大數據技術在平面銼削實訓教學中的應用探究

張麗華 童國 史銀花 趙光霞

[摘 ? ? ? ? ? 要] ?傳統平面銼削實訓教學面臨教學形式單一、缺乏針對性、初學者操作難以達到加工精度要求等問題，大數據技術為解決這些問題提供了新的思路和便利條件。采用大數據技術建立銼削加工數據平臺，對平面銼削加工過程中的多維度數據進行整合分析，挖掘數據之間的關聯性，建立銼削加工目標要求和銼削加工量之間的關聯模型，針對不同操作者制定個性化的加工指導方案，從而提高平面銼削的實訓效率，增強學生操作的信心。

[關 ? ?鍵 ? 詞] ?大數據技術;平面銼削;實訓教學;關聯性

[中圖分類號] ?G712 ? ? ? ? ? ? ? ?[文獻標志碼] ?A ? ? ? ? ? ? ?[文章編號] ?2096-0603（2019）27-0154-03

一、大數據技術概述

在當今信息化的生活中數據無處不在。作為一種獨一無二的傳遞媒介，數據中蘊含的巨大的信息量和驚人的價值開始爆發出來，人類已經邁入一個深度挖掘數據內在信息和核心價值的時代，即大數據時代[1]。

大數據是指利用互聯網和快速運算等現代科技技術，在對大量的數據進行快速分析和梳理的基礎上，于有效的時間內得出利于決策的參考信息。大數據并非簡單指數據量之大，其關鍵意義是在數量龐大、種類繁雜的多樣化數據中快速地提取出有意義的信息和數據間隱含的關系，從而為人們優化自身的決策和行為提供指導[1-2]。

大數據技術可以使人們由依靠感性偏好的選擇或者基于小樣本數據的推測轉變為基于數據分析和理性證據的決策[3]。如在進行銼削加工時，銼削量的選擇不再僅僅依靠個人的經驗或感覺，而是基于數據的決斷。在本質上，大數據已經成為一種新的解決問題的方法和思維方式。

二、傳統平面銼削實訓教學中面臨的問題

鉗工是職業學校機械專業及其相近專業（如數控技術、電氣等）必須開設的基礎實訓課程，更是這些專業學生必須掌握的一項專業技能。平面銼削是鉗工技術中一項重要的基本技能，也是其他鉗工技能形成的基礎，然而要深層次地掌握好這門技能并非易事。目前，傳統的平面銼削實訓教學中主要面臨以下問題。

（一）傳統的平面銼削實訓教學不具有個體針對性，學生的學習效率參差不齊

在傳統的平面銼削實訓教學模式中，教師講解相關知識點并演示平面銼削的操作過程，學生通過模仿和反復練習習得技能。但是，一個班內學生的接受能力各不相同，不可避免地會出現差異化，即有的學生掌握技能的效率高，有的學生掌握技能的效率低。傳統教學無法針對這些差異對學生進行個性化的指導，容易出現學生無法提高現有效率的現象。

（二）平面銼削需要長時間的訓練和耐心的磨煉，如果采用單一重復的教學形式，難以使學生保持操作的熱情

在教師講解和示范操作后，學生往往無法及時掌握技能，需要反復練習才能掌握平面銼削的基本技巧，而要達到加工圖紙中的目標要求，更是需要長時間的銼削練習和反復加工。銼削加工的環境惡劣，加工過程中體力消耗大，在平面銼削實訓教學的中后階段，大部分學生會出現懶散甚至放棄訓練的想法。長此以往，不僅達不到理想的教學效果，學生畢業后的工作也會成為相應的難題[4]。

（三）平面銼削是鉗工實訓中初次接觸精加工的基本技能，要達到所需的加工精度，需要操作者長期經驗的積累

如根據積累銼削余量規律，當對工件進行粗加工（余量較大）時，應盡量縮減測量次數，提高功效;細銼時，應相應增加測量頻率，同時相應減少每次積累銼削的余量，防止尺寸超差[5]。學生在實訓過程中很難對刀具尺寸、銼削余量、尺寸精度等因素進行合理選擇和協調控制，從而難以使加工出來的工件達到加工精度要求，信心上學生往往會受到打擊。

針對平面銼削實訓教學中面臨的上述主要問題，本文將大數據技術融入平面銼削的實訓教學過程中，通過建立銼削加工數據平臺，在對大量銼削加工操作者的多個維度的數據進行整合分析的基礎上，采用神經網絡算法，制定出個性化的加工指導方案，不僅提高了實訓效率，而且降低了平面銼削實訓過程中對加工精度進行控制的難度，增強了學生操作的信心。下面將對銼削加工數據平臺在平面銼削實訓教學中的應用過程做具體的闡述。

三、大數據分析在平面銼削實訓教學中的應用

大數據模式下的數據庫不是單一的數據表格，而是復雜的多維并行數據庫[6]。圖1所示的銼削加工數據平臺中收集了2017年3月至2018年12月期間不同操作者在進行平面銼削的過程中多個維度的數據，包括操作者個人信息數據庫、材料參數數據庫、工具參數數據庫、加工參數數據庫以及加工曲線數據庫。以矩形塊毛坯的某一平面的銼削加工為例，操作者在登錄銼削加工數據平臺后，錄入自己的個人信息（性別、體重和身高），選擇待加工毛坯的形狀（如長方形）和材料（如Q235），輸入毛坯的三維尺寸，選擇合適的銼刀型號。針對不同形狀的毛坯材料，銼削加工數據平臺中規定了相應的表面代號，操作者應根據加工要求選擇平面銼削加工的基準面和加工面。此外，操作者需要輸入本次銼削加工的目標尺寸和目標精度要求，如尺寸公差、平行度、垂直度等。操作者每次銼削過程的實際加工數據將通過數據表格導入的方式收集到銼削加工數據平臺中。

