4.7 用户推荐指数
互联网
类型
可以朗读
语音朗读
161千字
字数
2019-10-01
发行日期
展开全部
主编推荐语
第四次工业革命智能化大趋势的角度,揭示工业物联网、工业大数据、数字孪生等实现智能工厂的关键技术和部署战略。
内容简介
本书从第四次工业革命智能化大趋势的角度,分析了企业如何用大数据向智能企业转型升级的必然方向,揭示了工业物联网、工业大数据、数字孪生等实现智能工厂的关键技术和部署战略,给出了可以结合各企业实际生产经营情况融合落地的战略路径,激发各企业家勇于自我革命的勇气,正确面对新工业革命带来的战略机遇与风险挑战,处理好长期发展和短期维持的利益平衡关系。
目录
- 版权信息
- 推荐语
- 前言
- 第1章 互联网的数据逻辑
- 1.1 为什么要大数据思维——新时代的变革要求
- 1.1.1 普遍存在对大数据的片面认识
- 1.1.2 片面的认识导致企业对大数据充满困惑
- 1.1.3 技术在推动变革,但企业完成变革不能仅仅靠技术
- 1.2 传统的假设和今天的事实
- 1.2.1 传统的假设:生产商可基于自身情况组织生产
- 1.2.2 今天的事实:互联网要求企业聆听各方声音
- 1.3 消费者通过互联网大数据倒逼生产者变革
- 1.3.1 互联网给消费者带来的体验
- 1.3.2 互联网给生产者带来的赋能
- 1.3.3 所有生产者都必须改革
- 1.4 未来什么传统必然会被“互联网-”
- 1.4.1 效率低下
- 1.4.2 单打独斗
- 1.4.3 难以改变
- 1.4.4 漠视用户
- 1.5 互联网时代的创新与数字化转型
- 1.5.1 大数据是满足以用户为中心进行生产的必然要求
- 1.5.2 大数据已经成为全球共识的战略资源
- 第2章 大数据究竟是什么
- 2.1 企业到底该怎样理解大数据
- 2.1.1 大数据概念和企业有什么关系
- 2.1.2 从企业的角度来说,如何理解大数据
- 2.1.3 大数据有哪些技术和工具
- 2.2 与传统企业“小”数据完全不同的操作
- 2.3 IT与DT的对比
- 2.4 大数据会带来怎样的企业变革
- 2.4.1 用系统性思维构建企业大数据体系
- 2.4.2 大数据促进企业变革的基本原理
- 2.4.3 大数据如何扩展企业认知能力而达到智慧
- 2.4.4 未来工厂通过工业大数据能自主学习和持续进化
- 2.4.5 工业4.0进阶六步法
- 2.5 有效建构大数据商业模式的“数据飞轮模型”
- 2.5.1 对于企业来说大数据的核心价值何在
- 2.5.2 驱动企业持续运转的商业因素
- 2.5.3 大数据如何扩展企业认知能力
- 2.5.4 发展趋势:大数据产业化的发展蓝图
- 2.5.5 “数据飞轮模型”与商业模式要素的对应关系
- 第3章 大数据思维的内涵
- 3.1 解读:什么是大数据思维
- 3.1.1 舍恩伯格的三条大数据思维法则
- 3.1.2 具有中国特色的第四条大数据思维法则
- 3.2 解析大数据思维的核心原理
- 3.2.1 数据总结过去:大数据的生命进化论
- 3.2.2 数据驱动现在:大数据的倒逼和推动
- 3.2.3 数据预测未来:大数据的相关性原理
- 3.3 舍恩伯格大数据思维法则
- 3.3.1 大数据思维缘起:一切皆可数据化
- 3.3.2 大数据思维法则之二:更杂更多样
- 3.3.3 大数据思维法则之三:要全体数据
- 3.3.4 大数据思维法则之四:更多使用相关关系
- 3.4 扩展:新的大数据思维法则
- 3.4.1 数据不到真不为财
- 3.4.2 心中有数机会无数
- 3.4.3 促进信息物理融合
- 3.4.4 实事成数而后求是
- 3.5 用大数据思维方式思考、解决问题
- 3.5.1 认识:业务优化的概念和发展
- 3.5.2 实现:业务优化离不开大数据
- 3.5.3 精益:数据分析与业务流程优化融合
- 3.5.4 创新:帮助消费者实现创意和梦想
- 3.5.5 智慧:让企业在新时代持续成长
- 3.5.6 总结:坚持企业大数据,赢得未来
- 第4章 新工业革命为什么智能
- 4.1 智能制造:第四次工业革命的全球目标
- 4.1.1 面对革命——企业有两种态度选择
- 4.1.2 如何革命——成为新工业时代中的智能企业
- 4.2 创新成为大众化需求
- 4.2.1 现状:创新不再被少数组织垄断而成为大众化需求
- 4.2.2 趋势:帮助消费者成为创客是新工厂必然趋势
