此文寫了很久，總是困惑于是否過于尖銳的問題--畢竟自己的認知是有局限的，希望引發(fā)討論，而非抱怨，即或有偏執(zhí)也是希望出于公心，也希望讀者多的指教。

一、自動化的焦慮

此文背景，是5月初在蘭州參加自動化專業(yè)類教指委會議，包括同期舉辦的全國自動化院系主任聯(lián)席會議上，學(xué)界對于智能制造時代的自動化教育展開了熱烈的討論，工程技術(shù)專業(yè)的人總是保持著坦誠直面問題的態(tài)度是一貫的作風(fēng)，這里聚焦點在于“人工智能與自動化的融合問題”，即在新的時代教育如何與時俱進的發(fā)展，以適應(yīng)產(chǎn)業(yè)需求與國家戰(zhàn)略的匹配—可以看出大家存在著一些焦慮的成分，可以概括為幾點：

（1）自動化專業(yè)的吸引力在下降嗎？

（2）人工智能如何與自動化相融合來解決智能制造的問題？

 

雖然這是一個學(xué)界的會議，看上去大家有些焦慮:)，但是，其實對于產(chǎn)業(yè)同樣如此也存在著一定的焦慮，產(chǎn)業(yè)當(dāng)然關(guān)注的焦點是如何尋找增長點，傳統(tǒng)的市場已經(jīng)處于飽和狀態(tài)，而如何通過“數(shù)字轉(zhuǎn)型”帶來新的業(yè)務(wù)增長，今天的智能制造已經(jīng)被“互聯(lián)網(wǎng)+”“人工智能”、“云計算”等來自IT的理念渲染的熱火朝天，但是，如何把握這個數(shù)字化潮流，是每個自動化行業(yè)人必須思考的問題，困惑在某種程度存在著必然。

 

 

第一個問題是顯然的，大學(xué)采用通識教育，因此，以大類招生，而在大三才選擇專業(yè)，那么自動化專業(yè)面臨學(xué)生越來越少選擇的困境，而同樣，由于自動化專業(yè)畢業(yè)的學(xué)生往往都不會去制造業(yè)（機械、系統(tǒng)、自動化企業(yè)本身），因為“利益驅(qū)動靈魂”—那里賺錢多??！就像有一次參加SCOM（供應(yīng)鏈管理）會議上一位獵頭談到的，阿里巴巴你問薪水多少—人家會告訴你，薪水只是你的零花錢??！你不用關(guān)心這個。

對于產(chǎn)業(yè)的焦慮在于人才的流失，目前大學(xué)畢業(yè)的學(xué)生都流向了ATM等所代表的移動互聯(lián)、IT企業(yè)，包括金融產(chǎn)業(yè)，能來到制造業(yè)的已經(jīng)比較少了，人才招聘遇到了難題，在制造業(yè)盈利能力欠缺的情況下，缺乏對學(xué)生的吸引力。

 

第二個問題在于提升吸引力，而競爭的是“計算機”類專業(yè)，這里牽扯到非常多的科研資源傾向問題，國家將“人工智能”看到如此之重的位置，以至于連高中都開始進行AI的教育，而這個似乎又被劃分到了“計算機工程與科學(xué)”領(lǐng)域，而非自動化，這意味著專業(yè)的邊緣化和未來在資金、項目上的劣勢，會造成惡性循環(huán)。當(dāng)人才流向了IT與人工智能等領(lǐng)域后，也使得自動化產(chǎn)業(yè)的升級遇到了困難，因為缺乏相關(guān)的人才，使得僅停留于概念階段而無法落地。

 

IT與傳統(tǒng)產(chǎn)業(yè)不同，在最初IT產(chǎn)業(yè)發(fā)展的時候，缺乏足夠的支撐，因此，IT是在純市場化的環(huán)境下運作起來的，而計算機相關(guān)專業(yè)也得益于IT技術(shù)的快速成長，更好的融合了產(chǎn)業(yè)，因此，相較而言，計算機相關(guān)專業(yè)與IT的融合就非常緊密，而且，從實踐的角度而言，IT主要提供了編程條件—一臺筆記本即可，而自動化則需要裝置，并且需要現(xiàn)場的復(fù)雜環(huán)境支撐，對于穩(wěn)定與可靠的要求使得自動化產(chǎn)品生命周期往往較長，而且，現(xiàn)場復(fù)雜的環(huán)境使得產(chǎn)業(yè)缺乏吸引力，在創(chuàng)新性方面相對吸引力就不能與IT相比。

