《化学工业智能制造—互联化工》一书从计算技术和行业应用出发，对“互联化工”的架构、关键技术、模式等进行了系统介绍，包括物联网、工业大数据、数据挖掘等技术，及其在化学工业的具体应用。全书共11章，分别为：智能制造概述、智能制造之经典生产制造体系基础、智能制造之现代信息技术基础、互联化工、互联化工的关键信息技术、云制造—互联化工的跨尺度模式、数据挖掘、数据预处理、数据挖掘算法、数据挖掘应用案例、大数据可视化技术。
《化学工业智能制造—互联化工》可作为化学工程与工艺、过程装备与控制工程、材料科学与工程、冶金工程、环境科学与工程、安全科学与工程等专业本科及研究生教材，也可作为计算机类、电子信息类、电气类专业读者的拓展性学习用书。
吉旭，四川大学 化工学院，教授，中国系统工程学会过程系统专业委员会委员、四川省计算机学会高性能计算专业委员会委员，四川大学互联化工研究中心首席科学家，四川大学化工学院过程系统工程学术带头人。
研究方向为过程系统工程理论研究与应用开发，主攻连续生产行业技术经济分析与评价、过程系统信息化理论与应用、过程系统优化、过程系统可靠性分析、计算机集成过程系统（CIPS）研发等。
研究领域包括：过程系统工程理论与应用研究，材料加工的数字化技术及其工业化，高通量与材料基因组技术，过程行业智能制造及工业智能化理论与技术，工业大数据和人工智能技术，面向过程行业的先进控制（APC）、CIPS、CAPP和KM系统的研究与开发。
主持国家自然科学基金面上项目5项，四川省科技攻关项目项、企业协作项目三十余项，近年来在工业智能化领域完成科技成果转化超过3000万元。主持了中国建筑西部建设股份有限公司的工业智能化项目，该项目获2018年工信部智能制造及人工智能技术应用示范项目。发表SCI收录论文50余篇，出版教材1部。
第1章 智能制造概述 / 1
1.1 智能制造发展背景 / 2
1.2 智能制造定义 / 3
1.3 智能制造架构 / 6
1.4 智能制造的特征 / 8
1.5 各国推动智能制造发展的产业计划 / 9
1.5.1 美国先进制造业国家战略计划 / 9
1.5.2 德国工业4.0 / 11
1.5.3 新工业法国 / 11
1.5.4 英国工业2050战略 / 11
1.5.5 日本工业价值链产业联盟 / 12
1.5.6 中国制造强国战略 / 12
1.5.7 各国智能制造策略比较 / 13
第2章 智能制造之经典生产制造体系基础 / 15
2.1 准时制生产 / 16
2.2 精益生产 / 18
2.3 柔性制造 / 20
2.4 敏捷制造 / 20
2.5 全面的质量管理和六西格玛质量管理 / 21
2.5.1 全面质量管理 / 22
2.5.2 六西格玛质量管理 / 23
2.5.3 质量管理中的数据分析工具 / 25
2.6 企业资源计划 / 26
2.6.1 企业资源计划的概念 / 26
2.6.2 企业资源计划的管理思想 / 27
2.6.3 ERP的计划制定及计划层次 / 28
2.6.4 与ERP系统集成的相关系统及工具 / 31
2.7 知识管理与知识自动化 / 32
2.7.1 知识管理的概念 / 32
2.7.2 知识重组与知识推理 / 34
2.7.3 知识自动化与智能制造 / 35
2.8 计算机集成控制技术 / 36
2.8.1 过程控制技术发展阶段 / 36
2.8.2 计算机集成过程系统 / 37
第3章 智能制造之现代信息技术基础 / 39
3.1 物联网与工业互联网 / 40
3.1.1 物联网概念 / 40
3.1.2 物联网设备 / 40
3.1.3 基于物联网技术的工业互联网 / 44
3.2 面向智能制造的工业通信技术 / 46
3.2.1 面向智能制造的工业通信架构 / 46
3.2.2 工业现场总线通信技术 / 47
3.2.3 工业以太网通信技术 / 48
3.2.4 工业无线通信技术 / 49
3.2.5 5G通信技术 / 50
3.2.6 网络通信的安全 / 53
3.3 大数据 / 54
3.3.1 数据信息知识智慧模型 / 54
3.3.2 大数据概念 / 56
3.3.3 大数据的资源化意义 / 58
3.3.4 大数据分析方法与传统方法的区别 / 59
3.3.5 数据的结构类别 / 61
3.3.6 大数据技术 / 62
3.4 云计算与边缘计算 / 63
3.4.1 云计算的概念与特点 / 63
3.4.2 基于云计算的大数据架构 / 65
3.4.3 工业云 / 66
