序号

设备名称

原招标文件参数

现更正后参数

24

工业互联网综合实训平台

一、平台功能

1.采用分布式架构设计完成了生态云平台。支持混合云模式部署，通过开放平台（OpenAPI），支持ISV(独立平台开发商)接入，标准化、规范化的接入方式，并提供接入指南，使接入更高效。

2.基于领域驱动设计（DDD）架构指导思想，整体采用前后端分离和分布式微服务的弹性计算架构实现，后端主要基于Java 的Spring cloud实现、前端NodeJS＋Dva＋React实现等，具有高内聚、松耦合、业务单一、高性能、高并发、高可能、跨平台、跨语言等特点；采用多数据源支持，灵活实现公有云/混合云模式部署的技术一致性。

3.基于全流程DevOps自动化运维，支持持续集成、分析、服务注册与发现、持续部署（基于docker的镜像仓库）。

4.基础服务层支持RDS，采用MySQL集群搭建，支持数据自动备份，同时使用于Redis集群对数据进行缓存，支持大并发；支持纯本地化数据源。

5.基础服务层支持消息队列服务、S3标准协议存储服务、用户/鉴权服务、RPC服务、WebSocket服务等，保证平台的通用性。

6.OpenAPI开放生态服务基于Restful接口方式接入，所有接口支持数字签名方式，保证了安全性。

7.支持流程推送服务，采用自主开发的流程引擎，基于拉式处理方式，实现准确流程控制和高效流程推送；

8.平台兼容主流浏览器（Chrome，Eage，360浏览器），无需安装任何客户端及插件；

9.支持TLS与SSL在传输层对网络连接进行加密，保证数据的安全性。

10.提供通过对用户操作进行数据采集、存储，对教学、学习、育人过程进行数据采集和数据分析。

11.支持针对企业运营管理平台、****中心控制平台实现一键跳转。

12.支持管理员对实训平台、学生、师资、教学班等多方面的校园大数据统计分析。

二、智能制造教学内容

1.仿真电商平台-PC端。支持学生以不少于6个客户的账号登录电商平台，包含5个2B客户，一个2C个人用户且客户信息均可在企业ERP系统中查询到；平台支持多系列多规格产品选配、下单、付款；所下达订单信息可直接穿透至企业后台ERP系统，销售人员登录ERP系统审核确认后，订单方可生效。

2.仿真电商平台-移动端。支持学生扫码登录，学生可以分别以5个B端客户及1个C端客户登录移动端电商平台，其中客户信息均可以在企业ERP系统中查询到；支持多系列多规划产品选配、下单、付款；所下达订单信息可穿透至企业ERP系统，能够在ERP系统中查询到来自移动端的销售订单详细信息（客户、订单数量、交货时间、收货地址等信息）。

3.仿真社会化云采购平台，支持供应商云协同，包括系统采购订单自动同步至云采购平台，供应商在云平台对订单可进行确认、修改等操作，实现社会化采购协同。

4.仿真工作邮箱，支持基于邮箱的协同办公。

5.实训目的：平台依据数智化人才能力要求，融合管理科学及工业互联网技术，构建以离散制造企业为对象，以价值链、产品链、资产链为内容，围绕企业数智化转型及智能制造典型业务场景，运用工业互联网平台核心系统及新技术，进行规划、设计、改善、实施及控制的跨领域、跨专业、跨学科综合实践教学平台。****工厂规划、数字化建模、研发设计、数字供应链、生产制造、数据分析的工业互联网平台核心应用能力及数字思维，胜任企业数智化转型咨询、实施等工作。

6.平台内容：平台提供19个教学项目，涵盖智能制造认知、工业互联网认知、企业数字化转型、数字化管理方案、数智工厂规划沙盘、企业数字化建模、库存管理、销售管理、采购管理、研发设计实践、生产计划实践、制造执行实践、质量管理实践、移动应用实践、实时会计实践、管理会计实践、数字思维、工程项目实践、项目实施总结。

7.平台案例：平台包含2个离散制造业大案例。案例一支撑课程项目整体性训练，****工厂建立、运营、数智化规划开始，到数字化阶段使用大型企业数字化管理平台开展从接单到交付的端到端完整经营过程，再到运用移动端、扫码枪等新技术进入数智阶段生产全过程；另一案例支撑工程项目综合训练。案例能够支撑平台5个以上教学项目开展。

