AI导入实战

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com

课程背景

在智能制造与工业4.0的浪潮下，人工智能（AI）已成为驱动制造业质量提升、效率革命与模式创新的核心引擎。然而，众多企业在导入AI的实践中，普遍面临“技术热、落地难”的困境：战略上，难以将业务需求与AI能力精准对接；实施中，缺乏从数据、技术到组织的系统性评估方法；规模化时，常陷入“试点成功、推广无力”的瓶颈。

本课程专为致力于务实推动AI应用的制造业管理者与技术负责人设计。我们摒弃对单一技术的空泛讨论，以全案例驱动的方式，系统解构AI项目从战略规划到规模运营的完整生命周期。课程将提供一套结构化的端到端框架与可立即使用的评估工具，旨在帮助学员建立体系化的认知，掌握跨业务、数据、技术与组织的深度评估方法，并前瞻性地构建AI项目的长效治理机制，最终实现AI价值在制造业场景中的可靠、高效与规模化落地。

授课对象

企业董事长，总经理、副总、智慧产业相关人士

课程目标

1)1.建立体系化认知：全面理解制造业AI项目从战略规划到规模运营的完整生命周期。

2)2.掌握深度评估方法：学会从业务、数据、技术、组织四个维度，对AI项目进行可行性评估与优先级排序。

3)3.贯通技术与业务：深入理解不同AI技术（机器学习、计算机视觉、智能体等）在制造业不同场景下的应用逻辑与选型标准。

4)4.前瞻风险与治理：识别项目各阶段的潜在陷阱，并学习建立AI项目的长效运营与治理机制。

课程特色

1)全案例驱动。

2)结构化深度解析：提供从“战略->数据->技术->实施->运营”的端到端框架。

3)actionable的检查清单：为每个关键环节提供可立即使用的评估清单。

课程大纲

第一部分：战略与起点——绘制我们的AI作战地图 (50分钟)

1.开场：AI在制造业的范式革命 (10分钟)

从自动化到智能化：AI如何重塑制造企业的竞争力。

跟学项目的价值：作为技术、方法论和人才的学习载体。

AI三套件：数据、模型、算法

2.成功启航：AI项目落地“五步法”框架总览 (15分钟)

提出本课程的核心框架，为后续深度解析铺路：

第一步：战略对齐与场景甄选

第二步：数据基石与可行性评估

第三步：技术选型与方案设计

第四步：试点实施与价值验证

第五步：规模化与持续运营

第二部分：第一步——战略对齐与场景甄选 (40分钟)

1.从“有想法”到“可执行”：

工具一：问题定义画布。引导学员将模糊想法转化为清晰的问题陈述。

示例：将“我们需要智能排产”转化为“我们需要一个能基于实时设备状态、物料齐套性和订单优先级，在5分钟内动态生成可执行的日排产计划，并将产能利用率提升5%的系统。”

工具二：价值-可行性矩阵。详细讲解如何从“业务价值”和“技术/数据可行性”两个维度，对清单中的所有项目进行可视化排序与决策。

高价值-高可行性（快速取胜）：如Smart Quote Tool。

高价值-低可行性（战略投资）：如智能化排产，需要长期投入。

低价值-高可行性（酌情处理）：如部分简单的自动化流程。

低价值-低可行性（暂时规避）：明确说不。

设定成功的北极星指标：强调必须为每个项目设定单一、可量化的关键业务指标（如“报价周期缩短50%”）。

第三部分：第二步——数据基石与可行性评估 (60分钟)

1.数据：AI项目的“石油”与“枷锁”：

数据资源盘点的“三维度”：

数据源识别：IT系统数据 (MES, ERP)、OT设备数据 (PLC, 传感器)、外部数据、人工记录数据。

数据链梳理：数据从何而来，经过何处，去往何方。（直接回应清单中大量的“数据流梳理”需求）

数据质量评估：详细讲解完整性、准确性、一致性、时效性的具体含义和评估方法。

2.数据可行性的“死亡之谷”：

可获取性：能否通过API、数据库直连、边缘网关等方式稳定获取？权限与安全如何？

可用的性：数据是否经过清洗和标注？

可关联性：不同数据源能否通过关键键（如工单号、序列号）关联，形成完整的数据视图？

3.数据治理与基础设施先行：强调在启动高潜力AI项目前，必须先投资于数据平台和数据治理体系。

第四部分：第三步——技术选型与方案设计 (70分钟)

1.解构AI技术栈：从工具到能力：

层级一：平台与工具（我们用什么做？）

低代码/无代码平台 (LCAP)：

AI开发平台

大语言模型应用平台：Copilot Studio。（适用于MES整合、零件创建维护等需要自然语言交互的场景）

计算机视觉平台：各类云上及本地化CV工具。

层级二：核心算法（AI如何思考？）

机器学习：讲解回归、分类、聚类算法在工时预测、库存预测、设备预测性维护中的逻辑。

深度学习：讲解神经网络在视觉质检、参数优化中的强大能力。

大语言模型与智能体：讲解其在智能问答、文档生成、流程导航中的作用。

2.技术选型决策框架：

从“问题类型”、“数据特征”、“团队技能”、“总拥有成本”、“集成复杂度”五个维度，建立技术选型评分卡。

案例分析：

第五部分：第四步——试点实施与价值验证 (40分钟)