 

二、焦慮與質(zhì)疑并不產(chǎn)生價值嗎？

 

其實就像會議之前幾天非常熱鬧的北京大學(xué)林校長所遇到的危機一樣，讀錯字了并非關(guān)鍵，而更多的批評來自于他那句“焦慮與質(zhì)疑并不創(chuàng)造價值……”。

 

焦慮才會產(chǎn)生變革的動力，才會讓人們?nèi)ッ鎸栴}尋找解決之道，對于學(xué)界如此，產(chǎn)業(yè)界同樣如此，因為IT與OT的融合過程中，傳統(tǒng)的OT相對還是開放度會低，其實，IT想進入OT同樣遇到問題：

 

（1）IT的迭代在OT上不能發(fā)生

很多IT人想進入制造業(yè)，他們的思維有時候會比較慣性：“如果這個精度達不到，那么我是否可以先接近，然后再慢慢迭代到目標精度”-但是，客戶是不允許你提供的系統(tǒng)這樣來迭代的，你只有達到0.1mm的精度，才能和他們展開合作，而不是先達到0.3，然后慢慢達到0.1mm，這里牽扯到巨大的測試成本的，因此，這種迭代不像手機的HMI上的操作體驗，僅軟件層面的優(yōu)化，不產(chǎn)生物理的材料成本。

 

（2）IT不會有非常強的實時性、穩(wěn)定性要求

IT其實在某種意義上也把制造業(yè)的問題想簡單了，單說IT想訪問數(shù)據(jù)這件事情就變得極其困難，各種現(xiàn)場總線、各種約束條件，因此，IT可以干非實時、非人身安全、非緊急的任務(wù)，但對于復(fù)雜的控制場景而言，IT仍然不要輕易涉足，因為自動化人干這個數(shù)十年也是有道理的。

 

其實在人工智能與自動化融合這個過程，我們必須清楚的認知自己的優(yōu)勢：

（1）自動化的優(yōu)勢在于行業(yè)知識

無論是流程工業(yè)、大型水電工程、電網(wǎng)、制藥、食品飲料等工業(yè)而言，自動化一直在過去數(shù)十年兢兢業(yè)業(yè)的在實現(xiàn)高品質(zhì)的產(chǎn)品質(zhì)量控制、高速切削加工、滲碳工藝以及流程優(yōu)化等，包括MPC模型預(yù)測控制、APC-高級過程控制，這些本身已經(jīng)屬于智能的范疇。

這些行業(yè)的Know-How是累積了數(shù)十年的，而且問題的提出在于收益更大，凡是具有大的收益的控制任務(wù)、人工智能任務(wù)顯然最早來自于工業(yè)領(lǐng)域，而過去之所以沒有采用人工智能等，只是因為IT所提供的計算能力、存儲、網(wǎng)絡(luò)能力沒有達到，而今天，IT為我們提供了這些條件，我們借助于此發(fā)揮而已。

 

（2）.自動化與人工智能在制造業(yè)為場景

目前計算機相關(guān)專業(yè)的人工智能主要聚焦在語音、視覺，而其應(yīng)用場景往往是消費類的，這些與工業(yè)領(lǐng)域?qū)τ谌斯ぶ悄艿男枨笫遣煌?，約束條件更多，因此，計算機專業(yè)的人工智能專家并不擅長于解決制造業(yè)的問題，而自動化專業(yè)的人卻擅長，因此，這并不矛盾。

 

（3）.痛苦的何止于自動化？

而事實上是，我與非自動化專業(yè)如計算機、機械專業(yè)的老師交流的結(jié)果，他們同樣焦慮，因為IT相關(guān)專業(yè)想進入制造業(yè)也同樣找不到合適的場景，他們也很痛苦，因為他們只能教學(xué)生解決一些APP的開發(fā)或者圖書管理系統(tǒng)、交通信號燈系統(tǒng)的開發(fā)，對于智能制造的場景他們也無能為力，機械專業(yè)也焦慮，因為他們與產(chǎn)業(yè)實際結(jié)合也出現(xiàn)了問題。

