智能制造背景下復合型人才的要求與培養

范斌瑜 應釧釧

摘要：當前，全國制造業格局正在發生巨大的變化。一場以制造業數字化、網絡化和智能化為核心的產業變革正在發生。社會資源重新分配，新工作不斷產生，老工作逐漸消亡，在這場大變革中，我們應當如何積極面對？本文將從企業車間的變化和人們生活變化講起，通過對智能制造本質的剖析，討論智能制造時代對人才的需求與特點。

關鍵詞：智能制造工業4.0復合型人才培養

一、智能制造現狀

前段時間有一則新聞，富士康的生產線上已經部署了4萬臺機器人，也在推進“百萬機器人”計劃。富士康每年可以打造1萬臺機器人，未來將繼續利用機器人替代人類，在昆山工廠，他們最近就裁掉了6萬員工。

中銀電池的上海大眾杭州灣工廠，都設有無人車間。一個車間只有一個管理人員，車間實現了數字化管理，數據實時反饋。所有的工作都是提前調試完成，手續只要上料，都可以按設置完成。

2000年，高盛位于紐約的股票現金交易部門有600個交易員。而如今，只剩下兩個交易員，其余的工作由機器完成。

隨著網絡轉賬、無現金支付的普及，銀行柜臺的業務逐漸減少，即使到了銀行網點，工作人員也是引導我們在自助機上自助完成。現在的生活已經基本可以實現一部手機全支付，零現金支付。智能制造在智慧城市建設中也發揮著不小的作用。

試想一下，對比一個“零工傷，不抱怨”的機器人，我們還能做什么，我們的優勢在哪里？

二、智能制造的本質

智能制造的形式和手段多樣，企業和企業之間，行業和行業之間存在的差距也很大。但每個企業若要對企業進行智能化改造，都必須進行三個方面的思考：我們企業生產什么？我們用什么生產？我們要怎么生產？

在產業結構調整，機器換人的大時代背景下，無數的企業在蜂擁而上，有的也存在盲目的情形，有的功效不顯，但絕大多數效果顯著。首先我們應該清楚地知道，企業生產什么產品，該產品是否適合機器換人，是否在投入后真的有產出，產出是多少，人力投入成本是否真下降了，管理成本是否下降。一般情況下，產品的價值高，產量大，標準化程度高，生產自動化水平高的這些領域適合機器換人，適合智能制造。

機器換人的產品，換的一定是機器人嗎？還必須看實際情況。根據行業不同，選擇是不同的。在實際操作過程中，我們要充分考慮機器和人的關系。不同的行業的生產力構成也是不一樣的，比如在汽車制造業，采用了大量的機器人代替了人，支撐了整個生產線，支撐了制造流。但企業產品的不同，也會有不同的選擇，比如飲料生產企業，機器人不多，但生產自動化程度很高。在智能制造時代，我們應該更多地思考人機如何配合，讓什么樣的工作由人來完成，什么樣的工作由機器來完成，實現人盡其才，物盡其用。

智能制造是數字化制造，是由數據驅動的。數據的反饋，可以反映產品的質量和設備的健康情況。通過這些數據反饋，管理人員可以優化生產。在現階段，大部分企業靠經驗，靠公司規章制度，靠公司企業文化，來穩定質量。但智能制造模式下，我們將更多地通過數據的反饋，數據比對來維持產品的質量穩定。通過數據來監控產品的位置，工人的舉動，倉庫中各個產品的腳印，幫助管理者收集數據，整合信息，從而幫助決策。數據分析師在中間起著關鍵作用，工作形式發生了變化，常規的工種消失，新工種出現。

三、智能制造需要的技術

隨著德國的工業4.0和美國的工業互聯網概念的出現，我國提出了中國制造2025。從這些大國的政府支持和市場發展需求來看，智能制造是勢在必行。如何做到“智”造，在這里梳理下技術和概念。

1.自動化

自動化是行業中較早實現的一個技術，這里本不應該討論，但仍有部分企業落后，甚至處于工業1.0狀態。

一個定義：工業1.0是18世紀引入機械制造設備的時代，工業2.0是20世紀初的電氣化與自動化時代，工業3.0是20世紀70年代開始的信息化時代，而現在在進入“工業4.0”時代，即實體物理世界和虛擬網絡世界融合的時代。

2.智造的“大腦”

智能制造需要一個控制中心。控制中心由硬件和軟件組成，硬件是服務器、云平臺或者是算法專用設備，軟件是算法——人工網絡神經算法。優秀的軟件和硬件，是企業搭建智能制造的第一步，通過數據的分析和訓練，幫助企業設計出最適合的產品。

3.大腦中的知識

大腦中的知識即數據，這里提出的是大數據。通過大數據分析，可以算出大概率事件，數據越多，計算結果越準確。

4.物聯網

人類的知識需要學習，那工業中的大數據如何獲得？這里的數據各種各樣，可能不僅僅是自己工廠、公司的數據，甚至整個行業，整個生活，生產圈的數據。數據可以來自客戶，來自供應商，來自服務企業。通過信息技術和運營技術的融合，伴隨著數以億計的設備，通過物聯網連接起來。這些設備通過足夠的數據接入，為大數據通過來源。2015年，全球物聯網數量為60億個。據保守預計，到2025年，物聯網連接數量將增加到270億個。

