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
1.4.3 IT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
2.1.3 IT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
2.3.3 ERP层 37
2.3.4 MES层 39
2.3.5 SFC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
4.3.5 Oglass 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
6.2.1 kNN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
8.1.1 TensorFlow 175
8.1.2 Keras 176
8.1.3 CNTK 178
8.1.4 Caffe 180
8.1.5 MXNet 182
8.1.6 Torch 185
8.2 TensorFlow详细介绍 186
8.2.1 TensorFlow架构图 186
8.2.2 TensorFlow基本概念 187
8.2.3 TensorFlow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
8.3.1 MNIST手写数字识别 190
8.3.2 CIFAR-10图像识别 192
8.3.3 IMDb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