前言

第1章介绍了工业大数据的内涵（背景、定义、特性）与大数据驱动的智能制造科学范式；工业大数据分析的流程与平台，以及工业大数据带来的思维变革。

第2章介绍了工业大数据的类型、工业大数据特征的描述方法和工业大数据融合处理的典型方法。

第3章简析工业生产系统中参数关联分析的概念和工业大数据关联分析方法，以及通过大数据方法分析与刻画海量数据的关联规律；通过晶圆工期关键参数识别和柴油发动机功率一致性关键参数识别这两个实际案例介绍了大数据关联分析方法在工业领域的应用。

第4章围绕工业大数据预测方法，简要分析了工业生产中的预测概念和工业大数据预测方法的发展历程，叙述了主流工业大数据预测方法，通过石油化工泵的故障预测和晶圆工期预测两个实际案例描述大数据预测方法在工业领域的应用。

第5章论述了工业大数据的不平衡性。围绕不平衡性的定义，从采样、代价敏感与主动学习三个方面介绍了不平衡学习方法，通过圆缺陷识别与空气舵三维点云分割两个实际工程的典型应用，对不平衡工业大数据分析方法进行了论述。

第6章论述了工业大数据来源分析、融合问题及融合技术，分析了大体量数据传输流量负载、数据流通合规性、工业数据的私密性与安全性等难点，讨论了工业大数据融合在数据传输效率、企业数据私密性保护、数据安全保障、追溯审计等技术实现方面的需求。

第 7 章论述了“边缘-云”模式的工业大数据分析技术，分析了智能制造对实时数据分析的需求。运用大数据分析技术，通过面料疵点检测中的数据分析任务、多源工业大数据融合技术的实际案例进行验证。

作者

2022年7月