《AI+生产管理提质增效实训》1天(简)

讲师:张胜 发布日期:11-07 浏览量:7


《AI+生产管理提质增效实训》

主讲:张胜博士

【课程背景】

当前,人工智能技术已不再是遥不可及的概念,而是成为驱动生产管理提质增效的关键引擎。生产管理者们普遍面临着订单频繁变更、设备突发故障、质量异常反复、跨部门协同低效等传统难题,这些“顽疾”在精益生产的框架下,往往受限于人工经验分析的深度、广度与时效性,难以实现根本性突破。管理者们急需一套能将AI技术与精益工具深度融合、可落地、见实效的实操方法,基于对行业共性痛点的洞察,一些客户存在以下问题:

异常处理响应慢,分析浅:依赖人工记录和经验判断,同类问题反复发生

换型与调试耗时长,柔性不足:换线依赖经验,SOP标准化程度低

设备维护被动,非计划停机频发:以“故障后维修”为主,无法预警潜在故障

生产调度依赖“人治”:面对突发状况,生产计划调整经验

生产数据沉睡,浪费问题看不见:缺乏有效分析手段,无法快速识别浪费

标准作业执行难,知识留存低:人员变动导致能力断层

问题解决缺乏闭环,对策效果难评估:针对问题制定的改善对策,往往凭感觉实施

【课程收益】

实现决策模式升级:掌握AI辅助下的数据驱动闭环决策逻辑

构建个人AI助理团队:运用AI工具,让每位管理者都拥有高效的AI助手

极致压缩换型时间:掌握利用AI快速生成和优化标准化转产SOP的方法

实现设备管理先知:并能利用AI分析历史故障记录,变被动维修为主动预防

练就浪费识别慧眼:让隐藏的浪费无所遁形,为改善指明方向

提升异常处理效率:让AI自动聚焦前三项关键原因,将异常处理时间缩短

深化根因分析能力:学会利用AI进行结构化5Why追问,突破个人思维定势

量化评估改善对策:让AI自动生成对策实施计划表,确保对策科学可行

掌握智能排产逻辑:减少计划变动带来的混乱,提升交付保障能力

收获可复用的模板与SOP:获得由AI辅助生成的工作模板,训后即可应用

【课程特色】

多年企业高层管理经历及创业经历使得老师能够从更宏观的角度以及可持续发展的角度去讲解课程。理论与实践并重,循序渐进,从底层逻辑阐述方法、理论及方案的必要性。课程脱离了模块化的通用培训或咨询逻辑,能结合企业实际资源及发展阶段制定对策。

【课程时间】

1天 (6小时/天)

【课程对象】

企业中基层管理人员,工程师等

【课程大纲】

第1单元 破冰与角色重塑

破冰互动:生产管理岗位面临的关键挑战与AI应用设想

AI学员自我介绍与分享各自岗位当前最棘手的三个管理问题

小组头脑风暴:大家最希望解决什么场景下的痛点

参训学员的角色重塑:生产管理者如何成为“AI协同决策官”

AI与生产管理者的关系

生产准备与调度岗位的能力升级路径:从“被动执行者”到“主动预判者”

线管理者应如何借助AI为柔性化、高效生产提供更为稳定的决策支持

AI赋能生产管理的底层逻辑:数据驱动的闭环决策模型

五步闭环的精益管理逻辑

传统经验驱动与AI数据驱动的对比分析

第2单元 部分精益生产核心工具与AI融合实操

常用的AI软件

豆包

Deepseek

密塔

通义千问

标准作业

标准作业的三要素

标准作业的三工具

AI应用实操:文本生成,撰写精益培训通知、改善提案模板、标准化作业指导书

快速换型(SMED)

基本知识

快速转换的实施

AI应用实操:输出标准化转产操作SOP

全员生产维护(TPM)

常见维护方式

OEE计算

AI应用实操:上传生产记录表,自动计算OEE并标记异常

AI应用实操:用AI分析历史故障记录,识别“清扫不到位导致故障”的高发设备

AI辅助浪费消除

现场七大浪费

AI应用实操:将Excel中的生产日报粘贴给AI,要求分析“哪条产线浪费最严重”

第3大单元:AI应用案例讲解

生产异常快速记录与分类

语音输入一段异常描述,自动生成异常报告

AI根据关键词自动分类

汇总历史异常数据,自动聚焦前三项关键原因

AI辅助5Why分析与根本原因挖掘

描述问题现象,让AI追问5W并提供可能答案

AI根据经验数据库推荐同类问题的解决方案库

对策制定的AI评审与风险提示

案例:将改善对策输入AI,要求评估“实施难度、成本、预期效果、潜在副作用”

AI自动生成对策实施计划表

模拟产线异常,全流程AI辅助解决

给出一个异常情景(如“组装线扭矩值超差”)

用AI完成:异常描述→数据收集→5Why分析→对策制定→SOP更新

AI辅助生产调度:多品种混线、紧急插单与柔性化生产

不同品类产线的调度现状:高负荷下,调度瓶颈仍主要在于人机协同和换线管理

生产中常见“计划赶不上变化”现象:设备突发故障等对原有调度方案的冲击

学员经验分享:工作中遇到的紧急调度难题与对应处理时长

AI辅助设备运维现状:高自动化产线下的保障瓶颈与巨大压力

设备故障对多品种混线生产的连锁影响

传统“故障—报修—维修—恢复”模式与被动响应时间过长造成的隐性成本

学员互动:各自产线典型的设备故障类别与维修响应时长分享

AI智能检测诊断:设备健康状态的实时感知与预警

振动分析与AI预警

基于IoT传感器的大数据实时监控手段:关键设备怎样实现“全天候不间断在线体检”

第5单元 总结与答疑

分享
联系客服
返回顶部