　　《大数据时代的产品智能配置理论与方法/数字制造科学与技术前沿研究丛书》立足前沿性，注重实用性，综合探讨了大数据时代的产品智能配置理论与方法，旨在为信息化企业适应大数据时代的产品智能配置提供指导。
　　《大数据时代的产品智能配置理论与方法/数字制造科学与技术前沿研究丛书》首先介绍了大数据时代的背景与意义、数字制造与产品配置、大数据时代的挑战，以及基于大数据的客户需求信息的概念界定，然后阐述了客户需求信息标准化的相关模型、大数据客户需求信息挖掘、产品智能配置、规范化信息处理、人工智能的应用，最后以实例来解析上述理论和方法。
　　《大数据时代的产品智能配置理论与方法/数字制造科学与技术前沿研究丛书》着眼于将理论与实践充分结合，适合高等院校机电工程领域和相关科研人员和学生参考。

内页插图

1 绪论
1．1 背景和意义
1．2 数字制造与产品配置
1．2．1 数字制造
1．2．2 产品配置
1．3 大数据时代的挑战
1．3．1 大数据与制造业大数据时代
1．3．2 大数据与制造企业大数据现状
1．3．3 大数据处理流程
1．3．4 大数据的关键技术
1．3．5 大数据与制造企业所面l临的挑战
1．3．6 大数据技术发展趋势
1．3．7 大数据产业发展重点
1．3．8 大数据未来发展建议
参考文献

2 基于大数据的客户需求信息的概念界定
2．1 大数据的概念和内涵
2．1．1 大数据概念的提出
2．1．2 大数据的特征
2．1．3 大数据挖掘流程
2．1．4 大数据的应用领域
2．2 基于Hadoop的大数据处理
2．2．1 HDFS体系结构
2．2．2 HBase分布式数据库
2．2．3 MapReduce计算模型
2．3 互联网的客户需求信息获取框架
2．3．1 数据清理
2．3．2 用户识别
2．3．3 关键词提取
参考文献

3 标准化客户需求信息相关模型
3．1 标准化客户需求信息获取模型
3．2 标准化客户需求信息的结构和表达模型
3．2．1 标准化客户需求信息的结构模型
3．2．2 标准化客户需求信息的表达模型
3．3 标准化客户需求信息的知识库模型
3．3．1 客户需求知识表达
3．3．2 客户需求知识库模型的构建
参考文献

4 大数据客户需求信息处理技术
4．1 大数据客户需求信息存储
4．1．1 HBase数据存储原理
4．1．2 HBase存储客户需求信息的整体架构
4．1．3 Hbase中客户需求信息存储表设计
4．2 大数据客户需求信息预处理技术
4．2．1 客户需求特征属性提取
4．2．2 客户需求信息的定量标定
4．3 大数据客户需求信息数据挖掘技术
4．3．1 基于MapRedLice的K-Means算法的设计与实现
4．3．2 基于MapRecluce的KNN算法设计与实现
4．3．3 朴素贝叶斯分类并行算法的设计与实现
4．3．4 决策树并行分类算法
4．4 大数据客户需求信息推荐技术
4．4．1 推荐系统
4．4．2 MapReduce推荐算法设计
参考文献

5 产品智能配置
5．1 模块化产品配置
5．1．1 模块与产品配置
5．1．2 产品族相关概念
5．1．3 模块划分方法
5．1．4 模块模型的构建
5．2 基于CBR和CSP的产品族构建
5．2．1 基于CSP的产品配置方法
5．2．2 基于CBR的产品配置方法
5．3 基于客户需求信息的产品模块映射
5．3．1 面向产品模块配置的客户需求信息映射模型
5．3．2 面向产品模块配置的客户需求信息映射方法
5．3．3 面向产品模块配置的客户需求信息映射步骤
参考文献

6 规范化信息处理
6．1 规范化信息处理思路
6．2 智能信息处理相关理论研究
6．2．1 二元语义模型
6．2．2 规则模型
6．2．3 机器学习模型
6．3 基于人工智能的规范化信息处理
6．3．1 基于模糊集规则的规范化信息处理
6．3．2 基于分词规则的规范化信息处理
6．3．3 基于规则一机器学习的规范化信息处理
参考文献

7 基于深度学习的产品数字模型智能装配
7．1 深度学习模型
7．1．1 深度学习模型的基本思想
7．1．2 深度学习常用模型
7．2 深度置信网络
7．2．1 RBM模型及Sigmoid神经元
7．2．2 DBN模型的训练学习
7．3 面向DBN的装配信息模型构建
7．3．1 零部件装配几何元素分类
7．3．2 零部件分类特征信息定义
7．3．3 面向DBN的零部件装配信息模型
7．4 基于DBN的零部件分类模型库
7．4．1 DBN分类识别模型的构建
7．4．2 典型零部件模型库的建立
7．4．3 非典型零部件模型库的建立
参考文献

