取消
搜索历史
热搜词
原创
活动
转型理念
ENI专访
当前位置:首页 >文章发布 > 正文
智能制造工程专业的 “四维” 课程体系和学习工厂培养模式
来源:新工业网  作者: 陈树君 张自强 2024-06-06 14:29:04
智能制造面向产品全生命周期,可实现泛在感知条件下的信息化制造,是我国制造业的主攻方向。

智能制造面向产品全生命周期,可实现泛在感知条件下的信息化制造,是我国制造业的主攻方向。传感、通信等新技术的应用使得智能制造过程具有自感知、自学习、自决策、自执行、自适应等功能,这将有效缩短产品研制周期、降低运营成本、提高生产效率、提升产品质量、降低资源消耗,同时便于提供个性化服务。特别地,北京将制造业的发展定位在创新驱动、智能引领、网络管控的总格局上,高端制造技术与智能化、网络化紧密融合成为北京市制造业发展的主流方向。在庞大的智能制造产业升级需求牵引下,培养智能制造工程专业的高素质创新型人才迫在眉睫。为此,北京工业大学材料与制造学部开设智能制造工程专业,为北京“四个中心”建设和京津冀协同发展提供智能制造领域高素质创新型人才和高水平科技成果。

在智能制造工程专业建设过程中,天津大学、同济大学、清华大学等高校纷纷提出了人才培养模式及相应的课程体系,为全国高校智能制造工程专业建设提供了思路和方法。然而,智能制造作为新兴领域,人才需求具有梯度化的特点。北京工业大学立足北京,辐射京津冀,需要根据学校自身办学定位和京津冀智能制造人才需求,提出具有特色的智能制造工程专业课程体系和培养模式。

1 智能制造工程专业人才培养目标

1.1 人才定位

按照智能制造产业纵向差异,专业人才可分为领军型人才、创新型人才和行业应用型人才。面向北京“四个中心”建设目标,北京及周边地区智能制造领域专业人才须能够完成技术引领及管理引领,即突破智能制造领域全局性、前瞻性、带动性的关键共性技术,并且能够在相关企业担任主要领导职务;同时还需要一批能够掌握设计、工艺、制造、管理等面向产品全生命周期,具有全局意识和自主创新思维的创新型人才。为此,北京工业大学材料与制造学部提出培养面向“基于现代设计方法的产品智能设计及现代网络环境的分布式协同制造”的高素质创新型人才的目标。

从智能制造产业横向的技术发展来看,智能制造业态可分为三个层级。第一层级面向产品制造,包含数字化产线、数字化车间和数字化工厂,重点在数字化技术层面。第二层级面向制造能力,包括网络协同制造、远程运维、开源工业物联网,重点在网络化技术层面。第三层级面向设计创意,以万物互联互通、制造能力全面开放协同为基础,包含创新设计方法、人工智能技术,重点在智能化技术层面。北京工业大学智能制造工程专业人才培养以第一层级业态为基础,重点培养第二层级业态的从业人员,为第三层级业态提供高素质人才储备。

基于上述人才定位,毕业生预期具有“3+6+1”的就业模式,即30%的学生具有在国际企业总部和国家重点企业从事系统规划、新产品开发、全生命周期运营管理等工作的能力,60%的学生具有继续攻读硕士或出国留学的能力,10%的学生具备自主创业的能力。

1.2人才能力需求

根据人才培养定位,北京工业大学智能制造工程专业培养的毕业生应以智能制造相关领域的系统架构、规划、创新产品设计、智能生产管理和智能服务运维为专业特长,需要具有以下4个方面的能力。

①面向结构,能够运用相关仿真软件,结合智能加工方法和工艺流程,掌握基于模型的机械、工艺、电子一体化设计方法,具有基于现代设计方法的产品智能设计能力。

②面向产品,能够对材料性能、力学性能等进行理论建模与仿真分析,同时具有多性能协同分析优化的能力。

③面向装备,掌握智能产线的控制、传感、执行等软硬件的基本原理,具有基于现代网络环境的分布式协同制造设计能力。

④面向全生命周期,掌握产品上下游管理流程与协调调度方法,具有智能生产管理及智能服务运维能力。

上述4个方面的能力需求与智能制造全生命周期不同环节相对应,要求学生既对智能制造有全局性把握,又能够系统掌握某一环节所涉及的理论知识,符合本专业培养高素质创新型人才的定位。

2 智能制造专业的“四维”课题体系

结合智能制造人才培养目标,北京工业大学创新性地提出了“四维”课程体系。与工程人才四维模型体系不同,“四维”课程体系以4个维度的专业基础课程体系为核心,以专业限选课程为侧翼,形成纵向有深度、横向有广度、基础理论与前沿热点相结合的课程架构。

