2022年,第15届中国 R 会(北京)将于11月19-25日在中国人民大学召开,本次会议由统计之都,中国人民大学统计学院、中国人民大学应用统计科学研究中心主办,得到 Posit 赞助支持,将以线上会议和线下会议相结合的方式举办。欢迎进入 R 会官网,获取更多会议信息!
链接:
https://china-r.org/bj2022/index.html
下面为您奉上本次 R 会工业大数据专场演讲介绍,本会场主席为田春华:
工业大数据专场
时间:2022年11月24日 晚上19:00-22:30
腾讯会议号:343593261
腾讯会议链接:https://meeting.tencent.com/dm/7964IGP6IzYH
01
宋哲
数据驱动的电动汽车充电过程监控
个人简介
南京大学商学院教授,博士生导师,美国爱荷华大学(University of Iowa)工业工程博士、博士后。主要研究方向为工业大数据驱动的预测建模、复杂网络建模与仿真、智慧能源管理。在大数据分析建模和管理决策优化方向已经发表高影响因子国际期刊论文30多篇,被引用3000多次,获中国和美国发明专利13项。国际知名期刊IEEE Transactions on Sustainable Energy副主编;Journal of Intelligent Manufacturing 副主编。IEEE Power Engineering Society Letters, Industrial Engineering& Management编委成员。担任十多个国际一流期刊的审稿人, 如 IEEE Trans. Industrial Informatics, European Journal of Operational Research、IEEE Trans. Industrial Electronics、IEEE Trans. Systems, Man, and Cybernetics等;INFORMS, IISE, IEEE协会会员。
报告摘要
据公安部统计,截至2022年9月底,全国新能源汽车保有量达1149万辆,占汽车保有量的3.65%。其中,纯电动汽车保有量926万辆,占新能源汽车总量的80%。由于车质量参差不齐,用户驾驶习惯和充电安全意识不够高,近年来电动汽车自燃和充电过程中起火事故常有发生,给人民群众生命财产带来极大的安全隐患。电动汽车在充电过程中,车辆BMS(Battery Management System)系统和充电桩之间进行通讯,会产生大量的有价值实时数据,比如电流、电压、SOC、温度等等。将这些数据“养殖”起来,结合动力电池故障机理和残差方法,经典的统计控制图和机器学习算法就能起到事半功倍的故障监测和预警效果。本次报告通过几个案例展示了如何将经典的统计学和机器学习算法应用到电动汽车充电过程安全健康评估领域。
02
张玺
针对生产设备维护和调度联合优化的建模方法
个人简介
报告人张玺目前是北京大学工业工程与管理系副教授,研究领域主要面向工业系统以及高端制造过程的实时监测、诊断、控制、优化和运维管理。在数据科学、工业工程、质量与可靠性工程、制造工程等领域内知名期刊诸如JMLR、Technometrics、IISE Transactions、JQT等发表多篇学术论文,已授权13项国家发明专利及3项软件著作权。
报告摘要
在多工序制造系统中,生产调度和设备维护是两个不可分割的且需要同时决策的任务集。在对生产现场进行排产和设备维修决策时,现有的研究往往简化生产设备退化造成的不确定性影响来达到同时优化的目的,极易忽略这两者之间的相互作用,从而降低了整个制造系统的生产效益。本次报告重点围绕这一问题展开,提出了针对生产调度和设备维护之间的交互关系的建模思想,并依此建立了生产调度和设备维护的联合优化方法。
03
杜娟
Anomaly Detection for Fabricated Artifact by Using 3D Point Cloud Data
个人简介
现任香港科技大学(广州)系统枢纽智能制造学域助理教授,广州市香港科大霍英东研究院副研究员,香港科技大学机械与航空工程系联属助理教授。主要从事数据驱动的智能制造系统质量改善研究工作,在工业数据分析、质量控制和先进制造领域发表多篇高水平期刊论文,并获多项国家发明专利和软件著作版权。多次应邀在国际、国内权威学术会议作报告,现为IISE的高级会员。
报告摘要
Recently, various advanced 3D scanners have been widely used in manufacturing industries to collect 3D point cloud data of fabricated artifacts. The extra dimension of 3D point cloud data can provide more detailed descriptions about anomalies in artifact surfaces than 2D image data. 3D point cloud data can be categorized into structured and unstructured point clouds. Compared with structured 3D point cloud data, unstructured point cloud data can capture the surface geometry more completely. However, anomaly detection by using unstructured 3D point cloud data are more challenging due to unstructured data representation, inconsistent point sizes, and high dimensionality. To deal with these challenges, this talk will present some recent advances in anomaly detection by using unstructured 3D point cloud data. The accuracy and robustness of the proposed method are validated by simulation studies and case studies.
