“智能制造系统设计”是新工科智能制造专业的核心课程。本书以作者提出的“深度运筹学”为底层逻辑，构成完整的智能制造系统设计体系。 设计基础介绍智能制造设计体系的底层建模逻辑。设计目标介绍设计落脚点是质量、效率与安全并最终落实到产品成本上，掌握提取问题与约束的方法。设计对象介绍体系各模块的概念、功能、运行原理和机制。设计方法介绍深度运筹学，以复杂网络建立系统模型，通过图深度学习寻找智能制造系统的“满意解”，从而创新系统运行准则。设计过程介绍以8D报告为模板、PyTorch为平台的智能制造系统项目设计。 本书是一本以“智能制造系统设计”为主题的专著，特点是白话数学、可视化逻辑和简明算法技巧，尤其适合培养以高等数学为起点的应用型人才的需要。本书可作为机械类、智能制造类、工业工程类、应用数学类、人工智能类和计算机类的本科生及研究生用书，也可作为研发人员的项目设计参考书。

前言
变量符号表
第1章 绪论
1.1 方向——立足机械赋能实体
1.2 思维——从设计产品到创新准则
1.3 路径——图论为基石
1.4 逻辑——深度运筹学
1.5 智能——六大关键
1.6 内容——系统设计框架
第2章 设计基础——底层建模逻辑
2.1 数学简介——建模百宝箱
2.1.1 数学全貌
2.1.2 集合——现代数学的共同基础
2.1.3 张量——现代数学的共同语言
2.1.4 泛函——网络距离的度量
2.1.5 群论——网络同构的度量
2.1.6 拓扑——网络结构的度量
2.1.7 分形——网络形状的度量
2.2 图论——智能制造系统的细胞
2.2.1 图论概述
2.2.2 谱图论
2.2.3 复杂图
2.2.4 图嵌入
2.2.5 图论与智能制造的关系
2.3 复杂网络——智能制造系统的神经
2.3.1 复杂网络概述
2.3.2 复杂网络的测度
2.3.3 异构张量及复杂网络类型
2.3.4 复杂网络与智能制造的关系
2.4 运筹学——智能制造系统的器官
2.4.1 运筹学概念
2.4.2 运筹学十大分支
2.4.3 运筹分析基本步骤
2.4.4 运筹学与智能制造的关系
2.5 力学简介——智能制造系统的肢体
2.5.1 基础力学
2.5.2 固体力学
2.5.3 振动力学
2.5.4 流体力学
2.5.5 流变学
2.5.6 热力学
2.5.7 本构原则
2.6 振动与噪声——智能制造系统的听觉
2.6.1 机械振动
2.6.2 噪声分析
2.6.3 振动与深度学习
2.6.4 振动、噪声与智能制造的关系
2.7 数字图像处理——智能制造系统的视觉
2.7.1 数字图像处理概述
2.7.2 形态学分析
2.7.3 数字图像处理与智能制造关系
2.8 随机过程——智能制造系统的动态
2.8.1 随机过程的定义
2.8.2 典型随机过程
2.8.3 随机微分方程
2.8.4 随机过程与算法的结合
2.8.5 随机过程在图神经网络中的应用
2.8.6 随机过程与智能制造的关系
第3章 设计目标——提取问题与约束
3.1 质量工程
3.1.1 质量体系简介
3.1.2 质量管理七项原则
3.1.3 质量管理实施流程
3.1.4 质量管理五大工具
3.1.5 质量管理七大手法
3.1.6 CPK过程能力指数
3.1.7 质量工程与智能制造的关系
3.2 工业工程
3.2.1 工业工程简介
3.2.2 工业工程的关键——解决八大浪费
3.2.3 工作研究的方法与技术——发现问题
3.2.4 现场管理——提取问题背后的问题
3.2.5 制程防呆——避免问题
3.2.6 工业工程与智能制造的关系
3.3 安全工程
3.3.1 安全体系简介
3.3.2 安全评估方法
3.3.3 控制能量以防患于未然
3.3.4 安全工程与智能制造关系
3.4 成本管理
3.4.1 公司类型及承担责任
3.4.2 成本管理概述
3.4.3 主要分析工具
3.4.4 成本驱动的设计
3.4.5 成本管理与智能制造的关系
第4章 设计对象——智能制造模块
4.1 企业资源规划ERP
4.1.1 ERP简介
4.1.2 ERP主要分析工具
4.1.3 ERP与智能制造的关系
4.2 客户关系管理CRM
4.2.1 CRM简介
4.2.2 CRM主要分析工具
4.2.3 CRM与智能制造的关系
4.3 产品生命周期管理PLM
4.3.1 PLM简介
4.3.2 PLM主要分析工具
4.3.3 PLM与智能制造的关系
4.4 制造执行系统MES
4.4.1 MES简介
4.4.2 MES主要分析工具
4.4.3 MES与智能制造的关系
4.5 高级计划与排程APS
4.5.1 APS简介
4.5.2 APS主要分析工具
4.5.3 APS与智能制造的关系
4.6 仓库管理系统WMS
4.6.1 WMS简介
4.6.2 WMS主要分析工具
4.6.3 WMS与智能制造的关系
第5章 设计方法——深度运筹学习
5.1 算法
5.1.1 算法——关系提取的核心
5.1.2 算法与智能制造的关系
5.2 图神经网络
5.2.1 图数据的处理难题
5.2.2 图神经网络简介
5.2.3 嵌入的端到端学习
5.2.3 图数据的嵌入
5.2.6 空域图卷积神经网络
5.2.7 谱域图卷积神经网络
5.2.9 图神经网络与智能制造的关系
5.3 深度运筹学
5.3.1 深度运筹概念
5.3.2 深度运筹作用
5.3.3 深度运筹的应用
5.3.4 深度运筹与智能制造的关系
5.4 PyTorch平台
5.4.1 Python与PyTorch
5.4.2 PyTorch的安装与环境配置
5.4.3 PyTorch平台上算法创新实例
5.4.4 PyTorch与智能制造的关系
第6章 设计过程——8D报告
6.1 8D报告中的基本步骤和工具
6.1.1 D0征兆紧急反应措施
6.1.2 D1小组成立
6.1.3 D2问题说明
6.1.4 D3临时措施的实施验证
6.1.5 D4确定并检验根本原因
6.1.6 D5选择和验证永久纠正措施