智能制造的主基调中控技术深度系列：智能制造行业速览|智慧城市|上海羊羽卓进出口贸易有限公司

中控技术深度系列：智能制造行业速览

智能制造行业

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

行业发展阶段

成熟度低：目前我国智能制造能力成熟度水平依然偏低，工业自动化技术应用整体水平提升空间大，智能制造需求正处快速上升阶段。

差异性大：我国不同区域、不同行业及不同企业的自动化水平差异明显、数字化发展不平衡，智能化程度更是参差不齐。

行业基本特点

国家政策重点扶持发展

智能制造是推进制造强国战略的主攻方向，国家支持自主创新和重大技术装备国产化的产业政策，对我国工业自动化产业的发展起到积极作用。十四五规划第三篇“加快发展现代产业体系巩固壮大实体经济根基”，提出坚持自主可控、安全高效的产业安全发展基调，深入实施智能制造和绿色制造工程，发展服务型制造新模式，推动制造业高端化智能化绿色化；建设智能制造示范工厂，完善智能制造标准体系。第五篇“加快数字化发展建设数字中国”中，强调以数字化转型整体驱动生产方式变革，促进数字技术与实体经济深度融合，赋能传统产业转型升级；提出加强工业软件研发应用，培育形成具有国际影响力的工业互联网平台，推进“工业互联网+智能制造”产业生态建设。此外，《扩大内需战略规划纲要（2022-2035年）》、《“十四五”信息化和工业化融合发展规划》以及《“十四五”智能制造发展规划》等国家级战略规划的扶持，对我国工业自动化行业的高质量发展有着深远的意义。

未来行业空间持续扩大

根据工信部数据，2022年度我国工业软件产品实现收入2,407亿元，同比增长14.3%。根据中国工控网数据，2022年度中国自动化市场规模超过2,629亿元，同比增长3.2%。工控网预测，2023-2026年中国自动化市场将保持6%左右的年均复合增长率。随着十四五高质量发展规划大力推进，国家大步迈向中国式现代化的伟大征程，工业自动化市场也将持续发展。

自主创新将成为行业发展的关键动力源

《“十四五”信息化和工业化融合发展规划》中提出提升关键核心技术支撑能力，强调突破核心电子元器件、基础软件等核心技术瓶颈，加快工业芯片、智能传感器、工业控制系统、工业软件等融合支撑产业培育和发展壮大，增强工业基础支撑能力，采用首台套、税收信贷等政策支持企业构建具有自主知识产权的基础产品体系。发改委也将控制系统与工业仪器仪表列为高技术产业化专项，同时国家鼓励国内化工、石化、冶金等行业应用具有自主知识产权的工业自动化产品。具有自主创新能力的工业自动化企业将更好把握国家政策导向，集中力量突破影响产业竞争力的关键技术并使之产业化，实现自我快速发展。

服务市场将成为行业发展的主要新领地

流程工业自动化行业面对的市场是典型的项目型市场，经历了行业多年的发展，用户对项目在质量需求上升级，导致服务市场的拓展对于提升工业自动化企业的竞争力变得尤为重要。另外，经过行业的多年发展与竞争，价格下行的空间有限，建设数字化服务、技术平台及完善服务体系是提升工业自动化企业产品竞争力的有效手段。

行业技术门槛

实现工业软件自主可控能力

实现工业软件自主可控已经成为我国制造业升级转型的核心诉求，也是对智能制造供应商技术能力的关键要求之一。工业软件研制开发、推广应用、迭代升级环环相扣，智能制造供应商需要基于用户的需求，不断深入实践，持续迭代优化解决方案，才能为客户提供有价值的服务。

庞大存量市场环境对后进入者树立更高的技术壁垒

在循序渐进的智能化改造中，已有自动化控制系统和仪器仪表的扩展升级是一种重要的方式。主要参与企业以其环环相扣的产品和生态体系，对细分市场用户工艺特征深刻理解和持续的售后服务，占据明显技术优势。工业自动化产品销售在传统“硬件+软件”捆绑模式的基础上，正升级到“硬件+软件+服务”的一站式管家模式，用户粘性增强，用户使用习惯持续固化，技术壁垒不断积累，打破固有格局难度将越来越大。

咨询诊断和挖掘需求能力

由于在智能制造领域，制造业企业和供应商均无较多成熟经验可以借鉴。制造业企业提出的多是综合性问题，需求描述不清晰，对于供应商的咨询诊断和挖掘需求能力是一项挑战。工业客户对于供应商提供的智能制造产品的安全性、稳定性及可靠性要求极高，形成了天然的门槛。此外，涉及的问题大多是跨学科、跨专业、跨领域的综合性问题，极大考验供应商整体咨询规划的能力。

综合技术与资金管理能力

对供应商而言，在产品研发阶段，智能制造产品及解决方案细分产品和行业众多，研发周期长，人力和资金投入大；在项目实施阶段，实施周期长，货款回笼慢；因此，供应商需要具备综合技术与资金管理能力，才能保驾护航企业智能制造技术能力持续发展。

