|
关于我们
 书单推荐 新书推荐 |
工业大数据与知识图谱 
定 价：118 元
9 7 6 8 3 7 7 3 6 0 8 2 4 读者对象:本书可以作为计算机科学、电子与信息工程、控制科学与工程等学科的教学与科研用书，以及企业技术人员的参考书 
本书内容分为三篇。第一篇以物联网数据为基础，围绕工业大数据技术的“虚实融合”的CPS核心内容，开展数据治理、数据分析、数据平台的相关阐述，揭示数据驱动的生产系统优化模式；第二篇以人(社会网)机(互联网)物(物联网)数据为基础，围绕人工智能先进技术即知识图谱，探讨知识发现、知识图谱构建、知识服务、工业智能制造及知识服务平台等核心关键技术；第三篇基于前两篇的关键技术创新，开展重点行业、重点领域的典型场景应用，围绕钢铁、民用航空、电气等国民经济支柱行业，聚焦节能潜力分析、设备健康管理及预测性维护、知识组织管理等重点领域，开展应用实践工作。
前言 迄今为止，人类社会经历了从蒸汽机(第一次工业革命)到电机(第二次工业革命)，再到信息化(第三次工业革命)，直至当前以新一代信息技术为标志的第四次工业革命的发展历程。前三次工业革命使人类经济历经了机械化、电气化、自动化的发展阶段，实现了人类从繁重的体力劳动中的彻底解放。在第三次工业革命阶段，工业生产已经呈现数字化发展特征，基于计算机硬件系统的研制和电子数据的实时采集，实现了生产设备的自动控制，人类社会迈入信息时代。随后，跨全球实现资源和信息扩散传播的互联网技术的出现催生了以物联网、大数据、云计算、移动互联为代表的新一代信息技术的繁荣发展，由此引发了第四次工业革命的产生。
纵观工业革命发展历程，人类社会经济发生了天翻地覆的变化，如果说前三次工业革命是帮助人类从繁重的体力劳动中解放出来，使机器变得更加“勤快”，那么第四次工业革命就是进一步使机器更加“聪明”、更加“智慧”。
第四次工业革命加速了信息资源的实时获取及信息在全球范围内的扩散和传播，数据的感知和计算能力达到了前所未有的高度，数据作为最为重要的企业资产，成为企业运营模式、生产管理及应用技术自主创新的核心引擎，数据驱动的企业创新为企业提质增效带来了新的动能。21世纪初，以工业大数据为核心的各种模式、技术和应用创新层出不穷，确实为企业发展带来了不可估量的经济效益，然而随着经济全球化的加速演变，工业大数据的发展空间和潜在优势趋于下降，以人工智能为代表的信息技术逐步占据主导地位，如果说第四次工业革命的上半场是以使机器更加“聪明”为目标，下半场可以认为是使机器更加“智慧”。
在上半场，伴随着工业大数据分析技术的产生和兴盛，工业领域在全球信息资源大范围扩散及传播的基础上进入了一个崭新的阶段，即“大数据”时代。以信息物理融合系统(CyberPhysical Systems，CPS)为特征的工业智能得到了繁荣发展。CPS通过计算、通信、控制技术的有机融合与深度协作，实现物理设备的实时感知、动态控制和信息服务。它将计算和通信嵌入到物理实体中，使物理设备具有环境感知、计算分析、精准控制的功能，提供了一种远程的、可靠的、安全的人机交互接口。CPS的核心支撑技术是工业大数据的实时采集、海量存储、大规模分析赋予物理设备的数据处理能力。工业大数据的发展改变了第三次工业革命造成的对全球资源和能源的巨大消耗和浪费，引领并推动工业发展从以资源为核心要素的封闭式生产系统向以数据驱动为核心特征的生态化生产体系转变，数据成为培育企业核心竞争力并保持可持续发展的重要资产。在此阶段，以物联网为基础的具备生产系统监测数据和业务数据的实时采集、综合治理、优化分析的各种规模的工业大数据平台的研发和应用进入了强盛发展期，工业大数据平台通过数据分析对物流、能流、资金流的协同运行进行优化，使企业生产系统更加高效、低碳、安全和可靠。在生产方式创新方面，工业大数据推动了以数字化、网络化为特征的智能制造的出现和发展。我国和其他先进国家相继提出了以工业大数据为核心的工业互联网发展战略，为工业大数据在企业的普及推广提供了强大动力。
