工业互联系统分析与设计 教学大纲

2023级本科《工业互联网》课程教学大纲IndustrialInternet总学时32学分2课程编码G103148理论教学学时32线上教学学时*/开课学院（部）信息工程学院实践教学学时实验学时/先修课程单片机原理与实践、计算机网络课程类别£大类基础课程R专业课程上机学时/适用专业自动化、智能科学与技术R理论课程£实践课程其它/基层教学组织工业互联网课程组£必修R选修开课平台/课程链接/教学类型*R线下教学£线上线下混合式教学£线上教学£双语£全英语一、课程简介本课程是自动化、电子信息和智能科学与技术专业的专业选修课程，通过课程学习使学生了解当今信息化社会发展，掌握工业互联网技术的发展和应用，了解工业互联网的关键技术，为今后从事工业互联网、工业大数据分析、未来工厂等相关的研发工作打下基础。课程在每学年的第二学期开课，共计2学分。二、课程教学目标课程目标1（知识目标）：理解工业大数据的相关概念，掌握通用大数据分析平台的基本模块使用、对数据集的导入导出方法，掌握对工业互联网中的大数据处理操作与挖掘方法，培养对具体问题进行数据化、信息化分析的能力；课程目标2（能力目标）：具备对给定工业大数据进行高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写，培养自主学习意识、激发创新开拓能力。课程目标3（素质+思政目标）：针对实际工程问题的数据分析，能够客观评价相关工程对环境和社会可持续发展的影响；建立辩证思维，激发强国有我的担当意识和家国情怀以及敢于争先的开拓创新精神。三、课程教学目标与毕业要求的对应关系序号课程教学目标毕业要求毕业要求的具体描述1课程教学目标12-42-4能运用基本原理，对问题的各种解决途径的可行性和有效性进行对比，以得出有效结论。2课程教学目标212-112-1具有自主学习的能力，能够自主进行文献检索和资料查询，及时获取和跟踪自动化、智能科学与技术相关领域的前沿技术和最新进展，拓展知识和提高能力。3课程教学目标37-27-2能够站在环境保护和可持续发展的角度思考自动化、智能科学与技术相关领域实践的可持续性，客观分析和评价自动化、智能科学与技术相关领域复杂工程实践可能对外部环境以及社会可持续发展产生的影响。四、课程教学安排及学时分配序号章节或知识点教学内容教学重点、难点，课程思政要素学时分配教学要求教学方式学生任务作业要求其他要求1工业互联网概述1.工业自动化介绍；2.回望互联网发展；3.初识工业互联网；4.工业互联网优势和价值；5.工业互联网挑战与发展趋势。1.工业互联网的特点，与传统工业的异同；2.引导学生在遇到瓶颈的时候，回头看看，纠偏后继续前行。2了解互联网与工业互联网的特点，培养学生对大数据的基本认知；通过工业互联网发展史中的各种创新过程和工业互联网实例，激发学生的创新精神，鼓励学生举一反三。课堂讲授课堂讨论课后完成本章作业和测验2工业互联网架构工业互联网体系架构工业互联网技术体系；工业互联网标准体系。工业互联网各方面架构作用与意义；引导学生培养大局观。4理解工业互联网体系、技术、标准的架构体系，理解感知层、网络层、应用层各层的作用与意义，了解目前各类技术和标准，不同的视角具有不同的体系架构，培养学生对工业互联网的概念建立与体系逻辑梳理，引导学生建立统筹兼顾的辩证思维。课堂讲授课堂讨论课后完成本章作业和测验完成课前预习，查阅相关知识点3工业物联感知标识技术；传感技术；视觉技术；定位技术。工业互联网物联感知的4种基本技术的原理与应用；引导学生建立相互协作的工作态度。4理解条形码、二维码、RFID（射频识别）、NFC（近场通信）等常用标识技术；认识温湿度、红外等各类传感器，了解传感器网络的概念；认识用于视觉技术的图像传感器，了解哈里斯角点检测等常用图像处理算法；认识用于定位的传感器和设备，理解GPS、GIS等地理信息系统。课堂讲授课堂讨论案例分析课后完成本章作业和测验完成课前预习，查阅相关知识点4工业网络通信现场级数据传输；工业有线通信方式；工业无线通信方式。1.工业互联网网络通信的方式和常用协议的区别。2.引导学生建立统筹兼顾的辩证思维。41.认识交换机、路由器等网络硬件设备，了解工业通信协议与相关协议转换器的概念；2.了解RS-232和RS-485等常用有线通信方式；3.了解Zigbee等常用无线通信方式；课堂讲授课堂讨论案例分析课后完成本章作业和测验完成课前预习，查阅相关知识点5工业大数据数据采集；数据分析与挖掘；数据可视化；数据中台；工业大数据案例分析（一）——工业时序信号分析；工业大数据案例分析（二）——工业智能决策。1.大数据分析技术在工业中的具体应用；2.激发学生开拓创新的精神4认识数据采集设备，了解数据存储与管理、数据预处理与清洗的基本方法；掌握特征工程、数学建模、数据挖掘算法、模型评估与优化；认识可视化工具，理解可视化类型、交互功能的概念；认识数据中台，了解其总体架构与发展、主要功能，和基本的数据中台案例。