- 4.2.3 目标:大数据帮助企业实现工业4.0的变革
- 4.3 智能工厂的特征和运作逻辑
- 4.3.1 智能工厂的基本特征
- 4.3.2 智能工厂背后的运作逻辑
- 4.4 智能工厂是大数据驱动自主生产的“新制造”模式
- 4.4.1 智能工厂像是一辆具有自动驾驶能力的无人车
- 4.4.2 类比:谷歌无人车由数据驱动而具备自动巡航能力
- 4.5 商业革命——未来都是数据生意
- 4.5.1 革命必然:“互联网+大数据”的智能化生产方式
- 4.5.2 知识经济:全球化的分布式创新让创客大放异彩
- 第5章 建设智能工厂障碍分析
- 5.1 工业生产过程中的信息需求和演变过程
- 5.1.1 工业生产过程中的信息需求
- 5.1.2 工业信息化的基本演变过程
- 5.1.3 信息化和数字化战略到底是矛还是盾
- 5.1.4 实现智能工厂要克服的障碍和要解决的问题
- 5.2 企业信息化发展规律和发展水平评价模型
- 5.2.1 企业信息系统发展的困境
- 5.2.2 企业信息化的发展评价模型
- 5.2.3 企业信息化发展的阶段论分析
- 5.3 当前中国企业的信息化局面普遍不容乐观
- 5.3.1 企业面对规模扩张带来的信息难题
- 5.3.2 企业在移动互联网时代遭遇“被信息化”陷阱
- 5.4 如何实现制造物理世界与信息世界的交互与融合
- 5.4.1 新常态下企业怎么做好信息化工作
- 5.4.2 企业信息化大变革已经势在必行
- 5.5 如何应对互联网大数据越来越迫切的倒逼
- 5.5.1 企业面对“互联网+”该如何选择
- 5.5.2 数字化战略与转型路径怎么做
- 第6章 智能工厂关键技术介绍
- 6.1 数字孪生:有效实现智能工厂的关键技术
- 6.1.1 数字孪生关键技术支撑智能工厂的养成
- 6.1.2 数字孪生是实现智能工厂的有效途径
- 6.1.3 数字孪生为何成为战略科技发展必然趋势
- 6.2 工业互联网:物理上生产要素互联互通
- 6.3 云制造:虚拟中生产方案不断优化
- 6.4 数字孪生控制机器人:现实中生产活动更加高效
- 6.5 工业大数据:资产过程中知识财富不断积累
- 6.6 区块链:解决数据应用的信用问题
- 6.6.1 区块链到底是不是新工业革命的必需配置
- 6.6.2 信任成为刚需,信任机器成为热门
- 6.7 人工智能:助力打造智能数字化工厂
- 6.7.1 人工智能让生产从自动化走向智能化
- 6.7.2 对人工智能反思人类智能
- 第7章 智能工厂应用案例分享
- 7.1 基于数字孪生的发电机组智能健康管理
- 7.1.1 基于数字孪生的智能电厂实现框架
- 7.1.2 具体分享:必可测的智能电厂方案
- 7.2 孪生数据支撑领导层做出更加合理的生产决策
- 7.2.1 在孪生数据的基础上实现解决现实问题的智能应用
- 7.2.2 信息物理融合基础:编码贯穿所有核心物理资产
- 7.2.3 根据动静两类设备建构对应的数字孪生生产环境
- 7.2.4 信息空间和物理空间全体生产要素的高度融合
- 7.2.5 实现孪生数据的直观可视化
- 7.2.6 数字孪生——智能工厂未来新趋势
- 7.3 数字孪生指导下建设智能电厂的经验总结
- 第8章 智能工厂实施策略研讨
- 8.1 用大数据实现业务创新的方法
- 8.1.1 大数据业务创新的五大步骤
- 8.1.2 经典大数据创新的案例
- 8.2 在商言商,规划企业的大数据“生意”
- 8.2.1 用商业模式画布描述企业的大数据资产经营
- 8.2.2 企业经营大数据的价值链分析
- 8.2.3 CBM把能力目标落地成具体的业务安排
- 8.3 结合商业模式分析方法勾勒企业大数据版图
- 8.4 企业大数据应用顶层设计参考模型
- 8.4.1 了解企业架构和顶层设计的关系
- 8.4.2 为什么企业变革要做顶层设计工作
- 8.4.3 企业大数据应用顶层设计参考模型用法
- 8.5 融合企业商业模式构建大数据应用落地方案
- 8.5.1 企业战略
- 8.5.2 企业信息化治理蓝图
- 8.5.3 企业对数据投资的重要性
- 8.5.4 大数据应用与企业商业模式要素的对应关系
- 8.6 数据应用推动国际商业机器公司战略转型
展开全部
出版方
电子工业出版社
电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。