8.数智工厂规划：配置全景化沙盘盘面、教学卡，包含多种教学卡，如角色卡、设备卡、产品卡、工艺卡、原料卡，包含多种教学单据，如销售订单、生产订单、采购订单、报工单等至少10类教学卡及单据。同时沙盘结合课程移动应用模块，实现教学卡数据与工业APP、企业管理平台间数据互通。

9.企业规划：通过阅读案例背景及任务指导，学生需要完成案例企业规划，包括组织分工、岗位职责、产品BOM、工艺路线、产线布局，并将对应教学卡摆放到相应位置，完成工厂规划；

10.生产运营：学生分别担任不同岗位，完成从销售接单到生产计划、采购计划、协同采购、组织生产、完工质检、成品入库、销售出库、开票收款的按单生产全流程，完成业务流程图；

11.数智化规划：应用当前企业典型数智化转型方法论，为案例企业制定其数字化转型路径；

12.数字化建模准备：按照企业数字化规划路径，对案例企业要素、活动、组织等进行数字化抽象，设计建模方案。

13.企业数字化建模：运用动态建模平台，为案例企业进行数字化建模。学生通过物理沙盘的业务运营模拟以及业务数据提取与分析，利用建模业务平台提供的组织建模、流程建模、数据建模、用户与角色相关的权限建模功能，****工厂数字化模型，****工厂模型进行模拟业务实践，构建学生的数字化建模思维。

14.智慧供应链：学生能够结合案例及真实企业管理平台开展数字化库存、数字化采购、数字化销售三个模块的业务训练。各模块按照业务认知、解决方案、场景实践、数据驱动、拓展思考五步结构化教学方式展开，从学生容易理解的库存业务开始，逐步加大难度，符合学习科学规律，其中场景实践选取企业典型业务场景，梳理场景典型任务、工作流程、核心知能，帮助学生习得能力。库存管理支持采购入库、材料出库、产品入库、销售出库、库存盘点五个训练场景的管理平台建模及实操训练，以及库存管理数据分析，训练数据能力；采购管理支持一般采购训练场景的管理平台建模及实操训练，以及采购数据分析，训练数据能力；销售管理支持电商平台PC端及移动端下单，支持互联网订单、个人用户订单、B端用户订单的管理平台实操训练，支持销售数据分析，训练数据能力。

15.智能制造：学生能够结合大案例及真实企业管理平台开展研发设计、生产计划、制造执行三个模块的业务训练。包含业务认知、数字化解决方案、场景实践、数据驱动、拓展思考五大教学环节。其中：研发设计支持结合案例的产品BOM设计、产品工艺路线设计场景基于管理平台的配置及实操训练；生产计划支持销售预测场景、按预测生产场景、按单生产场景、按单生产按预测备料场景、主排产场景的基础建模、计划独立需求、MRP、MPS、AP的管理平台实操训练；制造执行支持一般生产作业场景、工业物联场景、智能配料场景的实践训练与学习；其中一般生产作业场景可支持工序派工模式及工序流转模式的管理平台实操训练；工业物联场景可拓展集成用友AIoT物联平台开展基于教学案例的工业物联数据采集实验；智能配料场景可拓展集成用友工业大脑平台开展基于企业真实案例的工业智能实验。支持学生完成各模块数据分析任务训练，强化学生数据能力。

16.移动应用：对案例企业车间管理进行数字化转型，利用扫码枪、移动PAD、工业APP、数字化沙盘教学卡等，进行车间管理移动应用模拟实践，运用ERP平台执行生产订单下达、仓库备料、生产订单派工，车间工人使用PAD、扫码枪及工业APP软件，完成生产车间基于条码应用的移动生产，在APP中收到派工单，完成生产领料、执行派工生产、出入库等操作训练，要求工业APP数据与管理平台之间实现数据互通。

17.质量管理：质量管理通过灵活的质检流程配置及业务流程配置，****集团企业多组织、多元化经营下，多种质检业务处理规则和质检业务流转模型，主要的业务处理包括报检、取样、检验、质检结果反馈、紧急放行、不合格品处理等全过程管理。可以支撑采购到货检验、在库检验、工序检验、工序委外检验、生产完工检验、销售退货检验等业务场景的实验实训。

