基于QFD和蚁群算法的工业工程应用型人才实践教学研究

基于 QFD和蚁群算法的工业工程应用型
人才实践教学研究
摘要：本研究是在前人的研究的基础上，通过将质量功能，蚁群算法与工业工程实践教学相结合的方式来探索和改善工业工程实践教学教育质量管理中存在的问题。

在QFD技术和蚁群算法的应用领域已经有诸多的学者进行了研究，而将二者进行结合并应用于实践教学中尚不多见。

本文希望将QFD和蚁群算法结合应用的思想进行实践为广大教育工作者提供新的实践教学思路。

关键词：工业工程,QFD,蚁群算法，实践教学
基金项目：攀枝花学院高教项目（025000069）：攀枝花学院应用型人才培养模式一体化研究——以工业工程专业为例。

作者简介：王昆朋1999年男汉族吉林松原学士
通讯作者：黄丽，1980年，女，汉族，四川攀枝花，博士生，副教授，研究方向：人工智能与医疗调度Email:*******************
0 引言
应用型人才实践教学一方面既是对理论教学的补充也是对高校应用型人才培养的必须环节，是全面培养学生能力的重要途径。

在该领域，王志芳于2010年对创新型实验教学体系进行了研究[1]。

付坤于2016年对高校工科类专业创新实践教育进行了研究[2]，卢伟丽于2019年对校企合作模式下实践教学质量考核标准进行了研究[3]。

前人在实践教学领域已经有诸多研究和建树。

将QFD技术与蚁群算法进行结合并运用于应用型人才实践中则较为少见。

本文旨在于在前人研究的基础上对该领域的研究有所突破。

为高校应用型人才培养提供新思路。

QFD是将顾客需求转化为质量特点的有效方法，体现了以市场为导向，以顾客需求为产品开发唯一指导思想。

初春[4]在1999年提出将工业中普遍使用的
QFD引进教育界，他通过大量的调查问卷，利用QFD矩阵图表对在校大学生，教
师等对学生发展提出了一个总体规划；赵玉忠[5]利用QFD的系统方法将学生的
需求转变为教学计划、管理人员能够理解的指标，并且能够表明双方矛盾的冲突，帮助管理人员在计划权衡、优化，最终能够以最优的质量、最低的成本、最短的
时间、最真挚的态度满足学生的呼声，适应社会的竞争环境
蚁群算法吴庆洪[6]于1999年研究了具有变异特征的蚁群算法。

吴斌[7]于2001年研究了一种基于蚁群算法的TSP问题分段求解算法。

段海滨[8]于2004研
究了蚁群算法理论，张立毅[9]于2017年研究了混沌扰动模拟退火蚁群算法低碳
物流路径优化。

陈余庆[10]于2019年研究了基于势场蚁群算法的机器人全局路
径规划。

当前将QFD和蚁群算法结合起来用于实践教学中的研究还较少，该领域
还处于空白阶段。

本文旨在于将蚁群算法和QFD技术进行结合，为实践教学领域提供新的解决
方案。

1基于QFD的工业工程实践教学分析
1.1 QFD基本模型
QFD是一种能够系统地将顾客需求转变成产品或生产服务系统质量要求的方法。

它以市场为导向，以顾客需求为依据，通过多层次演绎分析，从而对产品的
适用性实施全方位保证。

构建基于QFD的高等院校教育质量管理体系，必须充分
考虑作为顾客的企业，学生的需求，并将顾客的需求转变为服务特征。

运用QFD
技术的目的即是辅助设计应用型人才实践教学体系。

1.2质量屋结构
质量屋是QFD进行顾客需求转化为技术要求，
转化为关键工序以及关键工序转化为质量控制参数等瀑布式分解的一个基本
工具。

运用质量屋可以帮助确定实践教学的中心环节，为学校确定满足学生和企
业的课程计划提供重要的技术支撑。

1.3需求的具体化
运用质量屋以及瀑布式分解模式，将顾客需求先转变为顾客要求的质量特征，并进一步将质量特征展开到产品实现过程。

顾客需求是QFD最基本的输入，也是QFD实施过程中最为关键最为困难的工作。

顾客需求展开就是将顾客的需求具体
化反映到能够量化的指标体系中，表2是对表1学生和企业的需求具体化。

在学
生考虑自身需求时多以企业的需求为标准，因此这个了不单独阐述企业的需求。

仅对学生的需求做表分析。

本文以攀枝花学院工业工程专业实践教学为例进行分
析
重要度评判采用专家打分法，从企业和学校两个角度出发获取综合重要度，
竞争性评估反映了，质量规划反映学校对该需求的期望，关于顾客需求的重点方
向集中体现在第二板块综合反映在各种操作能力之上。

