面向智能制造的數據管理與分析課程群建設研究

周三玲，魏 星

（南京理工大學 紫金學院 智能制造學院，江蘇 南京 210023）

0 引言

近年來，國家在制造業的發展上提出了相應的國家戰略，如工業4.0、工業互聯網和中國制造2025 等，其目的主要是通過構建智能工廠、實現智能制造提升制造業的水平。目前，有很多智能制造的研究成果呈現了智能制造的本質及其發展方向，但系統化的研究成果不多，如缺乏對智能制造課程體系的研究。智能制造涵蓋供應鏈的整個流程，覆蓋的知識面寬廣，需要多種技術的綜合應用，它包括設計、制造、裝配、管理、維護等多個階段，實現智能制造需要各階段集成創新，共同提高制造的智能化、信息化、數字化。實現智能制造的過程中，具備數據管理與分析能力的人才需求在迅猛增長，那么構建面向智能制造的數據管理與分析課程群就勢在必行。為此，高校必須從社會發展需要的角度，構建面向智能制造的數據管理與分析課程群的教學內容和教學方法，以培養經濟社會發展所需的復合型人才。課題從適應社會需求的角度出發，結合智能制造時代背景，借鑒國內外先進經驗，構建面向智能制造的數據管理與分析課程群，為智能制造課程體系的完善和發展提供參考。

1 面向智能制造的數據管理與分析課程群建設思路

1.1 相關研究現狀

石洪波研究了信息類專業數據管理與分析課程群建設思路，構建了其課程群體系，并優化整合了課程群的教學內容，并創新課程群的教學手段[1]。姜桂洪針對軟件工程專業的數據管理課程群的特點，設計符合數據管理課程群大綱要求的實踐教學，實現具有動態性機制的實踐教學體系建設[2]。杜金蓮從數據管理類課程結構情況分析入手，提出以數據庫原理為中心的課程群建設思路，詳細討論課程群結構及建設實施方案[3]。黎海波從課程模塊化組合以適用不同專業的思路出發，提煉出多種設置課程群的方案[4]。曹耀欽對大數據應用人才的崗位及知識結構開展分析，并從基于崗位目標的課程群設計、實驗教學對課程群建設進行研究[5]。劉國勝基于大數據管理及應用專業建設的經驗，探討數據分析核心課程群課程內容和教學模式改革創新的舉措和措施[6]。錢玲飛從信管專業學科特點分析、大數據課程群設置分析出發，闡述了大數據相關課程的不足，并以大數據技術與應用課程為例、探討了該課程的教改實踐環節[7]。沈仙法對智能制造背景下的機制專業課程體系進行了優化與重構[8]。這些研究主要以軟件工程、信管、大數據管理與應用等專業的相關課程設置為落腳點開展研究，缺乏圍繞智能制造實現過程中基于生產數據的相關課程群研究。

1.2 構建思路

數據管理與分析課程群的開發，首先需進行人才需求調研，確定相關工作崗位。其次，針對職業崗位需求，通過實際工作任務分析，確定完成工作任務所需要的知識、能力和素質要求，明確數據管理與分析人才培養目標定位，最后確定相關課程并梳理課程之間的關系，構建數據管理與分析課程群。具體構建思路如圖1 所示。

圖1 課程群構建思路

2 面向智能制造的數據管理與分析課程群構建過程

2.1 數據管理與分析人才調研

為充分了解企業對數據管理與分析人才的需求情況，專業教師前期開展了調研活動，設計了相關調查問卷，并通過畢業生訪談、網上招聘信息查詢、企業主管交流等方式了解到企業對數據管理與分析人才的需求旺盛，數據管理與分析人才主要負責數據的收集、整理、存儲以及清洗、組織等大數據處理工作，以及通過數據挖掘來輔助高層的決策工作、預測相關趨勢。通過調研確定了面向智能制造的“數據管理與分析”方向社會需求相關崗位主要有四大類，具體見表1。

表1 數據管理與分析人才社會需求相關崗位

數據分析和管理的綜合能力是數據分析人才的核心競爭力；數學統計學思維、編程以及數據可視化能力也是不可或缺的重要部分。工業工程專業是實現智能制造的有力支撐，結合市場需求情況以及工業工程專業原方向的優勢與不足，提出其數據管理與分析方向的知識能力結構，將其能力分為七個維度，并調研分析了相關崗位在各能力維度的占比情況，具體形成雷達圖如圖2 所示。

圖2 數據分析與管理人才知識能力結構

2.2 數據管理與分析典型工作任務分析

根據表1 中數據管理與分析人才的工作崗位及職責，從工作對象、工具及工作要求出發確定了數據管理與分析人才社會需求的典型工作任務要求見表2。

表2 數據管理與分析人才工作任務分析

2.3 數據管理與分析課程群構建

在智能制造蓬勃發展的背景下，結合數據管理與分析人才工作任務要求，確定數據管理與分析課程群建設的目標為培養滿足地方經濟、社會發展需要，具有一定的文化素養和工程素養，掌握扎實的計算機軟硬件專業理論，對當前主流數據管理和分析平臺有清晰的認知，具備較全面的數據平臺的應用開發與管理運維能力，具備較強的創新意識和初步的大數據工程實踐能力，能在企事業單位從事數據分析和管理與運維等工作的應用型、并具備一定行業經驗認知的數據分析與管理人才。