课堂讲授课堂讨论课后完成本章作业和测验完成课前预习，查阅相关知识点6工业人工智能监督机器学习；无监督机器学习；智能优化方法；深度学习；工业人工智能案例分析（一）——自然语言处理；工业人工智能案例分析（二）——计算机视觉。人工智能技术在工业中的具体应用；引导学生建立主次有别、懂得取舍的生活态度。4掌握回归方法、分类方法、人工神经网络等监督机器学习方法；掌握聚类方法、降维方法、异常检测、图分析等无监督机器学习方法；掌握遗传算法、粒子群算法、蚁群算法、模拟退火算法、强化学习等无监督机器学习方法；掌握卷积神经网络、生成对抗网络、循环神经网络等深度学习方法课堂讲授课堂讨论案例分析课后完成本章作业和测验完成课前预习，查阅相关知识点7工业先进计算并行计算；分布式机器学习；云计算；边缘计算。先进计算技术在工业中的具体应用；2.引导学生建立及时纠偏、扬长避短的生活哲理。41.理解并行计算框架（任务分解、调度、分发、执行、通信和同步、汇总），掌握错误处理和容错和MapReduce框架；2.理解数据分割和分布、模型并行化、通信和同步机制、容错和恢复机制、资源管理和调度、联邦学习框架等分布式机器学习概念；3.理解基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）、公有云、私有云、混合云等云计算概念；4.认识边缘计算设备，理解边缘节点、边缘网关、边缘计算平台、边缘应用程序、边缘服务等概念。课堂讲授课堂讨论案例分析课后完成本章作业和测验完成课前预习，查阅相关知识点8工业互联网安全工业数据安全；工业网络安全；工业应用安全；工业系统安全标准。工业互联网安全的概念、技术体系、标准；引导学生建立居安思危，防范于未然的意识。4掌握节点认证技术、数据加密技术、差分隐私技术等工业数据安全技术；掌握网络脆弱性与鲁棒性、传输过程认证技术、密钥结算技术、路由算法等工业网络安全技术；理解指纹技术、数字水印、加密技术、防火墙和安全威胁识别技术、入侵检测技术、生物认证技术等工业应用安全技术；了解国际电工委员会（IEC62443）、美国国家标准与技术研究所（NISTSP800-82）、欧盟网络和信息安全指令（NISDirective）、行业标准组织（ISA/IEC62443系列）等常见工业系统安全标准。课堂讲授课堂讨论案例分析课后完成本章作业和测验完成课前预习，查阅相关知识点9工业互联网前沿技术探讨工业互联网前沿技术的介绍、理解与探讨1.工业互联网中的前沿热点技术；2.引导学生在未知领域面前要勇于试错，坚信光明就在前方。21.理解先进感知技术、泛在定位技术、行业物联网操作系统、工业机器人技术、开源情报与社会计算、车联网、区块链、数字孪生、增强现实和虚拟现实、生物技术和基因工程、ERP（企业资源计划）系统、数字双平面：平行控制与管理、可理解人工智能，培养学生对工业互联网前沿技术的洞察理解能力。2.通过数据安全防护措施的各种实例，引导学生建立居安思危，防范于未然的意识。课堂讲授课堂讨论案例分析课后完成本章作业和测验完成课前预习，查阅相关知识点五、课程考核内容、考核环节及对课程教学目标的支撑情况课程教学目标（指标点）考核内容考核环节及成绩（每个分项各环节成绩之和≤100）总评成绩课堂表现平时作业综合作业期末考试目标考核占比(％)课程教学目标1（指标点2-4）理解工业互联网的相关概念，掌握工业互联网的基本架构和各基本模块，掌握对工业互联网中的常用感知方法、基本通信原理，培养对具体问题进行数据化、信息化分析的能力；10102040课程教学目标2（指标点12-1）掌握工业大数据、工业人工智能、工业先进计算、工业互联网安全等概念与常用方法；具备对给定工业互联网场景进行建模、高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写，培养自主学习意识、激发创新开拓能力。103040课程教学目标3（指标点7-2）针对实际工业工程问题的分析，能够客观评价相关工程对环境和社会可持续发展的影响；建立辩证思维，激发强国有我的担当意识和家国情怀以及敢于争先的开拓创新精神。101020备注：除期末考试、必修课程的期中考试外，考核环节可根据课程情况适当增加、删减和调整。六、评分标准考核环节评分标准占总成绩比例优良中及格不及格课堂表现无缺课、无迟到早退；课堂听课认真，积极参与课堂讨论，回答问题正确。缺课不超过1次；课堂听课较认真，课堂讨论较积极，回答问题基本正确。缺课总数不超过2次；课堂听课较认真，课堂被点到名时，回答问题错误较多。缺课次数有一定数量；听课不太认真，课堂讨论不太积极，被提问时回答错误较多。缺课次数较多；听课不认真，课堂讨论不积极，被提问时回答不出问题或回答基本错误。10%平时作业作业字迹清晰、图表规范，正确率90%以上。