工業大數據：工業4.0時代的工業轉型與價值創造工業經濟經濟行業經濟新經濟時代 pdf epub mobi txt 电子书下载 2025

☆☆☆☆☆

[美] 李傑著

下载链接在页面底部

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

想要找书就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

店鋪：世紀慧泉旗艦店

齣版社：機械工業齣版社

ISBN：9787111506249

商品編碼：1660833068

包裝：平裝

開本：16

齣版時間：2015-07-01

套裝數量：1

正文語種：中文

具体描述

編輯推薦

如何以較低成本滿足用戶定製化的需求？
如何使製造過程的信息透明化、更加高效、提升質量、降低成本和資源消耗和更有效的管理？
如何提供設備全生命周期的信息管理和服務，使設備的使用更加高效、節能、持久？
如何使人的工作更加簡單，甚至部分代替人的工作，在提高生産效率的同事降低工作量？
如何實現全産業鏈的信息整閤，使整個生産係統達到協同優化，增加生産係統變得更加動態和靈活，進一步提高生産效率和降低生産成本？
工業大數據則以分析這些問題為齣發點，圍繞它能夠解決什麼樣的問題和為用戶提供什麼樣的服務為價值。同時，工業大數據能夠在橫嚮與縱嚮環節的互聯與在統一平颱的信息共享，由此將資源利用與分析維度規模化、價值*大化，進而能夠*大範圍地麵嚮各環節的用戶進行應用服務的定製與按需分發，由此又可衍生齣持續性服務共贏的模式。

內容簡介

工業大數據是未來工業在全球市場競爭中發揮優勢的關鍵。無論是德國工業4.0、美國工業互聯網還是《中國製造2025》，各國製造業創新戰略的實施基礎都是工業大數據的搜集和特徵分析，及以此為未來製造係統搭建的無憂環境。《工業大數據：工業4.0時代的工業轉型與價值創造》基於工業4.0的時代背景，通過深入剖析未來工業的商業模式和智能服務體係的創新技術變革，論述如何通過工業大數據的分析和應用去預測需求、預測製造，整閤産業鏈和價值鏈，發現用戶的價值缺口，發現和管理不可見的問題，實現為用戶提供定製化的産品和服務。

作者簡介

李傑教授，現任美國辛辛那提大學(Univ.of Cincinnati) 講座教授，美國國傢科學基金會(NSF)智能維護係統（IMS）産學閤作中心主任，目前的研究重點是以工業大數據分析為主的智能預測技術、産品及服務的主控式創新設計(Do m i n a n tInnovation)。自2000年起他領導IMS與全球80多傢國際公司（其中包括寶潔、英特爾、GE航空、波音、豐田、小鬆、西門子、阿爾斯通等世界500強公司）進行工業大數據技術聯閤研發，開發瞭*的Watchdog Agent?智能維護係統技術，突破瞭傳統機械設備故障預測的理論、方法和技術，被美國《財富》雜誌譽為21世紀全球三大熱門技術之一。李傑教授曾在美國NSF主管先進製造項目，並在美國聯閤技術研究中心(UTRC)擔任産品開發與製造部總監。李傑教授從2013年起擔任美國白宮信息物理係統（CPS）專傢組顧問，他同時也是上海交通大學特聘講座教授與先進産業技術研究院前瞻顧問。

精彩書評

★工業大數據分析是製造業轉型的重要基礎。本書集中闡述瞭企業如何以工業大數據為核心，如何進行大數據的分析，這些內容對於企業轉型及客戶價值創造都是很有價值的，值得一讀。
——寶鋼集團有限公司黨委書記、董事長徐樂江

★工業大數據分析是智能製造的基礎，也是支撐未來製造智能化的重要方嚮。我們需要加強大數據方法論的研究，開發齣可以用於製造過程分析的工具和使用軟件，纔能真正推動製造技術的進步。
——中國工程院院士、上海交通大學常務副校長林忠欽

★人類創新的目的是為瞭社會更加進步和文明，企業創新的目的是為顧客創造價值。李傑教授主導的創新思想與工業大數據分析工具，會幫助企業傢在互聯網大數據時代找到創新的路徑和方法。
——紅領集團董事長張代理

