，尤其适用培养以高等数学为起点的应用型人才的需要。本书适用：机械类、智能制造类、工业工程类、应用数学类、人工智能类和计算机类的本科生及研究生用书，也可作为研发人员的项目设计参考书。
适合作为新工科-智能制造专业教材。

本书配备了详细的PPT、教学大纲、教案、知识点图谱、模拟试卷。

前 言
要以智能制造为主攻方向推动产业技术变革和优化升级，推动制造业产业模式和企业形态根本性转变，以鼎新带动革故，以增量带动存量，促进我国产业迈向全球价值链中高端。在智能制造等重点领域持续发力，引领制造业向智能化方向转型，是加快形成新质生产力的重要方面。在国家发改委、工信部、科技部和财政部推动下，先后授予了4300多家国级智能制造示范企业；但各企业享受硬件红利后，面临数据爆炸带来的创新焦虑。智能制造专业就应运而生，315家开设该专业的高校根据自己专长，分别形成侧重软件设计、自动化、深度学习或机器人的培养体系。
本人曾担任上市公司总经理6年，曾建成了全国shou ge轮胎行业的智能制造工厂，荣获智能智造示范等12项国家荣誉。刚开始很兴奋，觉得企业方方面面都数字化了，企业研发会上一个新台阶。但是慢慢发现，这一屋子数据硬盘对创新并没有起到多大的促进作用，问题出在哪里呢？1）制造过程中数据躺在机房， 缺乏大海捞针的工具，现有软件大多处于智能Excel模式而难以挖掘深层特征。2）智能制造理论散装在机械、数学、计算机和经济管理等专业，缺乏系统研究的整体框架；3）直觉/经验式创新困 在产品本身而忽视了制造系统之间的内在影响。
陈左宁院士认为，人工智能的核心特征就是对关系的研究。因此，智能制造系统本质上是一门关系学，用于挖掘系统内各要素隐藏的深层联系。《智能制造系统设计》是传统工科的再升华：从分析形状到分析关系，从设计产品到设计准则。比如，要想提高产品质量，需要建立供应链、设备状态、生产过程等各要素节点的控制流程，每个节点包含订单、资金、质量等异构数据，形成一个复杂的层析网络系统。智能制造系统的目标就是挖掘深藏其中的问题来创新准则。
如果说微积分是分析产品形状的理论基础，那么分析关系的理论基础是什么？图论。大家从小学到大学学习了初等数学和高等数学，熟悉了欧几里得几何和笛卡尔坐标系，已经习惯了具有长宽高的欧氏空间，习惯了坐标系确定要素位置，习惯了微积分进行形状的演化。但所有这些在关系研究中失去了效力，因为智能制造系统甚至不需要坐标系来进行各要素的节点表示、要素关系的边表示、子系统的社团表示以及整个系统的复杂网络。智能制造系统的关系数学包括：图论复杂网络运筹学图深度学习，都是传统工科学生难以接触到的，但设计和运营智能制造系统的主体恰恰是他们，这种错位造成不知道如何下手的困惑。
制造系统成千上万的节点，如何智能找到深层规律？对于新兴的智能制造，其系统数据的收集、处理，各智能制造企业处于野蛮生长阶段，导致了底层逻辑不统一，对关系研究带来困扰。为此，作者提出了深度运筹学：以运筹学为底层逻辑，以质量流、资金流、信息流、物料流表征智能制造系统节点的异构张量，建立系统的社团化、层次化复杂网络，提出具有智能制造特征的图神经网络算法来进行特征提取，寻找要素间内在联系来创新系统运行准则。从而，明晰智能制造系统的MES、ERP、 APS、CRM、WMS和PLM等构成的异构层析复杂网络，围绕生产调度优化、物流路径规划、客户关系优化、产品研发以及网络安全等，实现对工业大数据的深度挖掘，掌握以深度运筹为核心、PyTorch为平台的智能制造系统设计。
