《AI赋能:企业智能化应用实践》封面

内容简介

  本书是一本介绍AI技术在企业生产和运营过程中实践应用的图书,全书共6章:智能化应用的概念,智能化应用的价值、挑战及发展趋势,智能化技术概述,多行业智能化应用业务场景分析,智能化应用的项目化实施和智能化应用的实践案例。
  本书旨在为企业提供实用的AI应用指南,深入介绍了智能化应用的开发和实施过程,包括技术架构、数据管理、算法选择、模型训练和评估等内容,并结合实际案例分享经验和方法论,帮助读者在实践中掌握建立智能化应用的关键技术和管理能力。
  本书读者对象为:数据分析、人工智能、机器学习等领域的从业人员;对于企业数字化转型和智能化应用感兴趣的企业管理者和决策者;对于智能化应用感兴趣,希望深入了解智能化技术和应用场景的读者。

作者简介

  田野,联想方案服务集团产品中心资深数据科学家,原数据智能集团突出贡献专家。研究领域包括机器学习、人工智能及工业智能。在工艺优化质量控制、能耗优化、供应链优化等领域有丰富的工程实践经验,主持和建设了国内外十余家世界500强企业的智能化转型和智能化应用项目,拥有国内外授权专利30余项。
  张建伟,联想方案服务集团产品中心总监,中国企业数字化转型的资深实践者。拥有20余年大数据及智能制造领域从业经验,对大数据应用、数据治理、智能化应用等相关技术和实践有着深刻理解及丰富的经验。作为总架构师,主导和完成了国内数十家制造业企业的数字化转型项目,为中国制造业的数字化转型探索出了一条清晰的解决之道。