★未來工業大數據的分析是客戶定製C2B的基礎，也是中國企業實現“互聯網+”的重要方嚮。李傑教授的主控式創新的新思維與工具是企業創新與價值創造的基礎，對中國企業是非常好的指引。
——尚品宅配董事長李連柱

★李傑教授曾經走進三一集團，與我們共同交流工業4.0的體會，他憑藉豐富的經驗與實踐，提齣瞭以工業大數據為核心的工業價值創造體係，在眾多的工業4.0論述中，獨闢蹊徑，讓我們受益良多。
——三一集團總裁唐修國

★智能傳感器與大數據分析是製造業要成為世界級領導者的根基。李教授的美國NSF智能維護産學閤作中心所開發的工業大數據分析技術是工業4.0的核心技術，企業應努力學習。
——上銀科技董事長卓永財

★《中國製造2025》強國夢的實現，必須依靠精益求精的品質與客戶價值的創造。工業大數據分析是企業增強競爭力，使中國轉變為“製造強國”的關鍵要素。
—— 製造業國際聯盟主席王洪艷

★李傑教授提齣的“6M+6C”智能體係設計，可以從理論與實踐兩方麵精準地指引企業如何擁抱智能製造的新時代。他的新書將是企業傢及各界人士迎接世界新一輪産業革命浪潮的指南。
——中國《福布斯》雜誌執行主編康健

★以移動、互聯、智能和共享為特徵的“工業4.0”標誌著製造業新紀元的開啓，已成為我國相關産業轉型升級、彎道超車的*好機遇，更為充滿光明、無限美好的“中國夢”提供瞭難得的助力。
——中國船舶工業係統工程研究院院長張宏軍

認識工業4.0所需要的重要元素與概念
推薦序一
推薦序二
推薦序三
前言工業4.0：一場不可見世界的競爭
第1章以價值創造為核心的工業轉型新思維
1.1 為什麼有工業4.0？
1.2 德國工業4.0與美國CPS戰略計劃
1.3 以價值為導嚮的變革新思維
1.4 “有之以為利，無之以為用”
1.5 中國工業4.0的競爭力缺口
1.6 探索適閤中國工業4.0的轉型之路
第2章工業4.0環境下的大數據價值創造體係
2.1 工業4.0的大數據環境
2.2 工業大數據和互聯網大數據
2.3 物聯網的潛在危機
2.4 挖掘工業大數據價值的核心技術——CPS
2.5 “5C”：以CPS為核心的數據價值創造體係架構
2.6 從數據到信息到價值的轉化過程
2.7 以數據價值創造為導嚮的CPS技術應用特徵
2.8 從CPS到工業4.0：製造的重新定位與新思維
第3章數據價值創造的設計與實踐技術
3.1 智能感知層：建立統一的數據環境（Connection）
3.2 信息挖掘層：從數據到信息的分析過程（Conversion）
3.3 網絡層：網絡化內容管理（Cyber）
3.4 認知層：對信息的識彆與決策（Cognition）
3.5 配置層：係統的彈性和重構（Configuration）
第4章價值創造的商業模式設計
4.1 尋找價值的“GAP”
4.2 從創新到價值創造：主控式創新思維
4.3 主控式創新工具
4.4 手把手教你如何做“蛋白”
第5章案例與實踐
5.1 智能裝備
5.2 智能工廠
5.3 智能服務
第6章競爭力戰略新思維
結語
參考資料
譯者介紹
美國智能維護係統(IMS)産學閤作中心簡介

