智能制造背景下复合型人才的要求与培养

范斌瑜 应钏钏

摘要：当前，全国制造业格局正在发生巨大的变化。一场以制造业数字化、网络化和智能化为核心的产业变革正在发生。社会资源重新分配，新工作不断产生，老工作逐渐消亡，在这场大变革中，我们应当如何积极面对？本文将从企业车间的变化和人们生活变化讲起，通过对智能制造本质的剖析，讨论智能制造时代对人才的需求与特点。

关键词：智能制造工业4.0复合型人才培养

一、智能制造现状

前段时间有一则新闻，富士康的生产线上已经部署了4万台机器人，也在推进“百万机器人”计划。富士康每年可以打造1万台机器人，未来将继续利用机器人替代人类，在昆山工厂，他们最近就裁掉了6万员工。

中银电池的上海大众杭州湾工厂，都设有无人车间。一个车间只有一个管理人员，车间实现了数字化管理，数据实时反馈。所有的工作都是提前调试完成，手续只要上料，都可以按设置完成。

2000年，高盛位于纽约的股票现金交易部门有600个交易员。而如今，只剩下两个交易员，其余的工作由机器完成。

随着網络转账、无现金支付的普及，银行柜台的业务逐渐减少，即使到了银行网点，工作人员也是引导我们在自助机上自助完成。现在的生活已经基本可以实现一部手机全支付，零现金支付。智能制造在智慧城市建设中也发挥着不小的作用。

试想一下，对比一个“零工伤，不抱怨”的机器人，我们还能做什么，我们的优势在哪里？

二、智能制造的本质

智能制造的形式和手段多样，企业和企业之间，行业和行业之间存在的差距也很大。但每个企业若要对企业进行智能化改造，都必须进行三个方面的思考：我们企业生产什么？我们用什么生产？我们要怎么生产？

在产业结构调整，机器换人的大时代背景下，无数的企业在蜂拥而上，有的也存在盲目的情形，有的功效不显，但绝大多数效果显著。首先我们应该清楚地知道，企业生产什么产品，该产品是否适合机器换人，是否在投入后真的有产出，产出是多少，人力投入成本是否真下降了，管理成本是否下降。一般情况下，产品的价值高，产量大，标准化程度高，生产自动化水平高的这些领域适合机器换人，适合智能制造。

机器换人的产品，换的一定是机器人吗？还必须看实际情况。根据行业不同，选择是不同的。在实际操作过程中，我们要充分考虑机器和人的关系。不同的行业的生产力构成也是不一样的，比如在汽车制造业，采用了大量的机器人代替了人，支撑了整个生产线，支撑了制造流。但企业产品的不同，也会有不同的选择，比如饮料生产企业，机器人不多，但生产自动化程度很高。在智能制造时代，我们应该更多地思考人机如何配合，让什么样的工作由人来完成，什么样的工作由机器来完成，实现人尽其才，物尽其用。

智能制造是数字化制造，是由数据驱动的。数据的反馈，可以反映产品的质量和设备的健康情况。通过这些数据反馈，管理人员可以优化生产。在现阶段，大部分企业靠经验，靠公司规章制度，靠公司企业文化，来稳定质量。但智能制造模式下，我们将更多地通过数据的反馈，数据比对来维持产品的质量稳定。通过数据来监控产品的位置，工人的举动，仓库中各个产品的脚印，帮助管理者收集数据，整合信息，从而帮助决策。数据分析师在中间起着关键作用，工作形式发生了变化，常规的工种消失，新工种出现。

三、智能制造需要的技术

随着德国的工业4.0和美国的工业互联网概念的出现，我国提出了中国制造2025。从这些大国的政府支持和市场发展需求来看，智能制造是势在必行。如何做到“智”造，在这里梳理下技术和概念。

1.自动化

自动化是行业中较早实现的一个技术，这里本不应该讨论，但仍有部分企业落后，甚至处于工业1.0状态。

一个定义：工业1.0是18世纪引入机械制造设备的时代，工业2.0是20世纪初的电气化与自动化时代，工业3.0是20世纪70年代开始的信息化时代，而现在在进入“工业4.0”时代，即实体物理世界和虚拟网络世界融合的时代。

2.智造的“大脑”

智能制造需要一个控制中心。控制中心由硬件和软件组成，硬件是服务器、云平台或者是算法专用设备，软件是算法——人工网络神经算法。优秀的软件和硬件，是企业搭建智能制造的第一步，通过数据的分析和训练，帮助企业设计出最适合的产品。

3.大脑中的知识

大脑中的知识即数据，这里提出的是大数据。通过大数据分析，可以算出大概率事件，数据越多，计算结果越准确。

4.物联网

人类的知识需要学习，那工业中的大数据如何获得？这里的数据各种各样，可能不仅仅是自己工厂、公司的数据，甚至整个行业，整个生活，生产圈的数据。数据可以来自客户，来自供应商，来自服务企业。通过信息技术和运营技术的融合，伴随着数以亿计的设备，通过物联网连接起来。这些设备通过足够的数据接入，为大数据通过来源。2015年，全球物联网数量为60亿个。据保守预计，到2025年，物联网连接数量将增加到270亿个。

