具体描述
工业4.0已上升为德国的民族战略；日本软银集团创始人孙正义试图以机器人作为工业4.0的切入点；英国强势推出“英国工业2025战略”；2015年，“中国制造2025”已发布，引起全民轰动。一场“科技革命”呼之欲出。
中国错过了前三次工业革命，第四次工业科技革命到来之际，中国又将走什么样的道路？
第四次工业科技革命为各个国家提供了发展和转型的机遇，智能制造无疑将成为世界各国竞争的新战场。而工业的智能化，美国依靠软件，德国依靠机器，日本依靠人，中国则将会依靠大数据。大量的工业大数据在中国汇集，无疑给中国制造带来最好的资源优势。只有充分利用这一资源，才能弥补中国在装备制造和核心零部件等方面的弱势与短板，确切地说，大数据将是中国搭上第四次科技革命快车的最大资本。
本书分为3个篇章：导引篇、案例分析篇和专家访谈篇。首先，在导引篇中，本书从利用大数据从解决问题到避免问题、利用大数据预测隐性问题和利用反向工程来重新定义制造等3个方向入手，清晰地阐述了大数据与智能制造的关系。接下来，按照这3个方向，本书引用了17个案例进行详细分析，使读者在接触概念和理论之后，通过真实、有效的案例能够对大数据和智能制造的关系有一个更加明确和直观的认识。在专家访谈篇中，本书精心策划了由经济学家、学院派教授、媒体人士、企业代表组成的专家访谈团队，意欲使不同背景、不同领域的专家们对大数据和智能制造为读者带来不一样的视角。
本书认为中国会成为新制造革命的中心，希望通过本书，能为读者传达一种新思维，中国拥有大量的工业大数据，正是这些大数据的整合与利用，才能使中国的制造走出属于中国特色的制造之路。本书适合对大数据、中国制造领域的研究者们阅读，也适合对这些领域感兴趣的社会人士阅读。
作者简介
李杰（Jay Lee）教授，男，现任美国西西那提大学教授、Rockwell Automation讲座教授(Chair Professor)、美国国家科学基金会（NSF）智能维护系统产学合作中心主任、美国国家工程院制造与工程设计董事会董事、上海交通大学工业创新中心(Industrial Innovation Center)主任。1992年获美国制造工程师协会（SME）杰出青年制造工程师奖，美国国家科学基金会（NSF）杰出成就奖 (1992-1997)。2000年至2004年被聘为上海交通大学特聘教授，2005年被教育部聘为长江计划讲座教授，2001年获中国自然科学基金会海外青年学者合作研究基金。
李杰教授在机器人及自动化、机器性能诊断等领域发表论文100余篇，主编著作3部，参编9部，主持完成科研40余项，三项美国专利。多年来致力于倡导所提出的Intelligent Machine Degradation Prediction的理论，并倡导和推动企业界与高校之间的国际产学合作研究与教育，其技术的关键性得到国际学术界的认可与高度评价，被美国财富杂志誉为21世纪全球三大热门技术之一。
目录信息
1.1 智能制造，是制造还是思维
1.2 何谓智能制造的核心
1.3 从大数据到智能制造
1.4 从大数据推动智能制造的三个方向
1.5 智能制造在发达国家的转型
1.6 未来智慧工厂的无忧虑制造
1.7 从产品制造到全生命周期价值创造——给“蛋黄”配“蛋白”
1.8 工业大数据的机遇与挑战
案例分析篇
2.1 利用大数据分析，实现从解决问题到避免问题
2.2 利用大数据预测隐性问题，实现生产系统的自省性
2.3 利用知识产生可执行的设计和制造数据反向工程
2.4 基于大数据产品服务系统解决方案
专家访谈篇
李杰教授采访著名经济学家马光远
李杰教授采访航空发动机专家王安正
《福布斯》（中文版）总编康健采访李杰教授
李杰教授采访三一集团高级副总裁贺东东
李杰教授采访NI行业市场经理崔鹏
参考文献
· · · · · · (收起)
读后感
这两年，大数据逐渐成为各行各业的热点，自己也一直想着能够通过书籍对大数据有更多的了解，但不知道从哪本书下手。仿佛听到了我的心声似的，前不久好友推荐了一本交大出版社的新书：《从大数据到智能制造》，一口气读完后立马写了读书笔记。在书中李杰教授主要论述了大数据在...
