工业工程专业制造大数据应用分析方向课程设置

吴小东，赵晶英

（广东石油化工学院机电工程学院，广东 茂名525000）

当今时代，大数据已经成为宝贵的资源。大数据背景下，数据科学是以数据，特别是大数据为研究对象，以从数据中获取知识与智慧为主要目的，以数学、统计学、计算机科学、可视化以及专业领域知识等为理论基础，以数据采集、预处理、数据管理及数据计算等为研究内容的一门学科[1]。

物联网工程技术、数据科学与大数据技术、人工智能技术等技术及相关产业的发展促进了大数据技术在制造业的应用。许多国家的制造业发展战略，如德国工业4.0、美国工业互联网、中国制造2025等均明确指出，大数据是新一代工业革命和制造业的关键技术。我国国务院2015年发布的《促进大数据发展行动纲要》将制造业大数据列入十大重点工程。在基础性支撑技术、产业政策和国际竞争的驱动下，我国制造业大数据急需发展，利用大数据技术提升制造业价值，从而需求大量的大数据人才。大数据人才培养主要分为大数据应用架构师和大数据应用分析师[2]，本文分析讨论的是制造大数据应用分析师培养。

我国大数据本科教育起源于2016年，教育部批准首批3所高校于2016年、32所高校2017年开始开展数据科学与大数据技术本科人才培养。制造大数据应用分析人才培养属于文献[1]提出的泛专业数据科学素养的人才培养。由于大数据技术专业教育刚起步，泛专业数据科学素养的人才培养还没有起步。

泛专业数据科学素养的培养是数据科学与实际应用领域知识的深度融合，培养既有领域专业背景又有一定数据科学素养的复合型人才[1]。实践中，可设置“？＋大数据”式的精简、融合类课程，或设置与大数据技术交叉的“微专业”，开设相对系统的数据科学系列课程，培养领域知识与数据思维高度结合的“π”（两专多能）型人才[1]。我们下面从“？＋大数据”的融合类课程模式分析制造大数据应用分析人才培养的课程设置。

1　制造业大数据与制造大数据的概念

制造业大数据是指从制造车间生产现场到制造企业顶层运营所有生成、交换和集成的数据，包含了所有制造相关的业务数据与衍生附加信息，但是相对于其他行业大数据，制造业大数据大量集中于工业设备所产生、采集和处理的数据，并且随着制造过程的高速运转，体现了极强的实时性，它是制造企业中具备海量、高增长率和多样化特征的信息资产，广泛存在于企业中各类应用系统[3]。

按照制造业大数据的不同来源，制造业大数据分为产品大数据、运营大数据、价值链大数据、外部大数据；按照制造业大数据的不同结构，制造业大数据分为结构化大数据、非结构化大数据、半结构化大数据；按照制造业大数据的不同维度，制造业大数据分为设计维大数据、制造维大数据、销售维大数据和服务维大数据[3]。

制造大数据是数据来源和使用均在制造过程环节，是利用大数据技术采集、处理制造过程产生的海量数据并基于数据处理进行制造工艺改进、制造质量控制与改进、制造成本建模与控制、制造资源调度、生产设备效率提升、制造设备健康运行管理与视情主动维护。

2　制造大数据技术与人才培养

制造大数据是制造科学与技术、数据科学与大数据技术的交叉技术，包括对海量制造数据的采集、传输、存储、处理和利用。制造业大数据技术包括制造业大数据应用开发相关技术（基础平台技术）、制造业大数据感知技术、制造业大数据通信与控制技术、制造业大数据分析与挖掘技术四大类制造业大数据技术[3]。

高等学校大数据技术人才培养可以分为大数据架构师和大数据应用分析师[2]。基于制造业大数据技术和大数据技术人才培养类型，可以把制造业大数据人才培养分为从事制造业大数据基础平台技术、感知、通信与控制技术的制造业大数据架构师，从事大数据分析与挖掘技术的制造业大数据应用服务分析师。制造业大数据架构师需要具备大数据科学与技术知识外还需要扎实的计算机科学与技术、物联网工程知识。制造业大数据应用服务分析师需要具备大数据科学与技术和某特定行业的制造科学与技术知识。

制造大数据应用分析是制造大数据的分支，是大数据处理和利用的大数据技术，在采集、传输、存储、处理海量制造数据的基础上，利用大数据挖掘技术挖掘分析海量制造数据，结合制造系统工程技术，挖掘制造质量影响因素及其相互关系、预测性质量控制、精准预测需求与优化库存、实时调度制造资源、预测性设备故障诊断和优化维护，使得制造过程蕴含的问题和规律透明化，优化生产决策与控制制造过程。

制造大数据应用分析师应该掌握制造系统工程与大数据应用分析技术，包括制造系统工程中的制造工艺与设备、制造资源调度、制造质量与可靠性工程，大数据技术中的大数据架构技术基础和大数据分析挖掘技术。

