适读人群 ：制造科学、机械工程、计算机科学等学科相关专业的工程技术人员、科研人员，高年级本科生、研究生
《制造业大数据与应用》一书紧扣当前制造业发展热点，并将理论研究与实际应用相结合，内容先进实用。

《制造业大数据与应用》一书围绕制造业数据的“聚、通、用”等关键问题，针对制造大数据的感知、汇聚、融合与应用等阶段开展研究。
第1章对制造大数据价值创造体系进行研究，重点阐述工业4.0的大数据环境、制造大数据从数据到信息再到价值的转化过程。第2章扼要介绍了制造大数据应用的总体架构和关键技术。第3章研究了制造大数据环境下多源冲突数据融合技术，提出了一系列相关算法。第4章研究了制造过程大数据感知与处理技术，提出了基于物联网技术的制造过程数据主动感知、基于CEP和关联模板的关键事件实时处理等方法。第5章研究了制造过程质量数据分析与控制技术、制造业质量成本控制体系，并提出了基于复杂事件处理的制造过程管控及数据应用技术。第6章研究了大数据环境下的制造业云设计技术和制造大数据云设计平台构建技术。第7章研究了制造大数据云制造服务平台构建技术。第8章介绍了制造物联数据感知与处理应用实例、电子元器件智能制造大数据应用实例、云设计与云制造大数据平台应用实例。本书内容深入浅出，具有很强的理论与实践指导作用。

李少波，男，1973年11月生，中共党员，工学博士，教授（专业技术二级），现任贵州大学机械工程学院院长、物联网产业发展研究中心主任。贵州大学机械工程学科博士生导师，中国科学院大学计算机软件与理论专业兼职博士生导师，长期从事智能制造、大数据、“互联网+”产业的研究。教育部新世纪优秀人才，贵州省省管专家、享受政府特殊津贴专家，贵州省高层次创新型人才（百层次）、贵州省优秀青年科技人才、贵州省制造业信息化专家组组长。已发表论文170余篇，其中SCI/EI收录70余篇；出版专著2部，译著1部；获颁软件著作权登记证书17项、获发明专利9项。主持国家863计划、国家科技支撑计划项目、国家自然科学基金项目和教育部、工信部及贵州省科技项目30余项。获省部级科技进步二等奖2次、三等奖3次，获贵阳市科技进步特等奖1次、二等奖2次。

《制造业大数据与应用》一书围绕制造业数据的“聚、通、用”等关键问题，针对制造大数据的感知、汇聚、融合到应用等阶段开展研究，内容涉及作者及其领导团队的多年研究成果，具有较好的借鉴价值。

