专业背景深厚

　　数据“挖掘”敏锐

　　“随着互联网与多领域的结合，海量数据产生成为必然。在工业方面，相较于过去依靠物理模型，借助设备运行的真实数据建模为更精细的管理提供了更多可能。”黄宇星告诉记者。

　　然而，如何在海量数据中找出规律，实现数据中的“富矿”开采？本次赛题中，赛队的“挖掘”正是基于机械背景出身所带来的数据敏感。

　　据介绍，福州大学机械工程及自动化学院前身为机械工程系，是1958年福大建校时最早设置的5个系之一，深厚的机械化专业底蕴为此次参赛队员们提供了充足底气。

　　“相较于其他只具备编程能力的团队，机械工程专业出身的我们更能读懂数据的‘物理意义’，通过数据了解机械设备的运作情况，对于数据处理的预判也更为敏锐。”在黄宇星看来，数据和特征决定了机器学习的上限，如果缺乏对数据的理解，建模也将缺少依据。

　　依靠专业背景优势，团队成员们此次设计的模型可解释性强，尤其适用于指导实际工业生产。“我们的算法能精确定位到故障的具体零件，方便工程人员快速排查，节省人力和时间成本。”黄宇星说。

　　培养解决问题能力

　　科研锻炼储备知识

　　解决行业发展中实际存在的痛点、难点，是此次大赛赛题的特色。相应地，在解题过程中对可落地性的充足考量，则成为此次赛队取胜的关键。“我们在比赛过程中充分考虑模型的实际应用价值，一方面是源自我们之前的参赛经历，一方面也离不开我们平时科研、课题训练。”队员们介绍。

　　福大机械工程及自动化学院团委书记林成金告诉记者，学院内的老师们在执教前通常有到工厂、企业等行业内锻炼的经历，了解行业发展的实际所需，因而在执教过程中也更具有针对性。

　　“在教学中，我们重视培养学生解决实际问题能力，并根据学生自身的能力特点选定教学内容，平时的科研锻炼也为学生们解题提供了丰富知识储备。”赛队成员导师、福大机械设计及理论专业教授王伟说。在此次比赛中，王伟帮助赛队成员把控模型的可解释度，并提供理论辅导、指引解题方向，为队员们取得出色成绩提供有力支持。