描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787547836217
目前智能制造是经济转型升级过程中的一个内容，各省市及国家都在推出各类智能制造专项。而工业大数据是智能制造的核心，其中的关键是企业内外各类信息系统及信息的集成，工业大数据架构是一项基础性的工作。
《工业大数据：架构与应用》基于成熟的相关理论及国外成熟的相关架构；基于工业大数据参考架构这个模型组织全书内容，为大家梳理出一个很清楚的脉络；使用了大量的架构图表（100多张）；每章都有大量案例（共50个以上）说明各章的核心观点。
第1章绪论1
●1.1智能制造及技术体系4
1.1.1智能制造的定义4
1.1.2智能制造的目标5
1.1.3智能制造的技术体系6
●1.2工业大数据的战略作用8
1.2.1大数据与企业核心能力9
1.2.2大数据与价值链11
1.2.3大数据与制造模式13
●1.3工业大数据定义、特征18
1.3.1工业大数据定义18
1.3.2工业大数据特征19
●1.4工业大数据战略、实现路径及实施流程19
1.4.1不同类型的业务战略19
1.4.2工业大数据价值实现路径21
1.4.3工业大数据实施流程23
参考文献25
第2章工业大数据架构27
●2.1德国工业4.0参考架构30
2.1.1背景30
2.1.2RAMI4.0模型30
2.1.3功能层31
2.1.4生命周期与价值流33
2.1.5企业纵向层33
2.1.6工业4.0组件34
●2.2美国工业互联网参考架构37
2.2.1背景37
2.2.2工业互联网架构基本概念38
2.2.3业务视角39
2.2.4应用视角39
2.2.5功能视角40
2.2.6实施视角42
●2.3日本工业价值链参考架构43
2.3.1背景43
2.3.2IVRA模式44
2.3.3智能制造单元46
●2.4中国制造2025参考架构47
2.4.1背景47
2.4.2智能制造系统架构47
2.4.3智能制造标准体系结构49
●2.5工业大数据参考架构50
2.5.1生命周期与价值流51
2.5.2企业纵向层级52
2.5.3IT价值链55
参考文献58
第3章研发大数据59
●3.1研发大数据的类型61
●3.2研发大数据的应用62
3.2.1基于模型的研发设计62
3.2.2基于仿真的研发设计65
3.2.3基于产品生命周期的设计67
3.2.4融合消费者反馈的设计69
●3.3研发大数据的创新71
3.3.1产品创新研发的消费者驱动模式71
3.3.2产品创新的技术驱动模式71
3.3.3用数据让竞争创新透明化72
●3.4研发大数据服务技术平台74
参考文献76
第4章生产大数据77
●4.1企业资源管理（ERP）79
4.1.1ERP简介79
4.1.2ERP体系79
4.1.3融合大数据的ERP实施80
●4.2企业制造执行系统（MES）81
4.2.1MES简介81
4.2.2MES体系82
4.2.3结合大数据的MES应用84
●4.3客户关系管理（CRM）87
4.3.1CRM简介87
4.3.2运用大数据的CRM营销88
●4.4供应链管理（SCM）90
4.4.1SCM简介90
4.4.2基于大数据的SCM优化91
4.4.3大数据时代下的SCM变革92
参考文献96
第5章服务大数据97
●5.1服务大数据类型及价值体现99
5.1.1服务大数据的类型100
5.1.2服务大数据主要来源及其价值体现100
●5.2服务大数据应用103
5.2.1预测性维修103
5.2.2城市基础设施管理109
5.2.3企业能源管理114
参考文献118
第6章信息物理系统119
●6.1CPS的基本理论121
6.1.1CPS的定义121
6.1.2CPS的本质123
6.1.3CPS体系架构124
●6.2CPS在产品全生命周期中的应用126
6.2.1研发与设计127
6.2.2生产与供应链管理128
6.2.3运维与服务129
●6.3CPS下的智能工厂130
6.3.1自动化和互联的设备131
6.3.2产品智能化且可配置131