3　工业工程重要发展方向——制造大数据分析

根据美国工业工程师协会的权威定义，工业工程（Industrial Engineering，IE）是对人物、设备、能源和信息组成的集成系统进行设计、改善、实施和控制的工程技术，它综合运用数学、物理学、工程设计与制造、社会科学的专门知识和技术，结合工程分析和设计的原理和方法，对该系统所取得的成果进行确定、预测、优化和评价[4]。这里的集成系统可以分为制造系统和服务系统。

工业工程起源于制造业的生产制造问题改善研究，制造业一直都是工业工程的主要应用领域。典型的制造业工业工程问题有：依据制造工艺和设备进行制造车间设施设备布局设计与改善、满足制造工艺要求的制造车间物料搬运与储存系统设计以及改善、制造过程中的各类制造资源调度、对制造系统的设施（或设备、工具、环境、产品）进行人性化设计与改善、产品制造质量保障技术、生产线运行维护与健康管理、人工参与的产品加工流程及方法改进、制造信息化、制造车间现场改善，等等。

在工业工程领域的上述问题中，要准确预测生产工期和成本并根据产品需求变化、物料与设备现状等因素，对制造资源进行精准动态实时调度，需要制造大数据资源分析。要发掘设备运行状况规律、产品制造质量影响因素及其相互关系、预测质量因素因素状况，从而有效进行生产线健康管理、制造质量保障，这些需要制造大数据资源分析。也就是说，在大数据技术成熟的情况下，利用工业工程技术对制造过程进行分析需要借助于大数据技术，才能提高数据资源价值和工业工业应用价值，可以说，制造大数据应用分析是工业工程技术在大数据时代的重要发展方向。

综上所述，依托工业工程专业培养制造大数据分析人才是必要的也是可行的。

4　依托工业工程专业培养制造大数据应用分析人才的课程设置

根据制造系统工程的知识模块体系，以“制造系统工程+大数据应用分析”的课程融合模式设定制造大数据应用分析人才培养课程体系。

制造工艺与设备类课程包括机械设计基础、制造工程技术基础、自动化制造系统、先进制造技术。

制造资源调度类课程包括生产系统建模与仿真，制造物流工程、生产计划与控制、制造执行系统。

制造质量控制与生产线健康管理包括现代质量工程学、可靠性预测与维护优化。

资源调度与大数据技术基础课程包括统计学、最优化理论与方法、智能算法。

参考数据科学与大数据技术的人才培养研究文献[1，2，5]和制造业大数据文献[3]设定制造业大数据应用分析类课程体系。

计算机与信息技术类课程包括程序语言设计、数据结构与算法、数据库、管理信息系统、计算机网络。

大数据技术基础包括人工智能概论、机器学习、大数据挖掘、云计算与大数据技术。

面向制造的大数据课程包括制造业大数据概论、制造业大数据平台技术概论、制造过程大数据分析与应用。

制造工艺与设备、资源调度类、质量控制与生产线健康管理、计算机与信息技术类课程方面，大部分课程均为各高校的工业工程本科专业必修课程，没有列入必修课程的课程所占比例低，在不同高校不同程度地被列为选修课程。

智能算法兼顾制造资源调度和数据挖掘与机器学习这些后续课程，选取若干种智能算法讲授，主要精讲遗传算法、人工神经网络，其他算法概述性讲解。

目前的高校工业工程专业基本不开设大数据技术基础类课程和面向制造的大数据课程，因此，这些课程为工业工程专业制造大数据应用分析方向的新开设课程。人工智能概论、机器学习、大数据挖掘、云计算与大数据技术为数据科学与大数据技术专业的课程，在此不分析课程内容。

对于制造业大数据概论、制造业大数据平台技术概论、制造过程大数据分析与应用这些面向制造的大数据课程，参考文献[5]的制造业大数据研究内容初步设定课程内容。

制造业大数据概论。包括大数据时代的制造业、制造业大数据的基本概念、制造业大数据资源、制造业大数据感知技术、制造业大数据通信与控制网络技术、制造业大数据应用概论、部分制造行业大数据应用案例。

制造业大数据平台技术。包括制造业大数据平台架构、制造业大数据平台的网络配置、制造业大数据平台的硬件配置、制造业大数据平台支撑软件技术、制造业大数据商业产品。

制造过程大数据分析与应用。包括制造过程质量控制产品制造过程大数据挖掘与质量改进、控制策略；设备运行数据挖掘与可靠性预测、生产设备运行维护与健康管理、效率管理、制造过程能耗优化；生产计划与调度，基于大数据分析的产品生产计划、物料计划、实时控制、作业调度，制造过程的库存优化；制造物流管理，基于大数据分析的物料搬运与仓储优化。

5　结束语

制造大数据是制造业大数据的重要类型和构成部分，制造大数据分析是制造业大数据技术人才培养的重要方向。

制造大数据应用分析是工业工程学科的重要发展方向，应用“制造系统工程+大数据应用分析”的模式设置制造大数据应用分析人才培养课程体系，在工业工程专业原有制造系统工程类课程和信息科学类课程的基础上，开设大数据分析基础课程和面向制造过程的大数据分析课程。

面向工业工程专业，基于课程集成的理念完善制造大数据分析方向课程体系的教学内容，研究校内实践教学体系建设、校企联合培养方式，这些是后续需要深入研究的内容。