面向智能制造的数据管理与分析课程群建设研究

周三玲，魏 星

（南京理工大学 紫金学院 智能制造学院，江苏 南京 210023）

0 引言

近年来，国家在制造业的发展上提出了相应的国家战略，如工业4.0、工业互联网和中国制造2025 等，其目的主要是通过构建智能工厂、实现智能制造提升制造业的水平。目前，有很多智能制造的研究成果呈现了智能制造的本质及其发展方向，但系统化的研究成果不多，如缺乏对智能制造课程体系的研究。智能制造涵盖供应链的整个流程，覆盖的知识面宽广，需要多种技术的综合应用，它包括设计、制造、装配、管理、维护等多个阶段，实现智能制造需要各阶段集成创新，共同提高制造的智能化、信息化、数字化。实现智能制造的过程中，具备数据管理与分析能力的人才需求在迅猛增长，那么构建面向智能制造的数据管理与分析课程群就势在必行。为此，高校必须从社会发展需要的角度，构建面向智能制造的数据管理与分析课程群的教学内容和教学方法，以培养经济社会发展所需的复合型人才。课题从适应社会需求的角度出发，结合智能制造时代背景，借鉴国内外先进经验，构建面向智能制造的数据管理与分析课程群，为智能制造课程体系的完善和发展提供参考。

1 面向智能制造的数据管理与分析课程群建设思路

1.1 相关研究现状

石洪波研究了信息类专业数据管理与分析课程群建设思路，构建了其课程群体系，并优化整合了课程群的教学内容，并创新课程群的教学手段[1]。姜桂洪针对软件工程专业的数据管理课程群的特点，设计符合数据管理课程群大纲要求的实践教学，实现具有动态性机制的实践教学体系建设[2]。杜金莲从数据管理类课程结构情况分析入手，提出以数据库原理为中心的课程群建设思路，详细讨论课程群结构及建设实施方案[3]。黎海波从课程模块化组合以适用不同专业的思路出发，提炼出多种设置课程群的方案[4]。曹耀钦对大数据应用人才的岗位及知识结构开展分析，并从基于岗位目标的课程群设计、实验教学对课程群建设进行研究[5]。刘国胜基于大数据管理及应用专业建设的经验，探讨数据分析核心课程群课程内容和教学模式改革创新的举措和措施[6]。钱玲飞从信管专业学科特点分析、大数据课程群设置分析出发，阐述了大数据相关课程的不足，并以大数据技术与应用课程为例、探讨了该课程的教改实践环节[7]。沈仙法对智能制造背景下的机制专业课程体系进行了优化与重构[8]。这些研究主要以软件工程、信管、大数据管理与应用等专业的相关课程设置为落脚点开展研究，缺乏围绕智能制造实现过程中基于生产数据的相关课程群研究。

1.2 构建思路

数据管理与分析课程群的开发，首先需进行人才需求调研，确定相关工作岗位。其次，针对职业岗位需求，通过实际工作任务分析，确定完成工作任务所需要的知识、能力和素质要求，明确数据管理与分析人才培养目标定位，最后确定相关课程并梳理课程之间的关系，构建数据管理与分析课程群。具体构建思路如图1 所示。

图1 课程群构建思路

2 面向智能制造的数据管理与分析课程群构建过程

2.1 数据管理与分析人才调研

为充分了解企业对数据管理与分析人才的需求情况，专业教师前期开展了调研活动，设计了相关调查问卷，并通过毕业生访谈、网上招聘信息查询、企业主管交流等方式了解到企业对数据管理与分析人才的需求旺盛，数据管理与分析人才主要负责数据的收集、整理、存储以及清洗、组织等大数据处理工作，以及通过数据挖掘来辅助高层的决策工作、预测相关趋势。通过调研确定了面向智能制造的“数据管理与分析”方向社会需求相关岗位主要有四大类，具体见表1。

表1 数据管理与分析人才社会需求相关岗位

数据分析和管理的综合能力是数据分析人才的核心竞争力；数学统计学思维、编程以及数据可视化能力也是不可或缺的重要部分。工业工程专业是实现智能制造的有力支撑，结合市场需求情况以及工业工程专业原方向的优势与不足，提出其数据管理与分析方向的知识能力结构，将其能力分为七个维度，并调研分析了相关岗位在各能力维度的占比情况，具体形成雷达图如图2 所示。

图2 数据分析与管理人才知识能力结构

2.2 数据管理与分析典型工作任务分析

根据表1 中数据管理与分析人才的工作岗位及职责，从工作对象、工具及工作要求出发确定了数据管理与分析人才社会需求的典型工作任务要求见表2。

表2 数据管理与分析人才工作任务分析

2.3 数据管理与分析课程群构建

在智能制造蓬勃发展的背景下，结合数据管理与分析人才工作任务要求，确定数据管理与分析课程群建设的目标为培养满足地方经济、社会发展需要，具有一定的文化素养和工程素养，掌握扎实的计算机软硬件专业理论，对当前主流数据管理和分析平台有清晰的认知，具备较全面的数据平台的应用开发与管理运维能力，具备较强的创新意识和初步的大数据工程实践能力，能在企事业单位从事数据分析和管理与运维等工作的应用型、并具备一定行业经验认知的数据分析与管理人才。