当前，工业大数据的发展进入了一定的成熟期，为企业带来红利的工业大数据已经走过了鼎盛阶段，其潜力空间也达到了波峰并开始向下运行。但社会经济的高速发展已经不能停滞或者减速，必须赋予新的动能填补工业大数据日益消耗殆尽的增长空间，由此推动第四次工业革命拉开了下半场的帷幕。如果说，上半场是使机器变得更“聪明”，下半场则是使机器进一步变得更加“智慧”。工业革命的目的是使机器逐步取代人类的部分行为能力，以更加高效的方式辅助人类发展日益复杂的社会经济活动。“智慧”是人类最高级、最复杂的行为特征，如何让机器具有人类的智慧思考能力，从而帮助人类做出最为科学合理的综合决策，是下半场的主攻方向。“知识”是人类认识世界并进而改造世界的核心武器，让机器具备知识这一核心要素成为新一代信息技术的重要目标。在此背景下，人工智能成为下半场发展的大脑中枢，“知识”成为人工智能提升智能制造的核心武器，科技创新更加注重如何从数据中捕获知识并将知识服务于制造产业，因此可以说，下半场是“人工智能”时代。知识图谱作为人工智能技术革命的重要组成部分，可为机器的“知识”化赋能加速，引领人工智能与实体经济的深度融合向以知识资产为引擎的赋能经济创新发展。知识图谱为知识获取、知识表达、知识共享、知识服务提供了一种高效的组织管理技术，它进一步延伸了CPS赋予物理实体的数据采集、计算和控制功能，实现了物理实体在智慧层面的综合决策能力，从而使物理实体能够模拟人类大脑的关联、预测、诊断、设计等智能行为，极大增强了机器对人类活动的辅助作用。
基于对第四次工业革命的解析，可以发现第四次工业革命从产生到现在，正在经历从上半场的“大数据”时代到下半场的“人工智能”时代的变迁，在此过程中，核心技术引擎从工业大数据升级到人工智能，模式从数据驱动演变到知识驱动，具体地主要体现在以下三方面：
1. 从“人机物互联”到“人机物融合”
大数据时代注重人机物之间的互联互通，通过 “万物互联”打造了信息世界与物理世界的全面融合(CPS)，数据的采集、存储、计算能力得到了极大提升； “人工智能”时代，基于人机物的互联互通，进一步挖掘人机物之间的无缝协同能力，整合人机物的核心竞争力，即“人”对高度不确定环境的综合决策能力，“机”对海量数据的快速及深度处理能力，“物”对决策的精准执行能力，进而实现新型价值创造。
2. 从“数据资产”到“知识资产”
大数据时代，强调对数据资产的组织和管理，技术创新以半结构化、非结构化数据的采集、处理和计算为主； 人工智能时代，“数据资产”向“知识资产”变迁，从数据资产中挖掘隐藏的、高效有价值的潜在知识，提升人机物协同决策的智慧创新能力，“知识”成为人工智能提升智能制造的核心武器，技术创新更加注重如何从数据中捕获知识并将知识服务于制造产业。
3. 从“机器计算”到“机器学习”
为应对“数据资产”向“知识资产”变迁的需求，数据处理能力从大数据时代的“机器计算”进阶到人工智能时代的“机器学习”。“机器计算”主要针对大规模多源异构数据的处理，以数据挖掘和浅层机器学习为主； “机器学习”注重从数据资产中深度挖掘知识资产，模拟“人”的知识学习过程，使其具备人的智慧思考能力，更注重深度学习等深层机器学习的应用。
综上所述，第四次工业革命可以理解为新一代信息技术推动企业实体经济从数据到知识、从知识到智能的一个逐步迭代升级的发展历程。为了较为全面地了解第四次工业革命的技术发展历程，本书以工业大数据和知识图谱为研究对象，对推动第四次工业革命的标志性使能技术进行分析和探讨，将课题组近年来在该领域的研究成果进行梳理、总结和凝练，旨在揭示以两大技术为代表的新一代技术对工业领域向智能制造转型发展的引领推动作用，为信息技术的创新发展和应用实践提供一定的参考价值。
本书内容分为三篇12章，内容涵盖大数据分析、知识图谱构建及知识服务等领域的关键技术以及基于这些技术的工程实践案例，帮助读者了解从数据驱动到基于知识图谱进行决策的新思路和支撑技术，同时借助案例学习，启发企业用户更加合理、有效地实施工业大数据和知识图谱技术，从而事半功倍地提升企业核心竞争力。
本书可作为人工智能、计算机、电子信息、自动化等相关学科领域的教学与科研的参考书。限于编者水平，书中存在有待进一步研究和完善之处，欢迎广大读者批评指正。
本书的研究工作得到了国家科技创新2030——“新一代人工智能”重大项目课题“数据驱动的人机物三元协同决策与优化”(2018AAA0101801)的资助。在书稿撰写过程中得到了许多人的大力支持，研究生程进、苏刚、鲍清、陈渠、张慧亭、马瑶、王莹、赵凡、张永彬、林越、骆丹丹、刘凯文、王兆平、乔志鹏、杨如涵、李洪泽、刘飞翔、裴锦讳提供了书稿素材，裴佳欣、韩慧慧、阎曼婷参与了 部分章节的撰写和整理工作，陈伯谦、舒一鸣、张佳琪参与了 书稿的校对工作。