三、工业智能教学内容

1.人工智能导论。人工智能简介；熟悉教学环境、开发环境搭建

2.Python编程实践。讲解数据探索方法及Python实现案例实践，Python数据分析常用类库安装及基础使用案例，包含Numpy、Scipy、Matplotlib、Pandas、StatsModels、Scikit-Learn。

3.科学计算库及特征工程。Matplotlib的基本功能实现图形显示；Matplotlib实现多图显示；Matplotlib实现不同画图种类；Numpy与Pandas的不同；Pandas实现基本数据操作；Pandas实现数据的读取和存储；crosstab和pivot_table实现交叉表与透视表

4.机器学习算法。了解AI行业及业内工作流程和工具：机器学习，深度学习，强化学习的关系，语音识别，sklearn机器学习框架简介，Python科学计算环境的安装与初步使用，Azure安装与初步使用；数据预处理与特征工程：数据预处理常用方法，数据认知，PCA与LDA，评价指标，过拟合与欠拟合，方差与偏差，正则化；线性回归及逻辑回归：最小二乘法，损失函数:误差平方和，交叉熵，梯度下降算法，数据归一化，优化器的选择，拟合正弦函数，判**界，动态规划，损失函数:误差平方和，交叉熵，梯度下降算法，L1正则化，L2正则化，输出概率归一化；KNN算法：KNN的分类流程，K值选取的影响，kd树及稀疏存储，相关性测试，欧氏/曼哈顿/p=2，杰卡德距离/编辑距离，特征选择及可视化；聚类算法：kmeans基本流程及质心的选取，EM算法原理及高斯混合模型，内部指标，外部指标，优化方法（二分kmeans，kmeans++），SC系数/CH系数，簇邻近度的Lance-Williams公式；集成学习：集成学习与bagging，随机森林概述，训练误差分析，广义加法模型，离散型AdaBoost，弱分类器的选择及数量，样本权重削减"；贝叶斯算法：半朴素贝叶斯分类器/贝叶斯网/马尔科夫毯，多项式分布，高斯分布，条件概率，贝叶斯编程及A/B测试

5.计算机视觉的应用。计算机视觉导论：计算机视觉发展历史及定义，计算机视觉技术和应用场景，智能工业中的计算机视觉应用场景；目标分类：CNN卷积网络结构，深度学习正则化与算法优化，迁移学习，模型压缩，案例：TensorFlow或Pytorch分类案例；目标检测：目标检测任务与数据集介绍，RCNN，SPPNet，FastRCNN，FasterRCNN，YOLOv1、YOLOv2、YOLOv3，SSD，案例：TensorFlow或Pytorch进行目标检测；目标分割：目标分割任务与数据集介绍，全卷积FCN网络，U-Net，Dilated Convolutions，PSPNet，Deeplab，Mask-RCNN，案例：TensorFlow或Pytorch目标分割案例

6.自然语言处理的应用。时间序列分析入门:时间序列算法发展史,深度学习在NLP中的应用,机器翻译案例；时序数据预处理:中文分词，jieba分词工具，NER的方法，常见的文本向量化方法，WORD2VEC原理及工具，网络中Embedding层，文本对齐的方法和工具，文本数据增强的方法及工具；RNN及其变体: RNN的结构，RNN的弊端，LSTM的结构，LSTM的作用与实现，GRU的结构，GRU的作用与实现，Bi-GRU/Bi-LSTM的结构及作用与实现，Seq2Seq的结构，Seq2Seq中使用LSTM/GRU；时间序列处理案例：编码器-解码器与注意力机制基本介绍，Pytorch工具回顾，了解并获取文本数据集，数值索引，编码转换，规范化文本，构建编码器类，构建解码器类，构建解码器端的注意力机制类；Transformer和BERT：Attention机制，Attention的实现及作用，self-attention的作用，multi-head的作用，positional encoding，positional-wise feed-forward networks，transformer的结构与实现

7.综合项目实践：废钢识别。讲解常见的深度学习算法及框架在工业场景下的实际应用，以废钢识别项目为例，讲解从输入废钢铁训练图像，通过神经网络进行机器深度学习，提取废钢铁图像特征到后期根据训练结果，调整优化参数，逐步建立基于神经网络的机器深度学习废钢铁图像分类模型的全流程。

三、工业互联网教学内容

1. 平台要求不少于10个教学模块，依托企业应用工业互联网平台，涵盖工业物联、工业智能、工业大数据、工业APP、标识解析等核心技术、平台及应用场景；****工厂、****工厂真实工业互联网应用案例，支持开展工业互联网典型应用模式下的案例教学。

