張冠男 崔立鵬

（天津輕工職業技術學院 天津市 300350）

1 智能制造背景下工業機器人的發展狀況

智能制造以新的數字信息技術為基礎，將人工智能、物聯網、大數據、云計算等新一代信息技術與設計、生產、管理、服務等制造活動的各個環節融合，構造出具有感知意識的新型智能工廠，定制化生產，并且能對生產全流程業務進行精準預測及調度。

2015年5月，國務院印發《中國制造2025》戰略規劃，旨在通過“三步走”實現制造強國的戰略目標。智能制造已成為中國制造業領域優先發展的關鍵點，是我國新一輪產業革命的機遇期。作為智能制造的基礎支撐裝備，機器人被譽為“制造業皇冠頂端的明珠”，是制造業發展水平的重要標志。隨著科學技術的發展，工業機器人的應用領域也不斷擴大，從傳統的汽車及零部件加工，機械加工，電子電氣行業到核能、航空、航天、醫藥、生化等高科技領域。總之，工業機器人技術在中國制造2025 的實現中扮演著重要的角色。

表1：解釋的總方差

表2：命名后的旋轉成份矩陣a

另外，近年來人力成本的上升令制造業的利潤不斷被侵蝕，以機器人替代人的趨勢不可避免。在“機器換人”等現象日漸普及的今天，企業對智能制造人才的需求日益強烈，這給高職院校人才的培養帶來新的挑戰和機遇。在“智能制造”和“中國制造2025”的時代背景之下，高職院校應及時調整工業機器人技術專業等智能制造相關人才的培養目標，來應對智能制造高端人才技術短缺的問題。

2 工業機器人專業崗位調研

工業機器人職業能力指標體系包括通用能力及29 條崗位職業能力，涵蓋了當前工業機器人熱門崗位，為提高調查的敏感度和可信度，問卷是29條崗位職業能力指標按照 10級李克特量表（10-point Likert scale）的形式發放，按照職業能力的重要性共設十個等級，1分表示非常不重要，10 分表示非常重要。

京津冀地區工業機器人產業依托豐富的高校和中科院自動化研究所等資源，承接一大批科技成果轉化項目，并在此支撐下發展出特色機器人產業，主要企業覆蓋領域包括工業機器人及其自動化生產線、工業機器人集成應用、工業機器人技術咨詢等產品和服務。面向京津冀地區工業機器人行業企業與研究院校發放350 份調查問卷，收回有效306 份問卷，其中研究類占13.4%，制造類占25.82%，應用類占26.14%，維修類占18.63%，銷售類占16.01%。

表3：成份得分系數矩陣

3 因子分析

因子分析（factor analysis）模型可以將多維指標濃縮為少數幾個因子變量，實現了降維分析的目的，每個變量都還具有可解釋性。具體思路如下：

式中，f1，f2，…，fm為主因子，分別反映某一方面信息的不可觀測的潛在變量； 為因子載荷系數，是第i 個指標在第j 個因子上的負荷。

為檢測各分量表中數據信度是否達標，計算Cronbach's α（克朗巴哈）系數為0.896＞0.8，接近于0.9，說明本次問卷中量表信度較好。

通過對29 個變量，進行標準化的處理，初步分析數據。觀察其均值，方差，偏度，峰度等數量。電氣控制、編程控制、伺服電機、電工電子、自動控制等專業能力要素均值較高，均大于8，標準差較低，小于1.5，峰度小于0，為平頂峰，總體數據分布與正態分布相比較為平坦，這些指標為學生的重要能力要素。而三維建模、運動動力、軟件開放、算法設計、數據挖掘、幾何圖形等指標要素，均值較低，均小于5，標準差高，在2 附近，偏度大于0，且數值較大，為右偏態，因此該類指標數值小，波動大。

對數據進行相關統計檢驗，觀察數據是否滿足因子分析的條件。運用IBM SPSS Statistics19.0 對相關數據進行KMO 和巴特利特球度檢驗，結果顯示KMO 抽樣適度測定值為0.934＞0.9， 非常適合因子分析，根據多元因子分析的知識，在0.05 的顯著性水平下，球形檢驗sig.=0.000＜0.05，故應拒絕球形檢驗零假設（變量相互獨立），總之，變量間存在較好的相關性，該樣本符合因子分析的所需條件。

