数字化学习工厂在教育中的应用：优势与挑战

段丹萍 胡晓玲

摘 要：文章通过文献分析，在理解学习工厂、数字化制造技术和数字化工厂的基础上，概述了数字化学习工厂的概念及类型，并阐述了数字化学习工厂在教育中的应用优势和挑战：一方面，数字化学习工厂有助于培养适应未来制造业领域需要的人才，为学习者提供高度情境化和可视化的具身学习环境，将“工厂融入课堂”支持多种应用场景和学习方式，以及有利于校企融合开展协同知识创造和技术创新；另一方面，在技术层面、教学层面和学习层面还存在许多问题需要解决。

关键词：数字化学习工厂；具身學习环境；学习工厂

中图分类号：G40-057 文献标志码：A 文章编号：1673-8454（2019）04-0006-05

近年来，伴随着大数据、物联网、虚拟现实、增强现实、混合现实、3D打印、人工智能等技术的发展，数字化制造时代悄然而至。未来的制造系统将是结合计算元素、物理元素、软件和人类的“网络物理系统”[1]。为满足工业4.0时代下制造业对知识和创新的需求，许多教育机构和工业组织建立了学习工厂[2-4]。

由于目前关于数字化学习工厂的研究较少，我们将企业用于培训的数字化工厂、学校用于实践教学的基于IT技术的学习工厂的相关研究均纳入文献分析范畴，从而更加全面、深入地了解数字化学习工厂的研究与应用情况。本文阐述了数字化学习工厂的定义、类型及其在教育中的优势和挑战。

一、数字化学习工厂概述

1.数字化学习工厂的定义

学习工厂（Learning Factory）的概念起源于美国宾夕法尼亚大学、华盛顿大学、波多黎各大学和桑迪亚国家实验室（Sandia National Laboratories）组成的制造工厂教育合作联盟（Manufacturing Engineering Education Partnership， MEEP）[5]，目的是为学习者提供一个以实践为基础的工业课程，将理论付诸实践，从工业中解决实际的项目和验证设想。学习工厂是一种基于真实生产过程和生产技术的学习环境，它包括了教学、学习系统和生产系统的各种元素，能够为学习者提供掌握工业生产中不同工具、机器和新技术的基本知识和技能，体验工业生产、团队合作、问题解决和创新等学习过程[6]。

关于数字化学习工厂（Digital Learning Factory）的概念，目前并没有形成统一、清晰的理解。数字化学习工厂是数字化制造技术、数字化工厂与学习工厂融合的产物，是数字化制造时代下学习工厂的一种新的形态。数字化制造技术融合了数字化技术与传统制造技术，可应用于物料规划、产品设计、工艺规划、产品制造、人力资源、供应链等产品全生命周期管理（Product Lifecycle Management，PLM）过程，其目的在于分析、设计、规划和优化产品生命周期中的各个环节，降低生产成本和风险，提高生产效率和生产质量[5]。

数字化工厂是指围绕工厂制造的整个生命周期，将制造设施的规划与设计和制造过程本身结合起来的数字化模型、方法和应用所构成的数字制造系统[7]。过去，数字化工厂被定义为“一个实际的、有形的工厂操作的数字化模型”[5]，主要包括机器（设备）、工作单元、生产线、工厂等的3D仿真模型，用户通过化身在虚拟世界中体验和学习。随着计算机技术尤其是混合现实、物联网、大数据等技术的发展与应用，工业4.0时代下的数字化工厂有了新的特征，即虚拟世界与真实世界互相融合没有界限，物理经验与数字信息通过基于混合现实的交互融合在一起。

综上所述，数字化学习工厂可定义为一种基于数字化制造技术的，以工作过程为导向的，面向未来制造业教育、培训和研究的学习环境。学习者在该环境中围绕企业制造全生命周期开展实践学习，从而掌握工业生产中不同工具、机器、新技术和新方法等的基本知识和技能，发展工业生产、团队合作、问题解决和创新等方面的能力。

2.数字化学习工厂的分类及其教育应用

数字化学习工厂在教育中的应用主要是通过让学习者在一个高度拟真的或融合现实的制造环境下学习来实现的。根据虚拟世界与真实世界的融合程度，数字化学习工厂可分为：虚拟型数字化学习工厂（Virtualized Digital Learning Factory， VDLF）和混合型数字化学习工厂（Mixed Digital Learning Factory， MDLF）。

