智能制造工程專業建設思考與對策研究

喬晉崴 許崇海 劉娜 安蕾蕾 王飛

摘? 要 隨著工業4.0時代的來臨和新工科建設的不斷深入，智能制造工程專業建設也逐步展開。首先明確該專業所處的歷史環境，介紹其與相近專業的相互關聯，指出目前專業建設過程中一些普遍存在的認識誤區，并最終給出專業建設的幾點建議。

關鍵詞 新工科;智能制造工程;機器人工程;人工智能技術;先進制造技術;實驗室

中圖分類號：G642.0? ? 文獻標識碼：B

文章編號：1671-489X（2021）18-0008-04

1? 智能制造工程專業建設刻不容緩

1.1? 時代發展的產物

回顧人類近千年的發展史，每一次快速的進步均脫不開技術革命的出現，從蒸汽機到電機，從計算機再到如今的人工智能，人類實現了從體力到腦力的逐步解放。當今時代智能技術飛速發展，應用領域逐漸由生活服務轉向工業生產，由圖像識別、語義識別逐漸轉化為工業現象的實時智能決策。如圖1所示，時代的發展需要科學技術的推動，科學技術的先行勢必帶來人才的緊缺，進而牽引教育體系中學科的變革，智能制造工程專業順勢而成[1]。

1.2? 工業發展的倒逼

作為生產力的載體，工業生產經歷了從手工業到自動化、從信息化到智能化的過程，整個過程中人們始終不懈地追求的是生產效率的越來越快，生產工序的越來越少，無故障生產周期的越來越長。為了實現對生產效率的無止境追求，科研人員一直在尋找一套可以管理生產過程各因素的理論和技術手段，進而實現各元素間的優化，并最終達到生產效率最大化的目的。人工智能技術與大數據科學技術的出現，為工業制造的提速和提質提供了新的增長點。這兩種技術旨在通過計算機技術從大量數據中基于數學定律摸索規律并做出決策，大幅超越人的智力水平。如何在制造產業中實現應用，成為其工程化進程首先要解決的問題，也直接關系著它們的生存和發展。目前，工業大數據、制造執行系統（MES）、企業資源計劃管理系統（ERP）等已成功應用于許多行業的局部領域，但尚不成熟，而且需要大量的智力輸入和現場維護，迫切需要智能制造的人才源源不斷地輸入。

1.3? 學科變革的先行者

隨著現階段工業智能化的需求牽引，基礎學科的劃分被徹底打破，新工科[2-5]建設的成果日漸顯著。傳統的物理、機械、電氣、計算機等專業的獨立地位逐漸被削弱，新興的智能制造工程、機器人工程、大數據、網絡經濟學、電子金融、網絡安全工程等適應社會技術等發展需求，需要相關專業的學生在結束高校學習階段時掌握相對比較寬的知識面，以工程應用為牽引，在下一步的工作或科研過程中在實際需要的領域進行深入學習和研究。

智能制造的核心技術是人工智能技術和先進制造技術，前者的研究陣地集中在數學和控制領域，屬于科學技術前沿;后者為成熟的制造加工領域，有著長期的技術沉淀和知識積累，屬于工程應用領域的前沿。就智能制造學科而言，人工智能技術是靈魂，先進制造技術是基礎，落腳點在制造，但生命力在人工智能。兩者在社會生產中的地位和作用，決定了智能制造工程毋庸置疑地成為學科變革的先行者。

2? 齊魯工業大學智能制造工程專業情況

2018年，同濟大學、上海大學、上海第二工業大學和汕頭大學四所高校率先開設智能制造工程新工科專業;2019年，教育部批準國內50所高等院校設立該專業;2020年獲批84所，齊魯工業大學位列其中，并于同年開始招生。該專業基礎課涵蓋了力學（工程力學）、電學（電工子技術）、機械基礎設計（機械原理制圖）、材料科學（機械工程材料）、機械基礎（機械設計、機械原理、機械制圖）、材料科學（機械工程材料）、智能制造基礎課（數控技術及應用、工業機器人、智能制造導論），旨在提升學生的智能制工程的基本學科素養及綜合解決問題能力。應用型本科以學習系統的集成和維護為主，最好能夠在學習中就將智能制造的整個加工過程實現一次。因此，設立專門的CAD/CAM應用輔助數控技術及工業機器人的編程與操作，加強工業機器技術教學。值得注意的是，學校將智能制造工程專業與機器人工程專業同時列入機械與汽車工程學院的管理范圍，與機械設計制造與自動化專業并列，如此劃分可以獲得以下優勢。