8 客车企业客户需求信息管理系统
8．1 客车企业客户需求信息前台数据采集
8．1．1 产品展示
8．1．2 智能选客车
8．2 客车企业客户需求信息知识库的构建
8．2．1 客车产品客户需求知识库的架构
8．2．2 客车产品客户需求知识库概念模型
8．2．3 客车客户需求知识库模板
8．2．4 客户需求的知识获取
8．2．5 系统开发与应用示例
8．3 客车企业客户需求信息后台数据分析
8．3．1 网站流量管理
8．3．2 商机管理
8．3．3 访问行为分析
8．4 本章小结
参考文献

9 智能手机产品模块配置
9．1 智能手机客户需求信息的映射
9．2 智能手机产品模块的组合
参考文献

10 汽车生产线智能装配系统
10．1 汽车生产线智能装配系统总体方案
10．2 典型零部件的智能装配
10．2．1 典型零部件的配合类型定义
10．2．2 典型零部件的配合类型判别
10．2．3 典型零部件的智能装配过程
10．2．4 典型零部件的智能装配
10．3 非典型零部件的智能装配
10．3．1 非典型零部件智能装配特征的定义与表达
10．3．2 非典型零部件的智能装配过程
10．3．3 装配方向的确认
10．3．4 非典型零部件的智能装配
参考文献

前言/序言

　　德国在2010年提出了工业4.0的概念，利用网络和通信技术将工业生产制造中的数据与有用信息传送到工业生产管理与决策的过程中，旨在提升制造业的智能化水平，建立具有适应性、资源效率高及人因工程学的智慧工厂。美国GE公司（通用电气公司）在2012年进一步提出了工业互联网，将搜集到的数据传输到云端，计算分析之后产生“智慧数据”，以实现设备与人的“交互”。GE公司认为，大数据分析和工业互联网最终将重构全球工业。我国在2015年结合国情，也提出了“中国制造2025”战略，将物联网、云计算和大数据作为新工业制造的核心技术。
　　当前，随着互联网应用信息化的发展，制造领域、商业领域、科研领域以及社会生活中所产生的数据量都在以惊人的速度增长。近几年，我国不断推进数据的开放和共享，大数据产业有望在通信、金融、制造、医疗等重点行业率先取得突破，成为全球最重要的大数据市场。企业产品配置过程中也能够衍生出大数据，特别是产品配置过程实现智能化以后，企业信息管理系统不断存储和更新数据，它们具有海量（volume）、高速（velocity）、多样（variety）、价值（value）的4V特性。伴随越来越多的数据累积，量变引起质变，这些积累的数据蕴含着巨大的商业和科技价值。但是，如果没有相关模型和挖掘方法的支撑与指导，以及整合产品配置平台的能力，这些信息的价值就无法体现，企业也无法从中受益。因此，针对企业产品配置过程中衍生出的大数据，研究大数据环境下产品智能配置的理论与方法，能够帮助企业更好地服务客户、发现商机、扩大市场、提升效率。
　　大数据环境下产品智能配置理论与方法可以围绕产品配置信息标准化模型、客户需求信息大数据挖掘方法和基于人工智能的产品配置设计优化三方面展开研究。通过研究产品配置信息标准化模型，为产品配置信息的大数据挖掘奠定基础；针对产品配置中衍生出的大数据文件格式普遍具有非结构化、有噪声、多类型的特点，采用分布式处理架构，对海量信息进行提取、分类和评估研究，为构建企业大数据挖掘平台提供理论依据；针对客户需求不能直接作用于产品配置的问题，建立客户需求到产品模型的数学映射关系，并采用人工智能算法来研究产品族的可拓性和变异性，为产品配置设计优化提供指导。
　　本书的研究成果受湖北省科技支撑计划项目（2015BAA058）和湖北省自然科学基金项目（2015CFA115）资助，在此表示感谢！本书的有关研究工作得到了武汉理工大学机电工程学院薛亮、方真强、程理群同志的支持，本书的编撰和校对得到了武汉理工大学机电工程学院黄培德、邓磷、赵飞宇、舒瑶、苏佳奇、苗志民、闫志峰、卢梓扬等同志的合作和帮助，在此深表谢意！
大数据时代的产品智能配置理论与方法/数字制造科学与技术前沿研究丛书 [Theories and Methods of Intelligent Product Configuration in the 下载 mobi epub pdf txt 电子书格式