2. 该模块应包含数字经济、智能制造、工业互联网等前沿知识。课程内容依托企业真实应用工业互联网平台助力制造业企业数智化转型所形成的领先管理理论、先进技术及成功实践，帮助学生充分学习工业互联网平台体系架构、应用场景、应用价值；课程形式包含微课、PPT课件、前沿资讯、白皮书/研究报告等多种形式。

3.包含标识解析体系架构、标识解析领域应用、行业标识规范、标识解析行业应用等教学内容。课程内容以国家标识解析相关标准、规范为基础，以用友标识解析二级节点为应用平台，帮助学生理解理解国际根节点、国家顶级节点、二级标识解析节点在体系架构中位置及功能；理解标识解析在设计、采购、销售、生产、售后服务等不同领域的应用；了解不同行业标识编码规范；了解标识解析在不同行业的应用。课程形式包含视频、PPT课件、白皮书/研究报告等多种形式。

4.包含工业物联基础知识（工业通信网络、工业通信协议、工业硬件基础知识），物联平台AIoT（物联平台架构、物联平台特性、物联平台应用、物联平台实操），物联接入实验（基于ModbusRTU协议的温度变送器接入实验；基于ModbusTCP协议的IO类设备小风扇接入实验；基于温度变化自动开启小风扇的控制实验）等教学内容。课程内容工业物联平台AIoT为依托，以工业常见智能仪表、远程IO类设备为接入对象，通过视频方式帮助学生循序渐进学习工业物联的基础知识、学习物联平台的实际操作，及常见工业设备的物联接入。课程包含视频、PPT课件、白皮书/研究报告等多种形式。

5.包含工业大数据概论、工业大数据存储技术、工业大数据计算分析技术、工业大数据典型案例等教学内容，让学生对工业大数据整体的信息技术架构、典型应用场景、企业实践、未来就业岗位有整体了解，激发学生学习工业大数据的兴趣和动力；课程形式包含导入视频、微课、PPT课件、测试、课后探究式任务学习等多种形式。

6. 包含不少于工业APP概论、开发平台、典型案例和开发等教学内容。

工业APP概论包含不少于工业APP基础认知、工业APP和工业互联网平台的关系、工业APP和传统工业应用软件的关系，及工业APP的发展前景与个人发展情况等内容；开发平台包含不少于工业互联网开发平台、基于开发平台的pc端和移动端低代码开发平台；典型案例包含不少于制造企业数智化转型工业APP相关案例、设备后服务/数智工厂/工业大脑开发过程及开发效果案例；开发不少于工业APP设备后服务和移动端开发。课程形式包含导入视频、微课、PPT课件、前沿资讯、白皮书/研究报告等多种形式。

7.包含不少于工业智能概述、工业智能技术及平台的介绍、工业智能解决方案及典型应用及工业智能案例详解的教学内容。工业智能概述不少于工业智能发展、工业智能概念、工业智能的应用场景；工业智能技术及方案应用不少于工业大脑在行业的平台架构及应用场景、工业智能技术在三大核心技术应用场景、以运筹学为核心的智能算法、以深度学习为核心的图像识别、以工艺机理为核心的预测模型三**向及钢铁行业应用等内容。

8. 该模块应提供企业真实应用的物联边缘端平台、物联云端平台及低代码开发平台，结合配套工业互联网实验箱，实现工业设备、工业网络、数据采集、数据处理、设备控制、设备上云、工业APP开发等工业互联网技术应用实践。

1）支持多种协议的物联接入实训，包含不少于Modbus RTU协议、Modbus TCP协议、OPC UA协议；

2）支持多种设备的物联实训，包含不少于温度传感器等智能仪表、PLC、电机、风扇等设备的数据采集实训；

3）支持基于规则的边缘端数据处理及设备控制实训；

4）支持设备上云及云边端一体化实训；

5）支持面向角色的低代码工业APP设计与开发实训；

9. 平台应提供不少于五份工业互联网助力企业数字化转型实践教学案例，案例内容包含不同行业、不同数字化阶段企业背景信息（包括产品、工艺等）、核心业务需求、典型应用场景及工业互联网应用价值等。

10.平台应提供工业互联网服务——设备后服务教学内容。包含用户需求分析、解决方案、产品定位、产品特性、远程运维场景及设备检测场景，通过视频方式认知工业互联网平台在服务化延伸模式下的典型实践。