表1 反映的是標準化后的各觀測變量相關系數矩陣的特征值、方差貢獻率以及累計貢獻率情況。由于特征值大于1 的只有因子1、2、3、4，記作f1，f2，f3，f4，前4 個主成分的累計貢獻率占去方差87.966%＞85%，說明前4 個因子涵蓋了原始數據的大部分信息，這樣由原來的29 個指標變為了4 個指標，簡化了分析。

成份矩陣中，部分因子不易解釋，因此采用最大方差法做正交因子旋轉得到表2。觀察表2，可以看出，f1主要代表了識圖繪圖、伺服電機、傳感系統、現場總線等常規的、基礎的工業機器人專業能力指標要素，因此命名為核心基礎類；f2主要代表了軟件開放、人工智能、裝備研發、三維建模等偏向編程、人工智能方面的工業機器人專業能力指標要素，命名為智能制造類；f3主要代表了數控機床、設備選型、變頻器使用、液壓氣動等偏向機電設備控制方面的工業機器人專業能力指標要素，命名為機電控制類；f4主要代表了安裝調試、維護維修、技術文檔、商務服務等面向客戶的商務工業機器人專業能力指標要素，命名為衍生服務類。其中，商務服務類與第1 主成分f1，第3 主成分f3，第4 主成分f4，均有較高的相關性，通過分析可以發現，本次問卷是由企業方打分，因此在工業機器人的運行與研發中，均有關注客戶需求的要求。

本次分類與京津冀的工業機器人產業相契合。北京是“全國政治中心、文化中心、國際交往中心、科技創新中心”，打造智能機器人領域技術創新高地，高校和研究機構的科研水平高，掌握一些國際前沿核心技術和制造工藝，對應指標智能制造類f2，并起到了前沿指導作用。天津“全國先進制造研發基地、北方國際航運核心區、金融創新運營示范區、改革開放先行區”，天津機器人產業園區堅持以機器人產業為主導產業，全面推進產業集聚、產業鏈整合以及產業之間聯動共融發展，對應指標機電控制類f3，偏重成果轉化為生成；河北“全國現代商貿物流重要基地、產業轉型升級試驗區、新型城鎮化與城鄉統籌示范區、京津冀生態環境支撐區”，依托重要工業城市的產業基礎進行產業轉移，較為偏向衍生服務類f4，京津冀地區是機器人產業的重要發展基地，北京、天津、河北三者之間逐漸形成了錯位發展、優勢互補的關系。三地在機器人產業鏈、智力資源、創新平臺、應用開發和政策環境等方面各有優勢，聚集發展態勢顯著。

采用線性回歸法估計因子得分系數，如表3 所示，每一列是4個主成分的回歸得分數值。

根據4 個因子的旋轉后的方差貢獻率可以得到綜合評價，其加權總分公式如下：

可以根據公式 3，得到綜合性分值，對人才培養評價體系有一定的指導作用。由各個權重可以看出，目前的工業機器人專業以核心基礎類f1為主，同時，在智能制造類f2的權重也較高，凸顯出在智能制造的背景和驅動下，工業機器人的上游產業鏈日益增長，對人才的培養重心也應有所側重。而機電控制類f3，與衍生服務類f4，比重相差不大，仍為當前主流的形式，在工業機器人的培養中，仍需加大力度。

4 總結

《中國制造2025》從戰略全局出發，將“高檔數控機床和機器人”作為大力推動的重點領域之一，如何培養合格的工業機器人技術專業人才成為越來越迫切的問題。本文從工業機器人崗位出發，依托校企合作平臺，充分調研行業企業及研究院校，發揮雙主體育人模式的優勢，通過問卷調查結合定量分析的方式進行研究，明確了工業機器人相關崗位職責和培養要求，探索高職工業機器人技術專業在產業鏈中的人才培養定位，構建工業機器人技術專業職業能力指標體系。通過數據分析發現，隨著智能制造領域的技術不斷升級迭代，工業機器人技術專業人才的培養在傳統核心課程的基礎上還應適當結合機器學習、數據挖掘和5G 通信等信息化智能化技術。