（4）.何止需要自動化與計算機

其實，還有一個很重要的問題，這是一個必須大家相互學(xué)習(xí)合作的時代，自動化與計算機專業(yè)都不能很好的融合解決問題，因為，人工智能其實是一個對“數(shù)學(xué)”要求非常高的專業(yè)，因此，數(shù)學(xué)的分析方法與模型也同樣要深刻的融入到這個場景里。

（5）.創(chuàng)新驅(qū)動才能拉動教育

產(chǎn)業(yè)總是覺得教育有問題，不能培養(yǎng)合適的人才，但是，產(chǎn)業(yè)自身也是有一定的責(zé)任，中國的制造業(yè)本身缺乏創(chuàng)新，在很多產(chǎn)業(yè)都是“抄襲”—這也使得基于原理性的正向設(shè)計與研發(fā)并不真正的存在，企業(yè)因此也普遍不重視工程師的工作，也不能對“知識”給予足夠的重視，自身的盈利能力也普遍較弱，無法提供足夠的科研資金以及優(yōu)渥的待遇，這不僅是教育的問題，也是需求的問題，產(chǎn)業(yè)缺乏自主創(chuàng)新，就對大學(xué)沒有那么明確的橫向拉動。

 

三、自動化專業(yè)該如何發(fā)展？

自去年開始，新工科就變得流行起來，包括復(fù)旦共識、天大行動，為整個工科教育提出了綱領(lǐng)性的指導(dǎo)，這個看上去不錯，面向制造業(yè)2025培養(yǎng)人才，新興專業(yè)、復(fù)合交叉的學(xué)科培養(yǎng)、結(jié)合產(chǎn)業(yè)優(yōu)勢培養(yǎng)實用人才、創(chuàng)新型技術(shù)人才。

 

圖1 新工科之復(fù)旦共識

 

圖1所示為復(fù)旦共識之總結(jié)，實際上，可以相信這個也是對目前存在的問題以及尋找解決問題的指導(dǎo)性綱領(lǐng)，對于問題認知也不能說不深刻，此共識應(yīng)該是凝聚了數(shù)十年教育問題以及方向的把握。

天大行動的總結(jié)

天大行動則提出了幾個關(guān)鍵“問題”：

（1）問國際、建標準:建立合理的教學(xué)質(zhì)量、方法、認證標準，CDIO、華盛頓協(xié)議等也被引入并推廣。

（2）問需求、建專業(yè)：緊密結(jié)合產(chǎn)業(yè)實際，目前的確開展了“機器人”、“人工智能”、“物聯(lián)網(wǎng)”等專業(yè)。

（3）問技術(shù)、改內(nèi)容：目前學(xué)校的內(nèi)容已經(jīng)與實際產(chǎn)業(yè)脫節(jié)，必須修改教材內(nèi)容以滿足與前沿接軌，另一個方面就是要加強思維性培養(yǎng)，而不能僅限于技術(shù)本身。

（4）問志趣、變方法:現(xiàn)在的學(xué)生不像以前，他們更具有個性，沒有興趣的驅(qū)動，就會放棄學(xué)習(xí)，如果沒有吸引力的教學(xué)方法和對未來顯著的驅(qū)動，那么無法吸引學(xué)生投入其中。

（5）問資源、創(chuàng)條件：這一點不是很明了，暫不表述。

（6）問學(xué)校、推改革：改革首先要明確問題，需求，才能有的放矢，改革需要魄力，需要大的設(shè)計。

 

圖2 新工科之天大行動

 

看上去挺不錯，該如何執(zhí)行，就怕出現(xiàn)定量考核—KPI已經(jīng)不是一個好的方法，必須結(jié)合產(chǎn)業(yè)實際，我們研究產(chǎn)業(yè)的變化才能更有效的了解教育的發(fā)展，因為，教育服務(wù)于產(chǎn)業(yè)，并與產(chǎn)業(yè)形成良性互動，互相促進，才是最佳的狀態(tài)。