精彩書摘

以數據價值創造為導嚮的CPS技術應用特徵
從CPS技術體係來看，核心在於以數據分析的能力創造新的價值，因此，這也決定瞭CPS技術的高移植性、高通用性，應用範圍可以涉及工廠車間、運輸係統、能源等各個行業。
從德國工業4.0的戰略設計來看，德國更多的關注於製造領域的價值創造與智能轉型，即注重以CPS中的CPPS（信息物理生産係統）為主導的智能製造，對於整個工業應用鏈的價值輻射麵具有一定的局限性。
而實際上，以CPS為核心的數據價值創造體係應用於工業4.0，同樣需要“二維”應用戰略：
三個橫嚮的應用基礎：一是平颱基礎，即智能數據收集與平颱運用；二是分析手段，即智能化的數據分析、管理、優化工具與軟件應用；三是商業模式內核，即智能管理及服務體係的設計與應用。
三個縱嚮的應用擴展：一是基礎的部件級應用；二是係統的裝備級應用；三是成體係的應用鏈設計。
而上述二維應用戰略可以用樹木與樹根的可見與不可見的關係來示意：圖2-4 CPS二維應用關係圖
我們可以分彆以智能裝備、智能工廠與智能服務這三個方嚮來闡述CPS的應用過程：
1. 智能裝備——實現自省性、自比較性
對於智能裝備的CPS應用設計，我們可以在網絡層麵上通過機器網絡接口（CPI）進行網絡健康分析的交互連接，這個從概念上類似於社交網絡。一旦網絡級基礎設施到位，機器就可以注冊到網絡，通過網絡接口交換信息。在這一點上，可以通過已經建立的一套算法跟蹤機器狀態的變化，從曆史信息推斷額外知識，應用對等比較，並將信息輸齣傳遞到下一層。這樣，就必須製定新的方法來執行這些操作並産生相應的結果。這裏引入“時間機器”的設計在網絡層麵執行分析，通過三個步驟實現一個智能裝備的應用設計：
（1）數據切片管理：如圖2-5所示，信息不斷地從機器中輸入網絡空間，快照收集的任務就是以有效的方式管理輸入數據，存儲信息。基本上，機器的快照性能，是通過利用曆史記錄和維護記錄來減少需要的硬盤空間和處理能力。一旦監測機器的狀態發生重要變化時，這些快照纔齣現。這些變化可以定義為機器健康值的偶然變化，維護行為或者工作製度的改變。在機器的整個生命周期裏，這些快照將被收集並用於構造特定狀態點的時間機器的曆史。這個當前的時間機器記錄將被用來進行優點之間的對等比較。一旦這個優點失效或者被替代，其相關的時間機器記錄將改變狀態，從當前變為曆史，並將用作相似性的識彆和閤成的參考。
（2）相似識彆：在網絡層麵，對設備自身（以及相同設備）在不同運行模式和健康模式下的曆史數據進行特徵提取和建模，再利用該模型與當前狀態産生的數據進行比較，就可以自動識彆設備當前的健康狀態，進而對設備進行風險評估和故障診斷。除此之外，單個設備還可以與設備集群中的同類設備進行比較，自動識彆與自己工況模式相似的其他設備並進行聚類，在工況模式相同的條件下比較自身的性能與其他設備的差異性，這種自比較和自省性的能力是以往“機器對機器（Machine-to-Machine）”概念中所沒有的。通過對當前設備運行的模式匹配以及健康模式隨時間的變化軌跡分析，就能夠更加準確地預測設備未來狀態的變化，實現設備自預測性的能力。
（3）執行決策的優化：當設備具備瞭自省性、自比較性、和自預測性的能力時，就可以對自己當前和未來的性能進行預測。單個設備作為復雜工業係統中的一份子，承擔著該係統某個環節的任務要求。智能設備能夠結閤當前自身的性能與任務要求，自動預測自身性能與任務需求在當前和未來的匹配性，並製定*優化的執行策略。執行策略優化的錶現是，在滿足任務要求的前提下，使用資源*少、對自身的健康損害*小以及在*優的維護時機進行狀態恢復。執行決策的優化需要設備對自己在整個係統中的角色有較為清晰的認知，並能夠預測自身的活動對係統整體錶現的影響，是設備從自省性到自認知能力的進一步智能化。
2. 智能工廠——實現無憂生産
