微項目引導的工業智能方法與應用課程教學實踐

王藝瑋 劉繼紅 鄭聯語 魏巍

摘? 要：智能制造工程是教育部2018年首批設置的新工科專業，截止到2020年底，全國已有數十所大學設立此專業并形成自己獨有的課程體系。但縱觀全國高校，目前工業智能課程在智能制造工程專業的課程體系中還很少開設，而該課是滿足智能制造內涵的重要賦能技術，是工業互聯網充分釋放賦能價值的關鍵要素。在此背景下，學院創建了工業智能方法與應用本科生智能制造工程專業核心課程?！叭斯ぶ悄芊椒ㄅc工業場景的深入融合”決定了本課程理論與實踐深度結合的特點，在通過課堂講授讓學生夯實理論基礎的前提下，借鑒國內外大學中課程配套微項目的相關經驗，建設一系列與本課程配套的微項目集，以項目驅動學生掌握理論知識。文章圍繞工業智能方法與應用課程創建過程，介紹教學內容與教學方法并詳細闡述了三個微項目的設計方案。

關鍵詞：智能制造工程專業;工業智能方法與應用;微項目

中圖分類號：C961? ? ? ?文獻標志碼：A? ? ? ? ? 文章編號：2096-000X（2021）36-0153-06

Abstract： Intelligent manufacturing engineering is one of the first new engineering majors set up by the Ministry of education in 2018. By the end of 2020， dozens of universities across the country have set up this major and formed their own unique curriculum system. However， looking at colleges and universities across the country， at present， the industrial intelligence course is rarely offered in the curriculum system of Intelligent Manufacturing Engineering， and this course is an important enabling technology to meet the connotation of intelligent manufacturing and a key element for the industrial Internet to fully release the enabling value. In this context， our college has established the core course of Intelligent Manufacturing Engineering for undergraduates in industrial intelligent methods and applications. "The in-depth integration of artificial intelligence methods and industrial scenes" determines the characteristics of the in-depth combination of theory and practice of this course. On the premise of consolidating the theoretical foundation for students through classroom teaching， and drawing on the relevant experience of micro projects supporting courses in universities at home and abroad， build a series of micro project sets supporting this course to drive students to master theoretical knowledge. This paper introduces the teaching contents and methods around the creation process of industrial intelligence methods and applications， and expounds the design schemes of three micro projects in detail.

Keywords： Intelligent Manufacturing Engineering; methods and applications of industrial intelligence; micro-project

一、現狀與背景分析

培養智能制造領域大量理論基礎硬、實踐能力強、綜合素質高的高層次科技創新人才和緊缺專業人才是《中國制造2025》和制造業高質量發展宏偉藍圖的重要支撐，智能制造工程專業在這種背景下應運而生，是教育部2018年首批設置的新工科專業，自2018年以來多所高校陸續開設此專業[1]。根據李培根院士[2]和劉強教授[3]提出的智能制造理論體系框架，智能制造的核心主題包括智能設計、智能生產、智能服務、智能供應鏈。智能制造系統的層次從下到上依次為智能制造裝備、智能車間（工廠）、智能企業、智能供應鏈、智能制造生態系統。

智能制造工程作為一個系統工程，涉及機械工程、控制科學與工程、計算機科學等多個學科的綜合運用與實踐，強調智能感知、工業互聯網、物聯網、云計算、人工智能、數字孿生等關鍵技術的集成及其與工業場景的深度融合。工業智能（亦稱工業人工智能）是滿足上述智能制造內涵的重要賦能技術，也是工業互聯網充分釋放賦能價值的關鍵要素，但縱觀全國高校，目前融合人工智能和工業制造技術的工業智能課程在智能制造工程專業的課程體系中還很少開設，在此背景下，我院創建了工業智能方法與應用課程，該課程是我院智能制造工程專業課程體系的重要組成部分，是高年級本科生專業基礎必修課。

工業智能是人工智能技術與工業應用場景深度融合所形成的，貫穿于設計/生產/管理/服務等工業領域的各個環節，實現模仿或超越人類感知、分析、決策等能力的技術、方法、產品及應用系統。工業智能方法與應用課程講述以推理智能、計算智能和學習智能為代表的人工智能方法的基本原理及其在工業制造領域的應用，讓學生了解工業智能的本質，掌握先進的工業智能理論和方法，學會先進的工業智能應用技術和工具，培養學生運用工業智能原理、方法和技術工具，初步解決產品設計、制造和運維中的工程問題的能力。

