新書推薦：
《
馆窥——我的图书馆之旅（公共编）
》
售價：NT$
510.0
《
广东藏书印谱
》
售價：NT$
1326.0
《
明末清初西洋汉语词典三种
》
售價：NT$
2448.0
《
女士品茶
》
售價：NT$
383.0
《
量子计算技术应用与专利分析
》
售價：NT$
398.0
《
最美故宫
》
售價：NT$
6620.0
《
《淮南子》中的“治道” （ 壹卷“经典与解释”论丛）
》
售價：NT$
367.0
《
GDPR和生物银行：跨欧洲的个人权利、公共利益和研究监管
》
售價：NT$
449.0
|
| 編輯推薦： |
|
本书的特色： 1.聚焦于智能车间这一制造强国建设的关键维度，探讨增强其决策自适应能力的调度优化技术与方法。 2.以工业大数据和信息物理生产系统为支撑，为智能车间在新型环境中的调度提供了一整套解决方案。 3.所提出的智能车间多级联动适应性调度体系框架，由数据的循环流动为内驱动力，以知识的增值更新为牵引，探究新型的基于深度学习的调度求解算法，实现覆盖调度执行全流程的闭环优化。 4.所形成的智能车间调度理论与技术成果对供应链管理等问题具有共性借鉴意义，能够为智能制造运营管理的智能化提升提供新的解决思路。
|
| 內容簡介： |
|
本书聚焦于智能制造环境下的车间调度问题，探讨一种旨在增强调度应变能力的适应性调度及其相关理论和技术方法。首先介绍了智能车间调度基本概念和需求挑战、新兴工业大数据技术和信息物理生产系统等对智能调度求解的支撑能力，然后提出了一种多级联动适应性调度体系框架，分别从鲁棒调度、实时调度、重调度和闭环优化四方面论述适应性调度的关键技术方法，最后结合案例给出系统实现及应用验证。本书面向从事智能制造车间管理和生产调度等领域工作的科研和工程技术人员，也可供系统工程、工业工程、自动控制、机电管理等专业领域的师生使用。
|
| 目錄：
|
第1章 绪论 001
1.1 智能制造与智能车间 002
1.1.1 智能制造 002
1.1.2 智能车间 003
1.2 生产调度 004
1.2.1 生产调度基本问题描述 004
1.2.2 生产调度国内外研究现状 007
1.3 智能车间生产调度面临的需求与挑战 013
第2章 工业大数据与数据驱动技术 021
2.1 工业大数据与智能制造 022
2.1.1 大数据与工业大数据 022
2.1.2 工业大数据特性分析 023
2.1.3 工业大数据技术架构 025
2.1.4 工业大数据在智能制造中的应用 026
2.1.5 工业大数据应用面临的挑战 028
2.2 工业大数据质量管理 029
2.2.1 工业大数据质量问题 030
2.2.2 领域知识无关的工业大数据质量管理 031
2.2.3 领域知识相关的工业大数据质量管理 034
2.2.4 工业大数据整体质量评价指标 040
2.3 工业大数据驱动的生产调度使能技术 043
2.3.1 生产特征选择 044
2.3.2 生产性能预测 046
2.3.3 调度知识挖掘 047
第3章 信息物理生产系统（CPPS） 051
3.1 信息物理系统（CPS） 052
3.1.1 CPS 概述 052
3.1.2 CPS 的技术内核及运行方式 053
3.1.3 CPS 的组织架构 054
3.1.4 CPS 的特征 057
3.1.5 CPS 在制造领域的应用 059
3.2 面向智能制造的CPPS 060
3.2.1 CPPS 概述 060
3.2.2 CPPS 的组成 061
3.2.3 CPPS 的特征 062
3.2.4 CPPS 的多层次体系架构 063
3.3 面向智能车间生产调度的CPPS 环境构建 067
3.3.1 生产调度对CPPS 的需求分析 067
3.3.2 面向智能车间生产调度的CPPS 框架 068