在前期对其他院校调研的基础上，通过梳理课程之间的关系，从系统开发、数据分析、数据管理三个模块构建了如图3 所示的课程群。

图3 模块化数据管理与分析课程群体系

该课程群以建立数据管理系统，掌握数据分析方法，结合相关知识进行预测、决策为目标，要求在充分掌握信息类学科方向专业知识的基础上，针对工业工程类专业的领域知识进行数据管理与数据分析，体现了“厚基础、重目标”的宗旨。首先，通过开设微观经济学、工程经济学、管理学、成本管理、管理系统工程等课程，培养学生具备扎实的经济管理理论基础；通过开设计算机网络、Python 程序设计语言、人工智能等课程，夯实学生计算机基础，掌握面向对象的计算机编程思想；通过开设高等数学、线性代数、概率与统计、应用统计学等课程，培养学生掌握基本的数理逻辑思维，为学生将来从事数据分析和管理决策等工作打下基础。这些课程构成了数据管理与分析课程群的基础平台，支撑着整个课程群的顺利开设。其次，数据管理模块包括：数据库系统原理和SQL Server 数据库系统，数据库系统原理课程是整个课程群的灵魂和核心，对其他课程开设起着关键作用；系统开发模块包括：管理信息系统、信息系统分析与技术、UML 技术、Web 系统与技术等课程，其中，管理信息系统是该模块的基础内容，同时围绕信息系统分析与设计的核心内容开展系统开发相关功能；数据分析模块包括：数据挖掘、工业大数据分析、运筹学、计量经济学等课程，其中数据挖掘是核心课程，其他为辅助课程，通过该模块的设置使学生掌握数据分析的基本方法和典型工具，具备利用数据分析解决实际问题的能力。

3 其他建设内容

3.1 课程学分及教学安排

该课程群主要以笔者的学校智能制造学院工业工程专业设置的新方向为载体进行建设，2021年工业工程专业人才培养方案针对数据管理与分析课程群的主要课程给出了具体的教学计划安排，见表3。

表3 课程群教学计划

3.2 课程群教学内容优化

课程群教学内容要避免出现不同课程内容的重复问题，确保教学内容的逻辑和层次，应用5W1H 的思维实现课程群内容的优化，具体如下：（1）为什么讲（Why）：以实践问题为导向，明确教学目的；（2）讲什么（What）：以所需的能力为导向，整体规划课程群的教学内容，避免重复；（3）什么时候讲（When）：考虑课程内容之间的逻辑关联和层次，安排合理的学分和学期；（4）在哪里讲（Where）：课堂内外实现有机结合，在保障课堂内质量和效果的前提下，合理规划实践学分，提升学生的实践能力；（5）谁来讲（Who）：组建合理高效的教学团队；（6）怎么讲（How）：以案例驱动为轴，基于工作过程系统化，实现理论与实践相结合，提高学生的参与度。以运筹学课程为例说明教学内容的具体优化见表4，其他课程的内容优化依此设置，一定程度上体现课程群共建的意义。

表4 运筹学教学内容优化

3.3 课程群教学团队组建

在当前智能制造背景下，数据管理与分析课程群的建设需要有教学能力和科研能力强的教学团队支撑，任课教师既要有丰富的项目经验，又能根据时代发展掌握新理论、新技术、新方法，并灵活运用于课程教学。打造高水平的数据管理与分析教学团队，可从以下几方面开展工作：（1）从师资队伍实际出发，分析课程教学中存在的问题和短板，积极引进高层次优秀人才，提升教学团队的教学和科研能力。（2）着力培养中青年教师为后备力量，并打破不同教研室的学科壁垒，实现资源的整合。（3）建立配套政策机制，鼓励教师积极参加各类培训与进修，引导教师跨越学科和专业界限，更新知识体系，研究新技术、新方法，提升自身能力和水平。

4 结语

随着时代的发展，探索面向智能制造的数据管理与分析课程群的构建问题，是对高校智能制造课程体系的教育教学改革的尝试，以期为智能制造课程体系的完善和发展提供参考。以适应社会需求为出发点，通过调研活动，明确了数据管理与分析人才社会需求岗位，开展工作任务分析，以知识能力素质为核心定位数据管理与分析人才培养目标，构建数据管理与分析人才课程群。下一阶段，我们将从教学内容、教材编写、实践教学、师资队伍建设等方面进一步完善数据管理与分析课程群建设，通过深化课程教育教学改革，为学生综合能力的提升而助力，以适应智能制造时代的发展。