本书从工科角度，以微积分、线性代数和概率论为起点，在作者《智能制造系统设计》讲课PPT基础上，采用形象化语言和可视化图示手法，以深度运筹学为主线，将浩如烟海的人工智能知识凝练成简单明了的创新技巧。本书具有以下5大优势：
1. 可视化关系数学，浅显易懂 线性代数、概率和图论是人工智能的三大数学基础，并由此进阶到现代数学。但严格的数学语言晦涩难懂，让人学到崩溃。本书将数学名词庸俗化，如：随机过程=概率 时间，很容易理解随机过程的作用；泛函在复杂网络中最重要的用处就是距离。本书精心绘制了293幅示意图，将严格的定义、枯燥的公式可视化。比如图论 ，一般书籍从柯尼斯堡桥讲起，令人云里雾里；而本书则从外卖最短路线图的破圈法讲起，文盲也能明白图论是干什么用的。工科学生学习现代数学，可以遵循粗通数学体系，不求甚解的原则，广比深更重要，深是数学家的事。比如，知道身份证用到数论、魔方用到群论、导航用到图论、投标用到运筹学就已经学得很好了；再进一步，把上述场景变矩阵你就很厉害了。
2. 目标中提取问题，庖丁解牛 企业目的是创造效益，从远古到近代都是靠信息不对称赚钱，到现代则靠专利不对称赚钱，而智能时代则是靠准则不对称赚钱。如何从浩如烟海的数据中挖掘出看似风马牛不相及的准则呢？比如，智能手机影响口香糖销量。李政道教授指出，能正确提取问题就是迈出了创新的第一步。质量、效率、安全与成本不仅是智能制造系统设计的目标，更是问题的来源。那么，从哪里下手？质量从CPK、效率从八大浪费、安全从能量、成本从制造费用入手。如何下手？本书介绍了大量的分析工具，如鱼骨图、SWOT、事故树、PDCA、FMEA 、投资回收期等来透过现象看本质，找到问题背后的问题。

李勇，山东科技大学教授

前言
变量符号表
第1章 绪论
1.1 方向立足机械 赋能实体
1.2 思维从设计产品到创新准则
1.3 路径图论为基石
1.4 逻辑深度运筹学
1.5 智能六大关键
1.6 内容系统设计框架
第2章 设计基础底层建模逻辑
2.1 数学简介建模百宝箱
2.1.1 数学全貌
2.1.2 集合现代数学的共同基础
2.1.3 张量现代数学的共同语言
2.1.4 泛函网络距离的度量
2.1.5 群论网络同构的度量
2.1.6 拓扑网络结构的度量
2.1.7 分形网络形状的度量
2.2 图论智能制造系统的细胞
2.2.1 图论概述
2.2.2 谱图论
2.2.3 复杂图
2.2.4 图嵌入
2.2.5 图论与智能制造的关系
2.3 复杂网络智能制造系统的神经
2.3.1 复杂网络概述
2.3.2 复杂网络的测度
2.3.3 异构张量及复杂网络类型
2.3.4 复杂网络与智能制造的关系
2.4 运筹学智能制造系统的器官
2.4.1 运筹学概念
2.4.2 运筹学十大分支
2.4.3 运筹分析基本步骤
2.4.4 运筹学与智能制造的关系
2.5 力学简介智能制造系统的肢体
2.5.1 基础力学
2.5.2 固体力学
2.5.3 振动力学
2.5.4 流体力学
2.5.5 流变学
2.5.6 热力学
2.5.7 本构原则
2.6 振动与噪声智能制造系统的听觉
2.6.1 机械振动
2.6.2 噪声分析
2.6.3 振动与深度学习
2.6.4 振动、噪声与智能制造的关系
2.7 数字图像处理智能制造系统的视觉
2.7.1 数字图像处理概述
2.7.2 形态学分析
2.7.3 数字图像处理与智能制造关系
2.8 随机过程智能制造系统的动态
2.8.1 随机过程的定义
2.8.2 典型随机过程
