主题：【原创】关于工程科研和工业实践的脱节 -- 晨枫

看到有人谈自动化方面的事情，真高兴。

说来惭愧，本科虽然学过电机电力拖动、仪表、过程控制，计算机控制，PLC、组态软件。可是本科毕设是用lie代数理论去控制倒立摆，虽然在实物上成了，但基本是在鼓捣simulink。

真的接触实际的控制问题还是硕士之后给老板干的几个“横向项目”，在工厂的时候。

减少阀的动作这个太现实了，亲自见过阀开闭的频率，亲自换过磨损得不行的球阀才有认识啊。

可是这些想指望学校老师能教给你，太难了，一个硬件环境就完全不同啊，学校里实验顶多让你控制一锅水、几个仪表吧……

至于控制理论与实际脱节的问题是老生常谈了，自动化学报早就和纯数学差不多了。可是硕士博士要毕业，老师要职称，还是得靠文章不是--！

不过现在已经不搞控制了，转去搞模式识别和机器学习了。

看到老大提到数据挖掘和数据可视化的问题啦！

和数据挖掘很相近，但多少有些区别，数据挖掘更看重模型的“可解释性”，这样可以根据现象，去从新设计实验，或者进行改进。

以前德语国家的大学评审工科正教授候选人时有条不成文的规矩， 要求侯选人至少有一年在大学之外相关领域任职的经历。

这一条颇有挑战性。能有相当的专业成就、又能在工业界或管理部门干得好的人，当正教授以后闭门造车的可能性就小得多。

首先应定义两个概念，research and development. 这两者最主要的区别是， development的东西大家都知道只要时间，金钱和人员都够的话， 总能搞出来。 而research则未知。Science and engineering, 前者是弄清楚事物内在的运行机理，后者说白了就是搞出产品。

美国企业（就是很多人称为工业界的）大多数集中在development, 而不是research. 就算少量有research (比如IBM的研究中心），也是集中在近期（10年，最多15年）可以用来开发产品的技术。 企业要赚钱，如果上市公司的话还要每个季度看报表，谁也不会乱花钱的。 从这个角度看， 很多联邦研究机构，比如NASA, 其实也是在开发产品，跟企业差不多，只是不以盈利为目的。 我个人认为，美国企业是美国的灵魂。

其次美国的大学和专业研究机构，如果没有各基金的支持，所谓的研究根本进行不下去（连大学的研究生开销都是从基金里来的）。 美国的基金会五花八门，每个基金都有自己的资助原则。 除了少数基金（比如NSF,占全部联邦级资助的20％)是侧重于基础科学（用NSF自己的话说， 是support for all fields of fundamental science and engineering, except for medical sciences.）， 大多数基金都是很“现实的”， 需要有实际的应用的。 比如，大名鼎鼎的NIH，其使命是 seek fundamental knowledge about the nature and behavior of living systems and the application of that knowledge to enhance health, lengthen life, and reduce the burdens of illness and disability。至于军方和各种产业基金，那更是侧重于具体的engineering。 在这种体制下， “工程科研”和“工程实践”怎么会脱节？

中国的问题是搞混了。

中国的工业界由于开发力量有限，水平不高，会outsource一些到大学和科研机构，加上各种国家产业基金，大量的development and engineering项目也交给大学和科学院，导致本来应该侧重于research和science的大学和科学院大量精力耗在development上。 这样导致两个问题： 一是大学和科学院作development & engineering并不擅长，质量差，很不稳定。二是在过去30年里，中国已经没有多少research的东西了，而30年的持续research正是开始转换为产品的时间段，这个时候手上没东西，核心技术是不可能有的。