3.4.4 边缘计算 / 67
3.5 工业大数据 / 69
3.5.1 工业大数据概念 / 69
3.5.2 工业大数据的来源 / 70
3.5.3 工业大数据的价值 / 71
3.5.4 工业大数据的应用策略和方法 / 73
3.5.5 工业大数据的关键技术 / 75
3.5.6 工业大数据管理架构 / 76
3.5.7 工业大数据的质量评价 / 77
3.6 信息物理系统 / 78
3.6.1 信息物理系统概念 / 78
3.6.2 信息物理系统与智能制造 / 81
3.6.3 信息物理系统技术架构 / 82
3.7 人工智能 / 84
3.7.1 人工智能的概念 / 84
3.7.2 人工智能的发展历程 / 85
3.7.3 人工智能的研究范围 / 87
3.7.4 大数据、人工智能与智能制造 / 88
第4章 互联化工 / 93
4.1 化学工业发展中的挑战与问题提出 / 94
4.2 化学工业对智能化技术的应用需求 / 96
4.3 互联化工 / 97
4.3.1 互联化工的概念 / 97
4.3.2 互联化工架构模型 / 101
4.4 互联化工的典型业务场景与模式 / 105
4.4.1 绿色化的产品工程、工业工程与制造模式 / 106
4.4.2 商务智能化与优化控制一体化 / 107
4.4.3 面向供应链协同的柔性生产系统 / 110
4.4.4 基于可靠性管理和知识集成的质量管理体系 / 113
4.4.5 智能化设备与设备全生命周期管理 / 115
4.4.6 制造执行系统 / 117
4.4.7 能质网络集成管理平台与优化运行 / 119
4.4.8 健康、安全、环境管理 / 121
4.4.9 知识体系与知识自动化 / 126
第5章 互联化工的关键信息技术 / 134
5.1 互联化工的数字化技术 / 135
5.1.1 互联化工的数据架构 / 135
5.1.2 数据驱动的数字化技术 / 136
5.1.3 基于过程机理的流程模拟技术 / 137
5.1.4 互联化工的数据安全技术 / 139
5.2 面向互联化工的工业互联网架构 / 140
5.3 面向互联化工的信息物理系统 / 142
5.3.1 互联化工信息物理系统层级划分 / 142
5.3.2 互联化工信息物理系统的技术特征 / 143
5.4 智慧化单元操作与单元过程 / 144
5.4.1 基于信息物理系统的智慧化单元架构 / 144
5.4.2 智慧化单元的控制过程 / 145
5.4.3 智慧化单元的性能特点 / 145
5.5 智能控制技术 / 146
5.5.1 互联化工的智能控制要求 / 146
5.5.2 智能控制技术 / 147
5.5.3 智能控制技术的模式 / 148
5.5.4 智能控制技术应用 / 149
第6章 云制造——互联化工的跨尺度模式 / 152
6.1 云制造概述 / 153
6.1.1 云制造的概念 / 153
6.1.2 云制造的服务对象 / 154
6.1.3 云制造能力服务 / 154
6.1.4 制造资源服务 / 155
6.2 云制造架构 / 156
6.3 云制造的支撑技术 / 158
6.4 云制造的数字化模型 / 160
6.4.1 云制造的数字化核心技术 / 161
6.4.2 制造资源与能力的数字化描述 / 162
6.4.3 能力评价模型 / 163
6.4.4 服务组合优选算法模型 / 164
6.5 云制造安全技术 / 166
6.6 云制造的业务模式 / 168
6.6.1 云制造平台的运营管理 / 168
6.6.2 云制造平台的几种商业运营模式 / 168
第7章 数据挖掘 / 171
7.1 数据的相关概念 / 172
7.1.1 数据特征属性 / 172
7.1.2 数据管理的几个常用概念 / 174
7.1.3 数据的尺度属性 / 174
7.1.4 数据质量评估 / 175
7.2 数据的存储方式 / 177
7.2.1 结构化数据的存储 / 177
7.2.2 非结构化数据的存储 / 177
7.2.3 面向主题的数据存储—数据仓库 / 179
7.3 数据挖掘概述 / 179
7.3.1 数据挖掘的概念 / 179
7.3.2 数据挖掘技术的特点 / 180
7.3.3 数据挖掘模型 / 181
7.4 数据挖掘项目的实施步骤 / 183
7.4.1 问题定义 / 184
7.4.2 数据预处理 / 185
7.4.3 数据探索 / 186
