《AI_Deepseek 深度赋能：研发质量优化》

《AI_Deepseek深度赋能：研发质量优化》

主讲：张胜老师

【课程背景】

在在当前全球经济环境复杂多变、技术迭代加速的背景下，制造业企业面临着前所未有的竞争压力。产品的生命周期不断缩短，客户对质量、成本和交付期的要求日益严苛。传统的研发与生产模式，由于流程割裂、信息传递失真、质量管控滞后等问题，导致企业在新产品导入（NPI）过程中屡屡受挫：项目延期、预算超支、量产阶段质量问题频发，不仅侵蚀了企业利润，更严重损害了品牌声誉和市场竞争力。数字化转型与智能化升级已成为企业构筑核心竞争力的必由之路，而人工智能技术，特别是像Deepseek这样的大模型与知识平台，正为企业研发质量优化与流程再造提供了全新的、强有力的工具。它能够深度赋能研发全流程，从经验驱动转向数据与智能驱动，实现质量的事前预防与精准控制。我们的客户在研发质量管理体系中，可能普遍存在以下具体问题：

跨部门协同壁垒高：部门各自为政，信息孤岛现象严重，缺乏统一的协作平台

需求管理与转化低效：需求在转化为设计规格和工艺要求的过程中存在大量失真

问题分析与解决周期长：面对问题，根因分析依赖个人经验，排查效率低下

流程执行依赖人工与经验：NPI各阶段的评审、交付物审核高度依赖个人能力和责任心，标准化、自动化程度低，过程质量波动大

数据价值未能充分挖掘：大量数据无法为质量预测与决策提供支持

供应链质量协同困难：与供应商之间的技术标准、质量要求传递不清晰、不及时

【课程收益】

了解新品开发流程(NPI)

了解其中的核心关联工具

了解NPI的关键点及质量管控点

能够运用AI工具进行研发设计以及质量管控

能供运用AI工具进行质量问题解析

【课程特色】

多年企业工程师从业经历、管理经历及创业经历使得老师能够从具体实施角度、宏观及可持续发展的角度去讲解课程，并做到理论与实践并重、循序渐进，善于从底层逻辑讲解。

张老师的课程脱离了模块化的通用培训或咨询逻辑，能够帮助学员快速识别、分析问题，并能结合企业当前阶段的实际资源及发展阶段制定“落地”的对策。

【课程时间】

1天 （6小时/天）

【课程对象】

质量/工艺/生产工程师、企业各部门基层、中层管理人员

【课程大纲】

第1单元：新产品导入流程（NPI）基础知识 （1小时）

概念与定义

NPI战略价值与企业痛点分析

NPI的核心价值与行业趋势

企业NPI典型痛点诊断

研发与生产脱节的表现

供应链协同问题

质量管控滞后

NPI部分关联工具

流程工具：APQP（先期产品质量策划程序）

需求管理工具：QFD（质量功能展开）

项目管理工具：甘特图

风险管理工具：FMEA（失效模式与影响分析）、风险矩阵

第2单元：NPI六大阶段概述及质量控制点（1小时）

概念与规划：

市场调研

功能需求

标准要求

目标价格

产量要求

可行性分析

技术可行性

质量可行性

财务可行性

制造可行性

项目立项

设计与开发

需求冻结

设计方针

方针评审

开发设计

功能

图纸

标准

BOM

工艺等

DFX设计理念

工程验证测试(EVT)

样本试做

功能验证与极限环境测试

EVT测试结果输出

问题输出及闭环

设计验证测试(DVT)

小批试产及量产工艺验证

可靠性测试

设计成熟度评估

DVT测试结果输出

问题输出及闭环

成本优化

生产验证测试(PVT)

批量生产

质量一致性测试

PPAP（生产件批准程序）交付

量产爬坡

持续改进

经验教训库

第3单元：AI_应用基础知识 （0.5小时）

AI的作用

常见的AI平台

Deepseek平台概述

核心功能模块（数据管理、分析、协作）

适用场景与行业案例

质量预测与缺陷预防

知识管理与决策支持

Deepseek注意事项

避免使用结构化提示词

万能公式：4步提问法

身份：你是谁

任务：要解决什么问题

细节：限制条件

格式：要什么形式的结果

注意Deepseek的分析逻辑

第4单元：AI_deepseek在研发质量领域中的应用（实操与答疑）（3.5小时）

注意：客户可以现场提供具体需求，现场实操演示

案例1：生成技术可行性评估表

说明背景及要求

细化要求

案例2：如何追寻某个具体缺陷的根本原因

如何提问

设定具体的解析维度

细化要求

案例3~5：不同阶段缺陷案例解析

案例3：概念与规划阶段_功能可行性分析失败案例

问题、根因、改进措施

逐级细化要求

案例4：设计与开发阶段：工艺设计缺陷案例

问题、根因、改进措施

逐级细化要求

案例5：设计验证测试(DVT)：可靠性测试失败案例

问题、根因、改进措施

逐级细化要求

案例6：数据分析案例(Cpk值的生成)

数据的导入

输入数据的注意事项

案例7：某企业因质量问题无法拿回货款

输入限制维度

输入有利方

案例8：某大型船厂年利润较低，应该如何提升效益？

应该如何输入内容

应该如何引导AI逐级解决问题

第5单元：总结