自现代化学工业诞生以来,控制技术一直是化学工业发展的关键推动力之一,决定了化学工业的过程性、装置性以及规模化的技术经济特性。无疑,物联网、5G、云计算、大数据和人工智能等现代信息技术成果将继续影响和变革化学工业,催生新的知识型工作机制,并创新制造模式。 与机械、汽车、电子设备等离散制造行业相比,多尺度构成了化工行业的典型特点,化工行业需要在分子、单元、过程、工厂、园区以及产业链等尺度上,通过互联、耦合与协同,科学地解决物质、能量、信息、资金在跨尺度间的传递与协同机制问题。对此,智能制造提供了新的方法与路径,工业界和科技界纷纷就化工智能制造的技术架构展开了研究,“互联化工”是其中的典型方案之一。“互联化工”是一种多尺度的、构筑在最新信息技术成果基础上的智能制造架构,旨在推动化学工业实现提质增效、产业链协同与绿色发展。 智能制造不仅仅是工业界和科技界关注的重点,也给高等教育提出了新要求。为更好地应对新一轮科技发展所带来的产业变革与挑战,服务国家制造强国战略,教育部、工业和信息化部及中国工程院发布了《关于加快建设发展新工科实施卓越工程师教育培养计划2.0的意见》。其中,以“信息+”为特色的多学科交叉融合是教学改革以及新工科建设的重要路径。 在此背景下,《化学工业智能制造—互联化工》从生产制造体系、信息技术基础、行业背景与需求等方面,对互联化工的架构、关键技术、模式与路径等进行系统性介绍。同时,教材结合“互联化工”体系特征,把物联网技术、工业大数据和人工智能等现代信息技术与化工知识相融合,构建综合性的知识体系,突出数字技术对化工学科发展在方法论方面的重要意义,提升读者在过程规划、管理、协同、优化、安全评价和决策等方面的关键能力,满足化学工业在全周期、全维度以及全尺度下对人才创新能力的需求。鉴于“数据-算法-算力”是实现智能化的技术基础,数据挖掘算法是关键,因此,本教材对数据挖掘算法的原理与方法也进行了介绍。 本教材可作为化学工程与工艺、过程装备与控制工程、材料科学与工程、冶金工程、环境科学与工程、安全科学与工程等专业本科生及研究生教材,也可作为计算机类、电子信息类、电气类专业读者的拓展性学习用书。 中国工程院李言荣院士、陈丙珍院士,四川大学褚良银教授、梁斌教授,清华大学赵劲松教授、邱彤教授为互联化工的概念、架构、科学问题及发展路径等给出了关键性的意见和贡献。本教材是对本领域科学家们杰出工作的总结,在此作者对他们表示衷心感谢和诚挚敬意。 在教材编写过程中,四川大学化工学院和四川大学互联化工研究中心给予了全方位的支持。贺革、赵凡锐、冯夏源、邓露、夏志鹏、吴亦凡、吴金奎、陈琳、于程远、张欣承担了本书的部分插图绘制以及第10章案例程序的编写与验证工作。邓正龙、党亚固、戴一阳、席春等贡献了许多宝贵建议,在此表示衷心感谢。 在本教材编写过程中,参考了大量的文献资料,由于篇幅所限,未能全部列出,在此表示歉意。同时,向所有参考文献的作者表示衷心感谢。 化学工业的智能化技术研究以及智能制造模式创新涉及多学科领域,正处于蓬勃发展阶段。无论是工业互联网、人工智能技术还是行业制造模式,甚至是产业模式,都有待进一步研究和实践检验。 鉴于编著者水平有限,教材中难免有缺失和不足,恳请读者批评指正。 编著者 2020年4月
吉旭,四川大学 化工学院,教授,中国系统工程学会过程系统专业委员会委员、四川省计算机学会高性能计算专业委员会委员,四川大学互联化工研究中心首席科学家,四川大学化工学院过程系统工程学术带头人。 研究方向为过程系统工程理论研究与应用开发,主攻连续生产行业技术经济分析与评价、过程系统信息化理论与应用、过程系统优化、过程系统可靠性分析、计算机集成过程系统(CIPS)研发等。 研究领域包括:过程系统工程理论与应用研究,材料加工的数字化技术及其工业化,高通量与材料基因组技术,过程行业智能制造及工业智能化理论与技术,工业大数据和人工智能技术,面向过程行业的先进控制(APC)、CIPS、CAPP和KM系统的研究与开发。 主持国家自然科学基金面上项目5项,四川省科技攻关项目项、企业协作项目三十余项,近年来在工业智能化领域完成科技成果转化超过3000万元。主持了中国建筑西部建设股份有限公司的工业智能化项目,该项目获2018年工信部智能制造及人工智能技术应用示范项目。发表SCI收录论文50余篇,出版教材1部。