中控技术行业地位分析

国内流程工业自动化领域的领军企业

根据睿工业统计，2022 年度，公司核心产品集散控制系统（DCS）在国内的市场占有率达到了36.7%，较2021年市场占有率增长2.9个百分点，连续十二年蝉联国内DCS市场占有率第一名。

其中2022年公司在化工领域的市场占有率达到54.8%，较2021年市场占有率提升3.7个百分点；2022年公司在石化领域的市场占有率达到44.8%，较2021年市场占有率提升3.2个百分点；2022年公司在建材领域的市场占有率达到32.9%，较2021年市场占有率提升3.9个百分点，在三大行业均排名第一，可靠性、稳定性、可用性等方面均已达到国际先进水平。根据中国工控网统计，2022年公司核心产品安全仪表系统（SIS）国内市场占有率29.0%，较2021年市场占有率提升3.3个百分点，首次位居国内SIS市场占有率第一名。

国内流程工业智能制造解决方案的引领者

公司已连续多年入选工信部智能制造系统解决方案供应商和示范企业，先后承担了大宗原料药及医药中间体智能制造新模式项目、石化智能工厂试点示范项目、百万吨级烯烃智能制造新模式应用项目、高端炼化一体化智能制造新模式项目、绿色化工新材料产业链智能制造新模式项目等工信部智能制造项目，为流程工业智能制造技术的全面推广应用奠定了基础。根据中国工控网统计，2022年度公司多款核心工业软件产品市场占有率排名居于前列。其中，公司先进控制和过程优化软件（APC）国内市场占有率33.2%，连续四年蝉联国内市场占有率第一；制造执行系统国内流程工业市场占有率19.5%，首次位居国内流程工业市场占有率第一名。

行业未来发展趋势

新技术的引入将成为行业增长的新引擎

伴随着第四次工业革命的浪潮，当前全球制造业正加速向数字化、网络化、智能化的转变，工业互联网、大数据、人工智能、数字孪生、5G及机器人等诸多新技术的引入融合已深刻改变自动化行业及其服务的企业，成为增长新引擎。未来，新技术和自动化控制的融合发展将使得工厂的生产力水平达到一个全新的高度。

新技术应用的根基是制造业的数字化，高度数字化、网络化和基于大数据分析的制造业企业将改变资源分配、生产加工、物料处理及人力管理等方面的业务逻辑，未来高度自动化的端到端一体化生产，将为企业带来更大回报；人工智能技术的兴起则将实现制造业的深度智能化，未来的工厂将利用人工智能支持自动化流程和机械，通过智能决策应对不熟悉或者预期之外的情况。

数字孪生技术为工厂物理实体创建一个全面的数字化“克隆体”，未来数字孪生技术依托精准、形象、安全的仿真分析推动实体工厂全流程高效优化运行。机器视觉识别技术通过人工智能深度学习算法可以更加精准地把关产品质量、降低生产成本，同时结合机器人应用技术，实现24小时不间断工作，还有望在各种恶劣生产环境下替代人类工作。

数字化转型和绿色制造的融合发展将孕育出更多的新产业

我国深入实施数字经济发展战略，产业数字化转型正处在加速发展的关键时期；同时，我国“双碳”宏伟目标的提出更加坚定了走绿色低碳发展的道路。制造业企业既要加快实施数字化转型，也要满足绿色制造标准，两者多维度的深度融合发展需求将孕育出更多的新产业。

工业数字化转型将是涵盖研发设计、生产制造、经营管理、市场服务等全生命周期数字化转型，既有领先的整体解决方案商先试先行，引领发展；一批“专精特新”中小企业和单项冠军企业有望脱颖而出；受益于平台化运行、个性化定制、网络化协同等新型企业也有望规模化发展。

同时，更多应用领先的企业借助国家智能制造试点示范专项行动的扶持政策，与解决方案供应商形成更密切的合作关系，乃至构建双赢、多赢合作体，共同推广自身先进的行业方案和服务。

当前，流程型生产企业多属于碳排放重点监管对象，是实现双碳目标的关键点之一。未来，数字化将融合绿色制造技术，实现工艺及设备的智能感知和控制系统、过程多目标优化、运营管理优化等，实现生产过程物料、能源等信息采集监控、智能分析和精细管理，再结合设备电气化改造、清洁能源利用、CCUS技术等方式，帮助企业提高能效利用率，实现绿色低碳发展。

整体解决方案将逐渐取代单一产品的供销体系

数字化变革及新技术的复杂性促使制造业企业越来越趋向选择有整体自动化、信息化解决方案的供应商及合作伙伴。目前，高质量、贴近用户的个性化整体解决方案正在逐渐代替原有单一的自动化设备供销体系，形成一个围绕智能制造的新产业形态。