2.1 “四维”专业基础课程体系

在智能制造过程中,产品的智能化是核心,传感器与人机交互技术是重点,数字化制造技术是关键,智能设计技术是灵魂,基于开放物联网的网络协同制造技术和基于大数据的远程运维技术是手段。为明确课程与智能制造全生命周期不同环节的对应关系,满足学生面向不同制造领域的就业、升学、创业的个性化需求,引导学生深度与广度相结合的思维能力,结合典型机电一体化产品生产流程,提出“四维”专业基础课程体系,包含制造工艺维度、制造性能维度、制造装备维度和制造产品维度。“四维”专业基础课程体系如表1所示。

表1“四维”专业基础课程体系

图片

(1)制造工艺维度。

制造工艺维度面向产品制造的单一工序所涉及的新技术与新方法,使学生掌握现代产品工艺设计方法、工艺建模方法和基于模型的生产全流程规划方法,理解基于模型的装配建模、产品的协同设计及基于模型的数字化制造,同时了解智能制造工艺新方法和发展趋势,以及智能制造工艺方法对产品质量的影响。其中“基于MBD的先进制造技术”与“基于模型的工程(MBE)”是该维度核心课程。前者使学生掌握先进的冷热加工设备结构及原理、加工方法及工艺设计准则和基于MBD的数字化数模应用,后者使学生掌握基于MBD的设计一工艺一制造一体化的建模方法、基于MCD的产品运动与逻辑控制仿真及基于模型的产品立项一设计一仿真全流程规划。

(2)制造性能维度。

制造性能维度主要使学生掌握零件工程设计中的数学建模与数值分析方法及仿真模型的多目标优化方法,理解工程材料的选用准则及多介质、复杂装配体的仿真建模和分析方法,同时了解刚柔一体新材料、新结构的性能建模分析方法及多物理场仿真和优化设计方法。“工程设计与优化方法”是核心课程,学生应掌握结构分析、热学分析、运动分析、几何参数优化的原理和软件工具使用,通过对所设计的产品进行多性能分析,掌握如何使产品性能达到最佳。

(3)制造装备维度。

制造装备维度从产品自身角度转向产品的加工生产装备,面向产线单一装备及集成,主要使学生掌握智能传感器工作原理及在智能产线中的应用、自动化产线控制系统设计,理解控制及传感系统误差产生机理和精确控制方法及制造岛间数据交互技术,同时了解不同编程语言的应用、新型传感的工作原理、机器人的结构及在智能制造中的应用。“智能传感与控制”“全集成自动化”是核心课程。前者使学生掌握传感器基本原理和相应控制算法,后者使学生利用前期课程的基础知识,掌握全集成自动化的产品选型、网络组态与编程、HMI操作界面组态、变频器通信等知识。

(4)制造产品维度。

制造产品维度使学生掌握数字化设计方法、生产系统建模与设计及智能制造企业架构及运行机理,理解机械产品动态特性建模方法、生产系统过程控制、智能制造系统运营管理技术,同时了解机械产品创新设计方法、生产系统故障预测方法及健康管理。该维度的3门课程均为核心课程。“机械产品设计基础”主要掌握产品设计的基本原理;“智能生产系统与CPS建模”使学生掌握数字李生的概念,能够利用装配仿真来虚拟验证所有流程操作步骤及其细节;“制造运营管理”使学生掌握数字化企业架构及制造执行系统(MES)的组成、功能和运行机理。

上述“四维”专业基础课程涵盖了一件典型产品的创意、设计、制造、生产管理和产品运维的全生命周期,课程内容设置以产业需求为导向,具有梯度明确、基础性强的特点,符合高素质创新型人才的培养需求。

2.2 “四维”专业限选课程体系

专业限选课程是专业基础课程的延伸,主要在第7学期进行讲授。面向不同维度,专业课程设置原则为:

①前沿性:课程应适当涉及智能制造相关前沿技术及交叉学科,拓宽学生对本领域专业知识的认识和了解。

②专业性:课程应聚焦特定角度,系统深人地讲授某一类复杂问题的解决方法。

③区分性:课程体系应具有针对性,满足就业、继续深造和创业等不同目标的学生。

“四维”专业限选课程体系(见表2)列出了4个维度的部分专业限选课程,均开设在第7学期,以制造装备维度为例,“智能制造装备应用技术”“Python技术与应用”“智能仓储与物流”等课程的内容侧重应用技术,学生可直接将通过课程所学到的技术应用于工作当中;“人工智能与深度学习”“智能装备故障诊断与维护”等课程侧重前沿基本理论与方法,满足继续深造学生的学习需求。

