本书对制造大数据的基本概念进行了梳理，对车间制造大数据的感知、通信、处理技术和平台，以及建模、分析方法和决策服务开展了探索，介绍了海量、高维、多源、异构制造数据清洗去噪等预处理方法，统一建模与融合方法，动态制造数据多尺度时序分析方法，制造数据的关系网络模型，车间性能预测方法与运行调控机制，并对大数据在典型制造行业的应用做了初步尝试，旨在为车间生产从自动化、数字化迈向智能化奠定坚实的理论和技术基础。 本书主要面向机械工程和工业工程领域的研究者和生产管理人员，特别是寻求如何利用大数据提升制造业智能化水平的读者，同时也可作为自动化、计算机工程、管理工程等相关专业的研究生和高年级本科生的教材或参考书。

第1章 智能制造与智能车间
1.1 智能制造的定义
1.2 智能制造的发展
1.2.1 目标：智能制造
1.2.2 基础：工业互联网
1.2.3 核心技术：大数据技术
1.2.4 应用领域
1.3 智能车间的构成
1.3.1 智能设备
1.3.2 智能控制
1.3.3 智能执行
1.4 智能化运行分析与决策
1.4.1 优化对象：车间性能
1.4.2 目标：提质增效降本
1.5 本书的主要内容和体系结构
本章参考文献
第2章 车间制造大数据
2.1 大数据概述
2.1.1 大数据的提出
2.1.2 大数据的特征
2.2 车间制造大数据的来源
2.2.1 产品数据资源
2.2.2 设备数据资源
2.2.3 生产数据资源
2.2.4 物流数据资源
2.3 车间制造大数据的特征
2.3.1 规模性
2.3.2 多样性
2.3.3 高速性
2.3.4 高噪声
2.3.5 多来源
2.3.6 多尺度
2.4 车间制造大数据的典型应用场景
2.4.1 工序智能调度
2.4.2 资源自动分配和状态实时管理
2.4.3 性能预测分析
2.4.4 智能维护管理
2.4.5 过程实时管理
2.4.6 质量智能管理
2.5 车间制造大数据生命周期
2.5.1 制造大数据生命周期的不同阶段
2.5.2 制造大数据生命周期模型
2.6 本章小结
本章参考文献
第3章 大数据驱动的车间运行分析与决策模式
3.1 车间运行性能指标体系
3.1.1 质量指标
3.1.2 效率指标
3.1.3 成本指标
3.1.4 其他性能指标
3.2 车间运行分析的常用方法
3.2.1 数学规划模型分析法
3.2.2 排队论模型分析法
3.2.3 网络流模型分析法
3.2.4 马尔可夫模型分析法
3.2.5 其他建模分析法
3.3 车间运行决策的常用方法
3.3.1 基于运筹学的决策方法
3.3.2 基于启发式规则的决策方法
3.3.3 基于智能优化算法的决策方法
3.4 大数据驱动的“关联+预测+调控”的新模式
3.4.1 第四范式：数据科学
3.4.2 车间制造数据的耦合机理：关联
3.4.3 车间性能的演化规律：预测
3.4.4 车间运行的管控机制：调控
3.5 新模式下的车间运行分析与决策关键方法
3.5.1 海量高维多源异构制造数据预处理技术
3.5.2 动态制造数据多尺度时序分析技术
3.5.3 制造大数据的关系网络建模与关联分析技术
3.5.4 车间运行状态演化规律挖掘与预测技术
3.5.5 基于定量调控机制的车间运行决策方法
3.6 本章小结
本章参考文献
第4章 车间制造大数据融合方法
4.1 车间制造大数据融合的必要性
4.2 通用数据融合方法
4.3 智能车间制造大数据融合过程
4.4 车间制造大数据清洗方法
4.4.1 数据清洗常用方法
4.4.2 多规则多层级组合的车间制造数据清洗
4.5 车间制造大数据抽取方法
4.5.1 数据抽取常用方法
4.5.2 分布式元对象框架下的车间制造数据抽取
4.6 车间制造大数据分类方法
4.6.1 常用数据分类方法
4.6.2 基于聚类层次树的车间制造数据分类
4.7 车间制造大数据融合处理平台
4.7.1 平台配置
4.7.2 数据获取与导入
4.7.3 平台测试
4.8 本章小结
本章参考文献
第5章 车间时序制造数据特征提取方法
5.1 车间时序制造数据的来源
5.2 车间时序制造数据的特点
5.3 时序数据特征提取方法分类
5.3.1 时域相似性特征提取方法
5.3.2 模型相似性特征提取方法
5.3.3 形状相似性特征提取方法
5.4 面向时序制造数据流的特征关系分析
5.4.1 时序制造数据符号化
5.4.2 时序制造数据相关性类别字典构建
5.4.3 时序制造数据类别字典自适应扩充
5.4.4 实验验证
5.5 分层的时序制造数据在线快速分类方法
5.5.1 时序制造数据层次树结构存储模型
5.5.2 时序制造数据特征快速匹配算法
5.5.3 实验验证
5.6 本章小结
本章参考文献
第6章 车间制造大数据关联关系分析方法
6.1 车间制造大数据关联关系分析的难点
6.1.1 车间制造数据的多样相关特性
6.1.2 车间制造数据的复杂耦合特性
6.2 常用的数据关联关系分析方法
6.3 车间制造数据关联关系的信息熵度量方法
6.3.1 信息熵的定义
6.3.2 车间制造数据的互信息描述模型
6.3.3 参数相关性度量方法
6.3.4 参数冗余性度量方法
6.3.5 参数互补性度量方法
6.4 基于网络去卷积的车间制造关键参数识别方法
6.4.1 制造过程参数关联关系网络建模
6.4.2 车间制造数据的网络去卷积解耦算法
6.4.3 基于NMI-ND的关键影响因素识别
6.5 案例验证
6.5.1 标准测试集实验
6.5.2 实例验证
6.6 本章小结
本章参考文献
第7章 大数据驱动的车间性能预测方法
7.1 车间