7.4.4 建立数据挖掘模型 / 187
7.4.5 结果解释与评估 / 188
7.5 数据挖掘项目的关键角色 / 188
7.6 常用的数据挖掘软件工具 / 189
第8章 数据预处理 / 192
8.1 数据整合 / 193
8.2 数据清洗 / 197
8.3 数据转换 / 199
8.4 数据归约 / 201
8.5 特征属性的筛选（降维）方法 / 202
8.5.1 基于线性相关性指标的筛选 / 202
8.5.2 基于灰色关联法的筛选 / 203
8.5.3 主成分分析法 / 204
8.6 共线性问题 / 204
8.6.1 共线性问题的识别 / 204
8.6.2 消除共线性问题 / 205
8.7 数据仓库 / 205
8.7.1 数据仓库概要 / 205
8.7.2 构建数据仓库的步骤 / 207
第9章 数据挖掘算法 / 210
9.1 聚类算法 / 211
9.1.1 聚类算法概要 / 211
9.1.2 常用的聚类算法 / 211
9.1.3 聚类分析相似度的衡量 / 212
9.1.4 聚类分析步骤 / 212
9.1.5 聚类算法及结果的评价标准 / 213
9.1.6 K-means聚类算法 / 213
9.2 分类算法 / 216
9.2.1 分类算法概要 / 216
9.2.2 分类结果的评判 / 216
9.2.3 k-近邻分类算法 / 217
9.2.4 人工神经网络 / 219
9.3 关联规则 / 223
9.3.1 关联规则的基本概念 / 223
9.3.2 关联规则的类型 / 224
9.3.3 Apriori算法 / 224
9.4 回归分析 / 227
9.4.1 回归分析方法 / 227
9.4.2 回归分析的步骤与逐步回归 / 228
9.5 预测算法 / 230
9.5.1 预测的基本概念 / 230
9.5.2 常用的预测方法 / 231
9.5.3 时间序列分析概要 / 233
9.5.4 时间序列分析的算法策略 / 235
9.5.5 时间序列分析的步骤 / 237
9.6 优化问题 / 239
9.6.1 遗传算法的概述 / 239
9.6.2 蚁群算法的基本原理 / 240
9.6.3 模拟退火算法的概述 / 241
9.7 诊断概要 / 244
9.7.1 离群点 / 244
9.7.2 离群点判据模型的建立原则 / 245
9.7.3 离群点的常用检测方法 / 245
9.7.4 异常（故障）模式诊断 / 247
第10章 数据挖掘应用案例 / 251
10.1 材料基因组计划 / 252
10.1.1 材料基因组计划概要 / 252
10.1.2 神经网络模型预测晶体材料的形成能 / 255
10.1.3 基于关联规则模型的材料性能分析 / 255
10.2 化工系统的可靠性评价 / 257
10.2.1 化工系统可靠性评价指标 / 257
10.2.2 分析模型的建立 / 258
10.2.3 灰色关联分析 / 259
10.2.4 马尔可夫修正 / 260
10.3 煤化工产业链的协同机制与模型 / 261
10.3.1 基于社会网络分析法的供应链模型 / 262
10.3.2 基于工业代谢平衡的协同度评价 / 265
10.4 设备异常识别与预防性维修 / 267
10.4.1 模型的建立 / 267
10.4.2 设备异常识别案例 / 269
10.5 基于智能算法的软测量技术 / 272
10.5.1 软测量技术概述 / 272
10.5.2 软测量模型及基于软测量的异常诊断 / 273
10.5.3 粉料储罐料位的软测量模型 / 274
第11章 大数据可视化技术 / 276
11.1 数据可视化技术概述 / 277
11.1.1 数据可视化概念 / 277
11.1.2 数据可视化的基本要素和分类 / 277
11.1.3 可视化数据分类 / 279
11.1.4 数据可视化的层次 / 279
11.2 常用的数据可视化图形 / 280
11.2.1 常用三大图：柱（条）、线、饼（环） / 280
11.2.2 面积图、雷达图、散点图、气泡图 / 283
11.2.3 地理图 / 284
11.2.4 矩形树图、日历图、桑基图、漏斗图、箱线图 / 285
11.2.5 词云、鱼骨图 / 287
11.2.6 数据可视化多图集合模式 / 287
11.3 常用的数据可视化工具 / 288
英文缩略词对照表 / 290
参考文献 / 294
书单推荐