 

四、智能制造對教育的需求背景

 

自2014年德國提出工業(yè)4.0，中國政府提出“制造業(yè)2025”,這過去的幾年里，概念風(fēng)起云涌，思潮也是變幻多端，然而，究其本源，智能制造仍然是要回到其服務(wù)于客戶需求，提供更為成本效率的生產(chǎn)與制造過程，而不是為了“工業(yè)互聯(lián)網(wǎng)”而去工業(yè)互聯(lián)網(wǎng)，為了智能制造而智能制造，而很多學(xué)校積極迎合市場發(fā)展，推動智能制造專業(yè)的建設(shè)，但是，如果不從制造業(yè)現(xiàn)場來，你就無法了解制造業(yè)。

 

很多已經(jīng)討論的概念也不去討論了，只從數(shù)字制造的整體來看自動化、智能化等應(yīng)用場景如何，這樣才能分辨出自動化、智能化需要進一步發(fā)展的技術(shù)，以及要解決的問題。

 

3.1 制造場景分析

圖3 Mckinsey數(shù)字化工廠

 

圖3是麥肯錫關(guān)于數(shù)字工廠的描述，包括了連接、優(yōu)化、傳輸、預(yù)防性、敏捷等多個方面，可以看到，先基礎(chǔ)的連接包括物理設(shè)備、通信、軟件的連接，進而通過數(shù)據(jù)采集、匯總、回歸、分析實現(xiàn)優(yōu)化，并能夠達到預(yù)防/預(yù)測的能力，并對工廠進行指導(dǎo)，實現(xiàn)敏捷制造，而這里牽扯到了自動化控制、統(tǒng)計學(xué)習(xí)、機器學(xué)習(xí)、人工智能、精益運營等綜合性問題。

 

AI與ML的應(yīng)用場景主要在于優(yōu)化方面，下圖則反應(yīng)了在各個領(lǐng)域里AI的應(yīng)用優(yōu)先級與潛力大小。

圖4 機器學(xué)習(xí)過程

 

機器學(xué)習(xí)其實在原有的工業(yè)場景已經(jīng)有很多應(yīng)用，只是今天又被計算機專業(yè)拿來講—因為外部條件更為成熟。其實在現(xiàn)有的自動化系統(tǒng)所提供的能力就可以實現(xiàn)本地的機器學(xué)習(xí)（作為AI的一個分支），也可以通過延展到Edge Computing平臺來進行學(xué)習(xí)，解決規(guī)劃、優(yōu)化、策略問題。

 

3.2pWC關(guān)于數(shù)字工廠的全景

 

圖5-pWC數(shù)字化制造的應(yīng)用場景需求

 

pWC的這個全景的圖片描述有助于我們理解在整個數(shù)字化工廠里的智能分級，其實，采用的技術(shù)自然是多有不同的，但是，這張圖比較完整的呈現(xiàn)了數(shù)字化制造的全景。

Digital Twin:在這個場景里，數(shù)字孿生包括了針對工廠本身的、生產(chǎn)設(shè)備與設(shè)施的、產(chǎn)品本身的數(shù)字孿生，而這個就包括了目前數(shù)字孿生的幾個方面（圖中1/2/3）

連接的工廠（Connected Factory），在pWC的圖中，其實指用于連接工廠單元之間的AGV、物流、機器人，用于將生產(chǎn)變?yōu)椤斑B續(xù)型”集成的輔助設(shè)備。

模塊化的生產(chǎn)單元：這些即是裝備的設(shè)計與制造，例如啤酒飲料工廠的獨立設(shè)備，可以根據(jù)生產(chǎn)的變化進行重組，而這里又牽扯到數(shù)字孿生里的生產(chǎn)設(shè)備本身的建模仿真。

柔性制造方法：

過程可視化/自動化：SCADA角色被重新定義，基于新的IT技術(shù)來實現(xiàn)可視化監(jiān)測已經(jīng)變得非常容易，基于Mobile技術(shù)即可實現(xiàn)這些。