5.工业云平台

知道了大数据中数据的来源，也知道它们如何被使用，那么作为数据的使用者如何获取这些数据呢？这是各大公司正在做的事，比如西门子的MindSphere、通用的Predix、通快的Axoom、Epichust的Mestar PASS、海尔的COSMO等工业云平台可以提供。在智能制造趋势下和物联网的趋势下，云平台不仅仅是IT公司提供，越来越多的传统制造业在数字化变革中提供各种各样的产品。他们通过开放平台，整合各类资源。在整个供应链、生态链的宏观环境下，企业数据间共享，共同开发，相互协作。这将是一种常态模式，一个开放的平台会越来越被大家接受和使用。

云平台中，也有很多小系统，比如MEs系统——制造企业采集数据必备系统，PLM系统——从产品设计到产品下线全生命周期的采集平台，ERP系统——企业资源计划管理系统，APS系统——高级计划排程系统，做到有限产能的优化排程，还有CRM——客户关系管理系统，SRM——供应商管理系统。这些已经出现的零散系统，虽然没有贴上智能的便签，却是智能制造的前提。

这些新事物的出现，改变了原先的生产方式，也将改变我们的思维方式。我们将如何应对它们越来越频繁地出现在我们的生产生活中，企业如何在智能制造时代保持竞争力，企业会需要怎样的员工，学校将培育怎样的人，老师将如何提升自己适应智能制造时代专业布局……一个个命题需要去解。答案都隐藏在智能制造变化的趋势里。

四、智能制造对人才的要求与培养

复合型人才指具有两个或两个以上专业或学科领域的基本知识和基本能力的人才。从智能制造的要求和内容来看，本专业是我们的立足之本，信息化知识是提高效率的工具，自动化知识、数据分析能力、创新力等都是我们需要的能力。

1.复合型人才需要创新力

各個领域的传统模式因为工业4.0、智能制造被打破。各大领域的变化越来越大。只有具有创新精神的人，才能有大发展。有创新精神的人，不断为社会提供新思想、新理论、新方法和新发明。中国制造在2025背景下，以制造业创新发展为主题，战略中的五项重点工程、九大任务以及十大重点领域，多次提及创新发展。高精尖技术对复合型人才的要求越来越高。团队合作中，复合型人才的作用更加明显。以机器人为例，机器人正在向国防、化工、医疗健康、家庭服务发展。有效对接产业，需要复合型人才。

2.复合型人才需要问题分析能力

由于我国一直处于应试教育模式，学生都是被动学习，不习惯思考，被动接受老师知识的灌输。学生的创新意识相当薄弱。缺乏发现问题的能力，对很多的问题，会习以为常，缺乏发现问题的眼睛。发现问题才能思考如何解决问题。

中国制造2025战略中，提出信息化和工业化深度融合。两化融合，在重点突破的领域中，如信息技术产业，装备业，新材料等领域中，科技含量高，且是新兴产业，可以复制的技术少。这就更加要求具有创新能力，具有发现问题、分析问题、解决问题的能力。只有具备这些能力，才能细化问题、分解问题，逐步解决问题。

3.复合型人才需要扎实的专业知识

在工业4.0、智能制造时代，机器的功能复合，控制智能化，加工过程自适应控制，加工参数的智能化优化和选择，智能故障自诊断与修复技术，智能故障回放和故障仿真技术，智能化交流伺服驱动装置，智能数控系统等技术都是机械、电气、计算机等学科融合交汇的产物。在用户端，多媒体技术计算机、声像和通信技术与一体，使计算机具有综合处理声音、文字、图像和视频的能力，让那个人机界面更加人性化。合理的人性化用户窗口和菜单式操作，便于动态跟踪和仿真，不同的处理可以形象地呈现在用户的面前。这些技术的开发都需要跨学科知识，都需要扎实的基础。

4.复合型人才需要团队合作精神

团结协作是一切事业成功的基础，不论个人还是集体，在目前时代都只有依靠团结的力量。我们需要把个人的愿望和团队的目标结合起来，超越个体的局限，并发挥集体的协作。一个缺乏合作精神的人，不仅事业上难有发展，很难适应当今时代的发展，也很难在激烈的竞争中胜出，立于不败之地。越是现代社会，越需要团结协作，形成合力；单枪匹马、孤军奋战越难取得成功。工业4.0时期更加需要团队合作。

5.复合型人才需要应用转化能力

在校学习客观规律、理论知识、操作知识的最终目的是应用到生产实践中。应用对学生的综合能力有极高的要求，需要创新力，需要发现问题，分析问题的能力，需要扎实的多专业知识，需要团队攻关等。只有具备这些复合技能的人才，才是21世纪满足中国制造2025需求的人才。

五、小结

在未来的10年、20年或者30年，随着技术的不断改进和稳定，应用价格不断下跌，如当年的电脑，现在的手机，技术普及的速度在不断加快，技术的更新也在提速。同时，人才的需求也在变化，一线工人不仅需要分析处理问题的能力，也应具备以信息化素养为首的综合能力，尤其是数学、信息技术科学，工程方面的素质。应该培养具备创新能力、问题分析能力、扎实的专业知识、团队合作精神以及应用转化等能力的复合型人才，迎接工业4.0和智能制造的普及。