评分4.0也说了很多年了，除了迎来一波波3流工厂的倒闭，似乎也没掀起太大风浪。本书的作者也算研究这个门类的专家了。书还是待阅状态，暂且不谈此书，先说说智能制造吧。 不同于敏捷迭代的互联网行业，工业应用场景强调稳定可靠，对技术的根源解析和各种环境下的应用测试要比直接面...
评分这两年，大数据逐渐成为各行各业的热点，自己也一直想着能够通过书籍对大数据有更多的了解，但不知道从哪本书下手。仿佛听到了我的心声似的，前不久好友推荐了一本交大出版社的新书：《从大数据到智能制造》，一口气读完后立马写了读书笔记。在书中李杰教授主要论述了大数据在...
评分比较少看这类书，但写东西的人总是要多涉猎的。刚好看到澎湃新闻的人物专访提到这本书，也被“无忧虑制造”的概念所吸引，很好奇，就买来看了。个人觉得，这类书，读者群体不应该仅仅是科普爱好者，而应该是普罗大众，尤其对于我们年轻人，谁都该看看，长长见识。看不透彻没关...
评分这两年，大数据逐渐成为各行各业的热点，自己也一直想着能够通过书籍对大数据有更多的了解，但不知道从哪本书下手。仿佛听到了我的心声似的，前不久好友推荐了一本交大出版社的新书：《从大数据到智能制造》，一口气读完后立马写了读书笔记。在书中李杰教授主要论述了大数据在...
用户评价
这本书在结尾部分给出的展望，既宏大又脚踏实地，令人回味无穷。它跳脱出了传统的制造业范畴，将视野投向了“超连接生态系统”的概念。作者预测，未来的智能制造将不再局限于单个工厂的优化，而是会演变成跨行业的协同网络，数据甚至可能成为新的生产资料和交换媒介。他提出了一个非常有启发性的观点：未来的核心竞争力不再是拥有先进的生产线，而是拥有构建和管理这种复杂协同网络的能力。在最后的附录中，作者并没有直接推荐任何商业软件，而是提供了一份“关键能力自评估清单”，这份清单涵盖了从数据素养、系统集成能力到敏捷开发实践等多个维度。这份清单的价值在于，它迫使读者（无论是管理者还是工程师）停下来，认真审视自己组织内部的真实能力与未来愿景之间的巨大鸿沟。这本书的魅力就在于，它不仅描绘了宏伟的蓝图，更贴心地为我们准备了抵达那里的路线图和体检工具。读完合上书本时，我感到的是一种强烈的行动欲，而非仅仅是知识的满足感。
评分这本书的结构安排非常精巧，它像一部结构严谨的交响乐章，由不同的乐章组成，但主题始终统一。我特别欣赏作者处理“数据治理”和“伦理考量”这一章节的方式。通常，这类书籍在触及到数据隐私或系统安全性时，往往会草草收场，或者用一些法律条文敷衍了事。但在这本书中，作者深入探讨了在高度自动化的智能工厂中，数据流动的透明度与企业核心机密的保护之间的微妙平衡。他甚至引入了博弈论的视角来分析不同利益相关方（供应商、制造商、最终用户）在数据共享中的立场和博弈策略。这种跨学科的视角极大地拓宽了我的思考维度。我原以为“智能制造”就是机器换人，是效率的提升，但读完这部分，我开始意识到，其背后更深层次的挑战在于建立一种新型的信任机制和协作范式。作者的文字冷静而富有洞察力，没有进行过度美化或恐慌渲染，只是客观地呈现了这些挑战的复杂性，并提出了几种基于“零信任”架构的潜在解决方案，虽然这些方案的具体技术细节需要查阅其他资料，但其理论框架的构建已经为我们指明了方向。这种对问题的深度挖掘和多角度审视，远超出了我预期的技术普及读物的水准。