評價生産係統性能的關鍵指標是産量、質量、成本和零部件的精度，利用數據去分析和瞭解影響生産係統的上述關鍵指標的因素，並對可能齣現的風險進行預測和管控，是能否實現預測型製造的關鍵。今天大多數工廠的生産係統較為普遍地運用商業化的管理軟件輔助工廠管理者去獲取整體設備效率(OEE)等信息，從而對生産係統中可見的影響因素和産生的結果進行及時的掌握和應對。然而生産係統中更多的是不可見因素的影響，比如設備性能的衰退、精度的缺失、資源的浪費等。而可見的影響因素往往是不可見因素積纍到一定程度所引起的，比如設備的衰退*終導緻停機、精度的缺失*終導緻質量偏差等。因此對這些不可見因素進行預測和管理是避免可見因素影響的關鍵。在工業4.0的工廠中，自省(Self-Aware)和自我預測(Self-Predict)的功能成為監測和控製係統的新功能，這些新功能可以幫助用戶去瞭解機器的健康退化、剩餘可用時間、精度的缺失以及各類因素對質量和成本的影響。此外，機器的健康還可以通過零部件的健康狀況的融閤和同類機器的對比(peer-to-peer)來預測。這種預測能力使得工廠可以采取及時的維護措施從而提高管理效率，並*終優化機器的正常運行。*後，曆史健康信息也可以反饋到機器設備設計部門，從而形成閉環的生命周期更新設計，*終實現無憂生産(worry-free production)。
這種預測分析方法可以使産品和製造係統都具備自我意識和自我維護的功能。産品預測服務係統可以使得産品在其功能退化的過程中産生主動觸發的服務請求並進一步預測和預防潛在的故障。預測及製造融閤瞭來自生産製造係統的信息和來自供應鏈係統的信息。傳統意義上，製造商通過供應鏈係統做齣決策，這種方法利用物流、同步化供給與需求，以及全球化性能測試來實現優化成本的目標。
工業4.0實現自我意識、自我預測和自我重新配置的能力所需的核心技術是利用智能預診斷工具和解析工具來實現預測分析。智能預診斷工具主要涉及信號采集、數據存儲、同步、閤成與服務。解析工具主要涉及信息轉化的四個子工具：信號處理和特徵提取、健康評估、性能預測以及故障診斷。圖2-6展示的就是傳統工廠與未來工業4.0工廠的差彆。
3. 智能服務——實現全産業鏈協同優化
工業4.0時代的智能信息服務已經不再是傳統意義上遠程人工在綫的應答式和售後産品服務的模式，而是更注重利用全産業鏈形成的大數據進行綜閤的數據分析與挖掘，針對全産業鏈各個環節的各級用戶，麵嚮其具體的活動需求提供定製化的，可以輔助其具體活動決策的信息。
不同層級的用戶對於信息的要求是不同的，對於數據量和種類的要求也是有差距的。執行層更關心具體設備控製活動的實時性和精確性，因此，要求的數據種類不多，但是每個類彆的數據量要求很大；管理層關心活動組織的閤理性和高效性，因此，對數據種類要求更全，但每類的數據量要求呈指數下降；決策層關心活動方嚮的正確性和前瞻性，於是，對數據種類的要求*全，對於每類數據量的要求*小，對於數據價值的要求*高。
這種不同層級的用戶對於數據有不同程度的要求並對數據分析有層次化的需求，如果不加選擇地將所有數據匯聚到一起，在一個所謂的數據中心進行數據分析與挖掘，將是一個災難性的工作，因此，必須將數據的采集與分析層次化進行，纔具有工程的實際意義。
同時，正如德國對於工業4.0分析中指齣的那樣，隻有建立起“二維戰略”的智能信息體係，纔能真正發揮數據對於實體活動*大的價值。這是因為，在微觀與宏觀、産業上下遊活動中所有活動都是相互影響和相互作用的，將自身活動産生的數據都當作自身的核心秘密，敝帚自珍，互相就各自的數據進行分析與挖掘，效率比是極其差的。其實，企業核心競爭力並不是數據的擁有，而是數據信息化後的利用能力！
所以，如果産業鏈相關企業能夠建立一個智能信息同盟，將各自數據交由一個熟悉産業鏈各環節的機構。該機構並不參與産業鏈各環節的實體活動，隻是專門進行智能信息服務體係的建設。由這個機構在基於産業鏈數據的基礎上，按需為各級各類用戶提供各自需要的定製化信息服務，這是可分享的；而各個企業以此為基礎開展滿足各自企業發展目標的信息價值化利用，這是不共享的。
這樣，既發揮瞭工業大數據*大的作用，又在*大程度上保護甚至提高瞭各個企業的核心競爭能力！或許，這是在智能時代的製造業和現代工業