内容简介 本书以工业大数据的特点和需求为牵引，阐述了工业大数据分析的工程方法论，针对设备故障诊断与健康管理（Prognostics & Health Management，PHM）、生产质量分析（Product Quality Management，PQM）、生产效率优化（Production Efficiency Management，PEM）等提出了具体的分析课题定义方法，给出了典型分析场景和算法框架，并系统总结了工业大数据领域的常用分析算法（特别是时序挖掘算法），最后以6个实际案例从不同方面诠释了工业大数据分析项目的复杂性和多样性，包括纯数据驱动、专家知识驱动、机器学习与机理模型结合等类型的分析课题，以期形成工业大数据分析的工程化方法体系。 本书适合工业行业中从事数据分析、数字化转型、数据平台规划的专业人员阅读，也可为其他从事行业数据分析的专业人员及高等院校数据挖掘的研究人员提供参考。 编委会 （按姓氏音序排列） 总顾问 郭华东　中国科学院院士 谭建荣　中国工程院院士 编委会主任 韩亦舜 编委会副主任 孙　雪　徐　亭　赵　强 编委会成员 薄智泉　卜　辉　陈晶磊　陈　军　陈新刚　杜晓梦 高文宇　郭　炜　黄代恒　黄枝铜　李春光　李雨航 刘川意　刘　猛　单　单　盛国军　田春华　王薇薇 文　杰　吴垌沅　吴　建　杨　扬　曾　光　张鸿翔 张文升　张粤磊　周明星 丛书推荐序一数字经济的思维观与人才观 大数据的出现，给我们带来了巨大的想象空间：对科学研究来说，大数据已成为继实验、理论和计算模式之后的数据密集型科学范式的典型代表，带来了科研方法论的变革，正在成为科学发现的新引擎；对产业来说，在当今互联网、云计算、人工智能、大数据、区块链这些蓬勃发展的科技中，主角是数据，数据作为新的生产资料，正在驱动整个产业进行数字化转型。正因如此，大数据已成为知识经济时代的战略高地，数据主权…