表2 “四维”专业限选课程体系

3 基于学习工厂的培养模式

为防止分散的课程教学过程与实践环节导致学生对智能制造全生命周期认识的碎片化,提出基于学习工厂的智能制造人才培养模式。该模式打造智能制造工程实践教学平台,以典型产品的智能制造过程为引导,覆盖本科4年课程体系。

3.1 建设目标

该培养模式以建立功能全、贴近工业现场的智能学习工厂为总体目标,覆盖工艺设计、性能分析、加工制造、运维管理的产品生产全流程。在学习工厂产线布局方面,为实现与“四维”专业基础课程体系的对应并使学生掌握智能制造各环节之间的逻辑关系,建设智能制造分散式制造岛,各制造岛既能独立完成功能,也可根据工艺相关要求衔接成一个新系统。在知识元素覆盖方面,学习工厂融合了信息技术、先进制造技术、自动化技术、工业机器人技术、虚拟仿真技术、数控加工技术、自动控制、经济管理等元素,覆盖智能制造知识体系。在学习系统方面,构建一套层级式、多维度的学习系统,为学生工程实践教学提供一个先进的、创新的、符合工业生产实际的工程实践平台。

3.2 建设内容

基于学习工厂的培养模式是以典型产品为生产对象,以TeamCenter系统为总体协同平台,贯穿4个维度(制造工艺、制造性能、制造装备、制造产品)课程体系,打造虚实契合的教学模式,实现零件和产品创新设计、性能分析、工艺规划、加工制造、智能管理、物流服务的产品全生命周期管理。“四维”专业基础课程均对应一门实践课程,并在智能学习工厂中与产品智能制造具体环节一一对应,由此实现理论课程与实践体系的融会贯通。基于学习工厂的实践体系与“四维”专业基础课程体系对应关系如表3所示。

表3 基于学习工厂的实践体系

基于学习工厂的培养模式的优势在于:

①学习工厂构建了基于智能制造先进技术的训练单元集群,通过与“四维”专业基础课程的对应,提高了分散的实践环节内在的逻辑关系。

②各实践环节以具体案例为切人点,面向多维度典型产品智能产线,学生在4年本科期间逐步完成覆盖智能制造全生命周期的所有实践环节,最终可得到个性化产品,提高了学生的学习兴趣。

①打造智能制造专项技术实训平台,构建基于智能制造先进技术的训练单元集群,结合数字化工厂中产品生产流程,实现实践与理论的有机融合。

②建成产品设计、工艺设计、实验测试等与仿真集成的工具链,支撑“设计仿真一数字制造一试验测试一实物制造”的培养模式。

③打造机械工程、电气控制、软件工程、机器人应用、系统集成等复合学科教学平台,满足多学科人才培养需求。搭建产教融合高端实训基地,打造具有大国工匠精神的教学团队,建设数字化专业教学资源库。

④以智能制造行业需求为导向,通过“企业调研一技术技能一人才规格”的人才定位过程,反向设计人才培养方案、教育目标、课程体系,使教学实施能够促进学生满足社会需求。

4 智能制造专业建设协同措施

(1)建立校企联合培养模式。借助企业工程优势,与西门子等智能制造知名企业联合共建,形成人才培养闭环,以工业界对工程师素养需求为基础,实现高校与企业岗位的超前精准对接。同时探讨以学生为中心的主动式学习方法,以体验式进行能力的构建,建立由基础课程、项目植人到专业课程的培养体系,最终培养主动应对社会智能化发展趋势、兼具技术与管理能力的高素质创新型人才。

(2)打造智能制造科研平台。智能制造属于新兴领域,涉及机械、信息、通信、传感、管理等多学科前沿技术。教学、科研的有效融合可提升课程内容饱满度与前瞻性、开阔学生的国际视野。为此,北京工业大学材料与制造学部集全院之力成立智能机械研究院,将智能制造科研成果融入教学当中。针对智能制造研究领域,智能机械研究院科研体系划分为智能结构、智能机构、智能部件、智能装备4个研究方向。不同研究方向与“四维”课程体系的交叉对应可以打破不同维度之间的壁垒,培养学生多学科融合的思维。

(3)打造京津冀网络协同平台。北京工业大学材料与制造学部基于智能机械研究院,进一步创建京津冀网络协同制造技术创新中心,形成京津冀一体化的智能制造网络平台,将区域内的高校及智能制造典型企业进行网络协同,结合VR等先进技术手段,为学生提供立体化的教学、实践基地,实现理论课程与实践环节的互补。