智能制造是一项整体性较强且长期持续进行的工程，随着自身认识、积累的增加，用户对智能制造需求将会更加明确，对智能制造方案设计、实施的参与过程会逐渐加深，同时处于不同发展阶段的工业企业，在向智能制造的转型升级过程中，对于自动化、网络化、智能化技术及解决方案的需求具有较大的差异性，客观上要求智能制造解决方案具有良好的灵活性和弹性。行业头部企业不仅应具有谱系完整的自动化、信息化产品，而且应具备工程实施、方案优化、整体咨询等服务能力，能够以大数据、云计算、人工智能驱动的自动化为主线，实现装备生产智能化，推动全流程精准建模和分析，打造贯穿全流程生产、全供应链运营、全生命周期管控的一体化智能制造解决方案。

平台化运营体系和服务模式日渐成形

服务市场将成为行业发展的主要领地，线上、线下融合服务新模式应运而生，也将成为行业新的标杆。流程工业自动化行业面对的市场是典型的项目型市场，经历行业多年的快速发展，新建项目数量逐渐减少，质量需求则日渐升级，用户对全生命周期运维服务、多元化产品解决方案、管家式服务的需求快速增加，对服务响应时效、长周期服务能力提出更高的要求。新的平台化运营体系和服务模式依托行业头部企业运营，形成规范、迅速、有效的网络化、平台化服务体系，将为园区用户提供专业化、高水平、一站式的服务。

本文源自全景网

智能制造领域现场工程师数字技能培养的价值、要素及路径

《教育部办公厅等五部门关于实施职业教育现场工程师专项培养计划的通知》中要求面向数字化、智能化岗位，到2025年累计培养不少于20万名现场工程师，并将“助力提升员工数字技能”作为重点任务之一。我国颁布的2035年中长期发展规划中，提出要“加快关键数字技术创新应用，以人工智能、大数据等新型数字产业为引领，推动数据赋能全产业协同转型”。在《“十四五”数字经济发展规划》中提出“加快推动数字产业化应提升核心产业竞争力”。《数字经济促进共同富裕实施方案》提出“强化数字素养和就业保障”，通过提升公民数字素养提高就业者数字技能水平，以达到满足制造业数字化、智能化的就业需求。智能制造现场工程师应扎根于不同行业现实情况，以数字技术为引领，带动原有产业现场工业技术向高端化、智能化、绿色化升级，并运用数字化技术培育先进数字化制造集群，促进数字技术与传统制造业的融合，改进智能算法适配现有制造设备。因此，理清数字技能培养的价值和要素，把握好数字技术的新发展、新路径、新动向，提出现场工程师数字技能培养提升路径，对增强运用数字化方法提升智能制造领域工作效能具有重要价值。

一、智能制造领域现场工程师数字技能培养的价值

（一）数字技能是支撑智能制造现场工程师的职业技能

1.数字技能是实现智能制造的必要前置条件

数字技能是人通过主观意志将物理世界中的技能通过数字方式实现的过程，它包括对数据的采集、生成、建模、仿真、存储、传输、通信等方面。在智能制造现场工程领域，数字技能的概念聚焦于智能方法与工业制造的结合，服务于此范畴的技能均可认为是智能制造的数字技能。同时，数字技能将物理空间数字化后交由智能程序处理，属于智能制造的前置必要技能。数字技能相较于传统制造业技能的要素构成更加广泛，近年来智能制造领域中数字技能的数量处于爆发式增长趋势，虚拟现实、数字孪生、大数据、工业互联网等新概念层出不穷，数据的庞大规模与层次提高了工程技术人员掌握对应数字技能的难度。智能制造数字技能是在现代制造业工艺过程、工作技术、能力培养为基础上发展起来的，作为智能制造领域的必要元素，数字技能的引入扩大了智能制造的实现途径。

2.数字技能是智能制造现场工程师工作内容的构成元素

我国持续开展智能制造现场工程师的数字技能提升工作。将2020年以来人社部颁布的智能制造类别中与数字技能相关的国家职业标准作为研究对象进行词频分析，在“工作能力要求”中出现的词频由高到低结果排列发现，新职业中对“知识”“技术”“数据”“管理”的能力要求提到的频率最高（表1）。

新职业工程技术人员的能力要求兼具数字创新、数字知识、数字技术能力，服务的方式由工业制造自动化逐渐向数据化驱动、网络化驱动、定制化驱动的制造服务发展。同时，对技术人员的职业能力要求发生了载体层面的变化，从工业化设计、工业制造、工业管理等逐渐向网络化设计、数字化制造、云端管理方向发展。

3.数字技能是智能制造现场工程师职业路径的支撑元素

智能制造现场工程师的工作内容可按职业方向分为智能装备与产线应用、智能生产管控、装备与产线智能运维三大类别，不同方向又按照各自工作性质分为通用化数字工作内容与专门化数字工作内容。数字技能研发能力、数字制造过程管理能力及数字技术应用能力组成了工作内容的通用技术能力。现场工程师的技能以通用数字技术能力为基础，以现场服务工况为导向，应具有适应不同数字技术岗位的专门化技术能力。比如，数字孪生技能、数字仿真技能等具有与智能制造装备深度融合的特征，不同数字孪生模型具有不同的驱动方式，需要开展专门化数字技能培养。由此，智能制造现场工程师形成了以智能制造装备为工作依托，以数字能力为工作资本，以数字技术路径为工作惯习，分方向、分领域的有机工作内容。