1）資源得到整合。智能制造工程專業的建設過程中可以充分利用機械設計制造與自動化專業和機器人工程專業的現有軟硬件設施，如機械專業的數控機床、機器人工程專業的工業機器人和傳輸帶系統等。

2）充分展現新工科的優勢。智能制造工程與機器人工程兩個專業均屬于新工科建設專業，而新工科的實質和內涵是多學科融合、項目牽引式教學。如果僅僅是機器人工程專業獨立地存在，所有的研究和學習的出發點、落腳點就只能圍繞在工業機器人周邊，很難拓展。另一方面，如果智能制造工程專業獨立于機器人工程，則容易在專業建設過程中偏離“制造”的核心所在，容易轉變為以“管理”為主的軟件學習。兩者共同存在于一個學院的管理之下，則可以互利共生，雖然各有側重，但殊途同歸，最終是為了現代化的工業建設服務。

3）避免重復建設，資源浪費。眾所周知，在智能制造工程與機器人工程兩個專業的培養過程中是需要花費巨額經費來建設實驗、實踐設施和環境的，如果能將兩者的建設統一協調、綜合規劃，將會帶來事半功倍的效果。

當然，在將兩個專業統籌建設的過程中也出現了一系列的難題。首先是人工智能方向師資的缺乏，主要表現為該方向的新畢業博士往往就職于“雙一流”高?；驀鴥韧庵髽I，非“雙一流”高校很難找到此類人才。其次是智能制造工程學科教材缺乏，最早成立該專業的學校尚且沒有在校生，許多市面上的智能制造類教材有很大一部分是自動化生產線的生產企業為了銷售其產品而編制的類工具書的教材，內容質量沒有保障，水平參差不齊。

3? 專業培養過程中的新挑戰

3.1? 與相關新興專業的區分與聯系模糊

近年來新興的專業方向，除去智能制造工程外，還有一些類似專業，包括人工智能技術、大數據、機器人工程[6]，在學科建設過程中需理清上述各專業的相互關系，分清楚其內在的區別和聯系：人工智能技術是在對大量數據進行分析后進行的歸類或回歸，而大數據專業是其前導專業，是對大量數據的處理方法的研究;機器人工程則是對機器人技術的研究，以及以機器人為中心的相關技術應用等的拓展研究，已經大范圍應用于智能制造生產領域。簡而言之，大數據是智能制造技術中人工智能的鋪墊和基礎，機器人工程則是智能制造領域一個必不可少的分支。

3.2? 實驗、實踐與實習的劃分界限模糊

在傳統學科劃分基礎上，實驗是為了驗證理論的正確性，實踐是為了將理論知識融合在一起進行實際動手訓練，而實習則是在企業生產現場進行真正的實際操作。隨著新工科的到來，三者的關系發生很大變化[7-8]。

1）分界線越來越模糊。理論仿真平臺、實驗室、車間的研究對象均為一體化的智能生產線，無論是實驗、實踐還是實習，面對的操作實體幾乎是一樣的，都是僅供參觀，不能動手操作。即使是仿真軟件，也僅僅是有2～3個選項供選擇，尚未做到真正的浸入式體驗。

2）建設成本越來越高。調查近年來智能制造專業建設較為成功的幾所高校，不難發現，幾乎所有院校都對該專業進行了大筆的資金投入，少則幾百萬，多則幾千萬。

3）動手介入的機會越來越少。如前所述，現有的智能制造生產線的容錯性和柔韌性遠遠不夠，無法適應不同的錯誤干擾，對外界的不同輸入缺乏處理能力，導致實驗過程無法讓學生自由發揮。學生必須按照事前學習過的步驟一步不差地進行重復性試驗，即使這樣，也沒有太多動手的機會。

