互联网 类型
可以朗读 语音朗读
209千字 字数
2025-06-01 发行日期
展开全部

主编推荐语

带你破局智能运维困境，革新设备管理模式，打造数字化转型的核心驱动力。

内容简介

本书以设备智能运维的概念、目标为基础，阐述了设备智能运维的现状和问题，提出了智能运维可实现的目标及实施方法。本书提出了设备智能运维成熟度的概念和评价指标，从设备数据化、数据分析和智能化、人员能力、管理、数据平台5个维度评价设备智能运维的成熟度，并介绍了这5个维度各自的提升途径，给出了通常情况下的实现方法。

本书还介绍了常用的设备监测诊断技术，以工业现场应用的角度介绍了在应用中需要掌握的重点和要点，可以作为实施状态检测的参考资料，助力管理和执行人员构建系统化的实践框架。

目录

  • 版权信息
  • FOREWORD 序
  • PREFACE 前言
  • CHAPTER 1 第1章 设备智能运维概论
  • 1.1 什么是智能运维
  • 1.2 为什么要智能运维
  • 1.3 智能运维目前存在的问题
  • 1.4 智能运维的基本要求
  • 1.5 智能运维的效益
  • 1.6 智能运维的意义
  • CHAPTER 2 第2章 设备维修方式与运维模式
  • 2.1 设备维修方式的演进
  • 2.1.1 事后维修
  • 2.1.2 预防维修
  • 2.1.3 预知维修
  • 2.1.4 预测维修
  • 2.2 设备运维模式的发展
  • 2.2.1 预防维修模式
  • 2.2.2 点检定修制模式
  • 2.2.3 设备智能运维模式
  • 2.3 设备维修方式与设备运维模式的关系
  • 2.4 智能运维模式的发展趋势探讨
  • CHAPTER 3 第3章 设备智能运维的成熟度
  • 3.1 为什么需要设备智能运维成熟度模型
  • 3.2 智能运维的成熟度要素
  • 3.3 设备数字化的要求
  • 3.3.1 智能运维一级的设备数字化要求
  • 3.3.2 智能运维二级的设备数字化要求
  • 3.3.3 智能运维三级的设备数字化要求
  • 3.3.4 智能运维四级的设备数字化要求
  • 3.3.5 智能运维五级的设备数字化要求
  • 3.4 对数据分析与智能化程度的要求
  • 3.4.1 数据分析与智能化一级的能力要求
  • 3.4.2 数据分析与智能化二级的能力要求
  • 3.4.3 数据分析与智能化三级的能力要求
  • 3.4.4 数据分析与智能化四级的能力要求
  • 3.4.5 数据分析与智能化五级的能力要求
  • 3.5 对人员能力素质的要求
  • 3.5.1 智能运维一级对人员能力素质的要求
  • 3.5.2 智能运维二级对人员能力素质的要求
  • 3.5.3 智能运维三级对人员能力素质的要求
  • 3.5.4 智能运维四级对人员能力素质的要求
  • 3.5.5 智能运维五级对人员能力素质的要求
  • 3.6 对管理的要求
  • 3.6.1 智能运维一级的管理要求
  • 3.6.2 智能运维二级的管理要求
  • 3.6.3 智能运维三级的管理要求
  • 3.6.4 智能运维四级的管理要求
  • 3.6.5 智能运维五级的管理要求
  • 3.7 对数据平台的要求
  • 3.7.1 智能运维一级的数据平台要求
  • 3.7.2 智能运维二级的数据平台要求
  • 3.7.3 智能运维三级的数据平台要求
  • 3.7.4 智能运维四级的数据平台要求
  • 3.7.5 智能运维五级的数据平台要求
  • 3.8 智能运维成熟度评价
  • CHAPTER 4 第4章 设备数字化方法
  • 4.1 设备分类分层和维修方式
  • 4.1.1 设备分类分层方法
  • 4.1.2 设备维修方式的确定原则、技术原理与特性
  • 4.1.3 预知维修设备的确定
  • 4.2 事后维修设备的数字化方法
  • 4.3 预防维修设备的数字化方法
  • 4.3.1 预防维修设备的类型
  • 4.3.2 预防维修设备的数据内容
  • 4.4 预知维修设备的数字化方法
  • 4.4.1 掌握设备状态的方式
  • 4.4.2 预知维修设备的数据内容
  • 4.4.3 设备状态监测的要点
  • 4.5 预测维修设备的数字化方法
  • 4.6 设备维护过程的数字化方法
  • 4.7 设备维修过程的数字化方法
  • CHAPTER 5 第5章 设备数据分析与智能化方法
  • 5.1 数据预处理
  • 5.1.1 数据清洗
  • 5.1.2 数据整理
  • 5.1.3 数据变换