“人工智能方法與工業場景的深入融合”決定了本課程理論與實踐深度結合的特點，在通過課堂講授讓學生夯實理論基礎的前提下，借鑒國內外大學中課程配套微項目[4-5]或基礎實驗類教學實踐研究的相關經驗[6-8]，本課程設計了由一系列典型工業應用場景案例組成的“工業智能方法應用案例集”，以微項目驅動學生掌握理論知識。這些微項目均來自本課程教學團隊和本專業教師課題組的代表性科研成果，使實驗室科研成果及時融入本科教學，讓本科生盡早接受實際的科研訓練，充分體現“科教融合，科研反哺教學”，滿足研究型高校一流課程“兩性一度”即高階性、創新性和挑戰度的需要。本文圍繞該課程的創建過程，首先介紹教學內容與教學方法，隨后規劃布局并列表給出了本課程擬建的微項目集。圍繞產品全生命周期不同階段，從產品的設計、制造、運維三個階段各選取一個有代表性的微項目案例詳細闡述其設計方案，對微項目在教學中的實踐方式進行了分析，最后對全文進行總結與展望。

二、工業智能方法與應用教學內容與方法

本課程內容將通過概論篇、方法篇和應用篇三篇進行組織，主要內容包括三方面：計算智能方法、學習智能方法和推理智能方法。系統地教授智能方法的基本原理以及在工業制造領域中應用的典型案例。具體來說，包括搜索優化算法、神經網絡模型、貝葉斯統計理論、數據挖掘與知識發現、工業知識管理、推理智能方法及工業智能方法典型應用。

本課程具有很強的基礎性、理論性和學科交叉綜合性，既要掌握人工智能的相關理論方法，又要結合工業工程（即產品設計、制造、服務、管理）知識。因此，教師講授時將以“闡述概念-提出問題-分析建模-舉例說明”的思路為主，做到基礎理論與案例分析緊密結合，以便學生理解其中較為抽象的理論模型。課程教學分課內教學與課外學習，課內教學包括課堂講授、討論等;課外學習包括：閱讀補充材料、結合重點內容完成一定量的課程作業（例如小組微項目等方式）、項目報告等環節。“真正善于學習之關鍵，可能在于課堂之外”[9]，本課程將課外“非正式”學習納入培養體系考慮之中，通過微項目驅動學生探索、分析、決策、自學到最終解決問題并完成項目報告，使學生在短時間內能夠牢固掌握工業智能方法基礎理論知識外，還促使本科生盡早觸達新的科研成果，培養本科生科研興趣，并完成初步科研訓練，也是實施本研一體化教學模式的重要途徑之一。

課堂教學采用啟發式和互動式教學方法，強調掌握基本概念、基本理論和基本方法，注重理論聯系實際，初步學習和掌握運用工業智能方法和技術解決智能制造實際問題的能力，了解工業智能技術歷史與發展，為今后在智能制造領域的深入研究打下基礎。

三、工業智能方法與應用微項目集及代表性微項目詳細設計方案

微項目作為本課程課外實踐學習的重要內容，是對課內理論教學的補充。擬設計與課程體系中“智能感知”“人工智能方法”“智能運維”“工業知識發現與管理”等理論教學內容相配套的微項目，建設與工業智能方法與應用課程配套的微項目集，以微項目驅動的方式，幫助學生理論聯系實踐、學以致用。正在建設的本課程配套微項目集如表1所示。在項目實施過程中充分利用教學團隊課題組現有科研條件，如轉子齒輪傳動設備故障模擬實驗臺、振動/溫度/壓力/電流/潤滑脂監測等傳感器及數據采集卡、以及PLC/5G等物聯網模塊等，為學生提供必要的硬件及技術支持。以下從產品的設計、制造、運維三個階段各選取一個代表性微項目，詳述其教學設計。

（一）微項目1——產品數據挖掘與知識發現的研究與應用

微項目1的目標包括以下方面：使學生了解數據挖掘和知識發現的基本概念，學習并掌握自然語言處理、知識圖譜的基礎技術及工具，掌握文本數據預處理的基本方法和步驟，掌握數據挖掘常用算法并進行文本大數據分析和知識發現，掌握知識圖譜構建方法及數據/知識可視化技術，體會通過數據挖掘和知識發現技術將大量數據資源轉化為知識運用的過程，助力工業智能。通過開展本項目，學生能夠完成產品數據挖掘與知識發現解決案例。具體目標包括：構建機械零件設計、工業機器人、航天推進系統等領域知識圖譜;實現產品數據聚類分析;學會構建深度學習模型用于產品數據智能分類;實現對數據和所挖掘知識的可視化并在瀏覽器中以界面形式展示。

