工業大數據分析在流程製造行業的套用

《工業大數據分析在流程製造行業的套用》是2020年電子工業出版社出版的圖書，作者是張晨，蔣若寧，何冰。

基本介紹

• 中文名：工業大數據分析在流程製造行業的套用
• 作者：張晨、蔣若寧、何冰
• 出版時間：2020年10月
• 出版社：電子工業出版社
• 頁數：216 頁
• ISBN：9787121395611
• 定價：128.00 元
• 開本：16 開 
• 裝幀：平裝

內容簡介

“十三五”以來,中石油、中石化、萬華化學、華誼化工、國家電網、寶武鋼鐵等國內流程行業領頭者開展了數位化、智慧型化建設,加快推進數位化油田、智慧型煉廠、智慧電網、智慧煉鋼等建設。信息化與自動化互相交織融合,積累了大量的工業數據,給以油氣開發、石油石化、化工、鋼鐵、電力為代表的流程工業帶來了新的挑戰與機遇,也為其創新帶來了新的技術能力。 本書以大數據治理、大數據分析為主線,以油氣開發、石油石化、化工、鋼鐵、電力為代表的流程工業大數據創新為分支,詳細闡述了大數據分析在流程工業中的套用案例和今後發展趨勢。為廣大的流程工業界研究人員、企業管理者、工程技術專家提供了一本不可多得的涵蓋數位化轉型、大數據分析的學習材料。 張晨，上海交通大學信息系統博士,高級工程師。在上海賽科石油化工公司擔任T部總經理。出版專著《信息系統項目治理理論與實踐》。在《系統管理學報》等發表論文5篇。論文《機器學習在石化行業設備預測上的套用》等獲得中國石油學會2018年信息技術大會論文一等獎。《大數據在設備健康預 測和備件補貨中的套用》被《中國機械工程2019年第2期錄用刊登。 蔣若寧，長期從事化工信息化規劃和設計工作。參與國家重點項目計算機集成製造項目(CIMS)的實施和有關智慧型工廠建設方案設計和規劃工作。參與完成上海市科委(大數據挖掘和雲計算技術在氟化工生產過程中的套用)等項目。 何冰，上海交通大學應急管理博士,國網上海市電力公司檢修公司高級工程師,國家電網公司級優秀專家、上海市五一勞動獎章獲得者、上海市首席技師,長期從事電網智慧型運維檢修及大數據分析工作。已獲得上海市科技進步獎二等獎等省...(展開全部) 張晨，上海交通大學信息系統博士,高級工程師。在上海賽科石油化工公司擔任T部總經理。出版專著《信息系統項目治理理論與實踐》。在《系統管理學報》等發表論文5篇。論文《》機器學習在石化行業設備預測上的套用》等獲得中國石油學會2018年信息技術大會論文一等獎。《大數據在設備健康預 測和備件補貨中的套用》被《中國機械工程2019年第2期》錄用刊登。 蔣若寧，長期從事化工信息化規劃和設計工作。參與國家重點項目計算機集成製造項目(CIMS)的實施和有關智慧型工廠建設方案設計和規劃工作。參與完成上海市科委(大數據挖掘和雲計算技術在氟化工生產過程中的套用)等項目。 何冰，上海交通大學應急管理博士,國網上海市電力公司檢修公司高級工程師,國家電網公司級優秀專家、上海市五一勞動獎章獲得者、上海市首席技師,長期從事電網智慧型運維檢修及大數據分析工作。已獲得上海市科技進步獎二等獎等省部級科技獎勵10項,在SCI. EL中文核心期刊發表論文十數篇,公開出版著作兩部。

