昨天在华为HC大会上与WPG水务杨总交流工业互联网的发展，他谈到关于现在现实中的问题就是如何解决兼具多种专业的场景设计与规划人才，其实，机械制造商、终端生产企业、自动化厂商、通信厂商、云端应用、软件等每个人在各自领域都非常专业，但是，在将各自的问题和方法进行协同的时候就出现了问题，每个人都很懂自己所在领域的，巨大的沟通与协调成本使得工业互联网难以推进。

人才是制造业发展的阻碍因素

前几天世界智能制造大会有朋友圈秀了林雪萍老师演讲中所描绘的一张图，在常州对100家制造企业进行调研后，发现“复合型人才缺乏，员工整体素养不足”成为了阻碍落实工业互联网的重要原因。

图1-阻碍落实工业互联网的原因（源:林雪萍常州制造业100家企业调研）

其实，关于OPC UA的推动，我曾经问过基金会的秘书长张誉先生，难度究竟在哪里？他说首先就是人才，没有这方面了解，认识到OPC UA意义，以及如何实现的人才。

工业互联网大家都认为是产业发展的方向，这个倒是没有特别大的异议，即或Predix如雪萍老师所说雷峰塔一般的倒下，这也并非是这个产业方向的错，而是在寻找融合的道路上，缺乏有效的规划与组织，近期很多人也开始质疑这条道路是否正确，工业互联网的难并非是技术的问题，而是一个协同问题，更多的意义在于规划问题，难道生产协同不能带来效益吗？难道全局优化是空洞的吗？显然不是，这种需求是真实存在的。

多学科的协同规划是难点

但是，从精益设定目标，到进行定量测量、控制、显示，部分数据用于全局分析与优化，再一部分数据用于更大范围的智能分析与趋势性、策略性制定，这种需求都是有的，然而，需要有一个规划能力强的人来协同精益生产、机械产线、自动化、制造工艺、信息化、智能分析，这里涉及到的专业可能会是十多个甚至几十个协同，就像FMU/FMI建模仿真接口要去协同汽车的液压、制动、ECU、发动机、空气动力等各个建模仿真软件一样。

图2-数字主线-数字孪生（林诗万博士《工业互联网与工业4.0：架构对接与应用》,2018年1月29日）

这个时候我们再回头看IIC的首席架构师林诗万博士的图2，就可以看到工业互联网实际上是将各个链条上的数据进行按照主线进行分解，但是，这个难点就在于流经每个过程都是不同的专业，这个需求差异使得架构间的时间周期、格式、模式产生了多个维度的变化，这种协同需要一个跨学科的人来进行规划。

另外，从卓越运营的角度同样道理，智能制造对于工业互联网的应用就是在整个制造现场对物料的流动、能源的流动、价值的流动、信息的流动能够进行清晰的描绘，这个场景的描绘能力需要考虑到非常多的专业因素，每种“流”都是需要模型匹配，例如AGV控制本身需要哪些信息？哪些信息可以用于多AGV之间的协同策略？而AGV与产线的机器人协同需要哪些信息，以何种模式？分别多大的时间粒度来进行？这些都是规划的人需要掌握的，而这个人要了解AGV控制、产线生产工艺制程、信息化。

这个道理跟目前的生产制程是一样的需要规划设计，因为约束条件非常多、影响结果的变量也非常多、权重产生的变化导致这个规划达到“高效”是在无数种组合中进行分析，验证，稳定。

因为缺乏对不同专业的协同的人才，使得，无法真正实现整体的规划成功场景，很多人的质疑也在于此，你们说工业物联网那么好，但目前的成功应用场景是什么？

机器再智能也是人设计出来的，系统再强大也需要人来规划！

教与学的人才培养方式

在《翻转式学习》一书中两位作者吐槽现在世界的教育，学生都按照垂直专业划分学习，但用人的时候却需要的是复合型人才—这并非中国而是全世界的教育都是按照工业流水线的标准作业模式去设置人才培养的，但是，现在，不同的产线要协作了，而不同层级的信息要集成优化，显然人才以及人才的培养需求也在发生着变化。

教学的模式也发生了变化，我们总是讲缺乏创新，诺贝奖的很多获得者都会提到好奇心在科学道路的重要性，因为创新在于思辨，从教学的角度思考，那么就不能采用教的方式，而应该把关注点放在“学”，就是学生想学习什么？这是教育的关注点，而现在的教学理论都在如何“教”。现在想想《论语》就是一种翻转式教学，由学生提问老师解答，并进行互动，而苏格拉底在古希腊也是如此，由学生提问，然后老师也会提问引导，佛教如《金刚经》《坛经》也同样是一种问答式的教学，因此，在很多意义上，教育最初的模式是一种互动式的，而随着工业的发展却把它变成了标准化作业—有了标准答案，就像考试很多就是选择题一样。

为什么要以学导向，在于解决应用问题需要“复合型”知识与技能，包括知识横向广度与纵向深度，以及协同其内在逻辑的思维架构，解决问题的方法与思路。

工程师需要了解跨界技术

就智能制造的推进而言，欧洲的优势在于已有技术已经成熟，而解决“标准与规范”的问题，即为不同的技术制定相连接的接口，这不仅包括电气信号的物理接口，也包括软件（如IEC61131-3，IEC61499）、管理（AdministrationShell）、通信（OPC UA+TSN）。接口一旦协作起来就如多个变形金刚组合为更大的变形金刚。

在5月在兰州自动化教指委的会议上一位专家提出的关于人工智能教学的意见，他强调并不深入介绍某种人工智能方法的教学，而是让学生了解其各自的框架，适用于解决什么样的问题，遇到什么样的问题需要什么样的模型，在用的时候再自己去学习，但要给予整体架构性的认识，其实这个就是“复合型”人才所需要掌握的。

有一次写了一篇关于《智能时代自动化工程师的能力模型》一文，Mcrazy给我反馈他转发后的留言，其中有一个朋友说“工程师具备这么强的能力那还是工程师吗？”—其实，工程师并不是要掌握那么深的深入领域的知识（专业知识你在大学里学习，而工作则是应用），工程Engineering—非是Research，科学是发散，而工程则是收敛—在各种条件中选择最优或者最经济的路径来实现制造的目标，即，高品质，低成本，灵活性。

因此，工程师需要的是借助于已有的技术来解决现实的问题。那么他最关注的其实并非是某个知识的深度研究，而在于围绕问题寻找最为经济有效的技术、产品、方法、流程。

专业深度与横向知识的广度需要得到平衡。

来源：微信号 说东道西

作者：宋华振

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。