《化学工业智能制造—互联化工》一书从计算技术和行业应用出发，对“互联化工”的架构、关键技术、模式等进行了系统介绍，包括物联网、工业大数据、数据挖掘等技术，及其在化学工业的具体应用。全书共11章，分别为：智能制造概述、智能制造之经典生产制造体系基础、智能制造之现代信息技术基础、互联化工、互联化工的关键信息技术、云制造—互联化工的跨尺度模式、数据挖掘、数据预处理、数据挖掘算法、数据挖掘应用案例、大数据可视化技术。
《化学工业智能制造—互联化工》可作为化学工程与工艺、过程装备与控制工程、材料科学与工程、冶金工程、环境科学与工程、安全科学与工程等专业本科及研究生教材，也可作为计算机类、电子信息类、电气类专业读者的拓展性学习用书。

吉旭，四川大学 化工学院，教授，中国系统工程学会过程系统专业委员会委员、四川省计算机学会高性能计算专业委员会委员，四川大学互联化工研究中心首席科学家，四川大学化工学院过程系统工程学术带头人。
研究方向为过程系统工程理论研究与应用开发，主攻连续生产行业技术经济分析与评价、过程系统信息化理论与应用、过程系统优化、过程系统可靠性分析、计算机集成过程系统（CIPS）研发等。
研究领域包括：过程系统工程理论与应用研究，材料加工的数字化技术及其工业化，高通量与材料基因组技术，过程行业智能制造及工业智能化理论与技术，工业大数据和人工智能技术，面向过程行业的优选控制（APC）、CIPS、CAPP和KM系统的研究与开发。
主持国家自然科学基金面上项目5项，四川省科技攻关项目项、企业协作项目三十余项，近年来在工业智能化领域完成科技成果转化超过3000万元。主持了中国建筑西部建设股份有限公司的工业智能化项目，该项目获2018年工信部智能制造及人工智能技术应用示范项目。发表SCI收录论文50余篇，出版教材1部。

章智能制造概述/1
1.1智能制造发展背景/2
1.2智能制造定义/3
1.3智能制造架构/6
1.4智能制造的特征/8
1.5各国推动智能制造发展的产业计划/9
1.5.1美国先进制造业国家战略计划/9
1.5.2德国工业4.0/11
1.5.3新工业法国/11
1.5.4英国工业2050战略/11
1.5.5日本工业价值链产业联盟/12
1.5.6中国制造强国战略/12
1.5.7各国智能制造策略比较/13
第2章智能制造之经典生产制造体系基础/15
2.1准时制生产/16
2.2精益生产/18
2.3柔性制造/20
2.4敏捷制造/20
2.5全面的质量管理和六西格玛质量管理/21
2.5.1全面质量管理/22
2.5.2六西格玛质量管理/23
2.5.3质量管理中的数据分析工具/25
2.6企业资源计划/26
2.6.1企业资源计划的概念/26
2.6.2企业资源计划的管理思想/27
2.6.3ERP的计划制定及计划层次/28
2.6.4与ERP系统集成的相关系统及工具/31
2.7知识管理与知识自动化/32
2.7.1知识管理的概念/32
2.7.2知识重组与知识推理/34
2.7.3知识自动化与智能制造/35
2.8计算机集成控制技术/36
2.8.1过程控制技术发展阶段/36
2.8.2计算机集成过程系统/37
第3章智能制造之现代信息技术基础/39
3.1物联网与工业互联网/40
3.1.1物联网概念/40
3.1.2物联网设备/40
3.1.3基于物联网技术的工业互联网/44
3.2面向智能制造的工业通信技术/46
3.2.1面向智能制造的工业通信架构/46
3.2.2工业现场总线通信技术/47
3.2.3工业以太网通信技术/48
3.2.4工业无线通信技术/49
3.2.55G通信技术/50
3.2.6网络通信的安全/53
3.3大数据/54
3.3.1数据信息知识智慧模型/54
3.3.2大数据概念/56
3.3.3大数据的资源化意义/58
3.3.4大数据分析方法与传统方法的区别/59
3.3.5数据的结构类别/61
3.3.6大数据技术/62