1.4 关系矩阵的确定
关系矩阵的确立就是确定质量屋左墙顾客需求与天花板技术需求之间的相互
关系的紧密程度，通过打分的方法对两两高度关联的给予9分，弱关联的给予3分，不关联的给予1分。

说明在整个关联分析表格中每一个顾客需求都应该对应
至少一个教育措施强相关联。

如果一个强相关也没有那就表示天花板上的技术需
求并没有完表2 顾客需求具体化
全被罗列出来。

每一个天花板的教育服务措施都应该至少对应至少一个强项
关联的顾客需求，否者的话说明该项技术需求是完全非必要的。

1.4质量屋的构建
质量屋的构建就是将质量屋的五个组成部分分别安放在对应的部分，（1）顾客需求—质量屋的左墙；（2）技术需求--天花板：为实现顾客的需求而所需的技术；（3）关系矩阵--质量屋的房间：用来表现每一个顾客需求与技术要求的相关性；（4）竞争性分析—质量屋的右墙：描述的是在满足该项顾客需求时站在顾客的角度上对满足的实际情况进行打分；（5）质量屋的输出技术要求的相对重要度—质量屋的地板
表3 顾客需求及其重要度
质量特征重要度的计算是用某项技术需求在某顾客需求上的相关度得分与对应的顾客需求的重要性评分相乘，并将该技术需求的所有乘积相加得到的和就是该技术需求重要性的评分。

实验教学质量特征重要度来说，质量特征重要度
=4.66*9+4.66*9+4.66*9+.........+3.49*9+3.49*3+4.66*3+4.47*1=713.2按照这个方法可以依次计算出其他各个技术需求的重要性得分。

从上表质量特征重要度百分比可以看出，从整个实践教学环节来看，各个环节相差不大但对于工业工程实践人才的培养过程各有侧重点。

其中毕业设计课程设计根据其占的比重划分为A
级，实验教学以及生产实习毕业实习划分为B级，社会实践调查和认知实习划分为C级，从整
体看满足各个实践教学环节在整个教学环境中的课时分布。

3蚁群算法在工业工程实践教学的应用
3.1蚁群算法在实践教学的应用
蚁群算法是一种模拟进化算法，将蚁群算法与工业工程实践教学相结合的目的是通过对由QFD
所得出的企业对实践教学各环节的需求权重以及学校的课程要求及学生的实操表现进行统一分析和总结，得出更加符合三方需求的课程计划以及指导该课程计划进行的教学方法，实现质量改进。

质量改进是以追求更高的过程效益和效率
为目标的持续的活动。

质量控制是质量改进的前提, 质量改进是质量控制的发展
方向, 控制意味着维持其质量水平, 改进的效果则是突破或提高。

[9]
3.2蚁群算法在实践教学中的类比
表5蚁群算法在实践教学中的类比
3.3从两个分级运用蚁群算法制定最短路径
在课程计划中由企业，学校和学生所控制的因素要分级处理。

其中第一分类（企业和学校划定）为：必须掌握和辅助认知，第二分类（学生实践的结果）为：可分为充分掌握，掌握一般和不掌握。

两个分类所采用的角度是不相同的。

在编
制课程计划时必须结合由QFD得出的权重顺序，并结合社会需求，学科特点，科
目难度进行设计。

同时根据第二分类的具体情况，即结合历届学生在各分野的实
际掌握情况进行微调。

在不改变“路径”整体方向的前提下适当对“城市”的选
择和“城市”的规模做出调整。

其中，要以学生必须掌握的，不可或缺的内容为
主干，即设置为最短路径上的“城市”，“城市”之间的路程即教学目标对实践
教学所设置的难点，是具有挑战性并需要花费时间才能完成的步骤。

制定学生所
需前进的“最短路径”要以求高质量的完成实践教学所要求的主要教学任务为目标。

而其他并非主要但仍需学生了解的辅助技能——“城镇”则要求在学生进入
每个“城市”时适当添加，以求实现丰富学生的知识和技能，但要注意记忆的系
列位置效应以防辅助技能的学习对主要技能产生负面影响和遗忘。