一、平台功能

1.采用分布式架构设计完成了生态云平台。支持混合云模式部署，通过开放平台（OpenAPI），支持ISV(独立平台开发商)接入，标准化、规范化的接入方式，并提供接入指南，使接入更高效。

2.基于领域驱动设计（DDD）架构指导思想，整体采用前后端分离和分布式微服务的弹性计算架构实现，后端主要基于Java 的Spring cloud实现、前端NodeJS＋Dva＋React实现等，具有高内聚、松耦合、业务单一、高性能、高并发、高可能、跨平台、跨语言等特点；采用多数据源支持，灵活实现公有云/混合云模式部署的技术一致性。

3.基于全流程DevOps自动化运维，支持持续集成、分析、服务注册与发现、持续部署（基于docker的镜像仓库）。

4.基础服务层支持RDS，采用MySQL集群搭建，支持数据自动备份，同时使用于Redis集群对数据进行缓存，支持大并发；支持纯本地化数据源。

5.基础服务层支持消息队列服务、S3标准协议存储服务、用户/鉴权服务、RPC服务、WebSocket服务等，保证平台的通用性。

6.OpenAPI开放生态服务基于Restful接口方式接入，所有接口支持数字签名方式，保证了安全性。

7.支持流程推送服务，采用自主开发的流程引擎，基于拉式处理方式，实现准确流程控制和高效流程推送；

8.平台兼容主流浏览器，无需安装任何客户端及插件；

9.支持TLS与SSL在传输层对网络连接进行加密，保证数据的安全性。

10.提供通过对用户操作进行数据采集、存储，对教学、学习、育人过程进行数据采集和数据分析。

11.支持针对企业运营管理平台、****中心控制平台实现一键跳转。

12.支持管理员对实训平台、学生、师资、教学班等多方面的校园大数据统计分析。

二、智能制造教学内容

1.仿真电商平台-PC端。支持学生以不少于6个客户的账号登录电商平台，包含5个2B客户，一个2C个人用户且客户信息均可在企业ERP系统中查询到；平台支持多系列多规格产品选配、下单、付款；所下达订单信息可直接穿透至企业后台ERP系统，销售人员登录ERP系统审核确认后，订单方可生效。

2.仿真电商平台-移动端。支持学生扫码登录，学生可以分别以5个B端客户及1个C端客户登录移动端电商平台，其中客户信息均可以在企业ERP系统中查询到；支持多系列多规划产品选配、下单、付款；所下达订单信息可穿透至企业ERP系统，能够在ERP系统中查询到来自移动端的销售订单详细信息（客户、订单数量、交货时间、收货地址等信息）。

3.仿真社会化云采购平台，支持供应商云协同，包括系统采购订单自动同步至云采购平台，供应商在云平台对订单可进行确认、修改等操作，实现社会化采购协同。

4.仿真工作邮箱，支持基于邮箱的协同办公。

5.实训目的：平台依据数智化人才能力要求，融合管理科学及工业互联网技术，构建以离散制造企业为对象，以价值链、产品链、资产链为内容，围绕企业数智化转型及智能制造典型业务场景，运用工业互联网平台核心系统及新技术，进行规划、设计、改善、实施及控制的跨领域、跨专业、跨学科综合实践教学平台。****工厂规划、数字化建模、研发设计、数字供应链、生产制造、数据分析的工业互联网平台核心应用能力及数字思维，胜任企业数智化转型咨询、实施等工作。

6.平台内容：平台提供19个教学项目，涵盖智能制造认知、工业互联网认知、企业数字化转型、数字化管理方案、数智工厂规划沙盘、企业数字化建模、库存管理、销售管理、采购管理、研发设计实践、生产计划实践、制造执行实践、质量管理实践、移动应用实践、实时会计实践、管理会计实践、数字思维、工程项目实践、项目实施总结。

7.平台案例：平台包含2个离散制造业大案例。案例一支撑课程项目整体性训练，****工厂建立、运营、数智化规划开始，到数字化阶段使用大型企业数字化管理平台开展从接单到交付的端到端完整经营过程，再到运用移动端、扫码枪等新技术进入数智阶段生产全过程；另一案例支撑工程项目综合训练。案例能够支撑平台5个以上教学项目开展。