目錄

第1章 流程工業智慧型製造與數位化轉型 / 001

1.1 新一輪智慧型製造發展戰略 / 003

1.1.1 德國工業4.0與流程工業智慧型製造 / 003

1.1.2 美國工業網際網路與流程工業智慧型製造 / 004

1.1.3 “中國製造2025”與流程工業智慧型製造 / 004

1.1.4 各國流程工業智慧型製造的差異和啟示 / 006

1.2 流程工業數位化轉型戰略 / 007

1.2.1 流程工業概述 / 007

1.2.2 流程工業數位化轉型的需求 / 008

1.3 大數據分析和流程工業智慧型製造 / 009

1.3.1 大數據的內涵 / 010

1.3.2 大數據和人工智慧的關係 / 011

1.3.3 工業大數據與流程工業智慧型製造 / 012

第2章 工業大數據分析基礎 / 017

2.1 工業大數據治理 / 017

2.1.1 工業大數據套用面臨的挑戰 / 017

2.1.2 應對方法 / 019

2.2 流程工業大數據治理案例 / 020

2.2.1 跨國石油公司大數據治理 / 020

2.2.2 國內石油公司大數據治理 / 027

2.3 大數據採集技術 / 034

2.3.1 Apache Sqoop / 034

2.3.2 Apache Flume / 035

2.3.3 Gobblin / 037

2.4 大數據存儲技術 / 038

2.4.1 HDFS / 039

2.4.2 NoSQL資料庫 / 042

2.5 大數據分析技術 / 045

2.5.1 MapReduce / 049

2.5.2 Spark / 049

2.6 大數據可視化技術 / 051

2.6.1 Tableau / 051

2.6.2 Google Chart / 052

2.6.3 D3.js / 052

2.7 大數據分析方法 / 053

2.7.1 大數據分析方法分類 / 053

2.7.2 大數據分析步驟 / 054

2.7.3 數據挖掘方法 / 055

第3章 天然氣開發行業的大數據分析 / 059

3.1 天然氣開發行業信息化現狀 / 059

3.2 天然氣開發行業的大數據分析需求 / 061

3.3 天然氣開發行業的大數據來源與特點 / 064

3.4 天然氣開發行業的大數據解決方案 / 064

3.4.1 大數據獲取 / 064

3.4.2 大數據監控 / 065

3.4.3 大數據可視化 / 066

3.5 天然氣開發行業的大數據分析方法 / 067

3.5.1 天然氣開發風險預防性分析方法 / 067

3.5.2 設備性能退化分析方法 / 069

3.6 天然氣開發行業的大數據分析案例 / 071

3.6.1 套用場景 / 071

3.6.2 天然氣水合物大數據預測套用案例 / 075

3.6.3 壓縮機故障大數據預防性監控套用案例 / 077

3.6.4 換熱器早期泄漏大數據監控套用案例 / 079

3.7 總結 / 080

第4章 煉油化工行業的大數據分析 / 082

4.1 煉油化工行業信息化現狀 / 082

4.2 煉油化工行業的大數據分析需求 / 085

4.2.1 油田勘探與生產製造環節 / 085

4.2.2 研發設計環節 / 087

4.2.3 市場行銷與售後服務環節 / 088

4.2.4 HSE評價體系的需求 / 088

4.3 煉油化工行業的大數據來源與特點 / 090

4.3.1 煉油化工行業大數據來源 / 090

4.3.2 煉油化工行業大數據特點 / 091

4.4 煉油化工行業的大數據解決方案 / 092

4.4.1 煉油化工企業存在的問題 / 092

4.4.2 工業大數據平台架構方案 / 093

4.5 煉油化工行業的大數據分析方法 / 096

4.6 煉油化工行業的大數據分析案例 / 097

4.6.1 套用場景 / 097

4.6.2 套用案例 / 098

4.7 總結 / 100

第5章 化工行業的大數據分析 / 101

5.1 化工行業信息化現狀 / 101

5.2 化工行業的大數據分析需求 / 102

5.3 化工行業的大數據來源與特點 / 103

5.4 化工行業的大數據解決方案 / 104

5.5 化工行業的大數據分析方法 / 106

5.6 化工行業的大數據分析案例 / 108

5.6.1 套用場景 / 108

5.6.2 套用案例 / 116

5.7 總結 / 127

第6章 鋼鐵行業的大數據分析 / 129

6.1 鋼鐵行業信息化現狀 / 130

6.2 鋼鐵行業的大數據分析需求 / 130

6.2.1 經營管理與生產管理的需求 / 131

6.2.2 技術進步與發展的需求 / 132

6.3 鋼鐵行業的大數據來源與特點 / 133

6.4 鋼鐵行業的大數據解決方案 / 134

6.5 鋼鐵行業的大數據分析方法 / 138

6.6 鋼鐵行業的大數據分析案例 / 141

6.6.1 套用場景 / 141

6.6.2 套用案例 / 143

6.7 總結 / 154

第7章 電力輸電線路運維的大數據分析 / 155

7.1 電力輸電線路運維信息化現狀 / 155

7.2 電力輸電線路運維的大數據分析需求 / 156

7.3 電力輸電線路運維的大數據來源與特點 / 157

7.3.1 電力輸電線路運維的大數據來源 / 157

7.3.2 電力輸電線路運維的大數據特點 / 158

7.4 電力輸電線路運維的大數據解決方案 / 159

7.5 電力輸電線路運維的大數據分析方法 / 159

7.5.1 面向設備狀態大數據的分散式存儲和處理技術 / 160

7.5.2 電力運維行業的數據ETL技術 / 161

7.5.3 電力輸電線路的數據挖掘分析技術 / 161

7.6 電力輸電線路運維的大數據分析案例 / 163

7.6.1 輸電線路智慧型化反外損監控系統 / 163

7.6.2 基於位置信息大數據驅動的輸電線路智慧型巡檢系統 / 169

7.6.3 特高壓輸電通道無人機巡檢系統 / 174

7.6.4 空、塔、地協同的輸電線路智慧型巡檢系統 / 177

7.7 電力輸電線路運維大數據技術展望 / 181

7.7.1 基於區塊鏈技術的輸電線路反外損運維系統 / 182

7.7.2 基於社交網路用戶激勵的系統運營模式 / 182

7.7.3 電力物聯網價值挖掘 / 185

7.8 總結 / 187

第8章 總結與展望 / 188

8.1 流程工業與網際網路下半場的結合 / 188

8.2 流程工業需要建立大數據文化 / 189

參考文獻 / 190

索引 / 197

致謝 / 201