4? 目前存在的一些誤區

4.1? 建設專業等于建設演示生產線

如上文所述，智能制造技術來源于企業對生產效率的追求，一些成功的案例也是存在于政府牽頭的新型產業園或大型制造企業，如西門子、海爾、株齒等。所有技術是面向生產線的，如何將生產線的技術搬到學校里面的實驗室，搬到教室，成為目前困擾許多高校的一大難題。相對而言，許多科研實力雄厚的985高校、“雙一流”高校相對容易一些，可以借助之前的技術優勢和建設經費優勢展開小規模實驗室級別的產線建設。另一方面，即使完成了對生產線的建設，也僅僅能提供給學生參觀的機會，無法像傳統的物理化學、工程訓練等可以動手[9]。原因有三：

1）考慮到學生的人身安全，不能讓其直接對生產線上正在運動的組件進行介入式操作;

2）生產線價格昂貴，數以千計的傳感器、執行器相互關聯，局部出現問題將導致全生產線的停滯或崩潰，而且維修不方便，學校上課教師往往并不是產線設計或裝配人員，需要廠家派人來修;

3）生產線一旦設計、制造、裝配完成，其運行模式便不再容易改動，學生只能看到結果，其功能原理只能依靠上課教師的口述，無法達到試驗課的真正目的。

4.2? 按照傳統的配備方式完善師資力量

傳統的學科劃分是按照物理、化學、機械、電氣等基礎學科方向劃分的，高校新入職師資的培養模式決定了個體知識結構與知識體系比較單一，在單一領域比較深入，對相應領域的理論知識、理論創新有較為深刻的認識。傳統的課程設置也是按照基礎學科建設的，如高等數學、機械設計、數據結構分別對應數學、機械、計算機學科，現有的師資其知識儲備完全可以覆蓋一門課的所有知識點，所以傳統的上課模式是一位教師可以從頭到尾講授一門課。

智能制造工程專業屬于2017年全國第一次新增專

業[10]，第一批本科生將于2021年6月畢業，在當下沒有博士文憑幾乎不可能成為高校教師的背景下，尚沒有土生土長的智能制造工程對口師資。西安交通大學機械工程學院在建設智能制造工程專業過程中，同樣存在缺少師資的問題，他們的先進做法是培養現有相關學科的教師，這些教師被派遣去其他學院其他學科學習智能制造工程專業所涉及的而其自身沒有涉獵的知識，用來聽課學習的時間可以同等地視為教學工作量，課程結束時與學生一起完成課程考試，考試成績的多少可轉化為該部分教學工作量的等級劃分依據。該方法可以很大程度地調動年輕教師的學習積極性，在完善自身知識體系的同時完成學校規定的教學工作量任務，解決現有師資缺乏的瓶頸問題。

針對師資缺乏的問題，也可以采取多個教師接力的形式，一起來完成一門課的講授，前提是有足夠的教師可以完全覆蓋智能制造工程所需的多個學科門類?，F有學校體制下，課時的安排、任課教師的安排以及對教師的年度獎懲細化政策往往是由學校的下設學院來完成的，不同的學院之間具有明確的界限劃分，不同學院之間師資的調配需要學校層面來解決。但是，由于目前處于第四次工業革命的增長期，許多新型學科如雨后春筍般出現，一所學校每年新增的課程數以百計，在沒有完善政策的引導下，學校層面是沒有精力對不同學院、不同學科的師資進行一一調配的。另一方面，現有的師資均對傳統學科比較了解，如智能制造工程的制造部分，只有極少數的教師對智能比較了解，造成前者富余而后者緊俏的局面。智能領域的教師如能完成其所在學院的相關課程的講解，就已經遠超學校對其的教學工作量任務要求，而該領域的教師往往是年輕人，剛從學校完成博士課題的研究，一腔熱血希望能在自己所掌握的知識尚在保質期內繼續創造科研上的輝煌，而教學也是需要時間的積累的。因此，從不同學院調配師資，想法還不夠完善，沒有從現有高校的實際考慮問題?？梢钥闯觯F行形勢下最好的解決方式就是學習西安交通大學的先進方法，鼓勵現有教師去學習新知識，讓每個教師上多門課，同時多個教師來完成一門課的不同部分。