本項目研究與實踐內容包括以下方面：（1）基于機器學習的產品數據聚類算法研發。學生使用K-means算法開發聚類模型，實現產品數據的聚類分析;（2）基于深度學習的產品分類算法研發。學生使用預處理后的產品數據集訓練分類模型，實現對產品數據的智能分類;（3）基于Echarts的數據/知識可視化。學生了解并掌握Echarts工具使用方法，并將所發現的有價值數據/知識進行管理與可視化展示。學生綜合使用NLP、數據挖掘等技術，完成產品數據挖掘與知識發現應用案例，實現產品數據的聚類分析、智能分類、數據與知識可視化分析三大功能。上述三項內容實現效果圖如圖1所示。本項目所用科研條件如表2所示。

（二）微項目4——基于深度遷移學習的加工表面粗糙度預測研究與實現

微項目4的目標包括以下幾個方面：使學生了解深度學習和遷移學習的基本概念，學習并掌握神經網絡的基礎技術和工具以及常用的數控加工方法和基礎知識，掌握深度學習常用算法并能夠對加工過程采集的傳感器數據預處理和分析，掌握利用傳感器數據對表面粗糙度預測的基本方法和步驟，掌握數據分析和可視化展示技術，實現加工中表面粗糙度預測為智能加工過程提供理論基礎。通過開展本項目，學生能夠完成數控加工中典型的表面粗糙度預測的案例。具體目標包括：學生掌握深度學習和遷移學習的基本原理及使用方法;掌握傳感器數據預處理方法;能夠構建深度遷移學習模型用于表面粗糙度預測分析;實現對預測分析結果的可視化展示。

微項目4的研究與實踐內容包括以下方面：（1）基于時頻域的數據預處理。學生使用Python或者MATLAB對傳感器數據進行時頻域、相關性、單調性等分析;（2）基于深度遷移學習的加工表面粗糙度算法研發。學生研發基于棧式自編碼、長短時記憶網絡、最大均值差異等深度遷移學習技術的預測模型，并利用預處理后的數據集來訓練預測模型，實現加工表面粗糙度的預測;（3）基于Python或者MATLAB的預測結果可視化展示。學生了解并掌握Python或者MATLAB工具使用方法，將深度遷移學習方法預測和分析的數據結果進行可視化展示。學生綜合使用數據預處理、深度學習、遷移學習等技術，完成加工過程表面粗糙度預測應用案例，實現表面粗糙度預測中涉及的傳感器數據預處理、深度遷移學習模型建立、預測結果的可視化展示等三大功能。上述三項內容實現效果圖如圖2所示，該項目所需科研條件除了計算機，圖形處理器等常規計算設備外，還將提供切削難加工材料實驗過程中所收集的數據：（1）離線測量的刀具磨損值與工件粗糙度值;（2）實驗過程中實時監測的振動、電流、噪聲等傳感器數據。該數據為教學團隊課題組歷時數月制定方案并完成切削實驗與數據采集，完全來源于工業應用場景。

（三）微項目10——齒輪傳動設備物聯網遠程智能運維系統設計實現

微項目10的目標包括以下幾個方面：使學生了解數字化服務的基本概念，了解工業互聯網架構基本概念，并了解工業互聯網是如何在工業智能的助力下充分釋放其賦能智能服務的價值，通過開展本項目，學生能夠參考工業互聯網四層架構搭建齒輪傳動設備物聯網遠程智能運維系統。具體目標包括：使學生理解工業常用傳感器工作原理及使用方法，能夠配合采集卡開發上位機數據采集系統;學會構建深度學習模型用于轉子齒輪故障狀態的識別;掌握時序數據庫的存儲原理并使用時序數據庫實現對所采集時序數據的管理;了解基于5G/4G通信模塊及相關通信協議的云端-邊緣端通信技術;使學生了解云計算相關概念，實現自己開發系統的公有云端部署。

微項目10的研究與實踐內容包括以下方面：（1）工業數據采集系統實現。學生使用傳感器和采集卡開發采集系統，并基于自己所開發的采集系統，采集齒輪傳動設備上的振動、力、溫度、潤滑脂、電機轉速轉矩等運行數據;（2）基于深度學習的齒輪故障診斷算法研發。學生使用采集到的多源數據開發診斷模型，實現對齒輪典型故障的診斷;（3）基于OpenTSDB的時序數據管理。學生了解并掌握時序數據庫存儲原理，并將所采集到的工業時序數據用OpenTSDB進行管理與可視化。（4）齒輪傳動設備物聯網遠程智能運維系統實現及云端部署。學生綜合使用Java開發、MQTT協議等技術，開發齒輪傳動設備物聯網遠程智能運維系統，實現齒輪傳動設備運行數據的實時監測、齒輪故障診斷與報警、基于5G物聯網模組的伺服電機遠程控制三大功能，并實現系統在公有云上的部署。上述四項內容實現效果如圖3所示。本項目所用科研條件如表3所示。

