搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
工业大数据分析在流程制造行业的应用/工业智能与工业大数据系列
0.00     定价 ¥ 128.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购24本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787121395611
  • 作      者:
    编者:张晨//蒋若宁//何冰|责编:刘志红
  • 出 版 社 :
    电子工业出版社
  • 出版日期:
    2020-10-01
收藏
内容介绍
“十三五”以来,中石油、中石化、万华化学、华谊化工、国家电网、宝武钢铁等国内流程行业领头者开展了数字化、智能化建设,加快数字化油田、智能炼厂、智慧电网、智慧炼钢等建设。信息化与自动化互相交织融合,积累了大量的工业数据,给以油田开发、石油石化、化工、钢铁、电力为代表的流程工业带来了新的挑战与机遇,也为其创新带来了新的技术能力。 本书以大数据治理、大数据分析为主线,以油气开发、石油石化、化工、钢铁、电力为代表的流程工业大数据创新为分支,详细阐述了大数据分析在流程工业中的应用案例和今后的发展趋势。为广大的流程工业界研究人员、企业管理者、工程技术专家提供了一本不可多得的涵盖数字化转型、大数据分析的学习材料。
展开
目录
第1章 流程工业智能制造与数字化转型
1.1 新一轮智能制造发展战略
1.1.1 德国工业4.0与流程工业智能制造
1.1.2 美国工业互联网与流程工业智能制造
1.1.3 “中国制造2025”与流程工业智能制造
1.1.4 各国流程工业智能制造的差异和启示
1.2 流程工业数字化转型战略
1.2.1 流程工业概述
1.2.2 流程工业数字化转型的需求
1.3 大数据分析和流程工业智能制造
1.3.1 大数据的内涵
1.3.2 大数据和人工智能的关系
1.3.3 工业大数据与流程工业智能制造
第2章 工业大数据分析基础
2.1 工业大数据治理
2.1.1 工业大数据应用面临的挑战
2.1.2 应对方法
2.2 流程工业大数据治理案例
2.2.1 跨国石油公司大数据治理
2.2.2 国内石油公司大数据治理
2.3 大数据采集技术
2.3.1 Apache Sqoop
2.3.2 Apache Flume
2.3.3 Gobblin
2.4 大数据存储技术
2.4.1 HDFS
2.4.2 NoSQL数据库
2.5 大数据分析技术
2.5.1 MapReduce
2.5.2 Spark
2.6 大数据可视化技术
2.6.1 Tableau
2.6.2 Google Chart
2.6.3 D3.js
2.7 大数据分析方法
2.7.1 大数据分析方法分类
2.7.2 大数据分析步骤
2.7.3 数据挖掘方法
第3章 天然气开发行业的大数据分析
3.1 天然气开发行业信息化现状
3.2 天然气开发行业的大数据分析需求
3.3 天然气开发行业的大数据来源与特点
3.4 天然气开发行业的大数据解决方案
3.4.1 大数据获取
3.4.2 大数据监控
3.4.3 大数据可视化
3.5 天然气开发行业的大数据分析方法
3.5.1 天然气开发风险预防性分析方法
3.5.2 设备性能退化分析方法
3.6 天然气开发行业的大数据分析案例
3.6.1 应用场景
3.6.2 天然气水合物大数据预测应用案例
3.6.3 压缩机故障大数据预防性监控应用案例
3.6.4 换热器早期泄漏大数据监控应用案例
3.7 总结
第4章 炼油化工行业的大数据分析
4.1 炼油化工行业信息化现状
4.2 炼油化工行业的大数据分析需求
4.2.1 油田勘探与生产制造环节
4.2.2 研发设计环节
4.2.3 市场营销与售后服务环节
4.2.4 HSE评价体系的需求
4.3 炼油化工行业的大数据来源与特点
4.3.1 炼油化工行业大数据来源
4.3.2 炼油化工行业大数据特点
4.4 炼油化工行业的大数据解决方案
4.4.1 炼油化工企业存在的问题
4.4.2 工业大数据平台架构方案
4.5 炼油化工行业的大数据分析方法
4.6 炼油化工行业的大数据分析案例
4.6.1 应用场景
4.6.2 应用案例
4.7 总结
第5章 化工行业的大数据分析
5.1 化工行业信息化现状
5.2 化工行业的大数据分析需求
5.3 化工行业的大数据来源与特点
5.4 化工行业的大数据解决方案
5.5 化工行业的大数据分析方法
5.6 化工行业的大数据分析案例
5.6.1 应用场景
5.6.2 应用案例
5.7 总结
第6章 钢铁行业的大数据分析
6.1 钢铁行业信息化现状
6.2 钢铁行业的大数据分析需求
6.2.1 经营管理与生产管理的需求
6.2.2 技术进步与发展的需求
6.3 钢铁行业的大数据来源与特点
6.4 钢铁行业的大数据解决方案
6.5 钢铁行业的大数据分析方法
6.6 钢铁行业的大数据分析案例
6.6.1 应用场景
6.6.2 应用案例
6.7 总结
第7章 电力输电线路运维的大数据分析
7.1 电力输电线路运维信息化现状
7.2 电力输电线路运维的大数据分析需求
7.3 电力输电线路运维的大数据来源与特点
7.3.1 电力输电线路运维的大数据来源
7.3.2 电力输电线路运维的大数据特点
7.4 电力输电线路运维的大数据解决方案
7.5 电力输电线路运维的大数据分析方法
7.5.1 面向设备状态大数据的分布式存储和处理技术
7.5.2 电力运维行业的数据ETL技术
7.5.3 电力输电线路的数据挖掘分析技术
7.6 电力输电线路运维的大数据分析案例
7.6.1 输电线路智能化反外损监控系统
7.6.2 基于位置信息大数据驱动的输电线路智能巡检系统
7.6.3 特高压输电通道无人机巡检系统
7.6.4 空、塔、地协同的输电线路智能巡检系统
7.7 电力输电线路运维大数据技术展望
7.7.1 基于区块链技术的输电线路反外损运维系统
7.7.2 基于社交网络用户激励的系统运营模式
7.7.3 电力物联网价值挖掘
7.8 总结
第8章 总结与展望
8.1 流程工业与互联网下半场的结合
8.2 流程工业需要建立大数据文化
参考文献
索引
致谢
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证