目录

封面
版权信息
前折页
插图
序言一
序言二
前言
第1章 智能化应用的概念
1.1 智能化的概念
1.1.1 什么是智能化
1.1.2 企业为什么需要智能化
1.1.3 企业如何实现智能化
1.1.4 智能化与数字化的关系
1.2 智能化应用:构建企业智能化生态的关键要素
1.3 智能化应用的分类
1.3.1 数据分析型智能化应用
1.3.2 决策支持型智能化应用
1.3.3 自动化型智能化应用
1.3.4 人机协作型智能化应用
1.4 智能化应用的构成要素
1.4.1 数据基础
1.4.2 业务需求
1.4.3 技术支撑
1.4.4 战略驱动
第2章 智能化应用的价值、挑战及发展趋势
2.1 智能化应用的价值
2.1.1 提高效率
2.1.2 优化决策
2.1.3 降低成本
2.1.4 改善用户体验
2.1.5 增强竞争力
2.2 智能化应用面临的挑战
2.2.1 数据质量
2.2.2 算法不可解释
2.2.3 数据隐私
2.2.4 数据安全风险
2.3 智能化应用的发展趋势
2.3.1 技术深度融合
2.3.2 数据价值挖掘
2.3.3 跨行业应用
第3章 智能化技术概述
3.1 智能化技术的概念和发展历程
3.1.1 智能化技术的概念
3.1.2 智能化技术的发展历程
3.2 智能化技术的分类
3.2.1 人工智能技术
3.2.2 区块链技术
3.2.3 机器人技术
3.2.4 传感器技术
3.2.5 云计算技术
3.2.6 大数据技术
3.2.7 物联网技术
3.2.8 边缘计算技术
3.3 智能化技术的主要应用场景
3.3.1 智能感知与识别
3.3.2 数据分析与挖掘
3.3.3 业务智能决策
3.3.4 工艺与流程优化
3.3.5 智能控制与自动化
3.3.6 人机交互与协同
3.4 智能化技术的发展趋势
3.4.1 多模态融合技术将更加普及,强化智能化交互体验
3.4.2 与业务深度融合,促进企业业务升级
3.4.3 向边缘设备推进,实现分布式智能化应用
3.4.4 注重数据安全和隐私保护,应对数据安全风险挑战
3.4.5 注重社会责任和伦理问题,推动智能化应用健康发展
第4章 多行业智能化应用业务场景分析
4.1 汽车行业
4.1.1 汽车行业业务分析
4.1.2 汽车行业智能化应用的全景分析
4.1.3 典型智能化应用一:基于机器学习技术的汽车销量预测
4.1.4 典型智能化应用二:基于多分类深度学习技术的汽车售后备件需求预测
4.1.5 典型智能化应用三:基于多目标优化技术的售后服务备件生产计划和库存优化
4.2 石油石化行业
4.2.1 石油石化行业业务分析
4.2.2 石油石化行业智能化应用的全景分析
4.2.3 典型智能化应用一:基于运筹优化技术的油气田智能钻井参数优化
4.2.4 典型智能化应用二:炼油工艺产品收率优化
4.2.5 典型智能化应用三:工艺参数智能预警与控制
4.3 化工行业
4.3.1 化工行业业务分析
4.3.2 化工行业智能化应用的全景分析
4.3.3 典型智能化应用一:化学品生产工艺的多目标优化
4.3.4 典型智能化应用二:生产流程的质量智能检测
4.3.5 典型智能化应用三:化工产品组分纯度的智能控制
4.4 烟草行业
4.4.1 烟草行业业务分析
4.4.2 烟草行业智能化应用的全景分析
4.4.3 典型智能化应用一:制丝线水分稳定性智能控制
4.4.4 典型智能化应用二:基于机器学习与运筹优化技术的烘丝机出口质量优化
4.4.5 典型智能化应用三:基于机器视觉与仿真技术的全线质量控制
4.5 钢铁行业
4.5.1 钢铁行业业务分析
4.5.2 钢铁行业智能化应用的全景分析
4.5.3 典型智能化应用一:基于卷积神经网络的钢板表面缺陷检测与识别
4.5.4 典型智能化应用二:基于深度学习的VD炉的炉温控制质量检测
4.5.5 典型智能化应用三:基于人工智能技术的钢材制成件的销量预测
4.6 通信运营商
4.6.1 通信运营商业务分析
4.6.2 通信运营商智能化应用的全景分析
4.6.3 典型智能化应用一:智能语音客服
4.6.4 典型智能化应用二:智能化用户画像与营销推荐系统
4.6.5 典型智能化应用三:智能化网络调度与安全
4.7 其他行业
4.7.1 零售业
4.7.2 医疗健康行业
4.7.3 物流行业
4.7.4 机械制造行业
第5章 智能化应用的项目化实施
5.1 智能化应用的前期准备
5.1.1 智能应用场景识别
5.1.2 智能应用的业务价值分析
5.2 智能化应用的可行性分析
5.2.1 ROI预估
5.2.2 数据可用性和可信度评估
5.2.3 智能化技术可行性和可扩展性评估
5.2.4 企业内部的技术和人员资源评估
5.3 工程化实施团队组建
5.3.1 确定团队目标与考核体系
5.3.2 确定团队人员角色及分工
5.3.3 确定团队组织形式:跨组织、委外、合作
5.3.4 确定团队沟通机制
5.4 智能化应用的开发流程
5.4.1 需求分析和定义
5.4.2 数据采集和预处理
5.4.3 算法技术方案设计
5.4.4 算法和模型开发
5.4.5 智能化应用集成
5.4.6 应用部署和测试
5.4.7 迭代和优化
5.5 智能化应用的系统化集成
5.5.1 智能化应用的架构设计与实现
5.5.2 业务应用设计、开发与集成
5.5.3 前后端应用的设计、开发与集成
第6章 智能化应用的实践案例
6.1 某全球化学品龙头生产企业——工艺优化与产品质量智能预测
6.2 某新能源电池企业——售后备件供应链智能优化
6.3 某卷烟厂——基于机器学习与运筹优化技术的制丝线智能控制系统
6.4 某国产汽车龙头企业——汽车售后服务智能优化
6.5 某化纤龙头企业——基于销量预测的智能排产与转产
后折页
封底

最后修改:2024 年 06 月 27 日