  • 5.1.4 特征量提取
  • 5.1.5 数据分组
  • 5.1.6 数据闭环
  • 5.2 基于知识的分析诊断方法
  • 5.2.1 故障诊断方法
  • 5.2.2 因果关系树诊断法
  • 5.2.3 第一原则模型
  • 5.3 数据驱动的分析诊断方法
  • 5.3.1 基于统计数据的分析诊断
  • 5.3.2 基于案例推理的分析诊断
  • 5.3.3 基于神经网络的分析诊断
  • 5.3.4 基于决策树的分析诊断
  • 5.3.5 基于随机森林的分析诊断
  • 5.3.6 基于逻辑回归的分析诊断
  • 5.3.7 基于支持向量机的分析诊断
  • 5.4 分析诊断方法的比较和选择
  • 5.4.1 分析诊断方法的比较
  • 5.4.2 分析诊断方法的选择
  • 5.5 分析结果的展现
  • 5.6 模型的构建、评估、部署与优化
  • 5.6.1 模型构建
  • 5.6.2 模型评估
  • 5.6.3 模型部署
  • 5.6.4 验证优化
  • 5.7 设备状态预测
  • 5.8 设备健康度评价
  • 5.9 数字孪生的应用
  • 5.9.1 数字孪生建模方法
  • 5.9.2 数字孪生在设备状态诊断中的应用
  • 5.9.3 数字孪生在生产过程中的作用
  • 5.9.4 数字孪生在工业应用中面临的难点问题
  • 5.10 知识图谱
  • 5.11 智能运维决策模型
  • 5.11.1 智能决策方法
  • 5.11.2 决策模型部署与优化
  • CHAPTER 6 第6章 智能运维对人员素质的要求
  • 6.1 智维工程师的能力素质要求
  • 6.1.1 智维工程师一级
  • 6.1.2 智维工程师二级
  • 6.1.3 智维工程师三级
  • 6.1.4 智维工程师四级
  • 6.1.5 培训时长及工作经历要求
  • 6.1.6 培训课程内容及要求
  • 6.2 智维分析师的能力素质要求
  • 6.2.1 智维分析师一级
  • 6.2.2 智维分析师二级
  • 6.2.3 智维分析师三级
  • 6.2.4 智维分析师四级
  • 6.2.5 培训时长及工作经历要求
  • 6.2.6 培训课程内容及要求
  • 6.3 智维维护师的能力素质要求
  • 6.3.1 智维维护师一级
  • 6.3.2 智维维护师二级
  • 6.3.3 智维维护师三级
  • 6.3.4 智维维护师四级
  • 6.3.5 培训时长及工作经历要求
  • 6.3.6 培训课程内容及要求
  • 6.4 智维管理师的能力素质要求
  • 6.4.1 智维管理师一级
  • 6.4.2 智维管理师二级
  • 6.4.3 智维管理师三级
  • 6.4.4 智维管理师四级
  • 6.4.5 培训时长及工作经历要求
  • 6.4.6 培训课程内容及要求
  • CHAPTER 7 第7章 设备管理
  • 7.1 目标制定
  • 7.2 设备数字化规范及标准
  • 7.3 设备数字化管理
  • 7.3.1 保障设备数据的合规性和完整性
  • 7.3.2 检查设备数据的质量、分组和闭环
  • 7.3.3 检查设备的数据流与工作流
  • 7.3.4 检查落实设备维修策略
  • 7.3.5 设备事故分析及提炼
  • 7.3.6 制定智能运维评价指标
  • 7.4 设备数据资产化
  • 7.4.1 确立数据治理架构
  • 7.4.2 搭建高效的数据平台
  • 7.4.3 推动数据文化建设
  • 7.4.4 保护数据安全与隐私
  • 7.4.5 开展数据价值挖掘
  • 7.4.6 监测与优化数据资产
  • 7.5 追求价值最大化
  • 7.6 资源配置
  • 7.7 组织架构优化
  • CHAPTER 8 第8章 设备数据平台
  • 8.1 数据来源及数据预处理
  • 8.1.1 数据平台的数据来源
  • 8.1.2 对数据平台的能力要求
  • 8.2 基本功能架构
  • 8.2.1 成熟度一级的数据平台基本功能
  • 8.2.2 成熟度二级的数据平台基本功能
  • 8.2.3 成熟度三级的数据平台基本功能
  • 8.2.4 成熟度四级的数据平台基本功能
  • 8.2.5 成熟度五级的数据平台基本功能
  • 8.3 分析工具的功能要求
  • 8.3.1 波形数据的量值
  • 8.3.2 时域信号分析
  • 8.3.3 频域信号分析
  • 8.3.4 生产过程数据分析
  • 8.3.5 计算及统计
  • 8.4 设备及数据的展示方法