（二）数字技能是智能制造现场工程师职业价值的基调和尺子

1.数字技能增强智能制造现场工程师职业技术能力

智能制造的研发环节从数字模型入手，通过数字参数调整、加工轨迹规划、后处理生成程序等数字技能确定加工方案，并辅以数字虚拟仿真与数字孪生开展数字结果验证。智能制造引入工业互联网及MES数字化程序接口，可通过深度学习的方式实现自动智能加工控制、工艺参数智能调节、智能循环制造。智能制造将边缘计算结合强化学习及智能神经网络可以实现智能设备及智能产线的运动信息监控、故障自诊断、故障预测。在工业互联网及云端大数据的加持下，数字技能还可以通过智能通信技术提升现场工程师的有效工作范围。因此，掌握相应的数字技能可从研发、制造、维护三个主要生产环节提升现场工程师智能装备操作范围、加工制造智能控制以及智能并行处理任务能力。从价值的角度来看，数字技能是智能制造现场工程师强化自身能力、拓展技术范围、提升工作空间的工具。在数字技能的作用和运用下，智能制造现场工程师的职业价值产生增值。

2.数字技能重新定义智能制造现场工程师的职业情感

职业情感是人们对从事工作稳定的态度和体验，包含职业道德、职业态度、职业精神、职业素养等方面。现场工程师的职业情感受数字技能蕴含的价值引导，现场关注目标由工业设备、工业技术向数字化装备、数字生产工艺迁移，配合方式由人与人配合向人与智能设备协作转向，工作方法由人面向设备变为人面向数字技能及智能程序。工作目标、方法、方式的变化引发职业情感的变化，职业道德由对他人负责变为向数据负责，职业态度由与人交流配合的“对接性”职业态度向人与数据交互的“标准性”职业态度变化。统一价值论认为，人一切的活动都是围绕“价值”这一因素而展开的，参与价值活动的各构成环节均可用价值进行衡量。而智能制造现场工程师的职业情感统一于发挥数字技能更大的价值，通过职业情感维系数字技能价值的稳定发挥。因此，通过保持符合数字技能要求的职业情感，便于把握智能制造领域数字技能的发展趋势、利于理解新型数字技能逻辑、迅速开展数字技能升级迭代。

（三）数字技能促进智能制造现场工程师工作环境的变迁

1.数字技能促进工作环境的绿色智能信息化转变

智能装备结合其控制的大数据存储、智能化程序、人机交互界面等共同形成了智能化工作环境，塑造了绿色化、数字化、信息化的现场工作环境。原有生产设备的智能化过程伴随着绿色化进程，智能化的能源使用方式、减少生产过程中碳排放、使用更多智能环保设备等实际需求是不能脱离智能制造数字化过程的。智能制造的数字技能对能源使用、碳排放、关键工序的参数可以进行数字化衡量，为智能程序的调整介入打下了数字化基础。同时，为了使形成的数字信息更快地与人进行交互，降低信息链的延迟，信息化车间、黑灯工厂等均具有与现场工程师快速信息交互的智能终端。通过智能终端可以监控、警示、调整生产中的突发状态，对智能生产线开展智能运维。新职业标准中对工程师应具备的数字技能从“系统”“平台”“软件”及“硬件”4个方面论述，表明工程师的工作环境从面对众多的独立设备变成需要面对系统化智能平台，数字技能的应用需要借助、使用甚至根植于智能化装备。由此可以看出，智能制造现场工程师的工作环境已发生根本性改变。

2.数字技能促进工作环境的智力资源配置变化

智能元素对生产设备的嵌入，使得工程师群体这一推动产业进步的“智力资源”唯一性地位逐渐丧失，取而代之的是“工程师+智能设备”的融合性智力资源。智能化工作环境的转变融合，使得现场工程师的生产、制造、使用、优化等技能与智能设备产生了广泛的内在联系，通过数字技能即可实现与智能设备中智能元素的连接调用。由此，现场工程师可以通过工业互联网、物联网、区块链等数字技能实现分权限控制大范围的智能设备完成工作任务的目的。从本质上讲，智力资源从过去集中到现场工程师个体身上转变为现场工程师的意志为主体、智能装备为智慧工作站的“总体—分布”式智力资源构成。智能装备中嵌入的智能元素分布在现场工程师的工作环境之中，现场工程师的控制方式由现场控制转变为网络控制。控制范围的扩大增强了数字技能的空间使用能力，现场环境的能力提升重心也从强化工程师智力资源转变为强化智能环境的智力资源。

二、智能制造领域现场工程师数字技能培养的要素

（一）数字技能的构成要素

研究中选定已经开始使用数字技术的企业及开展数字技术培育的职业院校，针对企业供职超过3年的现场工程师及具有5年以上教龄的数字技能授课教师共10人作为研究对象进行访谈。接受访谈人员按照职位不同进行编号，数字技能专业课教师编号为L1-L4，现场工程师编号为G1-G6，其余基本信息见表2。