VDLF是一种基于虚拟制造技术的三维模拟学习环境，学习者利用化身进入虚拟世界，以PLM数据为基础，通过对工厂规划、建设、运行以及各个制造环节等进行模拟、分析、评估、验证和优化等操作[8]，掌握产品设计、工艺规划和生产流程等相关知识和技能，学会解决工作过程中的实际问题。

MDLF是一种基于计算机集成制造技术的混合现实学习环境，集成了所有PLM的数据、过程和资源，支持学习者完成从需求规划、产品设计、生产实现、供应链规划到销售服务等各个环节的模拟、分析、评估、验证、优化操作、控制、执行和管理等操作[9]，在虚实融合的工作环境中体验和参与生产实践。通过基于MDLF的学习，学习者更容易适应未来工作岗位的角色、任务、技术和方法等。

过去十多年里，已经有不少大学、职业院校和企业利用VDLF开展实践教学和员工培训。美国伊利诺伊理工大学工业虚拟现实研究所开发的“齿轮制造数字化工厂”，可用于学习者开展基于真实的齿轮制造工厂的布局、物流规划等模拟学习[10]。美国纽约州立大学开发的VR-Fact系统，通过各车间的漫游和互动操作，学习者可对车间的布局设计有深入的体验[11]。德国达姆施塔特学习工厂（Darmstadt's Learning Factory）针对CIP生产线进行仿真模拟，融入了精益生产的理念，利用基于ExtendSim 的2D离散事件模拟和基于Tecnomatix 的3D过程模拟实现了生产过程的可视化仿真操作，允许学习者通过化身完成不同生产方案的研究、对比和分析，实现对工作地点、工作台和装配线进行优化等[12]。

随着数字化工厂向集成化和智能化方向发展，MDLF已经引起了企业和学校的重视。奥地利屠维恩学习创新工厂（TU Wien Learning and Innovation Factory）是一个用于集成化生产教育的具身教学平台，让学习者真实体验和广泛理解集成化产品的实现过程，包括产品规划和设计、工程、制造、装配以及质量保证等 [2]。

二、数字化学习工厂教育应用的优势

1.有助于培养适应未来制造业领域需要的人才

Prinz C等[13]提出工業4.0时代下，制造业领域的人才需要具备九个方面的能力，包括：问题解决与监督、广泛传播的专门知识或技能、判断力、跨学科的能力、个人责任感、系统思维、沟通能力和适应能力。为此，他认为学习工厂的学习目标应定位为：处理大量的数据和信息，使用新方法和技术，适应新的组织结构、处理过程和人员方面以及适应新的人类角色。近年来，学习工厂已经被多次证实可作为制造领域学校教学和企业培训的有效方法或环境[1][2][14]。

Zadeh N S[12]认为学习工厂的预期成果可包括：①获得生产系统不同概念和原则的经验；②在工厂使用机器、工具或物理设备方面取得经验；③获得社会经验，如小组工作和应付即将到来的挑战的能力；④获得在现实生产环境中工作的经验和基于所需结果的身体参与的情境认知的意义。

数字化学习工厂利用虚拟制造技术和计算机集成制造技术融合了虚拟世界和真实世界，在敏捷性、交互性、开放性、可移动性、参与者容量以及映射能力等方面比过去的物理型学习工厂更具有优势。学习者能够更加积极、主动、自由地沉浸在工业环境中，开展高度整合的、定制化和个性化的学习，从而学习工业概念、习得技能和发展能力。

2.为学习者提供高度情境化和可视化的具身学习环境

具身认知理论认为认知、身体和环境是一体的，学习是学习者通过身体与环境的交互而产生心理与情感的变化，而这种变化又通过身体作出反应[15]。数字化学习工厂为学习者创造了高度情境化和可视化的具身学习环境，学习者可以体验和亲身经历完整的工厂制造过程。

在情境化方面，数字化学习工厂可为学习者提供模拟演示、仿真操作和真实生产三种学习场景。其中，模拟演示场景和仿真操作场景可再现、假设、对比、分析、体验和验证情境，尤其适合真实生产中复杂的、不易于观察和体验的、受到时空限制的、存在高成本和高风险的情境等。例如，可以让学习者在数字化学习工厂中尝试管理生产中的复杂任务，每个参与者都可以通过“化身”在虚拟场景中扮演一个特定的角色（如会计、生产工人或者企业管理人员等），一起协作、讨论和交流，还可以改变或交换角色，体验多种工作角色和任务。