蚁群算法在实践教学的应用是利用在几代学生之间进行信息素的提炼和升华从而为新一届学生提供高效率，低错误的学习模式。

3.4制定信息素
信息素是实现蚁群算法运行的最根本要素，信息素的制定首先要考虑作为第一分类的企业和学校的需求和理念。

应用型人才要以能够更好的贴合企业的实际需求为基本价值导向。

同时，兼顾第二分类的基本需求。

即在满足校企需求的同时，要结合以往学生的实际学习情况和实践结果。

信息素的制定离不开迭代。

迭代即利用往届学生在实践教学领域的成果和经验制定针对新一批学生的具有规范性的教学计划和教学手段。

将高年级学生的经验和实践教学结果对低年级的学生进行反馈的方法多样，且不限于必须下一年级。

如可适当增加各高年级对低年级的交流和共同活动，组织专业知识、技能比赛，实践经验座谈等活动以增强各年级的联系。

可组织在实践教学活动中成绩出色，创新性强，有独到之处的高年级同学与教研组教师进行座谈，对课程设置，组织方式等内容进行总结，探讨。

工业工程作为一门服务于多个行业的综合性科学，它在企业中的运用和实现必须服从效率和科学。

而实践教学更要体现对当前和未来社会经济发展趋势的前瞻性，越早培养学生运用企业和市场的眼光的眼光看问题就能使学生在进入社会工作后越早适应社会环境。

4 QFD与蚁群算法的结合
长期以来，已经有诸多学者就利用蚁群算法或QFD技术对教育教学领域进行优化设计做出了努力。

但将二者做结合则较为少见。

QFD技术帮助研究者对需求权重进行分析，以实现在设计教学目标时有所侧重。

蚁群算法则可辅助研究如何高效快捷的实现最主要目标。

将二者进行结合的优点在于可以将通过分析得出了市场和校方都注重的要素在每届学生之中进行流转，并适时添加新的要素。

确保了教学的稳定性，流畅性和可复制性。

同时实现了知识和技能结构的活性统一。

QFD质量屋的运用为了解当前市场对于工业工程应用型人才在校实践的各环节的需求权重提供了数据支持。

在实践教学中，各个环节根据由QFD所确定的权
重比进行排序。

并将其与学校指定课程计划的要求相结合，使之形成市场，学校
和学生都认可的教学体系，而这些教学环节将组成在蚁群算法中的“城市”。

在蚁群算法中对课程计划的指定要素首先进行两级分类，通过从两个角度对
各实践环节进行评价来最终确定教学计划和环节。

而QFD和蚁群算法的结合在于QFD为蚁群算法提供了具体的“城市”和各个“城市”的重要性及其规模。

QFD
协助对各实践进行两级分类，判断哪些环节是“城市”哪一些为“城镇”。

蚁群
算法则要负责将这些城市串联起来，并通过道路将“城镇”联系在这条最短路径上，之后通过运用迭代，评价和总结而形成的信息素引导学生沿这条道路前进。

5结语
随着现代社会科技发展,加强本科生创新实践教育,提升创新能力,既是社会
发展对人才素质要求,也是大学生自我发展与创业的现实需求。

本文以攀枝花学
院工业工程专业的应用型实践教学为例，运用QFD理论方法和蚁群算法的结合对
实践教学进行分析，优化。

用用QFD技术设计符合市场需求得到应用型人才实践
教学体系。

运用蚁群算法中“最短路径”和“信息素”的理念来制定工业工程应
用型人才实践教学的教学目标和教学方法，同时更为重要的是寻求一个解决工业
工程实践教学改善的新理念和新思路。

为广大教育工作者提供一个新的解决理念。

参考文献
[1]创新型实验教学体系的实践[J]. 王志芳,周锦燕. 实验技术与管理.
2010(03)
[2]高校工科类专业创新实践教育探索[J]. 付坤,李静,高青,王金国,凌振宝. 实验室研究与探索. 2016(07)
[3]校企合作模式下实践教学质量考核标准研究[J]. 卢伟丽,樊文静,王耀峰,陈东明. 教育现代化. 2019(A1)
[4]QFD在高等学校中的应用研究[J]. 初春,包薇. 福建质量管理. 1999(01)
[5]关于教学质量的研究[J]. 赵玉忠. 技术经济与管理研究. 2005(06)
[6]具有变异特征的蚁群算法 - 吴庆洪张纪会徐心和 - 《计算机研究与发展》 - 1999, 36(10)
[7]一种基于蚁群算法的TSP问题分段求解算法 - 吴斌史忠植 - 《计算机学报》 - 2001, 24(12)
[8]蚁群算法理论及应用研究的进展 - 段海滨王道波朱家强黄向华 - 《控制与决策》 - 2004, 19(12)
[9]混沌扰动模拟退火蚁群算法低碳物流路径优化 - 张立毅王迎费腾周修飞 - 《计算机工程与应用》 - 2017, 53(1)
[10]基于势场蚁群算法的机器人全局路径规划 - 陈余庆李桐训于双和沈智鹏 - 《大连理工大学学报》 - 2019, 59(3)。