工业智能技术与应用 本书特色
本书共分3篇。第1篇（第1~4章）为智能制造模式，介绍了智能制造模式及AI技术在智能制造中的作用，主要内容为智能制造概述、大规模个性化定制、智能化生产、智能运维与维保。第2篇（第5~8章）为人工智能技术，介绍人工智能及相关技术，主要从人工智能概述、机器学习、深度学习、人工智能开发框架这四个方面对人工智能技术及核心算法进行介绍。第3篇（第9~12章）为工业智能应用，重点介绍了工业智能在客户数据挖掘与个人画像、机器视觉与人连识别、预测性维修、调度优化方面的应用等领域涉及的技术及应用案例。
工业智能技术与应用 内容简介
本书共分3篇。篇（~4章）为智能制造模式，介绍了智能制造模式及AI技术在智能制造中的作用，主要内容为智能制造概述、大规模个性化定制、智能化生产、智能运维与维保。第2篇（第5~8章）为人工智能技术，介绍人工智能及相关技术，主要从人工智能概述、机器学习、深度学习、人工智能开发框架这四个方面对人工智能技术及核心算法进行介绍。第3篇（第9~12章）为工业智能应用，重点介绍了工业智能在客户数据挖掘与个人画像、机器视觉与人连识别、预测性维修、调度优化方面的应用等领域涉及的技术及应用案例。
工业智能技术与应用 目录
第1篇智能制造1第1章智能制造概述/3
1.1智能制造定义及关键技术/3
1.1.1智能制造定义与构成要素/3
1.1.2智能制造系统的关键技术/5
1.2智能制造发展三个阶段/8
1.2.1数字化制造/8
1.2.2数字化网络化制造/9
1.2.3智能化制造/9
1.3智能制造模式/10
1.3.1大规模个性化定制/10
1.3.2智能化生产/11
1.3.3网络化协同/13
1.3.4服务化延伸/14
1.4工业大数据/15
1.4.1生命周期与价值流/16
1.4.2企业纵向层级/17
1.4.3IT价值链/19
1.5工业云平台/20
1.5.1工业云平台架构/21
1.5.2国内外主要工业云平台/21
1.6工业智能/23
1.6.1新一代人工智能/23
1.6.2智能制造技术机理/25
1.6.3人工智能在工业领域的应用/27
参考文献/28第2章大规模个性化定制/30
2.1大规模个性化定制的架构/31
2.1.1企业纵向层/32
2.1.2产品生命周期层/32
2.1.3IT价值链层/32
2.2大规模个性化定制的模式和流程/32
2.2.1以客户为中心的大规模个性化定制模式/32
2.2.2大规模个性化定制流程/33
2.3大规模个性化定制系统/35
2.3.1接口层/36
2.3.2需求分析层/37
2.3.3ERP层/37
2.3.4MES层/39
2.3.5SFC层/40
2.3.6设备层/41
2.4大规模个性化定制的相关技术/42
2.4.1智能交互技术/42
2.4.2需求分配智能建模技术/45
2.4.3智能工序调整技术/47
2.5应用案例/49
2.5.1红领集团西服个性化定制业务/49
2.5.2维尚家具全流程信息化及大规模数码化定制服务/51
2.5.3“大信橱柜”的订单生产、快速响应和零库存管理/53
2.5.4海尔集团基于个性化定制服务架构/55
参考文献/58第3章智能化生产/59
3.1智能化生产的架构及评估模型/59
3.1.1智能化生产参考架构/59
3.1.2智能制造能力成熟度评估/62
3.1.3智能制造与两化融合/66
3.2离散工业中的智能化生产/66
3.2.1智能化生产系统架构/66
3.2.2生产设备网络化/66
3.2.3生产过程透明化/67
3.2.4生产数据可视化/68
3.2.5智能化经营/69
3.2.6生产现场无人化/69
3.2.7智能化产品/69
3.3流程工业中的智能化生产/69
3.3.1实时感知/70
3.3.2机理分析/70
3.3.3模型预测/70
3.3.4协同优化/70
3.3.5全面统筹/70
3.4应用案例/71
3.4.1西航集团智能制造/71
3.4.2九江石化智能工厂/73
3.4.3宝钢基于协同的智能制造/76