第1章 制造大数据价值创造体系/1
1.1 工业4.0的大数据环境/1
1.1.1 工业4.0简介/1
1.1.2 大数据最新发展趋势/3
1.1.3 工业4.0时代下的大数据分析/8
1.2 制造大数据和互联网大数据/14
1.2.1 制造大数据/14
1.2.2 互联网大数据/18
1.3 从数据到信息再到价值的转化过程/23
1.3.1 数据与信息及价值的关系/23
1.3.2 数据与信息及价值的转化/24
本章参考文献/31
第2章 制造大数据总体架构和关键技术/35
2.1 制造大数据应用的总体架构/35
2.2 大数据获取技术/37
2.2.1 数据采集/37
2.2.2 数据传输/38
2.2.3 数据预处理/40
2.3 大数据存储技术/42
2.3.1 存储基础设施/42
2.3.2 数据管理框架/43
2.4 大数据高级分析技术/48
2.4.1 数据挖掘/48
2.4.2 统计分析/50
2.4.3 结构化数据分析/50
2.4.4 文本分析/50
2.4.5 Web数据分析/51
2.4.6 多媒体数据分析/52
2.4.7 社交网络数据分析/52
2.4.8 移动数据分析/53
2.5 大数据可视化技术/54
2.5.1 大数据可视化的基本概念/54
2.5.2 大数据可视化的基础理论/56
2.5.3 面向大数据的主流可视化技术/60
2.6 当前的大数据系统/61
2.6.1 Google大数据系统/61
2.6.2 海尔大数据精准营销系统/67
2.6.3 腾讯大数据系统/72
2.6.4 大数据系统面临的挑战/76
本章参考文献/77
第3章制造大数据多源数据融合/82
3.1 制造大数据的来源与特性/82
3.1.1 制造大数据的来源/82
3.1.2 制造大数据的特点/83
3.1.3 制造大数据实时采集融合/84
3.1.4 制造大数据实时采集融合面临的挑战/85
3.2 多源冲突数据融合技术的发展现状/87
3.2.1 冲突数据检测问题的研究现状/88
3.2.2 冲突数据真值发现问题的研究现状/89
3.3 数据源敏感的XML数据相似度量方法/93
3.3.1 TF-IDF模型/93
3.3.2 相关概念/93
3.3.3 数据源敏感度/94
3.3.4 数据源敏感的XML数据相似度函数/94
3.3.5 XML数据相似度量实验/95
3.4 基于包含度理论的XML冲突对象检测算法/97
3.4.1 相关概念/98
3.4.2 构造实体对象/99
3.4.3 IDT-DXDA算法/100
3.4.4 IDT-DXDA算法实验/103
3.5 基于可信度模型的冲突主数据检测算法/105
3.5.1 相关概念/106
3.5.2 主数据冲突记录检测算法模型/107
3.5.3 FCDR算法/108
3.5.4 实验/109
3.6 基于模糊偏序关系支持度模型的真值发现算法/111
3.6.1 相关概念/112
3.6.2 模糊偏序关系支持度计算模型/114
3.6.3 FA-SDCM算法/116
3.6.4 FA-SDCM算法实验/118
3.7 基于真值发现的冲突数据源质量评价算法/123
3.7.1 相关概念/123
3.7.2 数据源质量评价模型/125
3.7.3 TFDQ算法/125
3.7.4 TFDQ算法实验/127
3.8 多源冲突数据融合研究成果在企业数据资源管理中的应用/129
3.8.1 项目介绍/129
3.8.2 项目总体架构/130
3.8.3 多源冲突数据融合研究成果在大型企业数据管理平台
中的应用/133
本章参考文献/134
第4章 制造过程大数据感知与处理/144
4.1 国内外研究现状简介/144
4.2 制造过程数据分析与管理/146
4.2.1 制造数据描述及特性分析/146
4.2.2制造过程数据管理体系/148
4.3 制造过程数据主动感知与处理技术实现/149
4.3.1 制造物联事件主动感知与处理实现阶段/149
4.3.2 制造物联事件主动感知模型/150
4.3.3 制造物联事件主动感知与处理技术架构/151
4.4 基于物联网技术的制造过程数据主动感知方法/153
4.4.1 传感网络优化配置及感知系统设计/153
4.4.2 感知数据的加工处理及标准化封装/156
4.4.3 数据关联分析及匹配运算/156
4.4.4 感知数据的传送及应用/157
4.5 制造物联车间数据管理模型及表达/158
4.5.1 制造物联车间数据模型分析/158
4.5.2 基于对象封装的Express车间数据管理建模/159
4.5.3 基于XML的制造物联车间数据模型表达/162
4.5.4 制造物联车间XML数据模型的一般表达/167
4.6 基于XML的制造过程复杂事件数据模型描述/168
4.6.1 制造物联复杂事件结构模型建立/168
4.6.2 基于XML的面向特色食品生产过程的事件描述语言/169
4.6.3 基于XEDL的特色食品生产过程事件模型描述案例
及对比分析/173
4.7 制造过程数据流事件分解和处理/175
4.7.1 数据流事件模型/175
4.7.2 数据流事件系统构造/177
4.7.3 数据流事件公式化/178
4.7.4 分解算法/179
4.7.5 数据流事件处理框架的设计/181
4.8 基于CEP和关联模板的关键事件实时处理/184
4.8.1 基于CEP的模板匹配式事件关联方案/184
4.8.2 基于关联模板的制造过程关键事件实时处理/189
本章参考文献/193
第5章 制造过程质量数据分析与控制/196
5.1 制造业质量管理发展概述/196
5.1.1 质量的概念及管理理论/196
5.1.2 质量管理的意义/200
5.1.3 质量管理的发展阶段/201
5.1.4 制造管理的内涵及需求/204
5.2 制造业质量控制技术的发展现状/206
5.2.1 制造过程质量控制研究现状/206
5.2.2 制造过程质量预测研究现状/208
5.3 CEP技术/208
5.3.1 CEP技术应用于制造过程管控的意义/208
5.3.2 CEP关键技术及典型CEP应用/209
5.4 基于CEP的制造过程管控/213
5.4.1 基于CEP的制造物联数据管控/213
5.4.2 CEP在物流物联网中的应用/217
5.4.3 CEP技术在分布式系统故障定位中的应用/218
5.4.4 CEP技术在产品质量预测中的应用/221
5.4.5 CEP在产品质量成本控制中的应用/225
本章参考文献/230
第6章 制造大数据云设计/233
6.1 云设计概述/234
6.1.1 云设计的基本概念/234
6.1.2 云设计系统的特征及云设计体系架构/235
6.1.3 云设计的研究现状/237
6.2 制造大数据云设计关键技术/239
6.2.1 云设计的技术体系/239
6.2.2 云设计典型关键技术/240
6.3 制造大数据云设计平台/242
6.3.1 产品设计过程建模/242
6.3.2 云设计平台组成/243
6.3.3 云设计服务/245
6.3.4 基于语义Web的云平台关键技术/247
本章参考文献/254
第7章 制造大数据云制造/257
7.1 云制造服务模式/259
7.1.1 云制造服务/259
7.1.2 Web服务协商框架/261
7.2 平台服务交易模型/263
7.2.1 服务交易过程/264
7.2.2 服务平台目标/265
7.3 基于本体的智能服务协商框架/265
7.3.1 服务协商框架/266
7.3.2 基于本体的知识共享/266
7.3.3 服务合约/267
7.4 双边多议题协商流程/267
7.4.1 多议题协商问题表示/269
7.4.2 协商协议/270
7.4.3 协商策略/270
7.4.4 效用评估与协商决策/271
7.5 云制造服务平台/271
7.5.1 云制造服务平台体系结构/271
7.5.2 云制造服务平台功能/273
7.5.3 服务交易应用效果/274
7.6 云制造服务平台案例/275
7.6.1 工业云总体结构/275
7.6.2 工业云应用服务体系/279
7.6.3 工业云大数据规划与增值服务/280
本章参考文献/283
第8章 制造大数据应用实例/285
8.1 制造物联数据感知与处理应用实例/285
8.1.1 制造物联数据应用规划/285
8.1.2 制造物联数据感知与处理应用系统/286
8.1.3 应用实现/301
8.2 电子元器件智能制造大数据应用实例/305
8.2.1 技术框架/305
8.2.2 产品数字化设计与数据管理/308
8.2.3 产品数据协同管理/311
8.2.4 多源数据融合与集成应用/314
8.3 制造大数据云设计与云制造实例/319
8.3.1 SKB-CAPD系统功能定位与框架设计/319
8.3.2 SKB-CAPD系统服务模式与技术实现/325
8.3.3 SKB-CAPD系统的功能模块与实现/328
8.3.4 SKB-CAPD系统应用成果展示/337
参考文献/342