銼削加工數據平臺中同時收集了來自銼削監控終端（圖2）操作者平時練習的反饋數據。在平面銼削的實訓過程中，監控終端對各個工位的操作者在一定時間內出現操作失誤的次數進行統計記錄，統計的時間間隔為10min。每個工位的操作者對應一個柱狀圖，柱狀圖的高低反映了該操作者出現失誤次數的多少。通過此監控終端，教師不僅可以實時了解每個工位學生的平面銼削技能掌握情況，還可以適時地對出現失誤次數較多的學生進行針對性的指導，從而解決傳統平面銼削實訓教學過程中學生習得技能的效率參差不齊及教學不具有針對性的問題。

在銼削加工數據平臺中，通過發掘操作者的個人信息、材料參數、工具參數、加工參數、加工曲線以及來自銼削監控終端的反饋信息這六個維度的數據之間的關聯性，如某體重范圍的操作者進行平面銼削時容易發生尺寸超差，對A材料進行平面銼削加工時比對B材料進行平面銼削加工時需要較小的單次銼削加工量，平面銼削實訓練習過程中出現失誤次數多的操作者的銼削加工量相對出現失誤次數少的操作者較為不穩定等。通過對這些數據之間隱藏的關聯關系的發掘，采用神經網絡算法，建立銼削加工目標要求和銼削加工量之間的關聯模型（圖3），從而為操作者提供個性化的加工指導方案。

以某次實訓教學中對Q235矩形毛坯的平面銼削加工為例，該毛坯的長、寬、高分別為40mm、10mm和30mm，待加工面為40×10mm的表面。加工的目標尺寸為40×10×29.9mm，加工面的平行度和垂直度要求為0.05mm，平面度要求為0.02mm，尺寸公差為±0.02mm。如圖4所示為銼削加工數據平臺中提供的李海波同學本次銼削加工的指導方案。該報表中的加工計劃提供了李海波同學完成本次銼削加工所需的加工次數（5次）和每次加工的銼削量。報表中的加工曲線體現了李海波同學逐步達到銼削加工目標尺寸要求的過程。通過分析加工計劃和加工曲線可知，第一、二次的銼削加工量均為0.03mm，第三次的銼削加工量為0.02mm，第四、五次的銼削加工量均為0.01mm，最后達到的總銼削加工量為0.1mm，符合先粗后精的銼削加工規律。該報表為學生的實際加工提供了清晰的個性化指導，使學生面對加工任務時能夠心中有數，進行有計劃的加工，避免盲目加工造成的尺寸超差、平面度和垂直度等不符合要求的情況，降低了學生操作過程中對加工精度進行控制的難度，增強了操作過程中的信心。

本文對比了三組學生在使用銼削加工數據平臺前后進行平面銼削的平均操作時長和加工成果，每組包括10名學生，統計結果如下表所示。可以看出，在使用銼削加工數據平臺后，每組學生的平均操作時長分別由8min、7min和8min減少到了5min、4min和4.5min。符合加工要求的工件數分別由使用前的3件、2件、3件增加到了6件、6件、5件。此外，在實訓過程中，第1組中有兩位學生拿到加工圖紙后直接放棄了加工，原因是沒有信心完成圖紙中的加工精度要求，而在使用銼削加工數據平臺后，這兩位學生認為按照加工指導方案進行加工可以完成加工任務，積極開始嘗試銼削加工。由此可見，銼削加工數據平臺可以提高學生平面銼削的加工效率，減少原材料的浪費，并且可以降低銼削加工過程中進行精度控制的難度，增強學生操作的信心，提高銼削加工的成功率。

四、結語

本文從分析傳統平面銼削實訓教學過程中存在的主要問題入手，將大數據技術融入平面銼削的實訓教學過程中，建立了銼削加工數據平臺。該平臺通過挖掘平面銼削加工過程中不同維度數據之間的關聯性，采用神經網絡算法建立加工目標要求和銼削加工量之間的關聯模型，給操作者提供個性化的加工指導方案。該方法可以解決傳統平面銼削實訓教學中缺乏教學針對性、教學形式單一以及初學者難以協調各方面因素對加工精度進行控制的問題，提高了傳統平面銼削加工的效率，增強了學生在操作過程中的信心。希望本文能給更多關注大數據分析技術在傳統教學中應用的研究工作者帶來幫助和啟發。

參考文獻：

[1]趙玉潔.大數據在高校教育信息化中的應用探究[J].中國教育信息化，2015（19）：38-41.

[2]岳園杰.“互聯網+”時代大數據在職業教育領域中的應用與展望[J].職業，2017（10）：24-26.

[3]鄭燕林，柳海民.大數據在美國教育評價中的應用路徑分析[J].中國電化教育，2015（7）：25-31.

[4]陳慶焦.信息化條件下鉗工教學方式和學習方式的變革探究[J].電子制作，2013（13）：166.

[5]楊成玉.鉗工工藝與技能訓練一體化教學的探討[J].學園，2013（11）：158-159.

[6]陳婭.大數據分析在高校信息化教學中的應用：以中國礦業大學為例[J].無線互聯科技，2017（14）：79-80.

編輯 馮永霞