研究中使用半结构化访谈提纲，主要包括以下问题：（1）如何看待数字技能在制造业中的发展前景；（2）现阶段数字技能与现场工程师工作的结合是否紧密；（3）企业主要在哪些工作中使用数字技术；（4）工作时运用数字技能的知识有哪些；（5）工作中运用的数字技能都需要哪些能力；（6）数字技能的运用需要现场工程师具有哪些关键素养；（7）数字技能与传统技能之间的区别与联系。访谈采用二对一访谈形式，经受访者同意对访谈进行录音，结束后整理访谈文本6万余字。

基于主题分析法，使用Nvivo软件开展数字技能结构主题分析，对收集到的文字材料进行逐字逐句编码分析以确定智能制造环境中数字技能对现场工程师的职业支撑作用。首先，研究人员在尽可能还原受访者思想观点的基础上，使用要素编码法对原始访谈资料进行第一轮编码，使用结构编码方法对初始资料进行要素提取。在第二轮编码过程中，使用模式编码方法对第一轮代码进行模式定义。研究最终整理出4个要素类属、24个概念化要素，共216个参考点，具体见表3。

1.数字知识

数字知识是智能制造现场工程师数字工作的理论依据。数字理论知识是数字技能的基础，符合职业教育多门类、宽口径的分布特征。除了数字理论知识之外，现场工程师对传统工业知识的了解也较为关键。现场工程师的数字技能是丰富自身职业能力的外延，从作用上讲数字技能与传统工业技能一致，在满足智能制造工艺要求之前应首先满足于工程师自身的生存与发展。对于职业发展应具有的行业发展知识和地区性经济发展知识等，是职业教育课堂上难以给予但又非常重要的内容。行业规则知识对数字技能具有塑造能力，数字技能的外在形式是以行业规则知识为主导的。行业发展知识主要集中在地区性行业内部传播中，数字知识受不同地区经济及行业规则影响而存在差异化，数字知识应在差异的基础上扎根、传播，服务好当地经济与行业发展。

2.数字技术

数字技术对智能制造现场工程师来说是需要掌握的数字工作方法，数字技术按职业教育类型可分为三个方向：数字制造技术方向、数字调试技术方向、数字仿真技术方向。使用工业G代码编程、数字辅助设计、CAM、ERP、PLM等制造装备制造流程相关的使用技能，均属于数字制造技术方向的数字技能。数字制造技术方向通过数字化控制加工的实现过程，具体包括制造工艺流程、电子工单管理、加工工装调整、加工过程控制、加工运动控制等方面。数字调试技术方向主要针对智能制造现场设备的控制系统进行调试与改造，包含数控系统参数调整、数控机床功能开发、机器人运动控制、5G+工业互联网等。数字仿真技术方向以CAE运动学、动力学、有限元分析为基础，对智能装备开展快速的空间位置、碰撞干涉、疲劳寿命、使用状态的仿真，并在此基础上发展虚实结合的智能装备，实施AR/VR及数字孪生技术。

3.数字素养

数字素养是以职业素养为模版发展而来的，是现场工程师从事数字化现场技术工作应该具有的职业数字修养。总体上可按数字职业素养、技术素养、学习素养、实践素养和道德素养来划分。数字职业素养包括数字职业观念、数字职业态度、数字职业安全意识、数字服务意识、职业大局观等，职业素养从人的内部决定了现场工程师的职业行为。数字技术素养包括对数字技术的理解、应用、管理、更新的意识，还有与数字技术亲近的情感与积极参与的态度。数字学习素养包含数字学习意识和数字学习技巧，数字学习意识包含学习欲望、学习动机、终身学习意识等，数字学习技巧包含注意力、理解力、记忆力、创造力等。数字实践素养是在运用数字技术开展实践验证预定数字技术目标的过程中形成的。数字道德素养应符合人类真善美的基本道德基准，在满足职业个人所需的基础上，按照职业行规所应具有的职业态度与职业标准进行工作。

4.数字能力

数字能力是现场工程师完成具体数字任务所应具备的职业本领。从数字能力的层面来看，可分为数字管理能力、数字研发能力、数字操作能力、数字服务能力。数字管理能力是现场工程师对数字信息的管控与交互能力，通过数字信息的管理、传输与控制，达到具有快速调节智能制造参数、维护生产工单、运维数字化平台、开展数据分析等工作的能力。数字研发能力是综合运用大数据、工业互联网、人工智能技术，通过开发程序重构智能制造产线，以达到智能装备局部功能性调整的能力。数字操作能力是针对智能装备的运用能力，既要掌握智能设备的真实端操作能力，比如物理操作、手动操作、手轮操作、半自动操作、全自动操作，还需要具备虚拟端的数字模型、数字孪生等数字技术操作能力。数字服务能力是具有对智能装备进行现场或远程数字系统升级、恢复及功能升级的方案规划、制定、咨询能力。

