|
|
| 第1行： |
第1行： |
| | 第一天 | | 第一天 |
| − | =='''实验室探究'''== | + | =='''极限学习（XLP）学习报告'''== |
| | | | |
| − | 2015年8月27日星期四
| + | 2015年8月27日9:00 清华大学2015级MEM入学导引课开课 |
| | | | |
| − | 我来到清华大学工业工程系实验室进行学习参观。
| + | ==='''一、顾学雍老师學雍介绍本次课程内容与XLP的认知基础假设 '''=== |
| | | | |
| − | ==='''一、概况'''===
| |
| | | | |
| − | 工业工程学科三个大的研究方向分别是运筹物流、生产工程与制造系统、人因工程与工效学。目前工业工程系已建成3个实验室，总面积约500平方米，为本系和外系20余门课程开设40多个教学实验，为学生提供课程实验服务，也为本系的研究生和本科生的学术研究提供一流的资源。
| |
| | | | |
| − | ==='''二、详情实录'''=== | + | ==='''二、卢达溶老师的讲座：《认识清华生态，开始新的学习》 '''=== |
| | | | |
| − | ====（一）物流系统实验室====
| |
| | | | |
| − | 首先参观了工业工程系物流系统实验室。该实验室主要用于培养学生运用所学运筹学知识和一系列建模仿真手段，对复杂的物流系统进行设施规划、设计、过程优化、以及流程管理的实际能力。
| |
| − | 以实验室为载体，运用工业工程专业知识和技术，优化生产的人力物力的合理配置。为培养该专业学生的现代物流系统实践操作的知识和技能，物流系统实验室在结构布局上主要包括四个方面：混流组装线、自动化立体仓库系统、分拣中心及网络平台。
| |
| | | | |
| − | [[File:101.jpg|400px]]
| |
| | | | |
| − | [[File:DSC_0094.JPG|400px]]
| + | ==='''三、熟悉XLP学习任务'''=== |
| | | | |
| − | [[File:DSC_0095.JPG|400px]]
| |
| | | | |
| − | [[File:DSC_0102.JPG|400px]]
| |
| | | | |
| − | ====（二）驾驶安全与人机系统仿真实验室 行为模拟联合实验室（工业工程系—心理系）====
| |
| − | 中国2009年已经成为世界最大的汽车市场，然而近年来快速的汽车化却也带来了更多的道路事故，中国社会（包括驾驶员及其他道路使用者、政府管理部门、道路人性化设计等）还远远滞后于汽车化的步伐，而国内外均普遍认为驾驶员是道路事故的主要负责人，为此需要开展针对我国特定经济、社会、文化背景下的驾驶员研究。
| |
| | | | |
| − | 计算与系统仿真实验室在运用数学与计算机科学技术，为教学和科学研究工作提供强有力的保障。
| |
| | | | |
| − | 人在特定情境下会表现出特定的行为，基于虚拟情景仿真技术的方法可以营造较为逼真的实验情景，便于安全、可设计、可控制、可重复和可自动记录的方式来开展行为研究，你不社会学研究方法存在的一系列问题。
| + | ==='''四、实验室探究与数据采集'''=== |
| | | | |
| − | 工业工程系具有多年从事虚拟现实技术及应用的基础积累，与心理学系在人的研究中具有交叉的学术领域和互补的学术优势。
| |
| | | | |
| − | [[File:102.jpg|400px]]
| |
| − | [[File:103.jpg|400px]]
| |
| | | | |
| − | ==='''三、总结与思考'''=== | + | ==='''五、学习总结与思考'''=== |
| − | | + | |
| − | 在参观了两个实验室的同时，也听取了相关负责老师深入浅出的描述了实验室的功用与意义，深刻认识到创新或许就是在成百上千次的失败与反复试验中诞生的，每一个产品的产生与上市都是在日积月累的反复修正与探索中实现的。物流系统实验室的建设和实验的设计与开发富有创新，许多工具具有独创性对训练学生的动手能力和从事物流管理的科学决策能力发挥重要作用。在驾驶安全与人机系统仿真实验室中有一环屏设备，更加真实具体的还原场景，使虚拟情景仿真技术更好的营造逼真的实验情景，使实验更具真实性。
| + | |
2015年8月27日 (四) 15:35的版本
第一天
极限学习（XLP）学习报告
2015年8月27日9:00 清华大学2015级MEM入学导引课开课
一、顾学雍老师學雍介绍本次课程内容与XLP的认知基础假设
二、卢达溶老师的讲座：《认识清华生态，开始新的学习》
三、熟悉XLP学习任务
四、实验室探究与数据采集
五、学习总结与思考