3.3.3 面向半导体生产线的CPPS 环境构建案例 070
第4章 智能车间适应性调度解决方案 079
4.1 智能车间多级联动适应性调度体系框架 080
4.1.1 需求分析 080
4.1.2 智能车间多级联动适应性调度体系框架 082
4.2 多级联动适应性调度体系的运行演化 084
4.2.1 体系运行演化中的多级联动 085
4.2.2 体系运行演化中的数据循环增值 086
第5章 多目标鲁棒调度方法 089
5.1 多目标鲁棒调度问题描述 090
5.1.1 鲁棒调度概述 090
5.1.2 多目标鲁棒调度问题描述和鲁棒性定义 092
5.1.3 鲁棒性度量 093
5.2 多目标鲁棒调度方法框架 097
5.2.1 调度策略表达 097
5.2.2 多目标鲁棒调度方法框架 101
5.3 确定环境下的多目标调度策略解集生成 102
5.3.1 多目标优化方法 102
5.3.2 基于仿真的优化方法 104
5.3.3 SBO-NSGA-Ⅱ算法设计 105
5.4 不确定环境下的多目标鲁棒调度策略选择 108
5.4.1 基于场景规划的生产数据获取 108
5.4.2 基于熵权法的多目标鲁棒调度模型 109
第6章 适应性的实时调度方法 115
6.1 实时调度问题描述 116
6.2 调度策略推荐方法 117
6.2.1 调度策略推荐问题描述 117
6.2.2 调度策略推荐方法框架 118
6.3 基于K-NN 的调度规则推荐 120
6.3.1 算法框架 120
6.3.2 基于GA 的生产属性特征子集选择 122
6.3.3 基于K-NN 的调度规则推荐模型 125
6.4 基于SVR 的调度参数推荐 126
6.4.1 算法框架 126
6.4.2 基于响应曲面法的最优样本获取 127
6.4.3 基于SVR 的调度参数推荐模型 128
第7章 适应性的重调度方法 133
7.1 重调度问题描述及方法框架 134
7.1.1 重调度问题描述 134
7.1.2 适应性重调度方法 136
7.2 数据驱动的扰动在线识别与预测 138
7.2.1 扰动分类 138
7.2.2 渐变型扰动识别方法 139
7.2.3 突发型扰动识别方法 143
7.3 全数据驱动的重调度方法 148
7.3.1 基于长短期记忆神经网络的重调度方法框架 149
7.3.2 LSTM 神经网络离线训练 151
7.3.3 在线调度 152
7.4 增强学习能力的重调度方法 152
7.4.1 基于DRL 的重调度问题描述 154
7.4.2 基于DQN 的重调度方法 156
7.4.3 基于改进异步优势行动者评论家算法的重调度方法 158
第8章 适应性调度闭环优化方法 165
8.1 调度知识 166
8.1.1 调度知识概念 166
8.1.2 调度知识的表达 167
8.2 调度知识管理 168
8.2.1 调度知识管理概述 168
8.2.2 调度知识生成 170
8.2.3 调度知识评估与更新 171
8.3 调度知识在线评估 172
8.3.1 基于质量控制的调度知识评估方法 172
8.3.2 基于生产状态变化的调度知识在线评估 176
8.4 基于增量学习的调度知识更新方法 178
8.4.1 基于OS-ELM 的调度知识更新方法 178
8.4.2 基于Online SVR 的调度知识更新方法 180
第9章 智能车间适应性调度原型系统 187
9.1 智能车间适应性调度原型系统架构 188
9.1.1 需求分析 188
9.1.2 系统架构设计 189
9.2 关键层级设计 192
9.2.1 数据层设计 192
9.2.2 分析层设计 193
9.2.3 服务层设计 193
9.2.4 表示层设计 193
9.3 智能车间适应性调度原型系统实现 194
