中国社会组织评估等级
首页 > 论文 > 李培根:《工业/工程之教育问题浅谈》

李培根:《工业/工程之教育问题浅谈》

发布时间:2016-11-17   来源:中国机械工程学会  作者:秘书处   阅读次数:  【字体 】   打印

     由中国机械工程学会工业工程分会主办,华中科技大学、湖北省机械工程学会承办,台湾工业工程学会、天津大学管理与经济学部、中国机械工程杂志社、《工业工程》编辑部、管理科学与工程学会工业工程管理研究会协办的“第七届工业工程企业应用高峰论坛”于2016年9月18日在武汉市隆重召开。论坛上,中国机械工程学会副理事长、中国工程院院士、华中科技大学李培根教授作了题为《工业/工程之教育问题浅谈》的报告,下面摘要分享他的主要观点。
    1.新工业革命下,智能制造的要素,具体到企业而言,应包括质量、绿色、服务等要素。在“中国制造2025”中,提出创新驱动、质量为先、绿色发展、结构优化四大对策,质量、绿色、服务是对应于后面三个对策的。
    2.要素
    ●质量。质量不仅在企业内部,还涉及企业外部。控制质量从大系统的角度讲,也应该有跟以前不一样的思维。即便在企业内部,也分为显性和隐性的质量问题。
    ●绿色。绿色体现在产品中,也在过程里;不仅是无污染,且少消耗(能量、材料等);不仅是生产过程,也要靠设计保证;智能优化技术、软件是手段。
    ●服务。很多制造企业需要从生产型企业向生产服务型企业转型,这是价值链的延伸。而如何更好地服务(服务中的排队问题,使得等待时间最短、服务成本最低,数据收集的合理性等)是值得工业工程研究者关注的。
    ●柔性。企业为了应对多品种小批量的市场需求,需要实施柔性生产,其中不同产品快速切换是一个重要问题,具体包括物料有序配送、工时动态匹配、工装柔性通用、排程协同优化等。
    ●数据。我们要从被动的“工业运营”模式转向“预测模式”;大数据是新工业革命的核心动力;企业数据贯穿制造运营的执行→管控→决策三个层面。
    ●建模与仿真。建模与仿真是智能制造很关键的手段。复杂机电系统是多领域物理(机-电-液-热-磁-控)综合集成系统,需要研究基于多领域知识、面向多学科协同优化的新一代数字化设计方法与技术,以及面向复杂机电系统产品的多领域建模与仿真软件和工具。此外,还应关注研究ICME(集成计算材料工程)及其用途。
    ●智能设计。智能设计的理念应逐步从“实现性优先”转向“功能性优先”。
    ●智能优化。
    ●群体智能。谈到智能设计,我们还应有一种意识——开放创新(利用群体智能)。
    ●智能。未来智能技术在工业和工程中的应用一定会越来越多,我们怎么去吸收智能的智慧,未来企业中的人怎么和智能机器融合,是值得我们思考的新的问题。
    ●人。现代智能技术实际上在不断增强、扩展人的功能,如移动设备的应用。互联网将人机连接,结合大数据分析,让机器更聪明。人与机器在互动中实现双向学习。
    3. 前述要素都和工业工程(IE)有关,现在,企业的目标越来越多,也越来越高,空间变大,响应时间缩短,手段更多,复杂性增大,这是工业/工程教育面临的挑战。
    4. 新工业革命下,学科界限在发生变化,包括专业的界限、课程的界限、课程内容的界限等等,我们需要进行边界再设计。
    5. 网络与智能时代,知识存在逻辑在变化:现在的知识不仅存在于书本中,或者老师那里,它可能存在于网络中,甚至数据垃圾中;知识的存储逻辑在变化:知识的存储介质发生了变化,它不仅存储于书本中,知识可能在云端,可能在朋友处,而且,知识呈现碎片化;知识的传递逻辑在变化:呈现速度指数级增长、自动传播、碎片化、去中心化、跨越时空界限的特征;知识产生逻辑在变化,从数据中可以发现潜藏的、未知的规律或知识,从智能系统中可能产生一些我们人类没有意识到的知识。
    6. 工业工程涉及的要素太复杂,现在,CDIO模式、华盛顿协议(专业认证)都强调学生处理复杂问题的能力,我们要问的是“解决复杂工程问题的能力”的逻辑在哪里?复杂性应该主要体现在怎么培养学生解决复杂问题的意识,不是加很多知识,甚至加一些课,不能片面强调知识的复杂性,否则真的会“让知识淹没智慧”。我主张,我们可以从横向和纵向建立“复杂问题”的意识,首先是我们教师要有这个意识。纵向的复杂性从产品流程的角度讲的。横向的复杂性则涉及多学科、多领域。“复杂问题”逻辑的重要的是意识和视野。现代专业人员的视野主要不体现在知识上,而是体现在“问题”上。如工程学科需要学生具有宽广的问题视野——大工程观,要重视工程问题的关联、关联逻辑的变化。