集成規(guī)劃：基于MES/ERP的技術(shù)，實現(xiàn)整個工廠的架構(gòu)。

數(shù)據(jù)應(yīng)用的分析：

預(yù)測性維護

數(shù)據(jù)驅(qū)動的過程/質(zhì)量優(yōu)化

數(shù)據(jù)使能的資源優(yōu)化

生產(chǎn)參數(shù)的傳輸

質(zhì)量追溯與跟蹤

我們可以看到，無論Mckinsey和pWC均是來自于對產(chǎn)業(yè)大量企業(yè)的研究，并對數(shù)字制造進行了目標與方向的總結(jié)，但是，融合是必然的，自動化、計算機、數(shù)學(xué)、精益管理都需要共同合作來實現(xiàn)目標。

 

五、觀察：智能制造與傳統(tǒng)相比異同在哪里？

 

1 回到第一性原理-制造的本質(zhì)

無論是自動化專業(yè)還是自動化產(chǎn)業(yè)，都無需焦慮，保持冷靜，回到本源，其實，生產(chǎn)制造的本質(zhì)一定是服務(wù)于產(chǎn)品的成本效率，最大的區(qū)別在于連接、數(shù)字化、智能，但是，傳統(tǒng)自動化本身所積累的行業(yè)應(yīng)用、軟件并不會因為智能制造而就失去價值，相反，自動化要更為加強這方面的積累，才能更具價值。

 

2 有哪些改變？

我們可以發(fā)現(xiàn)智能制造的應(yīng)用場景具有其顯著的特點，這些是教育培訓(xùn)需要考慮的：

2.1 集成與連接技術(shù)變得更為關(guān)鍵

2.1.1 硬的連接問題：傳統(tǒng)上，離散制造都是“離散的”—就是工廠各個單元設(shè)備間就是物理分散的，而今天，通過連接技術(shù)，包括機器人、AGV、輸送系統(tǒng)（包括最新的輸送系統(tǒng)如SuperTrak、ACOPOStrak、iTrak等）將生產(chǎn)變?yōu)橐粋€連續(xù)的過程。

2.1.2 軟件的連接問題：連接技術(shù)的另一個方面是軟件的連接，指數(shù)據(jù)的連接問題，這包括了通信的互聯(lián)（物理接口與標準）、互通（數(shù)據(jù)對象定義）、語義互操作三個層面，傳統(tǒng)的現(xiàn)場總線到實時以太網(wǎng)，再到未來發(fā)展到TSN解決底層協(xié)議標準，而OPC UA /DDS等解決語義層面的數(shù)據(jù)連接。

 

圖6 總線技術(shù)的發(fā)展

 

2.1.3 系統(tǒng)的連接

系統(tǒng)的連接則是包括了功能性、全局的集成問題，將機器-機器、機器到產(chǎn)線、到管理系統(tǒng)、到分析與智能系統(tǒng)的集成。

 

因此，教育的問題在于解決連接的框架，連接的方法問題，全局的給予理解。一種是需要增加對全局集成的認知與關(guān)聯(lián)關(guān)系的介紹。

 

2.2 軟件/數(shù)字仿真

連接的設(shè)備就會出現(xiàn)邏輯順序、時間節(jié)拍的協(xié)同、定位與速度的匹配問題，因此，DigitalTwin針對生產(chǎn)的過程就是對其進行建模仿真，然后，在需要變化的時候解決其協(xié)同問題。

Digital Twin通常涵蓋整個生命周期，當(dāng)然，在不同的階段如產(chǎn)品設(shè)計階段、制造階段、售后服務(wù)—系統(tǒng)的服務(wù)方面，Digital Twin包括了從虛擬到現(xiàn)實的一些對應(yīng)關(guān)系，包括一些新的工具與方法如FMU/FMI的學(xué)習(xí)。

 

圖7-德勤數(shù)字孿生的構(gòu)建

 

Digital Twin本身也是一個連接與集成的問題，從應(yīng)用角度而言，主要在集成，而不在開發(fā)。自動化類專業(yè)并不會去開發(fā)類似于MATLAB/Simulink這樣的軟件，而是把這個軟件學(xué)習(xí)用于解決實際的問題，自動化是一個解決問題的專業(yè)，因此，必須認識到問題，才能解決。