  • 8.4.1 几种常见的设备及数据展示方法对比
  • 8.4.2 数据分组的展示方法
  • 8.4.3 数据闭环的展示方法
  • 8.5 状态预警方法和预警模型
  • 8.5.1 设备状态预警方法
  • 8.5.2 状态预警模型
  • 8.5.3 按不同工况设置预警值
  • 8.6 数据流与工作流
  • 8.6.1 事后维修的数据流
  • 8.6.2 预防维修的数据流
  • 8.6.3 预知维修的数据流
  • 8.6.4 预测维修的数据流
  • 8.6.5 工作流与数据流的相互配合
  • 8.7 数据平台中需要的知识及其应用
  • 8.7.1 现有知识的类型及提取方法
  • 8.7.2 从数据中学习
  • 8.7.3 知识的应用
  • 8.8 优化控制的实现方法
  • CHAPTER 9 第9章 设备智能运维的方案
  • 9.1 当前智能运维能力评估
  • 9.2 智能运维方案选择
  • 9.3 实施方案制订
  • CHAPTER 10 第10章 设备智能运维标准的内容及标准化方法
  • 10.1 标准化的重要性及标准的内容
  • 10.2 设备分类分层
  • 10.2.1 设备分类分层的目标
  • 10.2.2 设备分类分层的方法
  • 10.3 设备维修策略选用
  • 10.4 命名规范
  • 10.4.1 设备及部件命名规范
  • 10.4.2 设备异常及故障命名规范
  • 10.4.3 设备维护维修名词
  • 10.5 设备维护维修数字化标准
  • 10.6 设备基础数据标准
  • 10.7 设备运行数据采集标准
  • 10.8 设备下机状态评价标准
  • 10.9 设备状态监测技术选用参考标准
  • 10.10 设备监测系统设计规范
  • 10.10.1 常用传感器的性能指标及选型
  • 10.10.2 常用监测装置的技术指标规范
  • 10.10.3 监测传感器安装位置及监测点数量
  • 10.11 监测系统数据采集参数配置
  • 10.11.1 振动监测的数据采集相关参数配置
  • 10.11.2 电流监测的数据采集相关参数配置
  • 10.11.3 扭矩、扭振的数据采集相关参数配置
  • 10.11.4 应力监测的数据采集相关参数配置
  • 10.11.5 压力流量的数据采集相关参数配置
  • 10.11.6 单数值监测的数据采集相关参数配置
  • 10.12 传感器及监测系统安装规范
  • 10.12.1 振动传感器的安装规范
  • 10.12.2 监测系统的安装规范
  • CHAPTER 11 第11章 常用的设备状态检测技术
  • 11.1 振动检测技术
  • 11.1.1 振动传感器分类
  • 11.1.2 振动监测的三要素
  • 11.1.3 振动采集参数的设定原理
  • 11.1.4 振动的预警值设置
  • 11.1.5 设备工况对设备状态的影响
  • 11.2 温度检测技术
  • 11.2.1 常规温度检测技术
  • 11.2.2 红外热成像技术
  • 11.3 油液监测技术
  • 11.3.1 油液监测技术的主要内容
  • 11.3.2 设备用油的在线监测技术
  • 11.4 无损检测技术
  • 11.4.1 射线检测
  • 11.4.2 超声检测
  • 11.4.3 磁粉检测
  • 11.4.4 渗透检测
  • 11.4.5 涡流检测
  • 11.5 绝缘检测技术
  • 11.5.1 绝缘电阻和极化指数
  • 11.5.2 直流泄漏和直流耐压试验
  • 11.5.3 匝间绝缘的耐压试验
  • 11.5.4 对地绝缘耐压试验
  • 11.5.5 介质损耗角正切值及其增量
  • 11.5.6 局部放电检测
  • 11.6 应力检测技术
  • 11.6.1 应力检测的特点与局限性
  • 11.6.2 应力检测在设备运维中的应用
  • 11.7 电流检测技术
  • 11.7.1 电流检测技术的主要方法
  • 11.7.2 电流检测在设备运维中的作用
  • 11.7.3 电流故障诊断方法
  • 11.8 声发射检测技术
  • 11.9 声音检测技术
  • 11.10 图像检测技术
  • 11.11 气体检测技术
  • 11.12 生产过程参数检测技术
  • 11.13 高压开关机械性能在线监测技术
展开全部

评分及书评

评分不足
1个评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。