8.数智工厂规划：配置全景化沙盘盘面、教学卡，包含多种教学卡，如角色卡、设备卡、产品卡、工艺卡、原料卡，包含多种教学单据，如销售订单、生产订单、采购订单、报工单等至少10类教学卡及单据。同时沙盘结合课程移动应用模块，实现教学卡数据与工业APP、企业管理平台间数据互通。

9.企业规划：通过阅读案例背景及任务指导，学生需要完成案例企业规划，包括组织分工、岗位职责、产品BOM、工艺路线、产线布局，并将对应教学卡摆放到相应位置，完成工厂规划；

10.生产运营：学生分别担任不同岗位，完成从销售接单到生产计划、采购计划、协同采购、组织生产、完工质检、成品入库、销售出库、开票收款的按单生产全流程，完成业务流程图；

11.数智化规划：应用当前企业典型数智化转型方法论，为案例企业制定其数字化转型路径；

12.数字化建模准备：按照企业数字化规划路径，对案例企业要素、活动、组织等进行数字化抽象，设计建模方案。

13.企业数字化建模：运用动态建模平台，为案例企业进行数字化建模。学生通过物理沙盘的业务运营模拟以及业务数据提取与分析，利用建模业务平台提供的组织建模、流程建模、数据建模、用户与角色相关的权限建模功能，****工厂数字化模型，****工厂模型进行模拟业务实践，构建学生的数字化建模思维。

14.智慧供应链：学生能够结合案例及真实企业管理平台开展数字化库存、数字化采购、数字化销售三个模块的业务训练。各模块按照业务认知、解决方案、场景实践、数据驱动、拓展思考五步结构化教学方式展开，从学生容易理解的库存业务开始，逐步加大难度，符合学习科学规律，其中场景实践选取企业典型业务场景，梳理场景典型任务、工作流程、核心知能，帮助学生习得能力。库存管理支持采购入库、材料出库、产品入库、销售出库、库存盘点五个训练场景的管理平台建模及实操训练，以及库存管理数据分析，训练数据能力；采购管理支持一般采购训练场景的管理平台建模及实操训练，以及采购数据分析，训练数据能力；销售管理支持电商平台PC端及移动端下单，支持互联网订单、个人用户订单、B端用户订单的管理平台实操训练，支持销售数据分析，训练数据能力。

15.智能制造：学生能够结合大案例及真实企业管理平台开展研发设计、生产计划、制造执行三个模块的业务训练。包含业务认知、数字化解决方案、场景实践、数据驱动、拓展思考五大教学环节。其中：研发设计支持结合案例的产品BOM设计、产品工艺路线设计场景基于管理平台的配置及实操训练；生产计划支持销售预测场景、按预测生产场景、按单生产场景、按单生产按预测备料场景、主排产场景的基础建模、计划独立需求、MRP、MPS、AP的管理平台实操训练；制造执行支持一般生产作业场景、工业物联场景、智能配料场景的实践训练与学习；其中一般生产作业场景可支持工序派工模式及工序流转模式的管理平台实操训练；工业物联场景可拓展集成AIoT物联平台开展基于教学案例的工业物联数据采集实验；智能配料场景可拓展集成工业大脑平台开展基于企业真实案例的工业智能实验。支持学生完成各模块数据分析任务训练，强化学生数据能力。

16.移动应用：对案例企业车间管理进行数字化转型，利用扫码枪、移动PAD、工业APP、数字化沙盘教学卡等，进行车间管理移动应用模拟实践，运用ERP平台执行生产订单下达、仓库备料、生产订单派工，车间工人使用PAD、扫码枪及工业APP软件，完成生产车间基于条码应用的移动生产，在APP中收到派工单，完成生产领料、执行派工生产、出入库等操作训练，要求工业APP数据与管理平台之间实现数据互通。

17.质量管理：质量管理通过灵活的质检流程配置及业务流程配置，****集团企业多组织、多元化经营下，多种质检业务处理规则和质检业务流转模型，主要的业务处理包括报检、取样、检验、质检结果反馈、紧急放行、不合格品处理等全过程管理。可以支撑采购到货检验、在库检验、工序检验、工序委外检验、生产完工检验、销售退货检验等业务场景的实验实训。

三、工业智能教学内容

1.人工智能导论。人工智能简介；熟悉教学环境、开发环境搭建

2.Python编程实践。讲解数据探索方法及Python实现案例实践，Python数据分析常用类库安装及基础使用案例，包含Numpy、Scipy、Matplotlib、Pandas、StatsModels、Scikit-Learn。