 

圖8 自動化與數(shù)字孿生的融合

 

2.3 人工智能/機器學(xué)習(xí)的介入

其實，就自動化本身的控制機理模型優(yōu)化而言，這個已經(jīng)是非常的完善，在流程工業(yè)，各種控制模型已經(jīng)應(yīng)用于控制的各個領(lǐng)域，在離散領(lǐng)域，運動控制、機器人也是非常成熟的，智能制造所引入的機器學(xué)習(xí)很多本身就是屬于原有的問題的新解決方案。

 

而模塊化的機器設(shè)計本身牽扯到建模仿真，這是與創(chuàng)新有關(guān)，基于這些方法則可以進行優(yōu)化，包括機器學(xué)習(xí)的算法在控制系統(tǒng)參數(shù)優(yōu)化方面進行的工作。

下圖則反應(yīng)了未來各項技術(shù)應(yīng)用的成長性，在預(yù)測性維護、數(shù)據(jù)驅(qū)動的質(zhì)量與過程優(yōu)化方面潛力最大，這些其實，自動化仍然是有優(yōu)勢的。

 

圖9 大數(shù)據(jù)應(yīng)用場景（統(tǒng)計學(xué)習(xí)與機器學(xué)習(xí)）

 

六、創(chuàng)新才能贏得未來

回到問題的本源來看待自動化在人工智能時代的競爭，我們要回到本源問題，即，什么才是關(guān)鍵問題，根本性問題，如果不思考根本性問題，那么教育就沒有出路。

1 并非誰占主導(dǎo)，而是誰解決問題？

其實，我們討論誰占主導(dǎo)，但是，客戶卻要問的問題是誰能解決問題？

如果不能很好的解決問題，那么—你占據(jù)著這個地方也總歸會被取代的，邊緣化即是如此。

從這點上來說，產(chǎn)業(yè)就不會有學(xué)界那么焦慮，因為，產(chǎn)業(yè)本身就是問題導(dǎo)向、方案導(dǎo)向的，因此，都是解決客戶實際問題的，而且，在很多時候，IT所謂的解決問題也并非像他們所描述的那樣，其實很多問題，自動化的方案已經(jīng)解決的很好了。

 

2 做好自己的事情

 

自動化與人工智能必然是融合的工作，各自發(fā)揮自身的優(yōu)勢，并通過規(guī)范標準的接口進行融合，而且，自動化在發(fā)展智能化方面有其自身的優(yōu)勢—當(dāng)然了，從產(chǎn)業(yè)的角度而言，這很容易理解

其實，自動化專業(yè)一直很困惑，就是因為這個專業(yè)也像理論研究一樣的方式考核，而大學(xué)也沒有與產(chǎn)業(yè)實際應(yīng)用緊密結(jié)合，為產(chǎn)業(yè)解決實際問題，培養(yǎng)能夠解決問題的人才，這是產(chǎn)業(yè)覺得大學(xué)培養(yǎng)的人才難以快速應(yīng)用的原因。

沒有把自己的教育做好，而是看著人工智能課題多、項目多，這樣的出發(fā)點首先就是偏離了其工作的本心，很容易走偏，似乎迫不得已，但，實際卻因為這種所謂的“迫不得已”，又讓自己不斷的下降，走向惡性循環(huán)。

 

3.跨界學(xué)習(xí)

自動化專業(yè)本身不是一個理論專業(yè)，它就是一個應(yīng)用學(xué)科，實踐性在這個專業(yè)里扮演非常重要的角色，而且，自動化技術(shù)本身是跨界技術(shù)基礎(chǔ)上發(fā)展起來的，它的優(yōu)勢在于“融合”，因此，自動化專業(yè)的教學(xué)培訓(xùn)不同于其它專業(yè)，就是一個“混合”、“交叉”的教育，這個專業(yè)不能按照垂直方向去發(fā)展，而應(yīng)該橫向去發(fā)展。