6.3.3智能的机器和流程132
6.3.4具有知识的人133
●6.4CPS下的智慧城市136
参考文献141
第7章企业管理信息系统143
●7.1企业管理信息系统的发展历程144
7.1.1信息技术在企业应用的发展历程145
7.1.2信息化管理的成熟度模型146
7.1.3企业管理信息系统的七个阶段147
7.1.4企业集成运行的成熟度模型148
●7.2管理信息系统构成149
7.2.1从信息角度149
7.2.2从职能角度150
7.2.3从应用角度151
●7.3两化融合下的管理信息系统集成153
7.3.1信息化集成标准153
7.3.2纵向集成155
7.3.3跨越整个价值链的端到端工程数字集成157
7.3.4价值网络的横向集成159
7.3.5信息化集成系统内的系统集成160
●7.4工业大数据下的关键应用164
7.4.1高级计划与排程164
7.4.2产品生命周期管控165
7.4.3供应链集成166
参考文献167
第8章“互联网 ”时代的工业转型169
●8.1理论基础171
8.1.1马斯洛需求理论171
8.1.2生产型消费者与共享经济172
8.1.3平台战略174
●8.2个性化定制177
8.2.1产生背景177
8.2.2个性化定制业务框架177
8.2.3应用案例180
●8.3网络化协同制造184
8.3.1产生背景184
8.3.2网络化协同制造业务框架184
8.3.3应用案例188
●8.4制造业分享经济190
8.4.1产生背景190
8.4.2制造业分享经济业务框架191
8.4.3应用案例194
参考文献197
第9章业务架构199
●9.1企业信息化发展阶段201
9.1.1部门级信息化应用阶段202
9.1.2企业级信息化应用阶段202
9.1.3基于网络的信息化应用阶段203
●9.2工业大数据创新业务模式206
9.2.1智能化生产应用206
9.2.2智能化设计应用207
9.2.3智能化营销208
9.2.4网络化应用209
9.2.5个性化应用209
9.2.6服务化应用210
9.2.7平台化应用212
9.2.8供应链优化应用214
●9.3工业大数据能力成熟度模型214
9.3.1工业大数据能力成熟度模型等级215
9.3.2工业大数据能力成熟度内容与要求216
●9.4工业大数据业务架构规划219
9.4.1工业大数据规划步骤220
9.4.2工业大数据业务架构221
参考文献226
第10章信息系统架构229
●10.1应用架构231
10.1.1应用架构的规划原则231
10.1.2工业大数据应用架构参考模型232
●10.2数据架构235
10.2.1元数据与主数据236
10.2.2数据生命周期与数据质量237
10.2.3数据架构规划239
10.2.4数据架构模型241
●10.3工业大数据信息系统架构的实现242
10.3.1制造企业信息系统分析242
10.3.2工业大数据的处理分析流程244
10.3.3工业大数据信息系统架构模型245
参考文献251
第11章信息技术架构253
●11.1工业云服务255
11.1.1工业云服务概念255
11.1.2工业云服务类型及典型服务255
●11.2大数据开源技术组件258
11.2.1数据采集阶段开源技术组件259
11.2.2数据存储阶段开源技术组件259
11.2.3数据计算阶段开源技术组件260
11.2.4数据分析与挖掘阶段开源技术组件261
11.2.5ETL阶段的开源技术组件262
11.2.6可视化阶段的开源技术组件263
●11.3工业大数据信息技术架构263
11.3.1数据层264
11.3.2数据采集层266
11.3.3数据存储层266
11.3.4计算层269
11.3.5应用层270
11.3.6展示层271
●11.4信息技术架构典型案例272
11.4.1行业级工业大数据整体信息技术架构案例272
11.4.2应用级工业大数据信息技术架构案例275
参考文献280
第12章工业大数据治理283
●12.1工业大数据治理框架284
12.1.1工业大数据治理原则285