3.科学计算库及特征工程。Matplotlib的基本功能实现图形显示；Matplotlib实现多图显示；Matplotlib实现不同画图种类；Numpy与Pandas的不同；Pandas实现基本数据操作；Pandas实现数据的读取和存储；crosstab和pivot_table实现交叉表与透视表

4.机器学习算法。了解AI行业及业内工作流程和工具：机器学习，深度学习，强化学习的关系，语音识别，sklearn机器学习框架简介，Python科学计算环境的安装与初步使用，Azure安装与初步使用；数据预处理与特征工程：数据预处理常用方法，数据认知，PCA与LDA，评价指标，过拟合与欠拟合，方差与偏差，正则化；线性回归及逻辑回归：最小二乘法，损失函数:误差平方和，交叉熵，梯度下降算法，数据归一化，优化器的选择，拟合正弦函数，判**界，动态规划，损失函数:误差平方和，交叉熵，梯度下降算法，L1正则化，L2正则化，输出概率归一化；KNN算法：KNN的分类流程，K值选取的影响，kd树及稀疏存储，相关性测试，欧氏/曼哈顿/p=2，杰卡德距离/编辑距离，特征选择及可视化；聚类算法：kmeans基本流程及质心的选取，EM算法原理及高斯混合模型，内部指标，外部指标，优化方法（二分kmeans，kmeans++），SC系数/CH系数，簇邻近度的Lance-Williams公式；集成学习：集成学习与bagging，随机森林概述，训练误差分析，广义加法模型，离散型AdaBoost，弱分类器的选择及数量，样本权重削减"；贝叶斯算法：半朴素贝叶斯分类器/贝叶斯网/马尔科夫毯，多项式分布，高斯分布，条件概率，贝叶斯编程及A/B测试

5.计算机视觉的应用。计算机视觉导论：计算机视觉发展历史及定义，计算机视觉技术和应用场景，智能工业中的计算机视觉应用场景；目标分类：CNN卷积网络结构，深度学习正则化与算法优化，迁移学习，模型压缩，案例：TensorFlow或Pytorch分类案例；目标检测：目标检测任务与数据集介绍，RCNN，SPPNet，FastRCNN，FasterRCNN，YOLOv1、YOLOv2、YOLOv3，SSD，案例：TensorFlow或Pytorch进行目标检测；目标分割：目标分割任务与数据集介绍，全卷积FCN网络，U-Net，Dilated Convolutions，PSPNet，Deeplab，Mask-RCNN，案例：TensorFlow或Pytorch目标分割案例

6.自然语言处理的应用。时间序列分析入门:时间序列算法发展史,深度学习在NLP中的应用,机器翻译案例；时序数据预处理:中文分词，jieba分词工具，NER的方法，常见的文本向量化方法，WORD2VEC原理及工具，网络中Embedding层，文本对齐的方法和工具，文本数据增强的方法及工具；RNN及其变体: RNN的结构，RNN的弊端，LSTM的结构，LSTM的作用与实现，GRU的结构，GRU的作用与实现，Bi-GRU/Bi-LSTM的结构及作用与实现，Seq2Seq的结构，Seq2Seq中使用LSTM/GRU；时间序列处理案例：编码器-解码器与注意力机制基本介绍，Pytorch工具回顾，了解并获取文本数据集，数值索引，编码转换，规范化文本，构建编码器类，构建解码器类，构建解码器端的注意力机制类；Transformer和BERT：Attention机制，Attention的实现及作用，self-attention的作用，multi-head的作用，positional encoding，positional-wise feed-forward networks，transformer的结构与实现

7.综合项目实践：废钢识别。讲解常见的深度学习算法及框架在工业场景下的实际应用，以废钢识别项目为例，讲解从输入废钢铁训练图像，通过神经网络进行机器深度学习，提取废钢铁图像特征到后期根据训练结果，调整优化参数，逐步建立基于神经网络的机器深度学习废钢铁图像分类模型的全流程。

三、工业互联网教学内容

1. 平台要求不少于10个教学模块，依托企业应用工业互联网平台，涵盖工业物联、工业智能、工业大数据、工业APP、标识解析等核心技术、平台及应用场景；****工厂、****工厂真实工业互联网应用案例，支持开展工业互联网典型应用模式下的案例教学。