在這個思想上，自動化應(yīng)該是一個“接口”學(xué)科，其競爭力是在于采用綜合的方法解決實際的問題，包括對最新的軟件工具、芯片技術(shù)等的學(xué)習(xí)，而解決的問題則圍繞制造過程中的優(yōu)化（質(zhì)量、成本與效率問題）。

 

NNMI主要研究方向是如何通過制造創(chuàng)新來解決在新材料的制造工藝方面，包括碳纖維復(fù)合材料、柔性混合電子、增材制造、寬帶隙功率電子等領(lǐng)域，這些跨界的融合使得傳統(tǒng)行業(yè)煥發(fā)新的生命，也使得新興產(chǎn)業(yè)帶來革命性提升，都是自動化專業(yè)未來可以關(guān)注的。

圖10 解決制造過程實際問題同樣屬于創(chuàng)新的范疇

 

對于不同的大學(xué)，其可以結(jié)合其實際聚焦自動化在相關(guān)領(lǐng)域的應(yīng)用—這本身是一些學(xué)校已經(jīng)做的比較好的。

 

4 實用性與創(chuàng)新性

人才實用，能解決具體問題，與創(chuàng)新一點不矛盾，現(xiàn)在大學(xué)里拿著各家的手冊做教材這個事情很普遍，也有很多人對此提出異議，不過，有些學(xué)校老師似乎也頭頭是道“這個容易就業(yè)”—是?。∑鋵?，我真想說這是在毀了這些孩子，因為，他們只是學(xué)會了“術(shù)”而沒有學(xué)會“道”，設(shè)計思想與方法，這在未來將會嚴重制約他們的發(fā)展，而那些做的好的學(xué)校則不會如此局限。

創(chuàng)新則是另一個企業(yè)最為關(guān)注的話題，創(chuàng)新其實需要扎實的基本原理性的理解、批判性思維、動手能力相配合，這個話題就不多說了，因為，創(chuàng)新并非是件容易的事情，但是，掌握扎實的基礎(chǔ)是創(chuàng)新的前提。

 

創(chuàng)新，不僅是產(chǎn)業(yè)也包括教育，不僅是技術(shù)，也包括思想、方法與工具。

 

七、行動-產(chǎn)學(xué)融合跨界學(xué)習(xí)

自動化的教育一定是必須與產(chǎn)業(yè)實際結(jié)合的，否則，肯定是沒有前途的，這已然共識，必須解決幾個問題：

 

1 產(chǎn)業(yè)結(jié)合-聚焦應(yīng)用

既然是應(yīng)用學(xué)科，那肯定是每天用的人水平比較高，但是，自動化產(chǎn)品的研發(fā)、基礎(chǔ)軟件架構(gòu)這些都是歐美、日本企業(yè)的天下，這個現(xiàn)實也需要我們?nèi)ゴ蚱疲詣踊瘜I(yè)要么可以干這個事情，要么就是干可以為學(xué)生打下堅實的基礎(chǔ)，企業(yè)需要這樣的人才。

 

新工科的確提出結(jié)合產(chǎn)業(yè)、區(qū)域經(jīng)濟來發(fā)展專業(yè)，每個學(xué)校都可以結(jié)合當(dāng)?shù)禺a(chǎn)業(yè)發(fā)展，聚焦相關(guān)應(yīng)用，自動化專業(yè)過去發(fā)展不好，主要是因為與產(chǎn)業(yè)脫節(jié)，而之所以與產(chǎn)業(yè)脫節(jié)，由于產(chǎn)業(yè)脫節(jié)而無法帶來在實際問題的解決方面的能力培養(yǎng)，使得形成惡性循環(huán)，變成了大學(xué)里閉門造車，研究各種高大上的理論。

 

產(chǎn)業(yè)優(yōu)勢：

大量的應(yīng)用場景和亟待解決的問題；

產(chǎn)品與系統(tǒng)開發(fā)并非僅在技術(shù)，還包括更為全面的能力需求；

有成果驗證，推進理論前進；

可以教學(xué)中更為生動的實際案例有助于學(xué)生的理解；

對于驅(qū)動學(xué)生興趣和職業(yè)發(fā)展有引導(dǎo)作用；

更為前沿的技術(shù)。

其實，產(chǎn)業(yè)的培訓(xùn)也同樣需要大學(xué)的理論基礎(chǔ)，很多人在讀書的時候并未能理解很多基礎(chǔ)理論，而工作往往又是跨界，例如開發(fā)機器，需要軟件工程思想，而機械專業(yè)又需要電氣理論，大學(xué)的基礎(chǔ)理論就可以在這里為產(chǎn)業(yè)提供補充性教學(xué)。