（二）数字技能的构建要素

1.数据驱动

数字技能标准分布在我国各职业技能标准之中，而数据驱动是数字技能的最底层逻辑。《智能制造工程技术人员国家职业技术技能标准》中指出，智能制造工程技术人员需要掌握数据采集、数据挖掘、数据标定、数据解析、数据分析与优化等技能，其覆盖了研发、制造、生产管理、运维、咨询等智能制造全职业链，涉及的数字设计、数字化设备操作、数字化控制、数字工艺规划及数字孪生等条目被列为职业教育必须掌握的数字化技能目标。

工业机器人是智能生产线的运输载体，同时也具有辅助制造功能。在智能制造体系中作为制造前端，与大数据技术与工业互联网技术深度绑定。《机器人工程技术人员国家职业标准》列举了数据结构、数据算法、数据采集、数据预处理、系统数据服务等数字化技能标准，对机器人系统设计与开发、分析与优化、控制优化等职业教育方向起到支撑作用。

《大数据工程技术人员国家职业技术技能标准》中认定网络设备、网络架构、网络攻防、网络爬虫等技能是数据管理、数据分析、数据处理的技能支撑。由此，大数据技能可以作为机器人技术的支撑性数字技能，而机器人相关数字技能又是智能制造数字技能的根基，由此形成了“数据驱动—数字技能—智能制造”三级职业技能支撑结构。

数控机床、智能产线、智能网联等智能制造的中间层级也均由数据驱动的引入而发生了新的业态变化，数字化技能的升级对新业态下的新职业形成了稳定的数据支撑。由此，数据驱动技能构成了职业院校必须掌控的底层职业教育核心。

2.数字可视化

数字模型是对现场智能制造设备、制造工具、制造物料、操作者等制造现场一系列参与者的可视化数字还原。

数字模型是智能制造的基础之一，通过三维建模软件及内建的参数定义功能，可以通过视觉方式直观表达模型的空间占用、位置关系、工作范围、运动干涉等物理空间信息。不同职业教育专业方向对数字模型的技能要求存在差异化，智能装备与产线开发方向需要进行全景式三维数字建模及运动关系参数定义，包含运动驱动装置、机械执行装置、生产线运输单元及整体布局、设备管线布局等。智能装备与产线应用方向侧重于使用全景三维建模，在此基础上进行工件建模及加工参数赋予。智能生产管控是数字模型的使用者，通过数字模型的运动变化监控智能装备与产线的生产信息变化。智能装备与产线运维方向采集机械、电气、网络、通信的数据信息，监控、预判或判断智能装备存在的故障隐患及故障点。由此，数字模型是人建立并赋予智能元素定义的基础，也是人与智能装备交互沟通的可视化工具，其底层的依据是数据驱动与数据信息交互。数字可视化直观且真实地反映了生产中的数字变化，构成了职业教育有力的数字教育交互手段。

3.数字工艺流

从与职业院校教师及现场工程师的访谈结果看，数字工艺的顺序是决定智能制造能否顺利开展的前提。数字技能的服务对象是智能制造，数字技能渗透到生产要素的各个方面。数字技能是现场工程师的智能设备操作能力，作为控制前端对智能制造系统进行信息熵增，使用数字技能激活智能制造的全过程。智能制造的工艺信息流是按照数字技能—数字装备—加工原料—智造环境的顺序流转的，数字技能作为智能制造生产链的最前端，是现场智能制造产线的数据源头。因此，职业教育更应注重对数字工艺流向的把控。智能制造的工艺链分支多、路径长、覆盖面广，需要针对行业特点、企业需求、实际工况进行工艺流程制定、数据输入、数据维护、工单跟踪、变更工艺路径、质量异常标注等工作。通过定制可编写数字工艺的工单生命周期管理软件，以工业大数据辅以5G+技术组成云端数据平台，对工艺信息流向的规划、变更、追踪与维护，也是确保工艺路径顺序正确性的一项重要工作。数字工艺流的职业教育目标繁杂，通过将数字工艺流作为职业院校的教育路径，可有效从中观布局上把控职业院校的专业设置与建设方向。

4.数字协同

现场工程师与智能设备通过共享信息、动作调度和智能融合，高效地实现制造的过程称为人机协同。现场工程师与智能制造装备的工作底层逻辑均为将物理工作进行数字化转换，并进行数字化通信及数字化控制。现场工程师使用数据作为数字化的尺度，通过训练将掌握的技能、经验、判断等主观信息转为可通过数据量化的信息交付给智能设备。智能设备将获取的信息数据转化为计算机可识别的机器码，通过运行智能程序对收集的信息数据进行制造过程预测、评估等操作，从而完成对数据的接收与处理。人机协同符合现代职业教育中学生的行为习惯，使用人机协同方式的数字技能教育更易于被学生所理解与接受。同时，工业制造业的核心原则之一是保持制造的稳定性。随着YOLO、OPENCV等一批计算视觉工具的兴起，人工智能手势识别、肢体动作识别成功率已从2010年的91%提升到2023年的95%，辨识速度也从分钟级别提升至毫秒级别。现场工程师与智能设备通过数字化进行信息传递的方式已经从键盘输入上升为语音输入、手势输入、动作输入甚至眼神输入。通过多种类型的交互，职业教育可以通过多种协同教育方式实现人与智能装备共同完成数字技能与数字技术的目标协同、数字孪生与数字制造的过程协同、现场操作与智能设备的动作协同、现场判断与专家系统的智能协同。