2.8.3 随机微分方程
2.8.4 随机过程与算法的结合
2.8.5 随机过程在图神经网络中的应用
2.8.6 随机过程与智能制造的关系
第3章 设计目标提取问题与约束
3.1 质量工程
3.1.1 质量体系简介
3.1.2 质量管理七项原则
3.1.3 质量管理实施流程
3.1.4 质量管理五大工具
3.1.5 质量管理七大手法
3.1.6 CPK过程能力指数
3.1.7 质量工程与智能制造的关系
3.2 工业工程
3.2.1 工业工程简介
3.2.2 工业工程的关键解决八大浪费
3.2.3 工作研究的方法与技术发现问题
3.2.4 现场管理提取问题背后的问题
3.2.5 制程防呆避免问题
3.2.6 工业工程与智能制造的关系
3.3 安全工程
3.3.1 安全体系简介
3.3.2 安全评估方法
3.3.3 控制能量以防患于未然
3.3.4 安全工程与智能制造关系
3.4 成本管理
3.4.1 公司类型及承担责任
3.4.2 成本管理概述
3.4.3 主要分析工具
3.4.4 成本驱动的设计
3.4.5 成本管理与智能制造的关系
第4章 设计对象智能制造模块
4.1 企业资源规划ERP
4.1.1 ERP简介
4.1.2 ERP主要分析工具
4.1.3 ERP与智能制造的关系
4.2 客户关系管理CRM
4.2.1 CRM简介
4.2.2 CRM主要分析工具
4.2.3 CRM与智能制造的关系
4.3 产品生命周期管理PLM
4.3.1 PLM简介
4.3.2 PLM主要分析工具
4.3.3 PLM与智能制造的关系
4.4 制造执行系统MES
4.4.1 MES简介
4.4.2 MES主要分析工具
4.4.3 MES与智能制造的关系
4.5 高级计划与排程APS
4.5.1 APS简介
4.5.2 APS主要分析工具
4.5.3 APS与智能制造的关系
4.6 仓库管理系统WMS
4.6.1 WMS简介
4.6.2 WMS主要分析工具
4.6.3 WMS与智能制造的关系
第5章 设计方法深度运筹学习
5.1 算法
5.1.1 算法关系提取的核心
5.1.2 算法与智能制造的关系
5.2 图神经网络
5.2.1 图数据的处理难题
5.2.2 图神经网络简介
5.2.3 嵌入的端到端学习
5.2.3 图数据的嵌入
5.2.6 空域图卷积神经网络
5.2.7 谱域图卷积神经网络
5.2.9 图神经网络与智能制造的关系
5.3 深度运筹学
5.3.1 深度运筹概念
5.3.2 深度运筹作用
5.3.3 深度运筹的应用
5.3.4 深度运筹与智能制造的关系
5.4 PyTorch平台
5.4.1 Python与PyTorch
5.4.2 PyTorch的安装与环境配置
5.4.3 PyTorch平台上算法创新实例
5.4.4 PyTorch与智能制造的关系
第6章设计过程8D报告
6.1 8D报告中的基本步骤和工具
6.1.1 D0 征兆紧急反应措施
6.1.2 D1 小组成立
6.1.3 D2 问题说明
6.1.4 D3 临时措施的实施验证
6.1.5 D4 确定并检验根本原因
6.1.6 D5 选择和验证永久纠正措施
6.1.7 D6 实施永久纠正措施
6.1.8 D7 预防再发生
6.1.9 D8 团队和个人认可
6.1.10 8D报告分析示例
6.2 软件设计步骤
6.2.1 调研
6.2.2 蓝图
6.2.3 实施
6.2.4 上线优化
6.2.5 持续改进
参考文献
附录 缩略语表