 

大學(xué)和產(chǎn)業(yè)必須緊密融合，發(fā)揮各自所長，一個長于實踐，一個長于理論，那么合作就會產(chǎn)生“知行合一”的效果，理論指導(dǎo)實踐，實踐反饋優(yōu)化理論，進入正向循環(huán)。

 

2 師資力量需要升級

大學(xué)的教師很多是缺乏產(chǎn)業(yè)實踐歷練的，有一些有條件的學(xué)校往往會有機會參與眾多的項目，有一些自身看重實踐惠去通過承接項目、創(chuàng)辦公司來加強產(chǎn)學(xué)融合，而大部分老師，也沒有這樣的條件，因此，往往缺乏實踐使得其無法與產(chǎn)業(yè)結(jié)合的角度來授課，教學(xué)。而大學(xué)又類似于一個封閉的體制，無法從產(chǎn)業(yè)吸引人才進入教學(xué)領(lǐng)域，這使得師資的名頭都很大，卻缺乏產(chǎn)業(yè)實際的工作經(jīng)驗，而缺乏經(jīng)驗的師資很多根本無法介紹清楚這些教材的內(nèi)容與學(xué)生未來的工作之間有什么關(guān)系？

為什么大學(xué)與產(chǎn)業(yè)不能互動呢？大學(xué)的人到企業(yè)，可以通過多種靈活的方式互相展開交流培訓(xùn)，都是好的方法?？缃缃虒W(xué)是最好的方法，OT領(lǐng)域的企業(yè)如制造業(yè)、自動化產(chǎn)業(yè)應(yīng)該引入軟件工程專業(yè)、機械專業(yè)來進行基礎(chǔ)理論教學(xué)，以增強工程師的綜合能力。

 

3 改變考核

你若問大學(xué)何以今天的局面，大部分在大學(xué)的教授們都非常清楚的告訴你“都是考核指標造成的”，我最驚訝的事情正在于此，似乎每個人都很清楚癥結(jié)之所在，然而，也最難以改變的就在這里。

戰(zhàn)略管理最講求執(zhí)行，而戰(zhàn)略執(zhí)行的設(shè)計第一要務(wù)的確在于考核，利益驅(qū)動靈魂，的確如此，只有利益才能讓人改變。

設(shè)定一些定量的考核，例如看發(fā)表論文數(shù)和引用，會造成幾個不良后果，為了完成任務(wù)而工作，數(shù)據(jù)看上去達標了，而不在乎教育本該怎樣進行，甚至有些投機主義者就會鉆營其中，上有其好，下有其效，大約制定這些考核指標的人受到了科學(xué)思想的影響吧！覺得定量才能顯示出“能觀能控”性吧？

另一個問題就在于約束了發(fā)揮，其實，很多大學(xué)的考核還挺嚴格、全面，各項都有指標，卻使得老師們疲于應(yīng)付，無心教學(xué)。KPI這樣的考核本身特別適合于在工廠計件工資，標準化作業(yè)下的工作而設(shè)計，卻被應(yīng)用于大學(xué)這種依賴于“思考”“創(chuàng)新”的領(lǐng)域，的確是會造成不良后果，只是不知道考核的設(shè)計者們究竟把老師們當(dāng)做“機器”呢？還是當(dāng)做“靈魂的工程師”呢？

 

改變肯定是艱難的，甚至是痛苦的，然而，不改變—卻仍然是如此繼續(xù)痛苦，焦慮，十年如一日的抱怨，卻于事無補，脫節(jié)越來越嚴重。

自動化教育，必然走向融合發(fā)揮自己的優(yōu)勢，而跨界、產(chǎn)學(xué)融合是未來必然走向。