在可视化方面，数字化学习工厂可实现：

（1）工厂布局全景可视化，包括对工厂地形地貌、建筑、车间、设备设施、产品等进行3D建模，直观、真实、精确地展示各种设施、设备形状及生产工艺的组织关系、分步和拓扑情况等，学习者通过计算机或移动终端就能身临其境地漫游整个企业现场。

（2）产品、设备或生产线内部结构可视化，通过对它们的3D模型进行拆分、剖切或重组，对结构组成进行全景演示和交互操作，从而帮助学习者理解和掌握设备基本信息、结构组成、工作原理、标准操作及故障分析等。

（3）生产过程可视化，一方面可对生产过程中的物理运动、化学反应等过程和现象进行三维可视化和交互操作；另一方面通过仿真模拟运行和自动化生产，对数据进行可视化分析和对制造控制过程进行不同场景的可视化比较。例如，加拿大温莎大学智能制造系统中心的智能工厂（Intelligent Factory， IFactory）支持生产平台的灵活转换，可以重新配置、改变系统布局及其功能的模块，可视化因生产参数改变而生成的不同输出结果[16]。

3.将“工厂融入课堂”支持多种应用场景和学习方式

“工厂融入课堂”的知识交流渠道旨在将真实的制造环境转移到课堂[2]。数字化学习工厂作为一个基于先进信息技术和工业教学设备的非地理锚定的学习空间，已经成为一个将工厂环境融入课堂的有效范例，可支持学习者与更接近真实的工业情境进行交互，与产品、机器、设备、生产线等的三维仿真模型和真实物理原型及其运作过程进行交互，与PLM数据和不同的生产解决方案进行交互，与其他参与者（如学习者、教师、研究人员、企业工程师或生产管理者等）进行交互。

在应用场景支持方面，能够应用于大学和研究机构的学术教育与研究，各类学校和培训机构的职业教育，企业员工的在职培训[2]等。在支持多种学习方式方面，可利用数字化学习工厂开展体验学习、游戏学习、混合学习、远程教学、在线自学、合作学习等多种方式。Zadeh N S[12]认为在数字化学习工厂中，学习者和教师的身体存在是不需要的，利用其开展远程学习可以增加参与者的数量。Abele E等[2]指出通过数字化学习工厂，远程的工程师和学习者、教师、研究人员团队能够进行交流和互动，处理实际问题，并使工业和学术场所的实际设施参与进来。

4.有利于校企融合开展协同知识创造和技术创新

学习工厂旨在无缝地整合教育、研究和创新[17]。学习工厂作为学校与企业的合作桥梁，可以为双方带来双赢的局面。数字化学习工厂中的工业级或教学设备可以用作学习者、教师和研究人员创造新知识和验证新技术的试验平台，并支持他们将新的知识和技术传输到企业，以便支持企业引入新的概念、解决方案或决策过程。

丹麦奥尔堡大学智能生产实验室（The Smart Production Lab at Aalborg University）是一个类似于真实生产环境的“小型工业4.0工厂”，为来自机械工程、机器人学、计算机科学、电子、商业领域的学习者、研究人员和企业员工之间提供了一个学习、密切合作和创造新知识的平台[18]。克罗地亚斯普利特大学将FESB 数字化学习工厂应用于计算机和工业工程专业研究生课程中，学习者必须设计自己的企业，并进行测试、验证和优化解决方案，学习者在习得知识和技能基础上，完成硕士论文的撰写，同时与开发商合作有效改进FESB 数字学习工厂，创造经济价值[19]。

三、数字化学习工厂教育应用面临的挑战

数字化学习工厂在技术层面、教学层面和学习层面还存在着许多问题，具体如下：

1.技术层面的问题

（1）复杂的系统结构和技术集成。虽然数字化学习工厂有许多优点，但需要实施复杂的IT基础结构[5]，融合制造系统和教学系统有关的数据、信息、模型、资源、过程、标准等，集成多种IT技术和生产技术。由于目前较缺乏对复杂的系统结构、多种技术的集成和技术标准等的研究与解决方案，导致了数字化学习工厂建设难度大，投入资金和时间成本也较高。

