工业大数据技术 介绍了工业大数据的概念、特征、现状，然后介绍了大数据采集技术、分布式存储技术、分布式计算技术、大数据分析技术，之后对工业场景的具体应用进行列举。
本书可以为从事大数据研究、管理决策的人员提供参考，也可作为相关领域师生和从业者的学习参考资料，还适合对大数据感兴趣的读者学习。
·本丛书为工业互联网技能人才培养教材
·本书将工业大数据应用场景搬到课堂，推进了职业教育教法，内容丰富，通俗易懂，适合作为相关院校的教材及一线技术人员的培训教材。
刘海平
湖北工程职业学院党委书记。湖北工程职业学院是全日制公办普通高等学校，是以机械、汽车、机电、电子、信息、建筑等学科门类为主，集普通大、中专教育于一体的综合性职业技术学院。
第 1章 工业大数据概述1
1.1 工业大数据基本概念 2
1.1.1 工业大数据的发展背景 2
1.1.2 工业大数据的定义 3
1.1.3 工业大数据的基本框架 3
1.2 工业大数据与大数据的区别 4
1.2.1 工业大数据与大数据的区别 4
1.2.2 工业大数据分析与大数据分析的区别 4
1.3 工业大数据与制造业关系 6
1.3.1 制造业催生工业大数据 7
1.3.2 工业大数据促进制造业的转型升级 8
1.4 工业大数据的现状与前景 10
1.4.1 国外工业大数据概况 10
1.4.2 我国工业大数据概况 11
1.4.3 工业大数据的应用现状 12
1.4.4 工业大数据前景 13
本章小结 14
本章习题 14
第 2章 大数据采集技术 15
2.1 工业数据采集类型 18
2.1.1 Key-Value数据 18
2.1.2 文档数据 19
2.1.3 信息化数据 20
2.1.4 接口数据 21
2.1.5 现场多媒体数据 24
2.2 数据采集手段 26
2.2.1 传感器 26
2.2.2 RFID 30
2.2.3 NFC 33
本章小结 37
本章习题 37
第3章 分布式存储技术 38
3.1 分布式存储技术概述 39
3.1.1 分布式存储概念 39
3.1.2 分布式存储分类 40
3.2 关键系统构成 41
3.2.1 分布式文件系统 43
3.2.2 分布式表格系统 56
3.2.3 分布式键值系统 71
3.3 数据库功能 82
3.3.1 整体结构 83
3.3.2 只读事务 89
3.3.3 写事务 92
3.3.4 OLAP业务支持 93
本章小结 96
本章习题 96
第4章 分布式计算技术 97
4.1 分布式计算概念 98
4.1.1 分布式程序 100
4.1.2 分布式运行模型 102
4.1.3 分布式系统的全局状态 103
4.1.4 分布式计算的运行分割 105
4.2 分布式计算模型 108
4.2.1 传统的C/S模型 108
4.2.2 集群技术 113
4.2.3 通用型分布式计算环境 120
4.2.4 简单对象访问协议（SOAP） 134
本章小结 138
本章习题 138
第5章 大数据分析技术 139
5.1 基础技术Python介绍 140
5.1.1 Python开发环境搭建 140
5.1.2 编写Python程序 144
5.1.3 Python数据类型 148
5.2 数据可视化基础与应用 151
5.2.1 数据可视化概述 151
5.2.2 数据可视化工具 153
5.2.3 数据可视化图表 157
5.3 数据预处理 161
5.3.1 数据清洗 163
5.3.2 处理缺失数据 164
5.3.3 识别错误分类 165
5.3.4 识别离群值的图形方法 166
5.4 数据挖掘技术 168
5.4.1 朴素贝叶斯 169
5.4.2 决策树 171
5.4.3 神经网络 173
5.4.4 深度学习 176
本章小结 178
本章习题 178
第6章 工业大数据典型应用 179
6.1 工业大数据在智能机床中的应用 180
6.1.1机床数据采集存储 180
6.1.2机床数据监测管理 183
6.1.3机床故障分析诊断 187
6.2 工业大数据在发动机中的应用 190
6.2.1航空发动机的数字孪生 190
6.2.2发动机测试实验与故障诊断 195
6.2.3发动机装配质量预测 198
6.3 工业大数据在智能电网中的应用 201
6.3.1电力需求预测 202
6.3.2电力设备检测 206
6.3.3电能质量分析 209
6.3.4电力异常分析与短期负荷预测 216
6.4 工业大数据在生产线中的应用 218
6.4.1航空发动机叶片生产线 218
6.4.2线缆生产线 224
6.4.3自动灌装生产线 229
6.4.4表面贴装生产线 234
本章小结 238
本章习题 238
缩略语 239
参考文献 242
当前图书最新荐购