    7. 关联与学习逻辑。“怎样学”与“学什么”正在被“从哪里学”(了解从哪里可以找到所需要的知识)所补充。学习不只是内化的个人活动,如何引导学生善于关联学科内及学科之间的知识节点或信息源,这是非常重要的。传统学习理论所强调的都是内源学习,而外源学习强调学习发生在个体与组织、组织与组织之间。所以学习的逻辑(向朋友学习、向网络学习、向数据学习、向智能系统学习)的改变,意味着教学方式的改变。在保证基础知识及基本体系的情况下,教学体系要重新审视,课堂教学内容要减少,复杂问题意识如何建立,教师要引导学生改变学习习惯、善于关联,教师要调动学生主动学习、实践的潜能,对学生的考核内容、形式都要改,总而言之,这里面,教师的作用很关键。
    演讲录音整理文字稿如下:
    非常荣幸有机会到这里来与大家交流。今天这个论坛我一开始不是很清楚,但后来发现这个论坛是叫企业应用论坛,讨论工业工程企业应用问题。结果我在这里讲教育的话题,这算是插了一杠子。当然了,仔细想一想,企业界的人士实际上也应该关心教育问题。中国的教育存在很大的问题。当然,教育界首当其冲,这是主要责任。但是,我们的教育生态还是有问题的,包括企业界人士对教育问题的认识等等之类的都在其中,所以我今天提到一些教育问题,希望企业界的人士也能够关心。第二,我的专业是机械,不是工业工程,那么我参加工业工程的这个会算是插一杠子。但是好在我有几个学生都在做工业工程,也给了我一点底气。前面这两个多少是被动地插了这两杠子。第三,大家看我报告的题目,工业和工程之间有一斜杠,这为什么插一杠子,我想我不说大家可能也明白,这实际上是体现我对工业工程的一种敬畏。我不敢瞎说,也没有资格妄议工业工程。所以请诸位今天听了我的报告以后呢,你们不要说我在这讲过什么工业工程的教育问题,我没有讲工业工程的教育。我是想讲工程教育,也讲和工业有关的教育,但是没有讲工业工程的教育。
    我从三个方面来做今天的演讲。先简要地讲一下新工业革命;其次是《中国制造2025》,推行智能制造等,需要哪些要素,工业界的人士还是应该关心这一话题的,因为要素里面会有一些和企业应用是有关系的;最后就是教育问题。
    中国政府去年发布了《中国制造2025》,很快就热了起来。中国工程院周济院长领衔进行的“制造强国战略研究”,我本人深度参与,最后形成的报告向中央建议,国务院发布的《中国制造2025》是在“制造强国战略研究”的基础上形成的。工业4.0对应着第四次工业革命,我们现在和德国人关系很好,非常重视和德国的合作。工业4.0是德国政府推出的项目,其中强调智能工厂,重点研究智能化生产系统和过程,以及网络化的分布式生产设施等等。这其中,实际上涉及很多工业工程方面的问题。智能生产,涉及企业生产的物流管理、人机互动以及3D技术在生产过程中的应用等。其中很多东西是和工业工程有关的。
    在关注工业4.0的同时不要忘了关注工业互联网,我认为,真正在这方面领先的还是美国人,工业4.0里讲到一个基本的理念——CPS,即所谓的赛博物理系统或者其他翻译等,就是指信息和整个物理系统融合起来。CPS的概念其实是美国人提出来的,但美国政府没有像德国政府那样推出一个类似工业4.0的项目,但是GE公司率先推出了工业互联网概念。2012年,奥巴宣布实施再工业化战略之后,GE公司在准备多年的基础上,随即联合其它大公司如英特尔、思科等推出一些软件平台等,说明美国人在这方面已经是领先的。他们推出的Predix以及Predictivity的数据与分析解决方案,在很多方面都有应用。我昨天听报告的时候听到江志斌教授讲的Healthcare,了解到工业互联网不仅在工业企业有应用,医院也在用。比如有的医院用他们的平台以后,病床的周转效率等明显提高了。所以我觉得,美国的工业互联网是需要我们关注的。
    GE的“工业互联网战略”试图改变传统世界在资本、机器和社会分工上的固有体系,将人类智慧从资本和技术垄断中解放出来。其中的主要工具,包括智能机器、大数据分析、互联网、移动互联网等。将全球工业系统与高级计算、分析、传感技术以及互联网高度融合是其精髓所在,人、大数据、智能分析是关键元素。未来这些对工业工程的影响,如图1所示。大家来看这张图,实际上是讲工业软件,底下是产品端,上面是企业端,左边是供应端,右边是客户端,上下左右,工业软件在这里面发挥了至关重要的作用。同样的,工业工程在这里面也发挥至关重要的作用。我们讲产品,产品设计里面涉及很多问题,我记得我90年代初期在爱荷华大学短暂待过,从事工业工程的人可能知道那时有个Kusiak软件,它下面有一部分人


相关文件
暂无相关的文章...