《制造业AI应用与数智化转型实战课》

制造业AI应用与数智化转型实战课

主讲：董俊豪

从质量、效率、交付、成本、能耗和安全等经营指标出发，连接岗位提效、流程重构、老师傅经验沉淀与工业 AI 试点，找到制造企业可落地的中间路径。

【课程定位】

项目

内容

培训对象

制造企业管理层、生产/质量/设备/供应链/研发负责人、数字化与IT团队、业务骨干

标准时长

1—2天

授课方式

行业案例 + 方法讲解 + 流程分析 + 场景工作坊

课程主线

经营价值 → 场景全景 → 流程与经验 → 试点行动

【课程收益】

建立制造业 AI 应用的价值与层级判断。

识别适合通用 AI、流程 AI 化或工业系统部署的不同场景。

从真实流程与专家经验中形成可验证的试点方案。

【课程大纲】

模块一｜从经营指标看制造业 AI

质量、效率、交付、成本、能耗与安全六类价值。

办公提效、管理流程 AI 化与工业系统部署的层级区别。

从可衡量结果选择第一批场景，不从热点技术出发。

模块二｜制造业 AI 应用全景

研发设计、工艺、生产、质检、设备、供应链和经营管理。

视觉检测、预测维护、排程优化、知识助手与数据分析。

通用 AI 可以直接辅助什么，哪些场景需要专业数据与技术底座。

模块三｜管理与岗位提效

汇报、制度、会议、数据、供应商与项目管理高频任务。

管理者如何用 AI 做信息整合、方案比较和风险提示。

形成岗位模板并设置事实、安全与专业复核。

模块四｜从业务问题到制造流程定位具体流程、输入输出、角色与关键节点。

找出等待、返工、误判、经验依赖与数据断点。

区分局部优化、流程重构、工业 AI 部署与暂不适合 AI 化。

模块五｜老师傅经验与 Know-how 沉淀

把经验访谈转成规则、判断条件、例外和证据。

判断 SOP、知识库、Skill 与智能体的不同承载方式。

通过新案例验证、版本更新和责任人机制保持有效。

模块六｜制造 AI 试点工作坊

选择质量、供应链、研发、设备或管理流程。

评估价值、数据、技术、安全和组织条件。

输出 MVP 范围、指标、负责人和行动计划。

课程收获

制造业 AI 场景全景图。

关键流程图、断点与机会点清单。

Know-how 沉淀方向与承载方式判断。

AI 试点方案和阶段行动计划。

可定制方向

可按离散制造、流程制造及客户具体业务条线定制；涉及生产系统、设备和工业数据的场景，需要业务、IT、OT、安全与相关供应商共同评估。