（2）灵活性和移动性。数字化学习工厂代表了真实工厂中的工业环境和工作过程，往往针对某个特定的学科领域或主题。因此，仅靠一种数字化学习工厂无法应对教育界、学术界和工业界的所有挑战，难以作为适合学科实践教学和培训的普适环境。此外，精细的3D模型、复杂的系统结构和集成化的运行环境，往往需要大屏幕显示设备、高性能甚至专有的运行环境等，导致了数字化学习工厂在支持移动终端的应用方面存在很大困难。随着虚拟现实、增强现实、混合现实、物联网、大数据、移动学习等技术的不断发展，数字化学习工厂的灵活性和移动性有望大幅度提高。

（3）数据集成与共享。使用一个公共数据仓库集成所有相关应用软件的数据，对于数字化学习工厂的成功实现是至关重要的。目前有三个主要因素阻碍了跨过程的数据集成[20]：一是当前的软件系统架构是非常异构的，具有大量的、孤立的解决方案；二是大多数软件仅限于解决方案的模擬，根本没有可操作性和交互性；三是没有标准化的数据交换格式。数据的集成和共享需要建立统一的数据标准和强大的数据库系统，并在各种复杂的设计和操作功能区域之间实现标准化的接口。

2.教学层面的问题

（1）来自学校和教师的制约。与过去许多教育创新一样，使用数字化学习工厂可能会受到来自学校和教师之间的阻力制约。学校层面主要是来自于体制上的限制，例如，学校是否有能力建设数字化学习工厂，是否有针对数字化学习工厂覆盖一定数量的课程教学计划以及相关的配套支持等。教师层面主要受制于教师教学理念、教学方法、教育技术能力、教学实践创新能力和工业实践能力等。

（2）如何通过教学设计将教学与生产有效融合，形成一种新的生态系统。数字化学习工厂无缝衔接了教学过程与工业生产实践过程，融合了教学系统和制造系统中的各类组成要素，包括环境、设施、设备、生产过程、学习内容以及各类数据资源等，如何重组这些要素构成一个新的学习生态系统，促进知识能够传播和流动，确保学习交互发生的有序和有效，是教学设计需要解决的问题。

（3）教学内容的灵活性。在某些数字化学习工厂中，学习主题、学习内容和教学顺序是固定的，教师不能做出改变以适应学习者的需要。因此，未来数字化学习工厂必须是模块化的、可扩展的、灵活的、开放的、敏捷的和基于知识的，以便能够实时地适应不断变化的生产和教学带来的教育需求。

（4）教学效果的评估。研究者们已经对学习工厂的形态进行了探索和确定，即重点在于面向实践的学习过程[21]。未来基于数字化学习工厂的教学效果评估，既要考虑能力导向的目标评价，也要考虑目标导向的各个阶段的评估。为了达到这一目标，必须找到简单有效的方式来衡量学习的有效性。

3.学习层面的问题

（1）认知负荷。在数字化学习工厂中，学习者可能会因所遇到的大量信息、需要使用的多种技术设备以及他们必须完成的复杂任务而遭遇到认知负荷。此外，数字化学习工厂提供了虚拟和现实混合的环境，而这种混合现实的环境以及虚实身份之间的转化也可能导致学习者的困惑。

（2）跨学科的复杂技能。数字化学习工厂是面向未来工程师的学习环境，需要学习者具有工程、信息技术、电子和计算机科学等跨科学方面的能力，主要包括沟通协作、问题解决、产品设计、工艺规划、仿真模拟、技术操作、监督、判断、系统思维、适应和组织领导等多种复杂技能。而作为一个仅有最低实践经验的初学者，比较缺乏这些方面的技能。

（3）适应产品和生产系统的快速变化。由于产品和生产系统的快速变化，学习者需要更迅速地引入现有的和未来的方法来面对未来制造业带来的挑战。借助数字化学习工厂，学习者不仅需要掌握能够运用现有的方法和技术来解决实际问题，同时还能够适应未来工作岗位中的各种变化。

