生產與服務大數據分析

秦威，副教授，博士生導師，上海交通大學工業工程與管理系副主任。主要從事復雜系統建模、控制與優化，以及機器智能理論、方法與應用等領域研究。主持多項國家、省部級科研項目和企業委托項目。目前擔任中國機械工程學會工業大數據與智能系統分會副總幹事、中國機電一體化協會工業大數據分會秘書長。發表SCI論文三十余篇，擔任多個期刊編委和審稿人，出版中英文專著五部，取得多項專利和軟件著作權。

目錄|

 

 

第1篇概述篇

第1章生產與服務系統概述

1.1生產與服務系統的組成要素

1.2生產與服務系統的特征

1.3生產與服務系統存在的問題

思考題

第2章大數據分析概述

2.1大數據的定義

2.2大數據分析工具

2.2.1大數據分析技術

2.2.2大數據分析平臺

2.2.3大數據分析技術庫

2.3大數據分析應用

2.3.1數據挖掘

2.3.2回歸分類預測

2.3.3聚類分析

2.3.4優化控制

思考題

第3章生產與服務系統中的大數據分析

3.1生產與服務系統的傳統分析與決策方法

3.2大數據時代的生產與服務系統變革

3.2.1生產系統在大數據時代的變革

3.2.2服務系統在大數據時代的變革

3.3生產與服務系統大數據分析新模式

3.3.1數據驅動下的生產服務系統新模式

3.3.2生產與服務系統的耦合機理： 關聯分析

3.3.3生產與服務系統的演化規律： 預測

3.3.4生產與服務系統的管控機制： 調控決策

思考題

 

第2篇處理篇

第4章數據預處理

4.1生產與服務系統中的數據預處理

4.2數據歸類方法

4.2.1字段維度歸類

4.2.2數據結構維度歸類

4.2.3描述事物維度歸類

4.2.4數據處理維度歸類

4.2.5數據粒度維度歸類

4.2.6更新方式維度歸類

4.3數據清洗方法

4.3.1高質量大數據的定義

4.3.2數據清洗的常用步驟

4.3.3數據清洗的常用方式

4.4數據抽取方法

4.4.1數據抽取的定義

4.4.2數據抽取的方式

4.4.3數據抽取的技術類型

4.5數據預處理案例分析

4.5.1基於多源數據融合的5G數字孿生工廠

4.5.2電商用戶數據管理系統

思考題

第5章特征提取

5.1生產與服務系統中的特征提取

5.2特征提取的通用方法

5.2.1線性判別分析

5.2.2因子分析

5.3基於時域相似性的特征提取方法

5.3.1離散傅裏葉變換

5.3.2離散小波變換

5.3.3奇異值分解法

5.4基於模型相似性的特征提取方法

5.4.1自編碼器

5.4.2卷積神經網絡

5.5特征提取案例分析

5.5.1基於傅裏葉變換和小波變換的滾動軸承故障診斷

5.5.2基於卷積神經網絡的滾動軸承故障診斷

思考題

 