5 智能制造培养方案的特点

北京工业大学所提出的智能制造工程专业“四维”课程体系和学习工厂培养新模式具有以下4个特点。

(1)“点一线一面”有机融合。在“四维”课程体系和与之对应的学习工厂实践体系中,制造工艺维度面向某一工序的先进加工方法,制造性能维度围绕产品的性能分析及优化方法,这属于智能制造中的“点”。制造装备维度以产线的全集成自动化为目标,面向的是多个工序,这属于智能制造中的“线”。制造产品维度向“产品设计”和“产品运维管理”拓展,形成“面”,最终实现了“点一线一面”的有机融合,有助于加强学生对智能制造生产过程的理解。

(2)以培养学生深厚的基础知识为目标。“四维”课程体系以专业基础课程为核心,偏重于智能制造所涉及的共性基础知识,人工智能、深度学习等前沿领域的相关知识则设置在了专业限选课程当中。课程体系使学生重点掌握智能制造能不能的问题,通过掌握尖端技术,解决智能制造过程好不好的问题。坚实的基础知识有助于学生对智能制造的理解。

(3)精准把握人才定位。现阶段的人才培养目标大多定位在领军型人才和行业应用型人才两方面,而北京工业大学所提出的“四维”课程体系和学习工厂培养模式以培养高素质创新型人才为目标,填补了领军型人才与行业应用型人才之间的空白,具有重要的社会意义。

(4)立体化的培养模式。围绕“四维”课程体系和学习工厂培养模式,学院在校企联合、科研平台搭建等方面布局,形成了以“学”为主,产、学、研、用高度融合的智能制造人才培养体系,从而培养出专业基础深厚、实践能力突出,同时兼顾前沿国际视野与社会需求的高素质创新型人才。

特别地,智能制造虽然是机械工程领域的发展方向之一,但“四维”课程体系和学习工厂培养模式与机械工程专业原有课程体系和实践环节具有很大差别。智能制造不是升级版的机械工程,而是将全局思维、管理思维、学科交叉融合思维融人数字化、信息化的过程当中,从而培养学生的综合能力。

6 培养方案所面临的挑战

“四维”课程体系和学习工厂培养模式也面临着诸多挑战。

(1)培养方案与新兴领域快速发展间的矛盾。智能制造属于新兴领域,与其相关的技术发展迅猛。截至目前,以“智能制造”为主题的SCI论文就已经多达600余篇。而课程体系与实践环节如何能够适应新技术的快速发展是面临的挑战。不变的课程体系与实践环节势必会使得学生与社会脱节,而变化过于频繁又不利于培养学生扎实的基本能力。因此,需要从教学模式创新、多种教学手段相结合等方面进行深人探讨。

(2)不同维度课程体系的贯通。在该培养方案中,智能制造课程体系被分解为4个维度。4个维度均为产品生产周期的某一环节,各维度之间具有紧密的联系。同时,由于每门课程所对应的实践体系最终都围绕一个典型产品所展开,因此如何保证不同维度的课程之间有效融合是面临的挑战。

(3)课程学时的合理分配。由于智能制造涉及机械、信息、传感、管理等多学科相关知识,且面向产品全生命周期,同时,4个维度中的每门专业基础课程都有与之相对应的实践环节,因此,课程数量势必会增加,这就需要积极采用新的教学模式,对课程学时进行合理分配。

(4)教学内容深度与广度的结合。“四维”课程体系中,大部分为新开课程。在教学内容准备中,应使学生既能够具有扎实的基本知识,又能够具有开阔的前沿视野。但由于课程涉及的内容众多,如何通过筛选做到深度与广度的有机结合是面临的挑战。

 

为培养区域性智能制造高素质创新型人才,北京工业大学提出“四维”课程体系和学习工厂培养模式。课程体系对应智能制造全生命周期中工艺、性能、装备、产品4个维度,课程内容以培养学生基础能力和创新能力为主,兼顾学科前沿发展趋势,知识结构与机械工程认证体系高度契合。

学习工厂与“四维”课程体系完全对应,覆盖产品生产全流程,以典型产品为引导,实现本科期间实践教学的连贯性,全过程工业化的实践体系符合“新工科”理念。通过体系创新与内容创新相结合,培养方案完全涵盖智能制造领域中的高素质创新型人才的能力需求,符合京津冀智能制造协同发展战略。该培养方案具有较好的借鉴意义,可推广到地域特色鲜明、着重培养高素质型创新人才的相关高校。

免责声明:本文系网络转载,版权归原作者所有。本文所用图片、文字如涉及作品版权问题,请联系删除!本文内容为原作者观点,并不代表本网站观点。
编辑:乔帅臣
关键词:   智能制造  智能化  数字化 
活动 直播间  | CIO智行社

分享到微信 ×

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

Baidu
map