3.4.4富士康（武汉）基于工业互联网的智能制造/77
参考文献/80第4章智能运维与服务/81
4.1智能运维与服务体系/82
4.1.1智能运维系统/83
4.1.2智能服务/84
4.2技术基础/87
4.2.1边缘计算/87
4.2.2信息物理系统/89
4.2.3工业云/92
4.2.4人工智能/94
4.3应用案例/95
4.3.1海尔中央空调工业互联网云服务平台——海尔网器产品智能云服务/95
4.3.2中联重科智能运维与服务体系/96
4.3.3西奥电梯“北斗星”智能服务系统——梯网互联/98
4.3.4威派格智联供水设备远程数据采集与预测性维护/100
4.3.5Oglass AR智能眼镜——汽车后市场新宠/101
参考文献/102
第2篇人工智能103第5章人工智能概述/105
5.1人工智能的概念、特征与框架/106
5.1.1人工智能的概念/106
5.1.2人工智能的特征/107
5.1.3人工智能参考框架/108
5.2人工智能的关键技术/110
5.2.1机器学习/110
5.2.2知识图谱/111
5.2.3自然语言处理/111
5.2.4人机交互/111
5.2.5计算机视觉/111
5.2.6生物特征识别/112
5.2.7虚拟现实/增强现实/112
5.3人工智能产业链/113
5.3.1基础层/113
5.3.2技术层/116
5.3.3应用层/116
5.4人工智能应用/117
5.4.1安防/117
5.4.2交通/117
5.4.3智慧城市/118
5.4.4智能制造/119
5.4.5医疗、教育、金融/119
参考文献/123第6章机器学习/124
6.1机器学习的定义和分类/124
6.1.1机器学习的定义/124
6.1.2机器学习的分类/125
6.2机器学习的算法/126
6.2.1kNN算法/126
6.2.2聚类分析/128
6.2.3决策树/132
6.2.4随机森林/133
6.2.5支持向量机/135
6.3应用案例/139
6.3.1高速列车智能驾驶/139
6.3.2银行设备故障告警/142
6.3.3区域电力需求预测/146
参考文献/148第7章深度学习/149
7.1深度学习的发展历程/150
7.2深度学习特征提取/151
7.2.1人脑视觉机理/151
7.2.2初级（浅层）特征表示/152
7.3神经网络与深度学习/153
7.3.1浅层学习/153
7.3.2深度学习基本思想/153
7.3.3深度学习的优势/154
7.4深度学习训练过程/155
7.4.1传统神经网络缺点/155
7.4.2深度网络训练/155
7.5深度学习模型/156
7.5.1自动编码器/156
7.5.2稀疏编码/157
7.5.3限制波尔兹曼机/159
7.5.4深度信念网络/160
7.5.5卷积神经网络/161
7.6应用案例/163
7.6.1感应电动机故障诊断/163
7.6.2交互式问答客服/166
7.6.3搜索广告点击率预测/168
7.6.4电影票房预测/170
7.6.5工件缺陷自动检测/171
参考文献/173第8章人工智能开发框架/174
8.1人工智能主流开发框架概述/175
8.1.1TensorFlow/175
8.1.2Keras/176
8.1.3CNTK/178
8.1.4Caffe/180
8.1.5MXNet/182
8.1.6Torch/185
8.2TensorFlow详细介绍/186
8.2.1TensorFlow架构图/186
8.2.2TensorFlow基本概念/187
8.2.3TensorFlow中的模型/188
8.2.4深度学习模型在TensorFlow中的体现/190
8.3应用案例/190
8.3.1MNIST手写数字识别/190
8.3.2CIFAR10图像识别/192
8.3.3IMDb电影评论情感分析/194
8.3.4基于汉语依存句法的主观题评分系统/196
8.3.5基于推荐算法的智慧餐饮系统/199
参考文献/201