第3篇分析篇

第6章關聯分析

6.1生產與服務系統中的關聯分析

6.2頻繁模式挖掘方法

6.2.1Apriori算法

6.2.2FP-Growth算法

6.2.3Eclat算法

6.3序列模式挖掘方法

6.3.1GSP算法

6.3.2PrefixSpan算法

6.4關聯網絡分析方法

6.4.1相關性度量算法

6.4.2關聯網絡建模算法

6.4.3網絡優化算法

6.5關聯分析案例應用

6.5.1推薦系統中的關聯規則挖掘

6.5.2柴油發動機生產要素關聯網絡建模

思考題

第7章聚類分析

7.1生產與服務系統中的聚類分析

7.2相似性度量

7.2.1相似性矩陣

7.2.2基於屬性的不相似性

7.2.3目標不相似性

7.3劃分聚類

7.3.1K-means聚類

7.3.2K-medoids聚類

7.4層次聚類

7.5模型聚類

7.6圖聚類

7.7聚類分析案例應用

7.7.1聚類分析用於客戶服務推薦算法

7.7.2聚類分析用於工業過程故障檢測

思考題

第8章數據降維

8.1生產與服務系統中的數據降維

8.2主成分分析

8.3獨立成分分析

8.4非負矩陣分解

8.5多維縮放

8.6數據降維案例分析

8.6.1數據降維用於含氮量檢測

8.6.2數據降維用於工業故障檢測

思考題

第9章因果推斷

9.1生產與服務系統中的因果推斷

9.2相關關系與因果關系

9.2.1相關與因果概念辨析

9.2.2混雜因素與樣本選擇性偏差

9.2.3因果表示方法

9.3因果結構學習方法

9.3.1基於約束的方法

9.3.2基於函數因果模型的方法

9.3.3混合方法

9.3.4小結

9.4因果效應估計方法

9.4.1斷點回歸法

9.4.2工具變量法

9.4.3雙重差分法

9.4.4基於結構因果模型的幹預推斷方法

9.5因果推斷案例分析

9.5.1營銷場景下的智能用戶補貼

9.5.2註塑成型過程關鍵變量識別

思考題

 

第4篇預測篇

第10章分類預測

10.1生產與服務系統中的分類預測

10.2K近鄰算法

10.3貝葉斯方法

10.4決策樹

10.5邏輯斯諦回歸與最大熵模型

10.6支持向量機

10.7隱馬爾可夫模型

10.8分類預測案例分析

10.8.1基於決策樹的柴油發動機裝配質量預測

10.8.2基於貝葉斯網絡的柴油發動機裝配質量預測

思考題

第11章回歸預測

11.1生產與服務系統中的回歸預測

11.2線性回歸

11.3支持向量回歸

11.4深度學習回歸方法

11.4.1人工神經網絡

11.4.2循環神經網絡

11.4.3長短期記憶網絡

11.5回歸預測案例分析

11.5.1基於線性回歸的Wish平臺夏季女裝銷量預測

11.5.2基於LSTM的雲服務客戶流失預測

思考題

第5篇決策篇

第12章運行管理

12.1生產與服務系統中的運行管理

12.2運行管理系統總體結構

12.3主生產計劃

12.3.1主生產計劃的概念

12.3.2集結生產計劃

12.3.3集結生產計劃的散結

12.4物料需求計劃

12.4.1物料需求計劃的基本概念

12.4.2產品結構描述及其數學表示

12.4.3物料需求計算

12.4.4物料需求計劃的優點

12.5制造資源計劃

12.5.1制造資源計劃的提出

12.5.2MRP Ⅱ系統的組成

12.5.3能力需求計劃

12.6企業資源計劃

12.6.1企業資源計劃的提出

12.6.2ERP的基本思想

12.6.3ERP系統的組成

12.6.4ERP的發展趨勢

12.7運行管理案例分析

12.7.1生產與需求速度恒定下的主生產計劃生成

12.7.2生產與需求速度時變下的主生產計劃生成

思考題

第13章調度與控制

13.1生產與服務系統中的調度與控制

13.2流水排序調度方法

13.2.1基本原理與方法

13.2.2n作業單機排序

13.2.3n作業多機流水排序(分支定界法)

13.3基於規則的調度方法

13.3.1基本原理

13.3.2調度規則簡介

13.3.3規則調度方法的優缺點分析

13.3.4規則動態切換調度控制系統

13.4基於仿真的調度方法

13.4.1基本原理

13.4.2關鍵問題

13.5基於人工智能的調度方法

13.5.1規則智能切換控制方法

13.5.2規則動態組合控制方法

13.5.3多點協調智能調度控制系統

13.5.4自學習調度控制方法

13.5.5仿真自學習調度控制方法

13.5.6啟發式調度控制方法

13.5.7基於強化學習的調度控制方法

13.6調度與控制案例分析

13.6.1集裝箱碼頭場橋調度

13.6.2飛機裝配作業調度

思考題

參考文獻