课程背景：
当前，制造业正加速向数字化、网络化、智能化方向演进。MES、WMS、预测性维护、质量追溯、智能看板等数字化系统已在生产、设备、质量、仓储、工艺、管理等各业务条线深度落地，智能制造从“概念导入”进入“场景深耕”阶段。然而，企业在推进数字化转型过程中普遍面临以下挑战：
系统建起来了，但数据与业务尚未形成闭环，一线人员仍依赖经验操作；
多系统并存，数据分散，管理人员难以快速获取决策信息；
AI工具层出不穷，但不知如何有效应用于日常工作，提升效率的潜力未被释放。
课程收益：
掌握智能制造落地场景：深入理解生产、设备、质量、仓储、工艺、管理层部门的数字化应用场景，明确自身岗位的智能化改进方向。
AI工具实战应用能力：熟练掌握AI模型构建方法，包括运营流程、规则、基础数据搭建方法等。
业务效率提升：通过AI工具实现信息整合、决策辅助、沟通优化，将重复性、事务性工作交给AI，聚焦高价值业务。
课堂即学即用：通过多轮实操演练，学员现场完成AI应用成果产出，形成可带回岗位的实际工作成果。
课程时间：1天，6小时/天
课程对象：企业管理层、项目经理、部门负责人、工程师、智能工厂数字化团队等
培训讲师：李希，精益管理、数字化转型实战专家
课程方式：课程讲授50%，实践演练、案例分析及小组研讨50%
课程大纲
第一讲：AI智能制造在企业落地场景构建
一、AI智能制造在企业各部门的实际使用（生产、设备、品质）
1. 生产部门—核心用户
1.1 MES制造执行系统：工单电子化、工序报工、在制品追踪
1.2 生产看板：实时产量、OEE、异常预警
1.3 电子作业指导书：工位屏SOP、工艺参数下发
1.4 安灯系统：异常一键呼叫、快速响应
2. 设备部门—从救火队到预防性维护
2.1 设备状态监控：温度、振动、电流实时采集
2.2 预测性维护：基于数据模型的故障预警
2.3 维护工单管理：自动派发、责任到人
3. 质量部门—从抽检到全流程管控
3.1 数据采集：蓝牙量具、手持终端实时录入
3.2 过程控制：关键参数监控、超标预警
3.3 质量追溯：一物一码、批次追溯
二、智能制造在企业各部门的实际使用（仓储物流、工艺、管理层）
1. 仓储物流部门—从人找货到货找人
(1) WMS仓储管理系统：库位管理、扫码出入库
(2) AGV自动搬运：物料自动配送
(3) 拉动式配送：工位叫料、系统安排
2. 工艺部门—从经验传承到数字化沉淀
(1) 工艺参数管理：版本控制、设备下发
(2) 工艺知识库：经验数字化沉淀
(3) 变更管理：线上流程、影响分析
3. 管理层—从看报表到看数据
(1) BI经营看板：手机/电脑实时查看
(2) 数据驾驶舱：多维度钻取、趋势分析
(3) 异常预警推送：关键指标自动推送
课堂研讨：结合自身岗位，选择一个当前“数据未闭环”的业务场景，提出AI赋能改进建议
每组3分钟发表，讲师点评
第二讲：基石构建—AI赋能制造常见场景运营流程、规则、数据建立
1.制造业常见的AI模型类型简介
(1) 监督学习：
① 分类模型：用于好坏品判断、故障类型分类。
② 回归模型：用于设备剩余寿命预测、能耗预测。
(2) 无监督学习（自学成才）：用于异常检测、客户/设备分群。
(3) 深度学习（处理复杂模式）：主要用于图像识别（AI质检）、自然语言处理、多传感器融合分析。
2.业务流程梳理、搭建
(1) 智能质量管控运营流程、规则梳理
(2) 预测性维护运营流程、规则梳理
(3) 智能工艺优化运营流程、规则梳理
(4) 生产调度优化运营流程、规则梳理
3.基础数据构建
(1) 智能质量管控基础数据搭建
(2) 预测性维护基础数据搭建
(3) 智能工艺优化基础数据搭建
(4) 生产调度优化基础数据搭建
实操演练/案例剖析：从质量、设备、工艺、调度中选择1类场景，思考并完成AI业务流程、决策规则、基础数据搭建。
第三讲：从概念到实践—AI项目落地实施路径
1. 第一步：识别业务痛点与场景选择
2. 第二步：数据准备与治理
3. 第三步：模型开发、验证与部署
4. 第四步：组织与人才挑战
(1) “AI+制造”的复合型人才需求。
(2) 如何与内外部团队协作。
5. 常见陷阱与成功要素
-避免“为了AI而AI”，确保业务价值导向。
课程总结、回顾、交流、答疑
【联系咨询】
联系电话：010-62258232 62278113 13718601312 13120125786
联 系 人：李先生 陈小姐
您的位置：