四、总结与展望

目前，学习工厂已经涵盖了广泛的应用场景。学习工厂应该与创新（新原型和产品技术、生产技术和工艺、IT技术等）更紧密地联系在一起[2]。在未来，开发有效和高效的数字化学习工厂将变得非常重要。从现有研究来看，国外虽然没有形成明晰的数字化学习工厂概念，也较缺乏实证研究，但相关研究已经初步探索了数字化学习工厂的组成框架、应用前景、技术解决方案和教学方法等，也展示了一些不同场景的应用案例。面对工业4.0发展热潮所带来的挑战，数字化学习工厂很可能会成为未来学校与企业无缝衔接和融合的最佳桥梁，在制造业教育中发挥越来越重要的作用。

参考文献：

[1]Tvenge N， Martinsen K， Kolla S S V K. Combining Learning Factories and ICT- based Situated Learning[J]. Procedia Cirp，2016（54）：101-106.

[2]Abele E， Metternich J， Tisch M， et al. Learning Factories for Research， Education， and Training[J].Procedia Cirp，2015（32）：1-6.

[3]Faller， C.， Feldmúller， D.Industry 4.0 Learning Factory for regional SMEs[J].Procedia Cirp，2015（32）：88-91.

[4]Seitz K F， Nyhuis P.Cyber-Physical Production Systems Combined with Logistic Models – A Learning Factory Concept for an Improved Production Planning and Control[J]. Procedia Cirp，2015（32）：92-97.

[5]Azadeh Haghighi. Application of digital environments for learning factories： digital learning factories， review and discussion[D].KTH Royal Institute of Technology，2013.

[6]赵文平.德国工程教育“学习工厂”模式评介[J].比较教育研究，2017，39（6）：28-34.

[7]Azevedo A， rico， Almeida A. Factory Templates for Digital Factories Framework[M].Pergamon Press，Inc.2011.

[8]Weidig C， Menck N， Winkes P A， et al. Virtual Learning Factory on VR-Supported Factory Planning[J].Ifip Advances in Information & Communication Technology，2014（434）：455-462.

[9]Naveh G， Even A， Fink L， et al. Information Technology Education in a Digital Factory Learning Environment[J].Intelligent Automation & Soft Computing， 2015，21（4）：659-672.

[10]Dvorak P. Digital factories foster new vision of manufacturing[J].Design International，2008（4）：16-18.

[11]Zarzuela M M， Pernas F J D， Calzón S M， et al. Educational Tourism through a Virtual Reality Platform [J]. Procedia Computer Science，2013，25（25）：382-388.

[12]Zadeh N S. Digital Learning Factories： Conceptualization， Review And Discussion[J].Swedish Production Symposium，2014.

[13]Prinz C， Morlock F， Freith S， et al. Learning Factory Modules for Smart Factories in Industrie 4.0[J]. Procedia Cirp，2016（54）：113-118.

[14]Matt D T， Rauch E， Dallasega P. Mini-factory – A Learning Factory Concept for Students and Small and Medium Sized Enterprises[J].Procedia Cirp，2014（17）：178-183.

[15]Wilson M. Six views of embodied cognition[J]. Psychonomic Bulletin & Review，2002，9（4）：625-636.

[16]Tisch M， Metternich J. Potentials and Limits of Learning Factories in Research， Innovation Transfer， Education， and Training[J].Procedia Manufacturing，2017（9）：89-96.

[17]Mavrikios D， Papakostas N， Mourtzis D， et al. On industrial learning and training for the factories of the future： a conceptual， cognitive and technology framework[J].Journal of Intelligent Manufacturing，2013， 24（3）：473-485.

[18]Nardello M， Madsen O， Mфller C. The Smart Production Laboratory： A Learning Factory for Industry 4.0 Concepts[C]//Perspectives in Business Informatics Research，2017.

[19]Celar S， Turic M， Dragicevic S， et al. Digital Learning Factory at FESB – University of Split[C]// Xxii Scientific and Business Conference Yuinfo，2016.

[20]Lainema T， Nurmi S. Applying an authentic， dynamic learning environment in real world business[J].Computers and Education，2006，47（1）：94-115.

[21]Rentzos L， Doukas M， Mavrikios D， et al. Integrating Manufacturing Education with Industrial Practice Using Teaching Factory Paradigm： A Construction Equipment Application[J].Procedia Cirp，2014， 17（2）：189-194.

（編辑：李晓萍）