评分这本书的封面设计得非常引人注目，那种深邃的蓝色调，配上简洁的白色字体，立刻让人联想到科技的深度与广度。我原本以为这是一本纯粹的技术手册，里面会充斥着晦涩难懂的算法和复杂的工程图纸，毕竟“大数据”和“智能制造”这两个词汇本身就带着一股浓厚的学术气息。然而，翻开目录后，我的担忧消散了大半。作者显然花费了大量精力去构建一个宏大的叙事框架，它并不急于抛出干货，而是先从宏观的产业变革趋势入手，将我们带入一个由数据驱动的新工业革命的时代背景之中。比如，在开篇关于工业4.0的论述部分，作者没有采用那种枯燥的定义堆砌，而是通过几个生动的案例——例如一家传统汽车零部件工厂如何通过实时数据反馈优化生产线的每一个环节——来展现技术落地的真实场景。这种叙事手法非常高明，它让读者在不知不觉中理解了“互联互通”和“实时决策”对于现代制造业的颠覆性意义。阅读的过程更像是在跟随一位经验丰富的行业专家进行一次深度访谈，他不仅告诉你“是什么”，更着重于解释“为什么会是这样”，以及“接下来会走向何方”。对于我这样一个对前沿科技抱有好奇心，但又缺乏深厚工程背景的读者来说，这种由浅入深、注重底层逻辑阐述的写作风格，无疑提供了极佳的切入点。
评分我必须承认，这本书在某些技术细节的阐述上，其深度令人印象深刻，尤其是在探讨边缘计算（Edge Computing）与云端AI模型协同工作的那几页。我的职业生涯与物联网（IoT）设备管理略有接触，深知将复杂的机器学习模型部署到资源受限的现场设备上的难度。作者不仅清晰地解释了为什么要这样做——主要是为了解决网络延迟和带宽限制的问题——还非常细致地剖析了模型剪枝、量化以及模型联邦学习在工业场景中的具体应用限制。我印象最深的是他对“数字孪生”（Digital Twin）的描述，他将其定义为一种“动态、可预测的虚拟化身”，而不仅仅是一个静态的三维模型。书中通过一个涉及复杂流体力学模拟的航空发动机测试案例，展示了如何利用孪生体进行上千次的虚拟故障注入测试，而无需承担真实物理测试的高昂成本和安全风险。这种对前沿技术的把握精准到位，既有足够的广度覆盖了整个产业链，又有足够的锐度聚焦于那些决定未来竞争力的关键技术节点。对于希望在智能制造领域进行技术选型或战略规划的专业人士而言，这些内容无疑是极具价值的参考。
评分这本书的阅读体验是一种持续被挑战和引导的体验。不同于那些只关注“成功学”或“未来畅想”的商业书籍，作者在书中多次强调了技术实施过程中的“阵痛期”和“失败成本”。他用一种近乎批判性的眼光审视了许多企业在盲目追逐“智能化”过程中所犯的错误，例如，数据孤岛问题没有解决，却急于上马昂贵的AI平台；或者，流程再造没有完成，却强行引入自动化机器人，导致系统效率不升反降。这种务实至极的态度，让这本书的份量一下子变得沉重而可靠。其中一章专门讨论了“遗留系统”（Legacy Systems）的现代化改造，这在许多传统重工业中是最大的技术债务。作者没有提供一键解决方案，而是提供了一个详尽的风险评估矩阵，帮助决策者权衡“替换”与“适配”的利弊。读到这里，我感觉作者不仅仅是一位技术专家，更像是一位深谙企业管理和组织变革的顾问。他懂得技术变革的成功，最终还是取决于人与流程的配合，而非单纯的硬件或软件堆砌。
评分通俗易懂、语言朴实，如果从事相关科研会发现写的真心不错的
评分通俗易懂、语言朴实，如果从事相关科研会发现写的真心不错的
评分囫囵吞枣地看了，当作科普吧
评分市面上多数的大数据入门书，通常基于对象为人的互联网连接产生的数据，关注人的具体行位说，做，看，听等等，从此衍生的数据，运用到营销或组织方面等。但这类基于制造业的数据应用的介绍提供了另一个视角，除了工业生产线的部分，物联网设备的数据其实可以提供一个更为立体的用户情境展现。之所以这么做，是和设备和环境交互的必然结果
评分作者对大数据在制造业的应用，理论结合实际讲得清楚极了。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有