12.1.2工业大数据治理范围286
12.1.3工业大数据治理的实施与评估289
●12.2工业大数据质量293
12.2.1数据质量的基本概念293
12.2.2工业大数据质量管理参考架构295
12.2.3工业大数据质量项目实施方法296
●12.3工业大数据安全298
12.3.1工业4.0世界中的威胁与挑战298
12.3.2工业大数据的安全目标和要求299
12.3.3典型的技术安全措施300
12.3.4实施方案303
参考文献306缩略语表307
名词索引313
图索引317
表索引323
案例索引325
我国各级政府非常重视大数据的科研和产业发展，2014年国务院政府工作报告中明确指出要“以创新支撑和引领经济结构优化升级”，并提出“设立新兴产业创业创新平台，在新一代移动通信、集成电路、大数据、先进制造、新能源、新材料等方面赶超先进，引领未来产业发展”。2015年8月31日，国务院印发了《促进大数据发展行动纲要》，明确提出将全面推进我国大数据发展和应用，加快建设数据强国。前不久，党的十八届五中全会公报提出要实施“国家大数据战略”，这是大数据第一次写入党的全会决议，标志着大数据战略正式上升为国家战略。
上海的大数据研究与发展在国内起步较早。上海市科学技术委员会于2012年开始布局，并组织力量开展大数据三年行动计划的调研和编制工作，于2013年7月12日率先发布了《上海推进大数据研究与发展三年行动计划（2013—2015年）》，又称“汇计划”，寓意“汇数据、汇技术、汇人才”和“数据‘汇’聚、百川入‘海’”的文化内涵。
“汇计划”围绕“发展数据产业，服务智慧城市”的指导思想，对上海大数据研究与发展做了顶层设计，包括大数据理论研究、关键技术突破、重要产品开发、公共服务平台建设、行业应用、产业模式和模式创新等大数据研究与发展的各个方面。近两年来，“汇计划”针对城市交通、医疗健康、食品安全、公共安全等大型城市中的重大民生问题，逐步建立了大数据公共服务平台，惠及民生。一批新型大数据算法，特别是实时数据库、内存计算平台在国内独树一帜，有企业因此获得了数百万美元的投资。
为确保行动计划的实施，着力营造大数据创新生态，“上海大数据产业技术创新战略联盟”（以下简称“联盟”）于2013年7月成立。截至2015年8月底，联盟共有108家成员单位，既有从事各类数据应用与服务的企业，也有行业协会和专业学会、高校和研究院所、大数据技术和产品装备研发企业，更有大数据领域投资机构、产业园区、非IT领域的数据资源拥有单位，显现出强大的吸引力，勾勒出上海数据产业的良好生态。同时,依托复旦大学筹建成立了“上海市数据科学重点实验室”,开展数据科学和大数据理论基础研究、建设数据科学学科和开展人才培养、解决大数据发展中的基础科学问题和技术问题、开展大数据发展战略咨询等工作。
在“汇计划”引领下，由联盟、上海市数据科学重点实验室、上海产业技术研究院和上海科学技术出版社于2014年初共同策划了“大数据技术与应用”丛书。本丛书第一批已于2015年初上市,包括了《汇计划在行动》《大数据测评》《数据密集型计算和模型》《城市发展的数据逻辑》《智慧城市大数据》《金融大数据》《城市交通大数据》《医疗大数据》共八册，在业界取得了广泛的好评。今年进一步联合北京中关村大数据产业联盟共同策划本丛书第二批，包括《大数据挖掘》《制造业大数据》《航运大数据》《海洋大数据》《能源大数据》《大数据治理与服务》《大数据质量》等。从大数据的共性技术概念、主要前沿技术研究和当前的成功应用领域等方面向读者做了阐述，作者希望把上海在大数据领域技术研究的成果和应用成功案例分享给大家，希望读者能从中获得有益启示并共同探讨。第三批的书目也已在策划、编写中，作者将与大家分享更多的技术与应用。
大数据对科学研究、经济建设、社会发展和文化生活等各个领域正在产生革命性的影响。上海希望通过“汇计划”的实施，同时也是本丛书希望带给大家一个理念：
大数据所带来的变革，让公众能享受到更个性化的医疗服务、更便利的出行、更放心的食品，以及在互联网、金融等领域创造新型商业模式，让老百姓享受到科技带来的美好生活，促进经济结构调整和产业转型。
评论
还没有评论。