工业互联网基础-智能制造工程专业 教学大纲.docx

PAGE

PAGE8

《工业互联网基础》课程教学大纲

一、课程基本信息

课程名称

工业互联网基础

课程编号

课程性质

必修课

课程类别

专业基础课程

开课单位

测控教研室

授课学期

第学期

学分/学时

/16

课内学时

16

理论授课

16

上机学时

0

课内实践

0

实验学时

0

课外学时

16

适用专业

智能制造工程专业

是否双语

否

先修课程

工程编程基础

后续课程

智能装备基础，智能工厂集成技术

二、课程简介

《工业互联网基础》是一门研究工业互联网技术的专业课程，主要研究现代信息通信技术与工业领域的基础设施、应用模式和工业生态深度融合的技术、模式等。本课程的主要内容包括工业互联网平台、工业大数据、工业App、边缘计算、网络互联、标识解析、安全体系等工业互联网基础知识和应用实践案例。

三、课程目标及对毕业要求指标点的支撑

（一）课程目标

课程目标1：知识目标

通过学习本课程，学生能够了解工业互联网的概念及内涵，掌握工业互联网领域的各关键要素，通过工业互联网的体系架构，对其涉及的各种技术和特点进一步深入探讨。

课程目标2：能力目标

通过学习本课程，学生能够分析工业互联网在各领域的综合应用，能够按模块搭建简易工业互联网模型，能够运用创新思维解决处理现实问题。

课程目标3：素质目标

通过学习本课程，学生能够具体问题具体分析，能够提升自己面对问题时的分析、

解决问题的能力，能够培养学生在“中国制造”强国战略意识以及大国工匠意识。

（二）课程目标对毕业要求指标点的支撑

课程目标

支撑毕业要求指标点

毕业要求

课程目标1

1-3学习专业基础知识，掌握解决复杂智能制造工程问题的基本思路和方法

1-工程知识

课程目标2

1-3学习专业基础知识，掌握解决复杂智能制造工程问题的基本思路和方法

5-1能够合理选择与使用解决复杂智能制造工程问题所需的多种仪器设备、信息资源、现代工程工具和信息技术工具

工程知识

5-使用现代工具

课程目标3

5-1能够合理选择与使用解决复杂智能制造工程问题所需的多种仪器设备、信息资源、现代工程工具和信息技术工具

5-2能够开发或应用满足特定需求的现代工具，对智能制造工程领域复杂工程问题进行模拟与预测，并能够理解其局限性

5-实用现代工具

四、课程基本教学内容及对课程目标的支撑

（一）课程基本教学内容

第一单元工业互联网发展历程（学时数：2学时）

1.课程主要内容

工业互联网产生的背景、传统制造模式变革的需求、新一代信息通信技术向工业应用演进、我国工业互联网发展情况、国外工业互联网发展情况。

2.重点和难点

重点：传统制造模式变革的需求；工业互联网发展现状。

难点：新一代信息通信技术向工业应用演进的过程、方式等。

3.教学方法

课堂讲授、翻转课堂、课堂讨论、案例分析、随堂测验。

4.学生学习预期成果

能够了解工业互联网产生的背景；能够了解我国、德国、美国等国家工业互联网的发展情况。

5.支撑课程目标

课程目标1.

第二单元工业互联网体系架构（学时数：2学时）

1.课程主要内容

工业互联网定义及相关概念、工业互联网体系架构、工业互联网标准体系。

2.重点和难点

重点：工业互联网与相关概念的关联与区别、工业互联网基础共性标准。

难点：工业互联网体系架构2.0、工业互联网基础边缘计算标准。

3.教学方法

课堂讲授、翻转课堂、课堂讨论、案例分析、随堂测验。

4.学生学习预期成果

能够描述工业互联网体系架构2.0，并分析架构中各个组成部分的作用；能够理解并且描述工业互联网标准体系的主要内容。

5.支撑课程目标

课程目标1.课程目标2.

第三单元工业互联网平台（学时数：2学时）

1.课程主要内容

工业互联网平台概念、工业互联网平台功能架构、工业互联网平台应用场景、国内外工业互联网平台。

2.重点和难点

重点：工业互联网平台概念、工业互联网平台具体功能架构。

难点：边缘层及平台层的概念、架构。

3.教学方法

课堂讲授、翻转课堂、课堂讨论、案例分析、随堂测验。

4.学生学习预期成果

能够描述工业户互联网平台的概念、本质、核心作用；能够从总体功能架构、边缘层、基础设施层、平台层、应用层几个角度搭建起工业互联网平台；能够熟悉工业互联网的应用场景。

5.支撑课程目标

课程目标1、课程目标2、课程目标3

第四单元工业大数据（学时数：2学时）

1.课程主要内容

工业大数据概念、工业大数据系统、工业大数据分析、工业大数据应用、工业大数据与工业互联网平台、工业大数据治理。

2.重点和难点

重点：工业大数据概念及特点、数据采集技术、工业大数据应用案例。

难点：大数据处理技术、数据分析方法论。

3.教学方法

课堂讲授、翻转课堂、课堂讨论、案例分析、随堂测验。

4.学生学习预期成果

能够理解并分析工业大数据系统，并