2. 该模块应包含数字经济、智能制造、工业互联网等前沿知识。课程内容依托企业真实应用工业互联网平台助力制造业企业数智化转型所形成的领先管理理论、先进技术及成功实践，帮助学生充分学习工业互联网平台体系架构、应用场景、应用价值；课程形式包含微课、PPT课件、前沿资讯、白皮书/研究报告等多种形式。

3.包含标识解析体系架构、标识解析领域应用、行业标识规范、标识解析行业应用等教学内容。课程内容以国家标识解析相关标准、规范为基础，以标识解析二级节点为应用平台，帮助学生理解理解国际根节点、国家顶级节点、二级标识解析节点在体系架构中位置及功能；理解标识解析在设计、采购、销售、生产、售后服务等不同领域的应用；了解不同行业标识编码规范；了解标识解析在不同行业的应用。课程形式包含视频、PPT课件、白皮书/研究报告等多种形式。

4.包含工业物联基础知识（工业通信网络、工业通信协议、工业硬件基础知识），物联平台AIoT（物联平台架构、物联平台特性、物联平台应用、物联平台实操），物联接入实验（基于ModbusRTU协议的温度变送器接入实验；基于ModbusTCP协议的IO类设备小风扇接入实验；基于温度变化自动开启小风扇的控制实验）等教学内容。课程内容工业物联平台AIoT为依托，以工业常见智能仪表、远程IO类设备为接入对象，通过视频方式帮助学生循序渐进学习工业物联的基础知识、学习物联平台的实际操作，及常见工业设备的物联接入。课程包含视频、PPT课件、白皮书/研究报告等多种形式。

5.包含工业大数据概论、工业大数据存储技术、工业大数据计算分析技术、工业大数据典型案例等教学内容，让学生对工业大数据整体的信息技术架构、典型应用场景、企业实践、未来就业岗位有整体了解，激发学生学习工业大数据的兴趣和动力；课程形式包含导入视频、微课、PPT课件、测试、课后探究式任务学习等多种形式。

6. 包含不少于工业APP概论、开发平台、典型案例和开发等教学内容。

工业APP概论包含不少于工业APP基础认知、工业APP和工业互联网平台的关系、工业APP和传统工业应用软件的关系，及工业APP的发展前景与个人发展情况等内容；开发平台包含不少于工业互联网开发平台、基于开发平台的pc端和移动端低代码开发平台；典型案例包含不少于制造企业数智化转型工业APP相关案例、设备后服务/数智工厂/工业大脑开发过程及开发效果案例；开发不少于工业APP设备后服务和移动端开发。课程形式包含导入视频、微课、PPT课件、前沿资讯、白皮书/研究报告等多种形式。

7.包含不少于工业智能概述、工业智能技术及平台的介绍、工业智能解决方案及典型应用及工业智能案例详解的教学内容。工业智能概述不少于工业智能发展、工业智能概念、工业智能的应用场景；工业智能技术及方案应用不少于工业大脑在行业的平台架构及应用场景、工业智能技术在三大核心技术应用场景、以运筹学为核心的智能算法、以深度学习为核心的图像识别、以工艺机理为核心的预测模型三**向及钢铁行业应用等内容。

8. 该模块应提供企业真实应用的物联边缘端平台、物联云端平台及低代码开发平台，结合配套工业互联网实验箱，实现工业设备、工业网络、数据采集、数据处理、设备控制、设备上云、工业APP开发等工业互联网技术应用实践。

1）支持多种协议的物联接入实训，包含不少于Modbus RTU协议、Modbus TCP协议、OPC UA协议；

2）支持多种设备的物联实训，包含不少于温度传感器等智能仪表、PLC、电机、风扇等设备的数据采集实训；

3）支持基于规则的边缘端数据处理及设备控制实训；

4）支持设备上云及云边端一体化实训；

5）支持面向角色的低代码工业APP设计与开发实训；

9. 平台应提供不少于五份工业互联网助力企业数字化转型实践教学案例，案例内容包含不同行业、不同数字化阶段企业背景信息（包括产品、工艺等）、核心业务需求、典型应用场景及工业互联网应用价值等。

10.平台应提供工业互联网服务——设备后服务教学内容。包含用户需求分析、解决方案、产品定位、产品特性、远程运维场景及设备检测场景，通过视频方式认知工业互联网平台在服务化延伸模式下的典型实践。