本文以数字化智能制造领域中的工业机器人为例，从人才培养目标的确定、教学体系的重构、教学环境的重塑等方面给出多方面的意见。通过当前产业需求以明确数字化人才培养目标，坚持以数据导向，重构人才培养教学体系;参考企业模式，打造新型教学环境。旨在为工业机器人数字化人才培育提供新路径，进而实现以产业需求为导向的应用型工科产教融合育人模式。
工业机器人专业数字化人才培养现状和问题
机器人产业为目前转换应用率最高、使用范围最大、结构体系架构最完善的工业领域之一。如今，人工智能技术、信息技术高度发展，工业机器人逐渐扩展到更广泛的工业领域，其标准化、模块化、智能化和网络化水平越来越高、功能越来越强，工业机器人的应用密度逐渐加大。
当前智能制造的发展趋势，对数字化工业机器人的技能需求提供建设性参考意见。立足智能制造产业，估计制造业人才需求规模和特征，为人才培养的层次规划、定位等奠定基础。智能制造人才成为当前中国引领科学技术革命创新和传统产业变革的重要因素，而数字化方面的人才不足成为智能化升级路上的障碍。据文献预测 , 到 2025 年，人才总需求大约 900 万人，但缺口约为 450万人，其中制造业行业技术技能人才需求量将达到 377.6 万(见图 1) 。
图 1 我国智能制造机械行业技术技能人才学历需求预测表
传统制造业和数字产业化加速代际交叠，行业数字化转型步伐加快，人才供求矛盾日益突出，数字化思维下的工业机器人研究范畴表现为系统逻辑思维层次、概念抽象思维层次和数据敏感认知层次。
(1)“概念思考”，就是透过大格局去认识一种状态或一个问题，透过对每一种生产因素的量化去发现联系不显著之状态的规律或联系;在复杂状态下发现重点或基本的主题。这就需要数字人才能够在瞬息万变的环境下，面对来自各个方面的不确定性，依然具有明确的理念与框架思考，并能够在不确定性场景下找到面向数据的确定性。
(2)“系统思考”以思考架构为核心，把世间万事万物都作为一个联系而不是一个个体来看待，对智能制造生产所带来的各种问题进行整体分析，看渐变的进程而不是最终的结局，总体思考更是包含了对复杂关系的有条理梳理，对产品进行多视角和多维度的考量，纵览大局，抓住数字化的内在实质。
(3)“数据敏感”指在认知层面构筑了业务和数字的模型，并能正向或反向地识别出数据背后的业务意义、原因和问题。能悉察行业中数据变化，能发现数据所隐藏的原因逻辑，并能够相应地采取有效应对措施。
原有实践教学培养模式不适应新工科改革需要的技术和经济环境的极速变化，使得工程人才的培养模式由专业知识和技能学习，向工程素质和工程能力的培养方向不断倾斜，以应对未来的技术变革和全球化进程。然而，目前机械类专业实践教学体系的教学形式过于单一，学生以被动式学习为主，教学内容也局限于学科技能训练，不能很好地全方位、多层次、宽领域培养学生的工程素质和工程能力。实践教学各个环节之间缺乏关联性，既不利于对学生的工程能力进行系统培养，也无法形成实践综合创新体系。
但是，职业院校与企业在高素质技术技能人才培养方面存在着分离状态，院校与企业在人才培养方面尚未形成有效合力。具体表现在职前阶段职业院校对人才能力水平要求不切实际。一直以来，我国将技术技能人才培养的重点放在职前学校教育阶段，认为职业院校只要投入足够的人、物、财，就可以培养出市场需要的高素质技术技能人才。但是从现实的人才培养效果来看，并不令人满意。
智能制造背景下数字化工业机器人应用人才培养思路
确定机器人应用人才培养目标
结合现有工业机器人课程体系与对相关企业的调查，确定数字化工业机器人人才培养目标，以“互联网 + 机器人”为核心的数字化工厂智能制造模式必然成为制造业的发展方向，主要表现在以下几个方面：机器人制造和系统集成商中都有工业机器人的应用技术职位。面对这一岗位需求，在培养机器人人才时，要确保其了解智能控制技术基础理论，掌握机械电子、电气自动化知识和智能控制等专业操作技能，能够熟练掌握工业机器人的操作、运动编程、维修等任务。在此基础上，掌握数字化制造理论知识与软硬件，构建以工业机器人为主的智能制造生产方案，能够逐渐适应并成为智能制造产业需要的高级技能型应用型技术人才。总体来说，数字化工业机器人专业人才培养以安装、调试、维修技术为基础，在着重培养操作、编程技术人才基础上，掌握数字化制造与智能制造等相关知识。就业岗位一般为技术操作员、安装调试员等，后期职业发展可以成为编程调试员、集成工程师、智能制造工艺技术专家等。
确定教学内容