编者 2023年7月
目录
第一篇工业大数据： 使机器更“聪明”
第1章工业大数据概述
1.1工业大数据的产生背景及发展历程
1.1.1工业大数据的产生背景
1.1.2工业大数据的发展历程
1.2工业大数据的概念与内涵
1.2.1工业大数据的概念
1.2.2工业大数据的特征
1.2.3工业大数据的组成
1.2.4工业大数据的典型应用场景
1.3工业大数据发展现状及面临的挑战
1.3.1工业大数据发展现状
1.3.2工业大数据面临的挑战
1.3.3工业大数据的发展趋势
1.4工业大数据与工业互联网
第2章工业大数据体系架构及技术布局
2.1工业互联网体系架构
2.1.1应用参考架构
2.1.2平台参考架构
2.2工业大数据技术布局
2.2.1工业大数据技术的特点
2.2.2工业大数据技术发展趋势
第3章工业大数据治理
3.1工业大数据治理产生的背景
3.2工业大数据治理的概念
3.2.1大数据治理的概念
3.2.2大数据治理框架
3.2.3工业大数据治理的概念
3.3基于语义网的工业大数据治理
3.3.1本体论
3.3.2语义网
3.3.3关键技术
3.4基于知识图谱的工业大数据治理
3.4.1工业大数据与知识图谱
3.4.2工业大数据环境下的知识图谱构建
第4章工业大数据分析技术
4.1工业大数据分析技术概述
4.2工业大数据分析主要技术
4.2.1传统机器学习方法
4.2.2深度学习方法
第二篇知识图谱： 使机器更“有学识”
第5章知识图谱概述
5.1知识图谱的定义与分类
5.1.1知识图谱的定义
5.1.2知识图谱的分类
5.2知识图谱的作用与意义
5.3知识图谱的研究进展
5.3.1知识图谱的研究现状
5.3.2知识图谱的发展趋势
第6章知识图谱体系架构及技术布局
6.1知识图谱体系架构
6.2知识图谱技术布局
6.2.1知识发现
6.2.2知识建模
6.2.3知识推理
第7章数据驱动的知识发现
7.1数据驱动的知识发现概述
7.1.1数据驱动的知识发现内涵
7.1.2数据驱动的知识发现过程
7.1.3工业大数据与商业大数据知识发现区别
7.2数据驱动的知识发现主要方法
7.2.1基于关联集成进化的多元回归变量选择方法
7.2.2基于改进多项式的非线性变量选择
7.2.3基于工业大数据的特征提取
第8章知识图谱建模
8.1基于本体的知识建模
8.1.1基于本体的知识建模框架
8.1.2基于本体的知识建模技术
8.2知识抽取
8.2.1结构化数据抽取
8.2.2半结构化与非结构化数据抽取
8.3知识表达
8.3.1知识表达方法
8.3.2知识表达准则
8.3.3基于钢铁高附加值产品生产流程知识表达
8.4知识融合
8.4.1知识融合技术
8.4.2人机物本体知识融合
第9章知识推理
9.1知识推理基本方法
9.1.1知识推理方法概述
9.1.2基于贝叶斯网络的知识推理方法
9.2面向知识图谱的知识推理
9.2.1基于符号规则的知识图谱推理
9.2.2基于表示学习的知识图谱推理
第10章知识服务
10.1知识服务概述
10.1.1知识服务定义
10.1.2知识服务模式
10.2知识服务参考体系
10.3基于知识图谱的知识服务架构
10.4知识推荐
10.4.1推荐算法
10.4.2基于内容的推荐算法
第三篇应 用 实 践
第11章工业大数据典型案例
11.1钢铁加热炉能耗预测及节能潜力分析
11.1.1基于语义网的数据集成
11.1.2基于深度学习的能耗预测模型构建
11.1.3余热锅炉大数据节能潜力分析
11.2基于工业大数据的设备健康管理
11.2.1基于DBN算法的设备健康评估
11.2.2基于大数据技术的风电设备故障预测
11.3钢铁热轧流程工艺知识推荐
11.4基于图神经网络的钢铁质量缺陷溯源
11.5基于强化学习的热轧生产调度优化
第12章工业知识图谱典型案例
12.1基于工业知识图谱的企业需求知识服务
12.1.1需求结构化过程
12.1.2需求分析
12.1.3知识探索
12.1.4需求规范化
12.2基于工业知识图谱的钢铁产线设备故障诊断
12.2.1故障诊断知识图谱构建
12.2.2基于工业知识图谱的故障诊断系统
参考文献
你还可能感兴趣
我要评论
|