《化学工业智能制造—互联化工》一书从计算技术和行业应用出发,对“互联化工”的架构、关键技术、模式等进行了系统介绍,包括物联网、工业大数据、数据挖掘等技术,及其在化学工业的具体应用。全书共11章,分别为:智能制造概述、智能制造之经典生产制造体系基础、智能制造之现代信息技术基础、互联化工、互联化工的关键信息技术、云制造—互联化工的跨尺度模式、数据挖掘、数据预处理、数据挖掘算法、数据挖掘应用案例、大数据可视化技术。 《化学工业智能制造—互联化工》可作为化学工程与工艺、过程装备与控制工程、材料科学与工程、冶金工程、环境科学与工程、安全科学与工程等专业本科及研究生教材,也可作为计算机类、电子信息类、电气类专业读者的拓展性学习用书。
第1章 智能制造概述 / 1 1.1 智能制造发展背景 / 2 1.2 智能制造定义 / 3 1.3 智能制造架构 / 6 1.4 智能制造的特征 / 8 1.5 各国推动智能制造发展的产业计划 / 9 1.5.1 美国先进制造业国家战略计划 / 9 1.5.2 德国工业4.0 / 11 1.5.3 新工业法国 / 11 1.5.4 英国工业2050战略 / 11 1.5.5 日本工业价值链产业联盟 / 12 1.5.6 中国制造强国战略 / 12 1.5.7 各国智能制造策略比较 / 13 第2章 智能制造之经典生产制造体系基础 / 15 2.1 准时制生产 / 16 2.2 精益生产 / 18 2.3 柔性制造 / 20 2.4 敏捷制造 / 20 2.5 全面的质量管理和六西格玛质量管理 / 21 2.5.1 全面质量管理 / 22 2.5.2 六西格玛质量管理 / 23 2.5.3 质量管理中的数据分析工具 / 25 2.6 企业资源计划 / 26 2.6.1 企业资源计划的概念 / 26 2.6.2 企业资源计划的管理思想 / 27 2.6.3 ERP的计划制定及计划层次 / 28 2.6.4 与ERP系统集成的相关系统及工具 / 31 2.7 知识管理与知识自动化 / 32 2.7.1 知识管理的概念 / 32 2.7.2 知识重组与知识推理 / 34 2.7.3 知识自动化与智能制造 / 35 2.8 计算机集成控制技术 / 36 2.8.1 过程控制技术发展阶段 / 36 2.8.2 计算机集成过程系统 / 37 第3章 智能制造之现代信息技术基础 / 39 3.1 物联网与工业互联网 / 40 3.1.1 物联网概念 / 40 3.1.2 物联网设备 / 40 3.1.3 基于物联网技术的工业互联网 / 44 3.2 面向智能制造的工业通信技术 / 46 3.2.1 面向智能制造的工业通信架构 / 46 3.2.2 工业现场总线通信技术 / 47 3.2.3 工业以太网通信技术 / 48 3.2.4 工业无线通信技术 / 49 3.2.5 5G通信技术 / 50 3.2.6 网络通信的安全 / 53 3.3 大数据 / 54 3.3.1 数据信息知识智慧模型 / 54 3.3.2 大数据概念 / 56 3.3.3 大数据的资源化意义 / 58 3.3.4 大数据分析方法与传统方法的区别 / 59 3.3.5 数据的结构类别 / 61 3.3.6 大数据技术 / 62 3.4 云计算与边缘计算 / 63 3.4.1 云计算的概念与特点 / 63 3.4.2 基于云计算的大数据架构 / 65 3.4.3 工业云 / 66 3.4.4 边缘计算 / 67 3.5 工业大数据 / 69 3.5.1 工业大数据概念 / 69 3.5.2 工业大数据的来源 / 70 3.5.3 工业大数据的价值 / 71 3.5.4 工业大数据的应用策略和方法 / 73 3.5.5 工业大数据的关键技术 / 75 3.5.6 工业大数据管理架构 / 76 3.5.7 工业大数据的质量评价 / 77 3.6 信息物理系统 / 78 3.6.1 信息物理系统概念 / 78 3.6.2 信息物理系统与智能制造 / 81 3.6.3 信息物理系统技术架构 / 82 3.7 人工智能 / 84 3.7.1 人工智能的概念 / 