深刻理解工业大数据的相关概念，熟练掌握对大数据的处理操作与挖掘方法，具有具体问题进行数据化、信息化分析的能力；同时针对实际工程问题的数据分析，能够客观评价相关工程对环境和社会可持续发展的影响。作业书写比较清晰，图表比较规范；作业正确率80%以上。理解工业大数据的相关概念，掌握对大数据的处理操作与挖掘方法，具有具体问题进行数据化、信息化分析的能力；同时针对实际工程问题的数据分析，能够客观评价相关工程对环境和社会可持续发展的影响。作业书写清晰度一般，图表规范性一般；作业正确率70%以上。理解工业大数据的相关概念，基本掌握对大数据的处理操作与挖掘方法，具有具体问题进行数据化、信息化分析的能力；同时针对实际工程问题的数据分析，能够客观评价相关工程对环境和社会可持续发展的影响。作业书写不够清晰，图表不够规范；作业正确率60%以上。基本理解工业大数据的相关概念，基本掌握对大数据的处理操作与挖掘方法，具有具体问题进行数据化、信息化分析的能力；同时针对实际工程问题的数据分析，能够客观评价相关工程对环境和社会可持续发展的影响。作业书写潦草，图标不规范，作业正确率低，或者漏做，或者有明显的抄袭现象。基本理解工业大数据的相关概念，未完全掌握对大数据的处理操作与挖掘方法，不具有具体问题进行数据化、信息化分析的能力；同时针对实际工程问题的数据分析，不能够客观评价相关工程对环境和社会可持续发展的影响。20%综合作业参考文献为正式文献，报告内容较丰富，有分析有归纳有体会，书写整洁规范。数据分析（或设计）正确，仿真结果正确，能上讲台分享。能熟练运用基本原理，对问题的各种解决途径的可行性和有效性进行对比，以得出有效结论。参考文献大多数来自正式文献，报告内容较充实，体会较少，书写较规范。数据分析（或设计）正确，仿真结果正确。能运用基本原理，对问题的各种解决途径的可行性和有效性进行对比，以得出有效结论。参考文献大多数来自正式文献，报告内容欠充实，体会较少，书写欠规范。数据分析（或设计）基本正确，仿真结果基本正确。基本能运用基本原理，对问题的各种解决途径的可行性和有效性进行对比，以得出有效结论。参考文献大多数来自非正式文献，报告内容完整性较差，体会少，书写欠规范。数据分析（或设计）和仿真结果有一定错误。大致能运用基本原理，对问题的各种解决途径的可行性和有效性进行对比。参考文献基本是网上一般材料，报告内容是网上材料的简单拼凑，无体会，书写不规范。仿真结果有较多错误或没有仿真结果。不能运用基本原理，对问题的各种解决途径的可行性和有效性进行对比，以得出有效结论。20%期末考试本课程采用考教分离方式，按照期末考试的参考答案及评分标准进行评分，按百分制评分，总评时折算成50分。熟练掌握通用大数据分析平台的基本模块使用、对数据集的导入导出方法，具备对给定大数据进行高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写。本课程采用考教分离方式，按照期末考试的参考答案及评分标准进行评分，按百分制评分，总评时折算成50分。掌握通用大数据分析平台的基本模块使用、对数据集的导入导出方法，具备对给定大数据进行高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写。本课程采用考教分离方式，按照期末考试的参考答案及评分标准进行评分，按百分制评分，总评时折算成50分。掌握通用大数据分析平台的基本模块使用、对数据集的导入导出方法，具备一定的对给定大数据进行高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写。本课程采用考教分离方式，按照期末考试的参考答案及评分标准进行评分，按百分制评分，总评时折算成50分。基本掌握通用大数据分析平台的基本模块使用、对数据集的导入导出方法，具备对给定大数据进行高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写。本课程采用考教分离方式，按照期末考试的参考答案及评分标准进行评分，按百分制评分，总评时折算成50分。未完全掌握通用大数据分析平台的基本模块使用、对数据集的导入导出方法，具备对给定大数据进行高效处理、有效挖掘的能力，并能够对结果进行实验总结和实验报告撰写。50%课程成绩总计100-9090-8080-7070-6060以下100%七、课程教学目标达成度自评课程目标达成度评价包括课程分目标达成度评价和课程总目标达成度评价。具体计算方法如下：课程分目标达成度达成度评价值计算的具体说明及示例如下表所示。其中：A0表示总评成绩中课堂表现的目标分值，A表示总评成绩中课堂表现的实际平均得分。B0表示总评成绩中平时作业（理论知识）的目标分值，B表示总评成绩中平时作业（理论知识）的实际平均得分。C0表示总评成绩中期末考试（理论知识）的目标分值，C表示期末考试（理论知识）的实际平均得分。