9.3.1 系统开发 194
9.3.2 系统界面 197
9.3.3 运行设置 199
9.3.4 结果展示 204
第10章 适应性调度与优化方法验证与实施案例 209
10.1 基于适应性调度原型系统的方法验证 210
10.1.1 单级调度方法验证 210
10.1.2 多级联动适应性调度方法的综合验证 217
10.2 以某企业航空发动机装配线AEAL 为对象的案例研究 222
10.2.1 航空发动机装配线AEAL 介绍 222
10.2.2 多级联动适应性调度方法的案例研究 226
缩略词索引 231
|
| 內容試閱：
|
伴随着互联网、大数据、人工智能等新兴技术与制造领域的高度融合和全面渗透，制造业已进入“智能制造”新时代。对于制造系统中的“智能”，也经历了由狭义“数字化”到“数字化网络化”再到“数字化网络化智能化”的概念提升过程。当下，新一代制造系统的智能性可以从结构层面的自组织性、优化层面的自适应性、决策层面的自学习性得到突出体现，是一个内涵丰富、外延宽广的综合性领域。本书聚焦于智能制造环境下的生产调度问题，探讨增强智能车间调度优化的适应性能力的相关技术方法。
生产调度作为车间控制与管理中的核心问题之一，解决的是生产资源的规划分配。自20 世纪50 年代以来，虽然已有大量学者致力于车间调度问题的研究并已取得了相当丰富的研究成果，但由于实用性和有效性的问题一直存在，制约了已有成果的实际应用。在实用性方面，大量调度研究专注于调度算法的创新探索，重在解决调度寻优问题，但由于优化算法的计算成本和模型偏差等因素，研究与应用间始终存在着较大鸿沟；在有效性方面，实际制造系统所处环境的复杂性和动态不确定性，往往使得寻优得到的调度方案被频繁发生的各类干扰所冲击甚至失效。
笔者致力于生产调度领域的研究多年，在此基础上，以突出实用性和有效性为目标，提出一种旨在增强车间调度对复杂动态制造系统环境应变能力的适应性调度，并带领研究团队，借助新一代信息技术，特别是以工业大数据和信息物理生产系统为支撑，进行相关理论和方法的研究探索，本书即为近年来研究工作的总结。
全书分为10章。第1章绪论，从智能制造到智能车间，再到智能车间的生产调度，引出本书的智能车间调度问题，并分析其面临的需求和挑战；第2～3章介绍新兴技术对智能车间调度问题求解的支撑能力，包括工业大数据与数据驱动技术和信息物理生产系统环境与构建技术；第4章提出智能车间调度的整体解决方案，即多级联动适应性调度体系框架；第5～8章分别针对体系框架中的四个关键技术展开论述，即针对前摄适应能力提升的鲁棒调度、针对在线适应力提升的实时调度、针对适应性调整的重调度，以及基于调度知识管理的闭环优化；第9章和第10章分别是适应性调度方法的系统实现及应用验证。
本书面向从事智能制造车间管理和生产调度等相关领域工作的科研和工程技术人员，力图在面向智能制造的适应性调度与闭环优化技术、方法及系统等方面，为读者提供有价值的参考和帮助。
与本书内容相关的研究工作得到了科技部科技创新2030“新一代人工智能”重大项目子课题（2018AAA0101704）、国家自然科学基金重点项目（编号：62133011）、国家自然科学基金面上项目（编号：61873191 和61973237）等的支持，也得到了团队创始人吴启迪教授的指导和帮助。在本书编写过程中，谷翔、孔维畅、房溪、王巧玲、曹秋实、肖枫、吴文靖、马丽萌、章凌威、陆晓玉、沈一路、黎声益、高陈媛等参与了研究工作，关柳恩、蔡静雯、王冬源、王怡琳、陈心一等协助了书稿整理，在此一并表示感谢。
限于笔者水平和能力有限，加之时间仓促，书中难免有不当之处，欢迎各位读者不吝批评指正。
著者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
