工业互联网产业联盟自2016年2月1日成立至今，汇聚工业制造企业、工业解决方案提供商、信息通信业、安全等多领域超过1200家先进企业和科研机构，形成了“12+9+X”组织架构。联盟在工业和信息化部的指导下，依托各工作组和特设组，与联盟成员单位共同努力，先后从工业互联网顶层设计、技术研发、标准研制、测试床、产业实践、国际合作等多方面开展工作，发布了工业互联网白皮书、工业互联网平台、测试床、优秀应用案例等系列成果，广泛参与国内外大型工业互联网相关活动，为政府决策、产业发展提供智力支持，为深入贯彻落实国务院发布《关于深化“互联网+先进制造业” 发展工业互联网的指导意见》、《工业互联网发展行动计划（2018-2020年）》等政策提供关键支撑。

目录／Contents

第1章 工业大数据分析概论 /001
1．1 工业大数据分析概述 /002
1．2 工业大数据分析的特殊性 /011
1．3 工业大数据分析中的常见问题 /015
第2章 工业大数据分析框架 /019
2．1 CRISP-DM模型 /020
2．2 CRISP-DM模型落地的难点 /022
2．3 工业大数据分析的指导思想 /024
第3章 业务理解 /027
3．1 认识工业对象 /028
3．2 理解数据分析的需求 /032
3．3 工业数据分析目标的评估 /035
3．4 产品全生命周期 /038



第4章 数据理解 /041
4．1 数据来源 /042
4．2 数据的分类及相互关系 /046
4．3 数据质量 /049
第5章 数据准备 /053
5．1 业务系统的数据准备 /054
5．2 工业企业的数据准备 /056
5．3 物联网的数据准备 /058
5．4 建模分析的数据准备 /060
第6章 数据建模 /065
6．1 模型的形式化描述 /066
6．2 工业建模的基本过程 /070
6．3 工业建模的特征工程 /073
6．4 工业大数据分析的算法介绍 /077



第7章 模型的验证与评估 /085
7．1 知识的质量 /086
7．2 传统数据分析方法及其存在的问题 /088
7．3 基于领域知识的模型验证与评估 /091
7．4 总结与展望 /095
第8章 模型的部署 /097
8．1 模型部署前应考虑的问题 /098
8．2 实施和运行中的问题 /101
8．3 问题的解决方法 /103
8．4 部署后的持续优化 /105
第9章 展望未来 /107