张安思：基于Node-red的工业大数据人才培养探索┃055基于Node-red的工业大数据人才培养探索张安思（贵州大学省部共建公共大数据国家重点实验室，贵州贵阳550025）摘要：在新工科建设与“中国制造2025”的战略背景下，本文基于IBM公司开源的数据流可视化编程工具Node-red，探索工业大数据人才培养的方法与途径。目前，高校工业大数据人才培养大多缺乏必要的业务“场景”和技术，考虑到Node-red可灵活、高效地编写各种专业IoT项目的优势，使用Node-red对工业设备数据进行感知、融合及可视化实践，可以使学生获得对工业大数据较为全面的认识，从而形成实践性的认识方法和思维方式。关键词：Node-red；人才培养；工业大数据；智能制造；新工科基金项目：贵州省高等学校人才培养基地项目（黔教合KY字［2020］009）；贵州省教育厅青年科技人才成长项目（黔教合KY字［2022］142号）；贵州大学引进人才科研项目（贵大人基合字［2021］74号）。作者简介：张安思，男，博士，贵州大学省部共建公共大数据国家重点实验室讲师。无论是德国“工业4.0”、美国“工业互联网”还是“中国制造2025”，各国制造业创新战略的实施，都是以工业大数据的搜集和特征分析为基础，并以此为未来制造系统搭建无忧环境［1］。工业大数据是未来工业在全球市场竞争中发挥优势的关键。因此，在国家新工科建设与“中国制造2025”的战略背景下，探索工业大数据人才培养方法和途径具有重要意义［2］。本文针对目前工业大数据人才培养中存在的问题，结合工业大数据人才培养方法、途径及实践经验，对优化与改进工业大数据人才培养模式提出建议。一、工业大数据人才培养中存在的问题工业大数据广泛分布于机器设备、工056┃AcademicandPractise学术与实践业产品、管理系统、互联网等各个环节，结构复杂，既有结构化和半结构化的传感数据，也有非结构化数据。工业大数据涉及的内容较广，具有多学科交叉、知识点分散的特点。由于每个行业特点差别较大，专业侧重点也不同，在工业大数据人才培养中存在学生学习不系统、学习内容重难点不突出等问题，难以形成一个完整的知识体系。通过调研和学生反馈，发现工业大数据人才培养中存在以下问题亟需解决：工业大数据相关专业缺乏必要的工业业务“场景”和技术训练，容易使学生对工业大数据技术应用的理解停留在抽象的概念层面上，当有机会面临真实的工作场景时，难以胜任工作提出的各项任务和要求。二、Node-red简介Node-red是2013年由IBM（Internat...
