报告人简介：
宋哲，南京大学商学院教授，美国爱荷华大学工业工程博士（2008年）、博士后（2009年）。国际知名期刊IEEE Transactions on Sustainable Energy副主编。IEEE Power Engineering Society Letters, Industrial Engineering & Management编委。在美国留学期间参美国知名公司和机构资助的制造, 能源, 医疗等行业的数据挖掘和决策优化项目, 这些公司和机构包括：Iowa Energy Center, John Deere, MidAmerican Energy, IAWIND, UIHC。在SCI/SSCI检索国际一流期刊发表30篇论文，包括ESI近7年高被引论文、影响因子大于10的期刊论文；Google Scholar统计论文被引1800多次、Elsevier Scopus统计论文被引1200多次；获得美国和中国发明专利8项、20项软件著作权；带领研究团队获工信部举办的“首届（2017）中国工业大数据创新竞赛”第二名和第三名（1460支队伍，首次由政府主管部门组织的工业大数据领域权威的全国性创新竞赛）。
报告简介：
工业大数据分析与建模是我国实现智能制造转型升级的核心技术。工业大数据分析与建模需要整合不同学科、不同领域的经验、知识和技术。通过工业大数据构建制造业快速迭代、持续优化、数据驱动的新方式，解决发生了什么、为什么发生、下一步发生什么、如何改进优化四个问题，优化制造资源的配置效率。本报告首先介绍工业大数据分析建模的基本流程和相关概念。然后从工业大数据分析与建模的难点出发，梳理当前研究的关键问题。最后通过案例介绍典型的工业大数据分析应用场景：预测性的维护（风机叶片结冰预测）、半监督学习（风机震动异常识别）、数据驱动的能源管理等。
