工业大数据分析在流程制造行业的应用
| 作者 |
| 张晨 |
| 丛书名 |
| 工业智能与工业大数据系列 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121395611 |
| 简要 |
| 简介 |
| 内容简介 “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。 |
| 目录 |
| 第1章 流程工业智能制造与数字化转型 / 001 1.1 新一轮智能制造发展战略 / 003 1.1.1 德国工业4.0与流程工业智能制造 / 003 1.1.2 美国工业互联网与流程工业智能制造 / 004 1.1.3 “中国制造2025”与流程工业智能制造 / 004 1.1.4 各国流程工业智能制造的差异和启示 / 006 1.2 流程工业数字化转型战略 / 007 1.2.1 流程工业概述 / 007 1.2.2 流程工业数字化转型的需求 / 008 1.3 大数据分析和流程工业智能制造 / 009 1.3.1 大数据的内涵 / 010 1.3.2 大数据和人工智能的关系 / 011 1.3.3 工业大数据与流程工业智能制造 / 012 第2章 工业大数据分析基础 / 017 2.1 工业大数据治理 / 017 2.1.1 工业大数据应用面临的挑战 / 017 2.1.2 应对方法 / 019 2.2 流程工业大数据治理案例 / 020 2.2.1 跨国石油公司大数据治理 / 020 2.2.2 国内石油公司大数据治理 / 027 2.3 大数据采集技术 / 034 2.3.1 Apache Sqoop / 034 2.3.2 Apache Flume / 035 2.3.3 Gobblin / 037 2.4 大数据存储技术 / 038 2.4.1 HDFS / 039 2.4.2 NoSQL数据库 / 042 2.5 大数据分析技术 / 045 2.5.1 MapReduce / 049 2.5.2 Spark / 049 2.6 大数据可视化技术 / 051 2.6.1 Tableau / 051 2.6.2 Google Chart / 052 2.6.3 D3.js / 052 2.7 大数据分析方法 / 053 2.7.1 大数据分析方法分类 / 053 2.7.2 大数据分析步骤 / 054 2.7.3 数据挖掘方法 / 055 第3章 天然气开发行业的大数据分析 / 059 3.1 天然气开发行业信息化现状 / 059 3.2 天然气开发行业的大数据分析需求 / 061 3.3 天然气开发行业的大数据来源与特点 / 064 3.4 天然气开发行业的大数据解决方案 / 064 3.4.1 大数据获取 / 064 3.4.2 大数据监控 / 065 3.4.3 大数据可视化 / 066 3.5 天然气开发行业的大数据分析方法 / 067 3.5.1 天然气开发风险预防性分析方法 / 067 3.5.2 设备性能退化分析方法 / 069 3.6 天然气开发行业的大数据分析案例 / 071 3.6.1 应用场景 / 071 3.6.2 天然气水合物大数据预测应用案例 / 075 3.6.3 压缩机故障大数据预防性监控应用案例 / 077 3.6.4 换热器早期泄漏大数据监控应用案例 / 079 3.7 总结 / 080 第4章 炼油化工行业的大数据分析 / 082 4.1 炼油化工行业信息化现状 / 082 4.2 炼油化工行业的大数据分析需求 / 085 4.2.1 油田勘探与生产制造环节 / 085 4.2.2 研发设计环节 / 087 4.2.3 市场营销与售后服务环节 / 088 4.2.4 HSE评价体系的需求 / 088 4.3 炼油化工行业的大数据来源与特点 / 090 4.3.1 炼油化工行业大数据来源 / 090 4.3.2 炼油化工行业大数据特点 / 091 4.4 炼油化工行业的大数据解决方案 / 092 4.4.1 炼油化工企业存在的问题 / 092 4.4.2 工业大数据平台架构方案 / 093 4.5 炼油化工行业的大数据分析方法 / 096 4.6 炼油化工行业的大数据分析案例 / 097 4.6.1 应用场景 / 097 4.6.2 应用案例 / 098 4.7 总结 / 100 第5章 化工行业的大数据分析 / 101 5.1 化工行业信息化现状 / 101 5.2 化工行业的大数据分析需求 / 102 5.3 化工行业的大数据来源与特点 / 103 5.4 化工行业的大数据解决方案 / 104 5.5 化工行业的大数据分析方法 / 106 5.6 化工行业的大数据分析案例 / 108 5.6.1 应用场景 / 108 5.6.2 应用案例 / 116 5.7 总结 / 127 第6章 钢铁行业的大数据分析 / 129 6.1 钢铁行业信息化现状 / 130 6.2 钢铁行业的大数据分析需求 / 130 6.2.1 经营管理与生产管理的需求 / 131 6.2.2 技术进步与发展的需求 / 132 6.3 钢铁行业的大数据来源与特点 / 133 6.4 钢铁行业的大数据解决方案 / 134 6.5 钢铁行业的大数据分析方法 / 138 6.6 钢铁行业的大数据分析案例 / 141 6.6.1 应用场景 / 141 6.6.2 应用案例 / 143 6.7 总结 / 154 第7章 电力输电线路运维的大数据分析 / 155 7.1 电力输电线路运维信息化现状 / 155 7.2 电力输电线路运维的大数据分析需求 / 156 7.3 电力输电线路运维的大数据来源与特点 / 157 7.3.1 电力输电线路运维的大数据来源 / 157 7.3.2 电力输电线路运维的大数据特点 / 158 7.4 电力输电线路运维的大数据解决方案 / 159 7.5 电力输电线路运维的大数据分析方法 / 159 7.5.1 面向设备状态大数据的分布式存储和处理技术 / 160 7.5.2 电力运维行业的数据ETL技术 / 161 7.5.3 电力输电线路的数据挖掘分析技术 / 161 7.6 电力输电线路运维的大数据分析案例 / 163 7.6.1 输电线路智能化反外损监控系统 / 163 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 / 169 7.6.3 特高压输电通道无人机巡检系统 / 174 7.6.4 空、塔、地协同的输电线路智能巡检系统 / 177 7.7 电力输电线路运维大数据技术展望 / 181 7.7.1 基于区块链技术的输电线路反外损运维系统 / 182 7.7.2 基于社交网络用户激励的系统运营模式 / 182 7.7.3 电力物联网价值挖掘 / 185 7.8 总结 / 187 第8章 总结与展望 / 188 8.1 流程工业与互联网下半场的结合 / 188 8.2 流程工业需要建立大数据文化 / 189 参考文献 / 190 索引 / 197 致谢 / 201 |
有问题微信扫码联系