按照工业机器人专业人才培养目标，针对性地制定人才培养任务，再结合岗位需求，确定教学任务。第一，偏操作编程方向来制定专业课程教学内容。首先，仍保留工业机器人为专业方向的核心课程、实践操作课时，根据不同市场环境、市场要求更新核心课程，与企业深度接轨;其次，增加了 PLC 及其应用系统方向教学实训频率，使学生对 PLC 和传感器有了基本认识后，还对编程和调试方面有了相应认识;再次，同步推进智能制造相关课程学习，如机器视觉技术、人机交互技术、智能控制算法、技术、虚拟仿真、工艺设计、智能制造架构设计、制造信息化平台设计及流程开发，要求学生能够搭建智能制造初步架构，了解智能制造生产工序;最后，针对以工业机器人为主的生产工序进行强化训练。
师资力量建设
工业机器人专业是一门融合了机械、电气、自动化等诸多学科技术的专业，在教学过程中，对实践性要求较高，故其师资力量的构建策略如下：一是要加强对现有教师的培训，并鼓励在职教师自我提升，考取专业技能证书等;二是充分发挥校企合作力量， 让教师正确认识校企合作的重要性，打破传统教学模式，与企业进行深入合作，同时积极引入企业技术人员，作为外聘教师，对学生进行实践技能培训;三是建立柔性人才引进制度体系、启动兼职教师人才库，打造双师型队伍。
智能制造背景下数字化工业机器人人才培养的路径探索
数字化工业机器人岗位主要职责是设计和计划制造运行过程中的流程及良性循环系统，支持并提供与制造设备和运行器等有关的问题解决方案，建立工业机器人自动化产线，提高制造运行的流程和系统的效率，通过研究生产过程中质量数据以判断系统故障指标，从而最大程度地预防设备停机故障，保证效率。同时，通过流程改进进一步降低维护、返工时间和库存成本，提高生产线的生产效率及产品质量。生产是指同运营、信息技术、制造人员等共同解决在制造过程中及整体制造环境下产生的技术问题，并完成智能制造、产线改善等规划建设和运营工作;产品设计与生产领导力是指为产品设计师、产品管理领导者、生产领导者等提供关于制造能力与技能方面的回馈。所以，智能制造领域数字化工业机器人人才培养可以从以下路径进行探索。
图 2 工业机器人数字化人才培养模型
因岗制学打造人才培养方案。智能制造领域的各专业融合发展，主要指信息领域学科与工业机器人、机械制造与其他领域学科、专业的交叉融合。它所建构的格局主要有：第一，基于国家规划和智能制造发展趋势，从探究产业跨界、跨学科的交叉融合角度，分析面向未来的人才需求规模和需求特征;第二，基于企业岗位，对人才需求打破各个学科之间的壁垒，实现扩容升级，在同类课程中，以工业机器人课程为核心，以工业机器人为中心形成了智能制造(含机电一体化技术和数控编程技术)、模具加工和其他制造类(含生产技术)三个专业群。变革学院组织结构和模式，减少管理层次，对传统院系组织架构进行完善。把原有单一学科模式转变为多维学科矩阵管理模式。立足学生特征，交叉融合有关学科对人才培养目标进行定位，在微观上对特定专业培养目标、培养规格进行定位。以特定专业培养目标、培养规格为中心，以国家标准、产业标准和学校标准为依据，以制定各类专业的培养标准。标准必须强调多学科的交叉融合和学校的人才培养定位及特点，并具备可行性、可实现性、可操作性和可评估检查特征。
深化职业教育产教融合，需要落实到区域层面，实行“双元”育人。以德国“双元制”为蓝本，双元培养、双元师资，企业学校确定专业人才培养方案，学院与企业共建教材开发工作小组，共同开发新形态教材，校企双方以生产一线为蓝本共同建设实训实践基地，实施信息化和虚拟化教学，强化实践教学改革，在企业真实或者仿真环境下开展教学，做到真正意义上的“边学边教，学练结合”。同时，创新校企合作激励机制，积极推动企业学校双方深度合作发展，由学校和企业联合指派教师、工程技术人员、第一线的指导师傅担当起教学任务。
结语
智能制造背景下工业机器人专业数字化人才培养是产业数字化升级和企业转型的必然选择。有了政府支持，学校和企业可以通过共建共享教学资源，联合实施智能制造特色双创教育，增加数字化智能制造人才的培养。高职院校工业机器人专业要面向数字化能力，将数据作为生产要素与智能制造产业发展新要求相衔接，深化产教融合发展，激发数字化人才培养新动力。这样既有利于为区域数字经济发展输送创新型、复合型的商科人才，创造现实价值，又能共建“产教利益共同体”，促进当地职业教育的内涵建设和改革创新。同时，学院大力推动工业机器人专业与地方数字化智能制造本地产业精准合作对接，实现双方共同发展。在乡村振兴战略下，加强制造领域数字化人才培养力度，加快人才与产业间的有机衔接，为数字智能制造产业的发展和巩固脱贫攻坚提供“用得上”的数字化智能制造人才。(作者：屠嘉骏)