5.数字信息安全

智能制造需要对制造过程中涉及的工艺路径、工艺参数、工艺工具、工艺程序等进行数字安全性防护。数字化的工艺流程使人机交互、智能融合更为方便，但也提高了企业核心机密的数字泄漏风险。加强数字信息保护教育是新型职业安全教育类型，安全教育的防护对象从人身安全升级为“人+智能装备”安全。数字化的工艺流程使数字检索更为简易，使用大数据、工业互联网结合区块链技术可实现数据回溯并保证数据唯一性，保证生产过程的质量安全与事后责任归属。生产工单信息破坏、泄露可引发企业诚信危机与舆论风波，对企业的经济及声誉造成危害。职业安全教育应对智能制造平台的工艺信息保护、生产人员信息保护、生产工单信息保护、制造订单信息保护等，从病毒防护、黑客攻防等方面进行日常攻防演练。随着《数据安全法》《个人信息保护法》等安全法规的颁布，对数字化信息的安全保护问题已上升到国家立法层面。职业教育要着力提升网络安全处置能力，应针对数字技术设置安全研究管理、促进网络安全拟态防御、建立健全行业内安全管理体系等一系列职业安全教育目标。

（三）数字技能的结构要素

1.链式结构

解决现场技术问题的数字技能构成繁复，大体是由数字技能元素过于庞杂所致，其中结构逻辑最简单的是链式结构。以数控机床数字孪生制造技能为例，实现该功能大致需要10个主要数字技能链状组合而成，如图1所示。

链式结构是先组合成可以解决单一技术问题的数字技能，再按数字工艺将这些数字技能按照先后顺序组合起来。链式结构的数字结构是简单数字技能顺序的堆砌，具有可阶段性完成、阶段性验证成果、分工实现模块化任务的优点。其实现难度取决于工艺链的长度及各单元数字技能的实现难度，因此从规划之初就应考虑数字工艺中实现困难工艺环节的可置换性，尽量通过并行工作方式缩短数字工艺链的长度。该结构方式多见于现场智能产线中，对智能装备与产线开发工程师、装备与产线智能运维工程师及智能生产管控工程师的数字标准化素养与流程化作业能力要求较高。

2.网状结构

由数字知识、数字技术、数字能力、数字素养构成在其各自层面均面临多重选择，所组合而成的数字技能也具有多条对应实现路径。以数字建模为例，机械、电气、信息的建模软件各不相同，增材制造、数控系统、机器人、智能产线的建模工具也具有差异化特征。以机械建模需要的数字技能为例，对操作数字软件的技能需求如图2所示。

不同行业、不同专业的工具及使用方法存在较大差异，但都为同一工作目的而存在，造就了数字技能与数字技术路径选择的冗余。网状结构的数字技能具有可选择性强的同时，也对现场工程师的数字技能覆盖面提出了较高要求。数字技能的冗余形成了网状结构的数字技能库，针对数字技能库的数字技能元素实现效果评价、实现难度评价、投资回报评价、社会影响评价等均会导致具体问题的具体选择结果。网状结构多见于现场方案的规划、形成与调整过程，对智能制造咨询与服务工程师、智能装备与产线开发工程师、装备与产线智能运维工程师的数字技能广博性要求较高。

3.层化结构

数字技能层化结构是一种底层共通而中上层各自独立发展的“山”字形结构。智能制造数字技能的底层交互逻辑是将数字作为客观世界的量度标尺，通过标准化、单位化的工作方式产生智能交互，以机械零件智能制造为例对层化结构进行说明，如图3所示。

数字度量及数字单位为基础的数字技能中间层是各专业方向的通用型数字化知识、数字化标准。数字技能的上层是通过教育形成的外显型技能，即通常意义上的数字技能。人的技能生长过程是连续的，通过夯实数据处理、数据采集、数据存储、数据调用、数据筛选等技能，稳定专业方向内的数字技能发展脉络，在顶端会自然形成具有连续技术路径的数字技能。

三、智能制造领域现场工程师数字技能培养的塑造路径

（一）创建数字技能创新培养共同体，突出底层数据驱动能力培养

建立符合当地经济发展需求的高校与企业数字技能培养教学共同体，需要参考地区企业的实际数字技能需求，制定数字技能方向动态调整的实践活动。一是数字技能实践的过程需要契合智能制造现场工程师用人需求侧的数字技术专业性，避免工科教育理科化的全盘通用化倾向。应着重塑造现场工程师数字技能与智能装备可融合性，掌握专用设备的数字技能，有利于现场解决数字技术问题。二是应注重在智能制造现场的工作协同性教育。在同一工作领域与其他职能现场工程师进行错位培养并定期以任务形式开展团队合作，是支撑现场工程师的重要培养方向之一。据此，应由普通高校、职业院校、数字化龙头企业、用人企业建立智能制造现场工程师的培养方向多元沟通机制，针对现场工程师的技能特点、培养方法、课程结构等进行动态跟进与反馈，形成培养现场工程师的数字化技能联盟。