84 3.7.2 人工智能的发展历程 / 85 3.7.3 人工智能的研究范围 / 87 3.7.4 大数据、人工智能与智能制造 / 88 第4章 互联化工 / 93 4.1 化学工业发展中的挑战与问题提出 / 94 4.2 化学工业对智能化技术的应用需求 / 96 4.3 互联化工 / 97 4.3.1 互联化工的概念 / 97 4.3.2 互联化工架构模型 / 101 4.4 互联化工的典型业务场景与模式 / 105 4.4.1 绿色化的产品工程、工业工程与制造模式 / 106 4.4.2 商务智能化与优化控制一体化 / 107 4.4.3 面向供应链协同的柔性生产系统 / 110 4.4.4 基于可靠性管理和知识集成的质量管理体系 / 113 4.4.5 智能化设备与设备全生命周期管理 / 115 4.4.6 制造执行系统 / 117 4.4.7 能质网络集成管理平台与优化运行 / 119 4.4.8 健康、安全、环境管理 / 121 4.4.9 知识体系与知识自动化 / 126 第5章 互联化工的关键信息技术 / 134 5.1 互联化工的数字化技术 / 135 5.1.1 互联化工的数据架构 / 135 5.1.2 数据驱动的数字化技术 / 136 5.1.3 基于过程机理的流程模拟技术 / 137 5.1.4 互联化工的数据安全技术 / 139 5.2 面向互联化工的工业互联网架构 / 140 5.3 面向互联化工的信息物理系统 / 142 5.3.1 互联化工信息物理系统层级划分 / 142 5.3.2 互联化工信息物理系统的技术特征 / 143 5.4 智慧化单元操作与单元过程 / 144 5.4.1 基于信息物理系统的智慧化单元架构 / 144 5.4.2 智慧化单元的控制过程 / 145 5.4.3 智慧化单元的性能特点 / 145 5.5 智能控制技术 / 146 5.5.1 互联化工的智能控制要求 / 146 5.5.2 智能控制技术 / 147 5.5.3 智能控制技术的模式 / 148 5.5.4 智能控制技术应用 / 149 第6章 云制造——互联化工的跨尺度模式 / 152 6.1 云制造概述 / 153 6.1.1 云制造的概念 / 153 6.1.2 云制造的服务对象 / 154 6.1.3 云制造能力服务 / 154 6.1.4 制造资源服务 / 155 6.2 云制造架构 / 156 6.3 云制造的支撑技术 / 158 6.4 云制造的数字化模型 / 160 6.4.1 云制造的数字化核心技术 / 161 6.4.2 制造资源与能力的数字化描述 / 162 6.4.3 能力评价模型 / 163 6.4.4 服务组合优选算法模型 / 164 6.5 云制造安全技术 / 166 6.6 云制造的业务模式 / 168 6.6.1 云制造平台的运营管理 / 168 6.6.2 云制造平台的几种商业运营模式 / 168 第7章 数据挖掘 / 171 7.1 数据的相关概念 / 172 7.1.1 数据特征属性 / 172 7.1.2 数据管理的几个常用概念 / 174 7.1.3 数据的尺度属性 / 174 7.1.4 数据质量评估 / 175 7.2 数据的存储方式 / 177 7.2.1 结构化数据的存储 / 177 7.2.2 非结构化数据的存储 / 177 7.2.3 面向主题的数据存储—数据仓库 / 179 7.3 数据挖掘概述 / 179 7.3.1 数据挖掘的概念 / 179 7.3.2 数据挖掘技术的特点 / 180 7.3.3 数据挖掘模型 / 181 7.4 数据挖掘项目的实施步骤 / 183 7.4.1 问题定义 / 184 7.4.2 数据预处理 / 185 7.4.3 数据探索 / 186 7.4.4 建立数据挖掘模型 / 187 7.4.5 结果解释与评估 / 188 7.5 数据挖掘项目的关键角色 / 188 7.6 常用的数据挖掘软件工具 / 189 第8章 数据预处理 / 192 8.1 数据整合 / 193 8.2 数据清洗 / 197 8.3 数据转换 / 199 8.4 数据归约 / 201 8.5 特征属性的筛选(降维)方法 / 202 8.5.1 基于线性相关性指标的筛选 / 202 8.5.2 基于灰色关联法的筛选 / 203 8.5.3 主成分分析法 / 204 8.6 共线性问题 / 204 8.6.1 共线性问题的识别 / 204 8.6.2 消除共线性问题 / 205 8.7 数据仓库 / 205 8.7.1 数据仓库概要 / 205 8.7.2 构建数据仓库的步骤 / 207 第9章 数据挖掘算法 / 210 9.1 聚类算法 / 211 9.1.1 聚类算法概要 / 211 9.1.2 常用的聚类算法 / 211 9.1.3 聚类分析相似度的衡量 / 212 9.1.4 聚类分析步骤 / 212 9.1.5 聚类算法及结果的评价标准 / 213 9.1.6 K-means聚类算法 / 213 9.2 分类算法 / 216 9.2.1 分类算法概要 / 216 9.2.2 分类结果的评判 / 216 9.2.3 k-近邻分类算法 / 217 9.2.4 人工神经网络 / 219 9.3 关联规则 / 223 9.3.1 关联规则的基本概念 / 223 9.3.2 关联规则的类型 / 224 9.3.3 Apriori算法 / 224 9.4 回归分析 / 227 9.4.1 回归分析方法 / 227 9.4.2 回归分析的步骤与逐步回归 / 228 9.5 预测算法 / 230 9.5.1 预测的基本概念 / 230 9.5.2 常用的预测方法 / 231 9.5.3 时间序列分析概要 / 233 9.5.4 时间序列分析的算法策略 / 235 9.5.5 时间序列分析的步骤 / 237 9.6 优化问题 / 239 9.6.1 遗传算法的概述 / 239 9.6.2 蚁群算法的基本原理 / 240 9.6.3 模拟退火算法的概述 / 241 9.7 诊断概要 / 244 9.7.1 离群点 / 244 9.7.2 离群点判据模型的建立原则 / 245 9.7.3 离群点的常用检测方法 / 245 9.7.4 异常(故障)模式诊断 / 247 第10章 数据挖掘应用案例 / 251 10.1 材料基因组计划 / 252 10.1.1 材料基因组计划概要 / 252 10.1.2 神经网络模型预测晶体材料的形成能 / 255 10.1.3 基于关联规则模型的材料性能分析 / 255 10.2 化工系统的可靠性评价 / 257 10.2.1 化工系统可靠性评价指标 / 257 10.2.2 分析模型的建立 / 258 10.2.3 灰色关联分析 / 259 10.2.4 马尔可夫修正 / 260 10.3 煤化工产业链的协同机制与模型 / 261 10.3.1 基于社会网络分析法的供应链模型 / 262 10.3.2 基于工业代谢平衡的协同度评价 / 265 10.4 设备异常识别与预防性维修 / 267 10.4.1 模型的建立 / 267 10.4.2 设备异常识别案例 / 269 10.5 基于智能算法的软测量技术 / 272 10.5.1 软测量技术概述 / 272 10.5.2 软测量模型及基于软测量的异常诊断 / 273 10.5.3 粉料储罐料位的软测量模型 / 274 第11章 大数据可视化技术 / 276 11.1 数据可视化技术概述 / 277 11.1.1 数据可视化概念 / 277 11.1.2 数据可视化的基本要素和分类 / 277 11.1.3 可视化数据分类 / 279 11.1.4 数据可视化的层次 / 279 11.2 常用的数据可视化图形 / 280 11.2.1 常用三大图:柱(条)、线、饼(环) / 280 11.2.2 面积图、雷达图、散点图、气泡图 / 283 11.2.3 地理图 / 284 11.2.4 矩形树图、日历图、桑基图、漏斗图、箱线图 / 285 11.2.5 词云、鱼骨图 / 287 11.2.6 数据可视化多图集合模式 / 287 11.3 常用的数据可视化工具 / 288 英文缩略词对照表 / 290 参考文献 / 294
ISBN:978-7-122-36912-3
语种:汉文
开本:16
出版时间:2020-11-01
装帧:平
页数:298