在前期對其他院校調研的基礎上，通過梳理課程之間的關系，從系統開發、數據分析、數據管理三個模塊構建了如圖3 所示的課程群。

圖3 模塊化數據管理與分析課程群體系

該課程群以建立數據管理系統，掌握數據分析方法，結合相關知識進行預測、決策為目標，要求在充分掌握信息類學科方向專業知識的基礎上，針對工業工程類專業的領域知識進行數據管理與數據分析，體現了“厚基礎、重目標”的宗旨。首先，通過開設微觀經濟學、工程經濟學、管理學、成本管理、管理系統工程等課程，培養學生具備扎實的經濟管理理論基礎；通過開設計算機網絡、Python 程序設計語言、人工智能等課程，夯實學生計算機基礎，掌握面向對象的計算機編程思想；通過開設高等數學、線性代數、概率與統計、應用統計學等課程，培養學生掌握基本的數理邏輯思維，為學生將來從事數據分析和管理決策等工作打下基礎。這些課程構成了數據管理與分析課程群的基礎平臺，支撐著整個課程群的順利開設。其次，數據管理模塊包括：數據庫系統原理和SQL Server 數據庫系統，數據庫系統原理課程是整個課程群的靈魂和核心，對其他課程開設起著關鍵作用；系統開發模塊包括：管理信息系統、信息系統分析與技術、UML 技術、Web 系統與技術等課程，其中，管理信息系統是該模塊的基礎內容，同時圍繞信息系統分析與設計的核心內容開展系統開發相關功能；數據分析模塊包括：數據挖掘、工業大數據分析、運籌學、計量經濟學等課程，其中數據挖掘是核心課程，其他為輔助課程，通過該模塊的設置使學生掌握數據分析的基本方法和典型工具，具備利用數據分析解決實際問題的能力。

3 其他建設內容

3.1 課程學分及教學安排

該課程群主要以筆者的學校智能制造學院工業工程專業設置的新方向為載體進行建設，2021年工業工程專業人才培養方案針對數據管理與分析課程群的主要課程給出了具體的教學計劃安排，見表3。

表3 課程群教學計劃

3.2 課程群教學內容優化

課程群教學內容要避免出現不同課程內容的重復問題，確保教學內容的邏輯和層次，應用5W1H 的思維實現課程群內容的優化，具體如下：（1）為什么講（Why）：以實踐問題為導向，明確教學目的；（2）講什么（What）：以所需的能力為導向，整體規劃課程群的教學內容，避免重復；（3）什么時候講（When）：考慮課程內容之間的邏輯關聯和層次，安排合理的學分和學期；（4）在哪里講（Where）：課堂內外實現有機結合，在保障課堂內質量和效果的前提下，合理規劃實踐學分，提升學生的實踐能力；（5）誰來講（Who）：組建合理高效的教學團隊；（6）怎么講（How）：以案例驅動為軸，基于工作過程系統化，實現理論與實踐相結合，提高學生的參與度。以運籌學課程為例說明教學內容的具體優化見表4，其他課程的內容優化依此設置，一定程度上體現課程群共建的意義。

表4 運籌學教學內容優化

3.3 課程群教學團隊組建

在當前智能制造背景下，數據管理與分析課程群的建設需要有教學能力和科研能力強的教學團隊支撐，任課教師既要有豐富的項目經驗，又能根據時代發展掌握新理論、新技術、新方法，并靈活運用于課程教學。打造高水平的數據管理與分析教學團隊，可從以下幾方面開展工作：（1）從師資隊伍實際出發，分析課程教學中存在的問題和短板，積極引進高層次優秀人才，提升教學團隊的教學和科研能力。（2）著力培養中青年教師為后備力量，并打破不同教研室的學科壁壘，實現資源的整合。（3）建立配套政策機制，鼓勵教師積極參加各類培訓與進修，引導教師跨越學科和專業界限，更新知識體系，研究新技術、新方法，提升自身能力和水平。

4 結語

隨著時代的發展，探索面向智能制造的數據管理與分析課程群的構建問題，是對高校智能制造課程體系的教育教學改革的嘗試，以期為智能制造課程體系的完善和發展提供參考。以適應社會需求為出發點，通過調研活動，明確了數據管理與分析人才社會需求崗位，開展工作任務分析，以知識能力素質為核心定位數據管理與分析人才培養目標，構建數據管理與分析人才課程群。下一階段，我們將從教學內容、教材編寫、實踐教學、師資隊伍建設等方面進一步完善數據管理與分析課程群建設，通過深化課程教育教學改革，為學生綜合能力的提升而助力，以適應智能制造時代的發展。