同时，数据应用能力是数字技能的底层驱动方式，突出数据驱动的技能培养可以逐步削弱顶层数字技术垄断影响，通过校企联合逐步孵化具有市场价值的自主创新数字装备及配套数字技能。依据行业发展与当地经济特点，数字技能联盟应定期指导、审核、评比数字驱动型技能的教学过程。一是提倡建立工程师教育领域的智能装备准入认证制度与建设连续性考核，加强对智能装备采购的研发规划与实施考核。鼓励研发型高校与职业技术院校结成数字技能研发“对子”，联合开展装备类数字技能知识创新、数字技能应用创新工作。二是建立高端智能装备从研究型高校研发到职业院校落地应用的途径，形成数字技能从知识创新到应用创新的数字技能研发中心。由技能中心筹划数字技能共享机制，将不同层面工程技术人才融入“研发—设计—制造—应用”的一体式数字技能创新链条。将中心作为教学主体的一极，为数字技能创新共同体提供从研发至应用的实践场所、输送实践任务、明确实践技能元素，孵化智能制造现场工程师在实践岗位对应的数字技能。

（二）引入多层次多方向培养机制，按技术路径培养数字技能

注重初、中、高级别工程技术人才的数字技能成长路径，在深入研究构成数字技能人才元素的基础上，通过经济价值、教育价值为引领，以个人成长价值为根本路径规划数字技能的职业衔接。确立以职业技术本科、高等职业院校、中等职业院校为主体的多层次数字技能培养脉络。以中职为地基、高职为主干、职教本科为顶端，实现将各层次职业教育与工程技术人员职称等级同层次对接，实现多层次双轨制工程技术人员教育模式。同时，加强社会数字技能培训力量，加强对社会已从业工程技术人员开展数字技能终身教育。鼓励数字技能培育性企业参与平台建设及学分置换，增强数字化社会办学力量。

尤其智能制造现场工程师的培养应鼓励面向岗位职责构建数字技能体系以削弱数字技能驳杂性的影响。按照智能制造现场工程师的职责分工划分数字技能领域，以职业化、专业化的数字技能逐步替代原有学科体系通识化的学习路径。通过通用数字技能与专用数字技能相结合的方式对现场工程师发展方向进行总体把握。以通用数字技能为学习基础，以专用数字技能为各延伸支脉，通过不同职责功能将现场工程师“数字技能链”按不同的专业方向梳理。培养过程中注重现场工程师在相近功能数字技能领域中的数字技能成长可持续性与可发展性，尤其是培养应注重将工程思维、创新意识及数字技能进行深化融合，形成以数字技能为支撑、以工程思维为灵魂、以创新意识为导向的复合型数字技能人才培养路径。

（三）运用现代学徒制方法，依据价值构建数字技能课程结构

现代学徒制提倡在师傅言传身教的基础上运用现代课程体系对学生开展教育。智能现场工程师需要具备较为完备的数字素养，需要具有快速学习素养及终身学习意识以稳定高效地更新自身数字技术的能力。同时还要兼具良好的职业态度、稳定的职业情绪、敬业的职业素养。一是运用现代师徒制的方法，将智能制造现场工程师按照技术路径划分为现场数字研发方向、现场数字制造方向、现场数字调试方向。将不同方向现场工程师组织成工作小组，以团队形式开展任务实践，合作做好数字技术的弥补与定位。二是鼓励不同学历层次学生在师傅带领下尝试混合学历层次培养，塑造以数据驱动能力为核心、数字装备应用为基础、数字功能实现为目的的不同方向数字素养培养模式。三是引入多元评价方式，师傅针对徒弟特点，制定团队意识、数字技能素养、技术方案制定能力等素养性评价指标，并将培养数字技能的考核成绩作为学制中学分的构成部分。推广依据考核结果的就业推荐制度，根据数字技能评价结果推荐适合学生就业的行业及岗位。

通过创新价值、实践价值、教育价值规划数字技能的专业方向，以通用技能、专用技能相结合的方式构建适宜授课的数字技能。以夯实数据应用技能为基础，注重数字管理技能、数字研发技能、数字创新技能、数字应用技能综合性发展。课程结构的规划工作应符合创新导向、实践导向、能力素养目标导向要求，以课程目标为引领解析数字技能的教育创新要素、教育实践要素、教育育人要素、教育应用要素。课程教学任务按数字知识任务、数字技术任务、数字能力任务、数字素养任务分项规划，符合数字知识宽口径、数字技术分方向、数字素养强基础、数字能力重价值的构建思路。

本文摘自《中国职业技术教育》2024年第14期，如有转载请注明出处。

引用本文请标注：李巍，闫利文，赵文平.智能制造领域现场工程师数字技能培养的价值、要素及路径[J].中国职业技术教育，2024（14）：3-12+53.