2008年9月美国《自然》杂志发表了一份以“大数据”为主题的专刊，专门讨论与未来的数据处理相关的一系列技术问题和挑战，其中就提出了“Big Data”的概念。2013年4月，德国“工业4.0”工作组发表《保障德国制造业的未来：关于实施工业4.0战略的建议》，主张把一切机器、物品、人、服务、建筑连接起来，每个对象都通过嵌入的信息物理系统不断地产生数据、采集数据、分析数据，形成一个基于大数据的智能系统。德国“工业4.0战略”推出后，全世界无数商业领袖都开始重新布局企业发展战略，加大数据业务的投资，寻求数据驱动的增长机遇。2015年5月，国务院印发《中国制造2025》，提出要按照“四个全面”战略布局要求，实施制造强国战略。《中国制造2025》是我国实施制造强国战略第一个十年的行动纲领，它指出了中国制造业的升级方向——工业4.0：“互联网+”制造业，其突出特点是“互联网+”，是“信息化与工业化深度融合”、“智能制造”。2015年8月，国务院正式发布《促进大数据发展行动纲要》，明确提出将全面推进我国大数据发展和应用，加快建设数据强国。2015年10月，党的十八届五中全会公报提出要实施国家大数据战略，大数据发展正式上升为国家战略。
制造大数据是指制造业通过网络化、数字化、物联化形成的海量异构制造数据资产汇聚，通过数据驱动的制造行业数据资源分析与应用，可为制造业设计、生产、经营、管理全过程提供大数据支撑与服务，促进创新链、供应链、产业链的形成与优化，为制造业转型升级、宏观决策、智慧制造提供支撑。当前制造业处于数据爆炸的时代，车间的产品数据，流通阶段的运营数据，客户、厂商和合作者之间的价值链数据，市场的舆情数据，行业竞争对手的数据，国家政策信息等，以及PDM、MES、ERP、CRM、SCM、CAD、CAM、CAE、CAPP等软件和RFID射频识别、物联网、传感器、电子标签、互联网+等技术在制造业的广泛应用，促进了制造模式的创新，形成了制造大数据汇聚。大数据发展面临着前所未有的机遇，同时也面临着诸多挑战。发展大数据面临一系列的关键共性问题，如数据的“聚、通、用”问题，数据的安全问题，产业的发展问题，关键技术的突破与应用问题，人才的保障问题等，这些问题是我国大数据发展的关键、瓶颈、共性问题，需要引起高度重视，并通过创新解决。在制造业信息化、“两化深度融合”策略的推进与发展过程中，制造业积累了大量的、有用的数据资源，但数据资源的条块分割导致信息不能有效地得到融合、共享与应用。如何实现数据的融合、共享、分析、应用是当前面临的，亟待解决的关键问题。
在大数据发展理念，数据的“聚、通、用”等方面贵州已走在全国的前列，取得了一系列的先行成果和先行优势。本书围绕制造业数据的“聚、通、用”等关键问题，针对制造大数据的感知、汇聚、融合到应用等阶段开展研究。重点研究了制造大数据价值创造体系、制造大数据应用的总体架构和关键技术、制造大数据环境下多源冲突数据融合、制造过程数据感知与处理、制造过程质量数据分析及控制、制造大数据云设计、制造大数据云制造等。
本书由贵州大学李少波教授撰写。感谢中国航天科技集团公司、中国航天科工集团第二研究院、第十研究院有关专家、领导的帮助。感谢贵州大学智能制造创新团队的杨旭东教授、胡建军教授、尹宏副教授等所做的许多工作，感谢姚雪梅、璩晶磊、陈伟兴、吕健、王继奎、孟伟、魏宏静等博士提供的基础素材及为本书所做的许多工作，感谢书中参考文献作者的辛勤劳动。限于作者的水平，书中难免有疏漏与不足之处，殷切希望广大读者批评指正。
李少波
2017年9月