3.4云计算与边缘计算/63
3.4.1云计算的概念与特点/63
3.4.2基于云计算的大数据架构/65
3.4.3工业云/66
3.4.4边缘计算/67
3.5工业大数据/69
3.5.1工业大数据概念/69
3.5.2工业大数据的来源/70
3.5.3工业大数据的价值/71
3.5.4工业大数据的应用策略和方法/73
3.5.5工业大数据的关键技术/75
3.5.6工业大数据管理架构/76
3.5.7工业大数据的质量评价/77
3.6信息物理系统/78
3.6.1信息物理系统概念/78
3.6.2信息物理系统与智能制造/81
3.6.3信息物理系统技术架构/82
3.7人工智能/84
3.7.1人工智能的概念/84
3.7.2人工智能的发展历程/85
3.7.3人工智能的研究范围/87
3.7.4大数据、人工智能与智能制造/88
第4章互联化工/93
4.1化学工业发展中的挑战与问题提出/94
4.2化学工业对智能化技术的应用需求/96
4.3互联化工/97
4.3.1互联化工的概念/97
4.3.2互联化工架构模型/101
4.4互联化工的典型业务场景与模式/105
4.4.1绿色化的产品工程、工业工程与制造模式/106
4.4.2商务智能化与优化控制一体化/107
4.4.3面向供应链协同的柔性生产系统/110
4.4.4基于可靠性管理和知识集成的质量管理体系/113
4.4.5智能化设备与设备全生命周期管理/115
4.4.6制造执行系统/117
4.4.7能质网络集成管理平台与优化运行/119
4.4.8健康、安全、环境管理/121
4.4.9知识体系与知识自动化/126
第5章互联化工的关键信息技术/134
5.1互联化工的数字化技术/135
5.1.1互联化工的数据架构/135
5.1.2数据驱动的数字化技术/136
5.1.3基于过程机理的流程模拟技术/137
5.1.4互联化工的数据安全技术/139
5.2面向互联化工的工业互联网架构/140
5.3面向互联化工的信息物理系统/142
5.3.1互联化工信息物理系统层级划分/142
5.3.2互联化工信息物理系统的技术特征/143
5.4智慧化单元操作与单元过程/144
5.4.1基于信息物理系统的智慧化单元架构/144
5.4.2智慧化单元的控制过程/145
5.4.3智慧化单元的性能特点/145
5.5智能控制技术/146
5.5.1互联化工的智能控制要求/146
5.5.2智能控制技术/147
5.5.3智能控制技术的模式/148
5.5.4智能控制技术应用/149
第6章云制造——互联化工的跨尺度模式/152
6.1云制造概述/153
6.1.1云制造的概念/153
6.1.2云制造的服务对象/154
6.1.3云制造能力服务/154
6.1.4制造资源服务/155
6.2云制造架构/156
6.3云制造的支撑技术/158
6.4云制造的数字化模型/160
6.4.1云制造的数字化核心技术/161
6.4.2制造资源与能力的数字化描述/162
6.4.3能力评价模型/163
6.4.4服务组合优选算法模型/164
6.5云制造安全技术/166
6.6云制造的业务模式/168
6.6.1云制造平台的运营管理/168
6.6.2云制造平台的几种商业运营模式/168
第7章数据挖掘/171
7.1数据的相关概念/172
7.1.1数据特征属性/172
7.1.2数据管理的几个常用概念/174
7.1.3数据的尺度属性/174
7.1.4数据质量评估/175
7.2数据的存储方式/177
7.2.1结构化数据的存储/177
7.2.2非结构化数据的存储/177
7.2.3面向主题的数据存储—数据仓库/179
7.3数据挖掘概述/179
7.3.1数据挖掘的概念/179
7.3.2数据挖掘技术的特点/180
7.3.3数据挖掘模型/181
7.4数据挖掘项目的实施步骤/183