（四）微項目在教學中的實踐方法及人才培養的素質目標

可以看出，不同微項目中研究實踐內容的數量及難度各不相同，因此微項目的小組人數、時間跨度、項目開展地點等方面應做到“一項目一策”。例如，微項目10，研究內容較多，難度較大，擁有設計軟硬件調試等多個環節，小組人數4～5人為宜;在項目實施過程中，需配備研究生給予技術細節上的指導，但大部分時間需本科生自行學習探索。時間跨度方面，在課堂教學中期完成相關理論內容講授后即召集學生組隊開展，要求學生組內分工明確，做到“內容誰負責，功能誰開發，結題誰答辯”。項目開展地點方面，由于該項目以軟件系統開發為主，學生以“自選地點軟件開發+實驗室硬件調試”的方式開展，教學團隊開放實驗室供本科生使用。微項目4難度適中，建議3～4人一組為宜，教學團隊提供相關實驗數據，該數據為教學團隊課題組歷時數月制定方案并完成切削實驗與數據采集，完全來源于工業應用場景。學生在獲取數據后，便以算法模型研發為主，在項目實施過程中，小組成員需分工明確，分別承擔數據處理、信號特征提取、遷移學習、深度學習模型開發等，落實責任到人。微項目1研究內容較少、難度較低，因此2～3人一組為宜。對于難度較低的微項目，同一組學生需要選做兩個，以在難度和工作量上每個小組基本保持一致，避免學生避難就易。最終，每小組需要上交微項目結題報告，包括研究目標、內容、方案、結果等，并進行結題答辯。

通過本課程課內教學+課外微項目的方式，驅動學生探索、分析、決策、自學到最終解決問題并完成項目報告，使本科生牢固掌握理論方法并學以致用，完成對本科生的初步科研訓練。此外，通過微項目，培養學生具備堅定正確的政治信念、良好的職業道德和科學的創新精神，具備良好的心理素質、探索精神、分析決策與解決問題的能力，此外通過小組合作做項目的方式培養學生與他人合作、溝通和團隊工作的能力。

四、結束語

截止到2020年底，全國已有數十所大學設立智能制造工程專業并形成自己獨有的課程體系，但縱觀全國高校，目前工業智能課程在智能制造工程專業的課程體系中還很少開設，而該課是滿足智能制造內涵的重要賦能技術，是工業互聯網充分釋放賦能價值的關鍵要素。我們的專業培養方案中開設了工業智能方法與應用課程，并針對該課“人工智能方法與工業場景深度融合”而注重實踐的特點，在課內理論教學的同時，教學團隊設計了一系列微項目并結合微項目實踐形成與該課配套的應用案例集。以微項目驅動學生掌握理論知識，讓本科生盡早觸達最新科研成果，接受科研訓練，為學生日后從事智能制造相關專業工作和研究打下牢固基礎，從而為我國培養出高水平專業人才。

參考文獻：

[1]蘇遠平，余秋明，楊蓓.智能制造2025背景下新工科核心課程教學新模式探索[J].教育教學論壇，2019（52）：146-147.

[2]高亮，李培根.智能制造概論[M].北京：清華大學出版社，2021.

[3]劉強.智能制造理論體系架構研究[J].中國機械工程，2020，31（1）：24-36.

[4]皮大偉.基于OBE的智能網聯汽車技術課程項目引導式教學設計[J].高教學刊，2021（29）：70-74.

[5]楊京輝.基于數字圖像處理課程的多維度教學探索[J].高教學刊，2021（29）：121-123.

[6]劉雅靜，史成坤，陳嬌嬌.基于線上+線下的機械制造基礎實驗教學研究[J/OL].北京航空航天大學學報（社會科學版）：1-5[2021-11-28].https：//doi.org/10.13766/j.bhsk.1008-2204.2021.0008.

[7]林陵娜，祝連波，張尚，等.項目導向學習（PrBL）的工程項目管理課程教學改革研究[J].產業與科技論壇，2021（20）：116-118.

[8]張袁元，顓孫隨意，許麗嬌，等.應用型本科的課程項目化教學改革研究[J].教育教學論壇，2021（39）：88-91.

[9]李培根.工科何以而新[J].高等工程教育研究，2017（4）：5.