04
张源源
基于Modern Data Stack的时空数据平台
个人简介
张源源,在百度、乐动力、阿里、百姓车联等多家赛道内头部公司有过行业内开创性的工作,在传感器数据、手机信令数据、轨迹数据等领域的数据科学、数据平台工作有近10年积累。
在乐动力期间,独立负责国内第一家入选苹果Appstore年度精选App的数据科学工作。
在阿里期间,开发的AI运动是业内第一个在手机端实时进行健身动作计数的应用,在疫情期间帮助数十万高校师生顺利开展体育课教学,并推广给数千万的中小学生;负责的走路、跑步运动商业化算法工作,年创收近亿元。
在百姓车联期间,带领团队开发了业内领先的危险驾驶行为识别SDK和UBI解决方案,申请了7项专利、发表了2篇CCF-A类paper,并成为保险行业第一个入选中国人民银行金融科技创新应用监管沙盒的项目;正在带领团队开发业内首个可扩展、高性能、云原生、一站式的时空数据平台,旨在解决时空数据领域Data/AI Infra 缺失的问题。
报告摘要
作为一种特殊数据类型,时空数据可能是最被低估的数据金矿,一方面,现实世界中的数据超过80%与地理位置有关,并继续高速增长着,另一方面,大量的时空数据躺在那里,等待它的戈多。与此同时,时空数据内部结构也发生着巨大变化,近10年,随着移动互联网、车联网的发展,时空数据的主要载体已经从静态的遥感数据逐步转变为轨迹数据、手机信令数据,但存储、索引、计算、可视化等各个环节的工具都没有跟上趋势。
毫无疑问,落后的生产力工具抑制了数据使用需求,但疫情防控、交通物流、O2O、车联网、保险等行业又有海量的需求在爆炸性增长着,行业急需可扩展、高性能、云原生、一站式的时空数据平台。
本次分享将从存储、索引、计算、可视化等各个环节出发,讲述我们从0到1建设时空数据平台的思考和抉择。
05
吕潇
知识-技术-实践的知识传播-图书出版人的视角
个人简介
机械工业出版社电工电子分社策划编辑/副编审,本科毕业于西安电子科技大学微电子学院微电子学专业,专职从事科技图书出版工作14年,选题方向为电子技术、数据科学、建筑电气领域,兼主管部门数字化产品开发与策划。主导或参与多个国家自然科学基金、社会科学基金、国家出版基金项目,策划工程技术类图书90余种,编辑加工书稿6000余万字;曾获中国编辑学会学术论文二等奖,参与编写图书3本,所策划及担任责任编辑的图书曾获中国出版传媒集团、中国通信学会、机械工业信息研究院等机构颁发的奖项。
报告摘要
1.  碎片化时代的系统化知识价值2.广义上图书作为知识载体的的意义
3. 不是讲技术的书都是学校教材,科技出版是服务岗位、服务垂直应用的——以《工业大数据分析算法实战》为例简单说明。
4. 数据科学题材的出版需求,以及出版社的枢纽作用
06
姚树亮
制药工业的数字化与统计/机器学习智能化应用
个人简介
六西格玛黑带,曾就职于世界500强欧美跨国制药企业,国内某大型上市公司及前沿生物药研发公司。期间负责新项目的质量体系建立和维护。
曾负责负责公司的所有报告的数据分析,数据可视化,产品业务数据的数据可视化电子系统和服务器搭建。支持研发和生产业务。辅助产品开发和决策。
负责公司研发及生产数据的统计学支持,及部分机器学习算法在制药工业生产与产品工艺优化的应用。
报告摘要
1. 计算机存储与大数据存储、计算的发展
2. 人类基因组计划与制药工业发展
3. 制药行业的数字化转型热潮
4. 统计分析和机器学习在制药行业的数字化/智能化应用。
07
解光耀
基于设备机台数据分析的生产人员绩效评估
个人简介
昆仑数据高级数据分析师,清华大学工程物理系本科、博士,从事于工业数字化场景建设的场景探索、模型研发、数据架构设计等工作。长期从事工业设备的状态监测与异常识别、智能运维、故障诊断等方面的研发工作,在工程机械、装备制造、电子制造等行业拥有多年丰富的工作经验。
报告摘要
1.工厂运营人员管理的痛点
2.如何用数据驱动的方法改变现有的人员管理模式
3.设备数据在人员绩效业务上的表达
4.绩效评估模型应用效果
参与方式
本会场将采取腾讯会议的方式,欢迎各位朋友加入腾讯会议直播,共同参会!
腾讯会议室:343593261
会议组织
主办方
承办方
中国人民大学统计学院 
数据科学与大数据统计系
赞助商
联系方式
  • 会议微信:统计之都
  • 新浪微博:@统计之都
  • 微信公众号:统计之都
统计之都:专业、人本、正直的中国统计学社区。
关注方式:扫描下图二维码。或查找公众号,搜索 统计之都 或 CapStat 即可。
往期推送:进入统计之都会话窗口,点击右上角小人图标,查看历史消息即可。
继续阅读
阅读原文