第3篇工业智能应用203第9章用户画像/205
9.1用户画像的发展背景及意义/206
9.1.1发展背景/206
9.1.2发展意义/206
9.2用户画像的体系结构/207
9.2.1用户画像的定义/207
9.2.2用户画像体系的建立/208
9.2.3标签体系/208
9.3用户画像的实现流程/210
9.3.1基础数据采集及处理/210
9.3.2分析建模/212
9.3.3结果呈现/213
9.4应用案例/213
9.4.1文本数据挖掘/213
9.4.2微博用户画像/215
9.4.3基于内容的新闻推荐/217
9.4.4电网客户用户画像/217
9.4.5影视数据用户画像/219
参考文献/221第10章机器视觉/222
10.1机器视觉的系统组成及图像处理流程/223
10.1.1系统组成/223
10.1.2图像处理流程/223
10.2机器视觉相关算法/225
10.2.1图像处理/225
10.2.2特征提取/228
10.2.3图像分析与分类/234
10.3机器视觉应用于人脸识别/235
10.3.1人脸识别概述/235
10.3.2人脸识别应用/236
10.3.3人脸识别算法/237
10.4机器视觉应用于工业领域/238
10.4.1应用概述/238
10.4.2工业视觉系统基本组成/239
10.5应用案例/240
10.5.1基于深度学习的人脸识别/240
10.5.2基于机器视觉的PCB裸板缺陷自动检测方法/242
10.5.3基于机器视觉的带钢表面缺陷检测/244
参考文献/245第11章调度优化/246
11.1调度理论的发展/246
11.2调度主要方法/247
11.2.1数学规划/247
11.2.2启发式搜索/248
11.2.3系统仿真/248
11.2.4人工智能/248
11.2.5计算智能/249
11.2.6实时智能/250
11.3调度主要算法/250
11.3.1有序搜索/250
11.3.2遗传算法/250
11.3.3模拟退火/252
11.4应用案例/254
11.4.1云制造系统调度——振华重工制造业流动机械智能调度管理平台研发及应用/254
11.4.2公交调度——Z公交集团啤酒节期间智能公交调度策略/259
11.4.3物流配送调度——饿了么“方舟”智能调度系统/262
11.4.4辅助驾驶/264
参考文献/266第12章预测性维护/268
12.1预测性维护概念、架构及系统流程/268
12.1.1概念/268
12.1.2平台架构/269
12.1.3系统流程/270
12.2预测性维护技术/271
12.2.1技术基础/271
12.2.2传感技术/271
12.2.3状态监测/271
12.2.4数据传输/272
12.2.5故障诊断/272
12.2.6故障预测/273
12.2.7维护管理/273
12.2.8维护决策/274
12.3预测性维护中的预测模型/274
12.3.1时序模型/274
12.3.2灰色预测模型/275
12.3.3神经网络预测模型/275
12.4应用案例/276
12.4.1刀具磨损预测/276
12.4.2地铁信号设备故障预测/279
12.4.3风机叶片结冰预测/281
12.4.4桥梁保养维护/282
12.4.5电梯故障维护/283
参考文献/285
工业智能技术与应用 作者简介
郑树泉，上海计算机软件技术开发中心嵌入式工程中心副主任，上海产业技术研究院工程大数据服务创新中心主任，高级工程师。获得4项相关专利，其中含发明专利二项，合作发表相关论文六篇，获得上海科技进步三等奖。研究了德国的工业4.0战略、美国的工业互联网战略及中国制造2025战略，作为“智能工厂通用技术标准试验验证”及“智能制造工业云、大数据标准试验验证”二个标准的专家组成员参与了七个标准的起草工作。提出了工业大数据参考架构。是中国信标委工业大数据工作组“工业大数据白皮书”主要起草人员之一，联合上海市政工程设计院桥梁所联合开发了桥梁健康监测及养护平台等多个工业大数据应用。