大學應該是人類知識的象牙塔，大學教育的任務應該是幫助學生完成將初高中的基本知識轉化為能為社會服務的前沿知識的過渡，大學教師應該是最新尖端科技知識的掌握者。以人工智能為動力的第四次工業革命席卷而來，知識更新速度前所未有，對高校教師提出新的很高的要求，尤其在學習新知識、了解新技術方面更應該主動出擊，否則很快就將面臨非常尷尬的局面。西安交通大學王樹國校長在多個場合反復提到一個現象，就是現在的最精尖技術不是在大學實驗室，而是在企業。也就是說，高校教師的知識和技術已經落后于企業的工程師，如果再不努力，很快會出現“老師教的用不上，用得上的老師不會”的現象，甚至出現一些憑借自學的學生在一些新興科技領域懂得比教師多的現象。所以，高校教師沒有理由不學習新知識，不去備新課、學新課。在智能制造工程新知識學習過程中，高校教師是有其自身優勢的，畢竟相對于普通本科生而言，在制造、控制、傳感、編程語言方面是有前期很多年的學習和工程積累的[11]，同時更容易接觸企業的生產實際，更容易理解其中專業術語的內在含義。

5? 建設建議

1）學生的專業課選課范圍不再局限于本學院，在培養方案的制訂過程中對學分的要求可以再適當放寬一些。當然，這會對上課資源帶來很大挑戰，需要教育管理部門發揮更大的資源配置功能。

2）一門課的講授不再讓一位教師從頭到尾講完，專業教師對應專業的章節，相互之間統一標準、統一制定課程大綱。改造現有的實驗室，將傳統的實驗對象轉換為現有的主流研究方向，如將現有傳感器實驗室改造為多傳感器融合實驗室，將機械設計的課程設計對象由傳統的二級減速器改造為RV減速器，將工程訓練的小錘子制作改造為發動機缸蓋鑄件的精密打磨。

3）政府和企業合作建立實訓共享中心，打破高校間壁壘，實現教學設備的資源共享。按照省市地域劃分，或按照聯盟、協會的形式，實現實踐類課程的統一運籌，節省建設資源的同時，提升設備的利用率和師資等專業化程度。

4）仿真軟件的制作可以借鑒游戲開發的模式，類似于現行的各大中小學生課外輔導在線軟件，允許社會資本涌入，政府采購與學生自由選擇并行。充分利用市場活力，開發出與游戲相似的浸入式大型智能制造現場，軟件的好壞由教學的主體即教師和學生說了算?！?/p>

參考文獻

[1]蔡紅霞，劉麗蘭，王小靜.智能制造新工科專業建設探索[J].教育教學論壇，2019（20）：107-110.

[2]教育部高等教育司.“新工科”建設復旦共識[J].高等工程教育研究，2017（1）：10-11.

[3]教育部高教司.“新工科”建設行動路線（“天大行動”）[J].高等工程教育研究，2017（2）：24-25.

[4]教育部高等教育司.新工科建設指南（“北京指南”）[J].高等工程教育研究，2017（4）：20-21.

[5]陸國棟.“新工科”建設的五個突破與初步探索[J].中國大學教學，2017（5）：38-41.

[6]周開發.新工科的核心能力與教學模式探索[J].重慶高教研究，2017，5（3）：22-35.

[7]徐曉飛，丁效華.面向可持續競爭力的新工科人才培養模式改革探索[J].中國大學教學，2017（6）：6-10.

[8]吳愛華，侯永峰，楊秋波，等.加快發展和建設新工科 主動適應和引領新經濟[J].高等工程教育研究，2017（1）：1-9.

[9]龔曉嘉.綜合性高校在實踐教學中培養新工科創新型人才的探索[J].高教學刊，2017（12）：141-142.

[10]余勤，曾曉東，王建，等.工程教育認證標準下課程教學的探索與實踐[J].實驗技術與管理，2019，36（4）：183-187.

[11]李晶，陳雪峰，周光輝，等.智能制造學科交叉實驗平臺建設與應用[J].實驗技術與管理，2019，36（6）：88-93.