5.工業云平臺

知道了大數據中數據的來源，也知道它們如何被使用，那么作為數據的使用者如何獲取這些數據呢？這是各大公司正在做的事，比如西門子的MindSphere、通用的Predix、通快的Axoom、Epichust的Mestar PASS、海爾的COSMO等工業云平臺可以提供。在智能制造趨勢下和物聯網的趨勢下，云平臺不僅僅是IT公司提供，越來越多的傳統制造業在數字化變革中提供各種各樣的產品。他們通過開放平臺，整合各類資源。在整個供應鏈、生態鏈的宏觀環境下，企業數據間共享，共同開發，相互協作。這將是一種常態模式，一個開放的平臺會越來越被大家接受和使用。

云平臺中，也有很多小系統，比如MEs系統——制造企業采集數據必備系統，PLM系統——從產品設計到產品下線全生命周期的采集平臺，ERP系統——企業資源計劃管理系統，APS系統——高級計劃排程系統，做到有限產能的優化排程，還有CRM——客戶關系管理系統，SRM——供應商管理系統。這些已經出現的零散系統，雖然沒有貼上智能的便簽，卻是智能制造的前提。

這些新事物的出現，改變了原先的生產方式，也將改變我們的思維方式。我們將如何應對它們越來越頻繁地出現在我們的生產生活中，企業如何在智能制造時代保持競爭力，企業會需要怎樣的員工，學校將培育怎樣的人，老師將如何提升自己適應智能制造時代專業布局……一個個命題需要去解。答案都隱藏在智能制造變化的趨勢里。

四、智能制造對人才的要求與培養

復合型人才指具有兩個或兩個以上專業或學科領域的基本知識和基本能力的人才。從智能制造的要求和內容來看，本專業是我們的立足之本，信息化知識是提高效率的工具，自動化知識、數據分析能力、創新力等都是我們需要的能力。

1.復合型人才需要創新力

各個領域的傳統模式因為工業4.0、智能制造被打破。各大領域的變化越來越大。只有具有創新精神的人，才能有大發展。有創新精神的人，不斷為社會提供新思想、新理論、新方法和新發明。中國制造在2025背景下，以制造業創新發展為主題，戰略中的五項重點工程、九大任務以及十大重點領域，多次提及創新發展。高精尖技術對復合型人才的要求越來越高。團隊合作中，復合型人才的作用更加明顯。以機器人為例，機器人正在向國防、化工、醫療健康、家庭服務發展。有效對接產業，需要復合型人才。

2.復合型人才需要問題分析能力

由于我國一直處于應試教育模式，學生都是被動學習，不習慣思考，被動接受老師知識的灌輸。學生的創新意識相當薄弱。缺乏發現問題的能力，對很多的問題，會習以為常，缺乏發現問題的眼睛。發現問題才能思考如何解決問題。

中國制造2025戰略中，提出信息化和工業化深度融合。兩化融合，在重點突破的領域中，如信息技術產業，裝備業，新材料等領域中，科技含量高，且是新興產業，可以復制的技術少。這就更加要求具有創新能力，具有發現問題、分析問題、解決問題的能力。只有具備這些能力，才能細化問題、分解問題，逐步解決問題。

3.復合型人才需要扎實的專業知識

在工業4.0、智能制造時代，機器的功能復合，控制智能化，加工過程自適應控制，加工參數的智能化優化和選擇，智能故障自診斷與修復技術，智能故障回放和故障仿真技術，智能化交流伺服驅動裝置，智能數控系統等技術都是機械、電氣、計算機等學科融合交匯的產物。在用戶端，多媒體技術計算機、聲像和通信技術與一體，使計算機具有綜合處理聲音、文字、圖像和視頻的能力，讓那個人機界面更加人性化。合理的人性化用戶窗口和菜單式操作，便于動態跟蹤和仿真，不同的處理可以形象地呈現在用戶的面前。這些技術的開發都需要跨學科知識，都需要扎實的基礎。

4.復合型人才需要團隊合作精神

團結協作是一切事業成功的基礎，不論個人還是集體，在目前時代都只有依靠團結的力量。我們需要把個人的愿望和團隊的目標結合起來，超越個體的局限，并發揮集體的協作。一個缺乏合作精神的人，不僅事業上難有發展，很難適應當今時代的發展，也很難在激烈的競爭中勝出，立于不敗之地。越是現代社會，越需要團結協作，形成合力；單槍匹馬、孤軍奮戰越難取得成功。工業4.0時期更加需要團隊合作。

5.復合型人才需要應用轉化能力

在校學習客觀規律、理論知識、操作知識的最終目的是應用到生產實踐中。應用對學生的綜合能力有極高的要求，需要創新力，需要發現問題，分析問題的能力，需要扎實的多專業知識，需要團隊攻關等。只有具備這些復合技能的人才，才是21世紀滿足中國制造2025需求的人才。

五、小結

在未來的10年、20年或者30年，隨著技術的不斷改進和穩定，應用價格不斷下跌，如當年的電腦，現在的手機，技術普及的速度在不斷加快，技術的更新也在提速。同時，人才的需求也在變化，一線工人不僅需要分析處理問題的能力，也應具備以信息化素養為首的綜合能力，尤其是數學、信息技術科學，工程方面的素質。應該培養具備創新能力、問題分析能力、扎實的專業知識、團隊合作精神以及應用轉化等能力的復合型人才，迎接工業4.0和智能制造的普及。