7.4.1问题定义/184
7.4.2数据预处理/185
7.4.3数据探索/186
7.4.4建立数据挖掘模型/187
7.4.5结果解释与评估/188
7.5数据挖掘项目的关键角色/188
7.6常用的数据挖掘软件工具/189
第8章数据预处理/192
8.1数据整合/193
8.2数据清洗/197
8.3数据转换/199
8.4数据归约/201
8.5特征属性的筛选（降维）方法/202
8.5.1基于线性相关性指标的筛选/202
8.5.2基于灰色关联法的筛选/203
8.5.3主成分分析法/204
8.6共线性问题/204
8.6.1共线性问题的识别/204
8.6.2消除共线性问题/205
8.7数据仓库/205
8.7.1数据仓库概要/205
8.7.2构建数据仓库的步骤/207
第9章数据挖掘算法/210
9.1聚类算法/211
9.1.1聚类算法概要/211
9.1.2常用的聚类算法/211
9.1.3聚类分析相似度的衡量/212
9.1.4聚类分析步骤/212
9.1.5聚类算法及结果的评价标准/213
9.1.6K-means聚类算法/213
9.2分类算法/216
9.2.1分类算法概要/216
9.2.2分类结果的评判/216
9.2.3k-近邻分类算法/217
9.2.4人工神经网络/219
9.3关联规则/223
9.3.1关联规则的基本概念/223
9.3.2关联规则的类型/224
9.3.3Apriori算法/224
9.4回归分析/227
9.4.1回归分析方法/227
9.4.2回归分析的步骤与逐步回归/228
9.5预测算法/230
9.5.1预测的基本概念/230
9.5.2常用的预测方法/231
9.5.3时间序列分析概要/233
9.5.4时间序列分析的算法策略/235
9.5.5时间序列分析的步骤/237
9.6优化问题/239
9.6.1遗传算法的概述/239
9.6.2蚁群算法的基本原理/240
9.6.3模拟退火算法的概述/241
9.7诊断概要/244
9.7.1离群点/244
9.7.2离群点判据模型的建立原则/245
9.7.3离群点的常用检测方法/245
9.7.4异常（故障）模式诊断/247
0章数据挖掘应用案例/251
10.1材料基因组计划/252
10.1.1材料基因组计划概要/252
10.1.2神经网络模型预测晶体材料的形成能/255
10.1.3基于关联规则模型的材料性能分析/255
10.2化工系统的可靠性评价/257
10.2.1化工系统可靠性评价指标/257
10.2.2分析模型的建立/258
10.2.3灰色关联分析/259
10.2.4马尔可夫修正/260
10.3煤化工产业链的协同机制与模型/261
10.3.1基于社会网络分析法的供应链模型/262
10.3.2基于工业代谢平衡的协同度评价/265
10.4设备异常识别与预防性维修/267
10.4.1模型的建立/267
10.4.2设备异常识别案例/269
10.5基于智能算法的软测量技术/272
10.5.1软测量技术概述/272
10.5.2软测量模型及基于软测量的异常诊断/273
10.5.3粉料储罐料位的软测量模型/274
1章大数据可视化技术/276
11.1数据可视化技术概述/277
11.1.1数据可视化概念/277
11.1.2数据可视化的基本要素和分类/277
11.1.3可视化数据分类/279
11.1.4数据可视化的层次/279
11.2常用的数据可视化图形/280
11.2.1常用三大图：柱（条）、线、饼（环）/280
11.2.2面积图、雷达图、散点图、气泡图/283
11.2.3地理图/284
11.2.4矩形树图、日历图、桑基图、漏斗图、箱线图/285
11.2.5词云、鱼骨图/287
11.2.6数据可视化多图集合模式/287
11.3常用的数据可视化工具/288
英文缩略词对照表/290
参考文献/294