1.最小可行产品的艺术：

MVP设计原则：聚焦核心价值假设，以最小成本快速验证。

示例：智能库分析管理系统的MVP可以是一个每周自动运行一次、发送库存预警邮件的脚本，而非一个完整的实时看板系统。

试点范围选择：选择一条产线、一个产品家族、一个业务单元。

构建跨职能团队：强调业务负责人、IT/OT工程师、数据科学家（或分析师）必须在试点期间紧密协作。

建立反馈闭环：如何收集用户反馈，如何监控系统性能，如何量化业务影响，并以此决定项目的下一步（继续、转向还是终止）。

第六部分：第五步——规模化与持续运营 (40分钟)

1.从“项目”到“产品”：模型工程化与MLOps

概念漂移：为什么模型会像食物一样“变质”，需要持续监控和更新。

MLOps核心思想：构建自动化、标准化的模型训练、部署、监控与迭代流水线。

运维成本不容忽视：模型上线后的维护成本可能高达开发成本的50%以上。

2.组织能力与治理体系：

建立AI治理委员会：负责项目评审、标准制定、伦理合规与风险管理。

培养内部AI公民开发者：鼓励业务人员使用低代码工具解决身边问题。

制定AI伦理与安全准则：确保AI系统的公平、透明、可解释与安全可靠。

第七部分：总结与征程——规避十大陷阱，规划前行路径 (20分钟)

1.制造业AI项目十大致命陷阱深度解析 (15分钟)

陷阱1：业务问题模糊，沦为“为了AI而AI”。

陷阱2：数据基础薄弱，仓促上马导致项目搁浅。

陷阱3：技术选型炫技，脱离实际业务需求与技术能力。

陷阱4：IT与OT壁垒森严，数据无法融合。

陷阱5：期望值管理失败，无法接受渐进式改进。

陷阱6：缺乏明确的业务负责人，项目成为纯技术研发。

陷阱7：忽略变革管理，一线员工抵触新系统。

陷阱8：没有建立模型运维体系，模型效果迅速衰减。

陷阱9：项目孤岛林立，无法形成平台化能力。

陷阱10：低估投资，仅预算模型开发，未预算数据治理与长期运维。

2.课程总结与行动倡议 (5分钟)

回顾“五步法”核心知识体系。

给各分组的具体行动指南：

智能决策组：启动数据审计与算法原型探索。

流程自动化组：利用低代码平台，规划3个月内可见效的试点。

设备物联网组：优先完成设备联网与数据采集方案。

张老师

张忠新老师简介

讲师资历

人工智能AI与数字化实战领航级专家

中德数字化工作组中方专家

美国GLP数字化转型高级顾问

华为数字化转型高级顾问

世界先进制造大会嘉宾

中国智能制造大会嘉宾

上海市智改数转工作组专家

赛迪研究院外聘数字化转型专家

复旦大学数字化EDP项目讲师

浙江大学数字化EDP项目讲师

上海交大数字化EDP项目讲师

新家坡国立大学 数字化客座讲师

实践/学术背景

2015年-2020年 癸午智能数字化总监 联合创始人

2016年12月 参加中德两国数字化标制定

2016年6月—至今 复旦大学、上海交大、浙江大学 数字化EDP项目讲师

2017年1月—至今 上海智能制造数字化转型专家

2018年7月 世界先进制造大会嘉宾

2018年9月 中国青岛智能制造嘉宾

2018年—至今 中德数字化工作小组中方特聘专家（全国仅11人）

2018年—至今 美国GLP数字化转型高级顾问

2019年参与中德两国数字化《基于价值网络的数字化商业模式研究》编写工作

先后主持参与：上海蓝科电气、北京同仁堂健康、威海震宇黑灯工厂、慧创保温杯黑灯工厂、中国一汽解放工业互联网平台、茅台晶琪数字化工厂、上海华生物消黑灯工厂、海信数字化遥控器工厂、明阳包头数字化基地、华为GT2、10.8寸PAD产线、特斯拉锂电池生产线、沃尔沃大庆、成都工厂、上海大众宁波工厂工控过程安全评估，吉量白领智能工厂系统、老板电器数值化财务……等27个数字化工厂。

工作经历

合肥现代汽车 革新工程师

上海正位印刷 质量工程师

上海乔山健康器材 总经理助理

蓝泰（上海）不干胶 高级经理

上海华制咨询 运管部经理

上海慧创咨询 &癸午智能 首席技术官

赛迪研究院苏州分院 数字化事业部副总

徐工汉云工业互联网 首席技术专家

培训风格

充满激情、风趣幽默、能够吸引学员的注意力，引发学员兴趣，引导学员进行思考，注重在项目中的互动效果，严格设计过程，注重对于结果的追踪，深得客户信赖。

授课领域

数字化与AI战略、企业AI与数字化转型、数字化AI赋能制造、数字化AI赋能供应链、数字化运营、数字化工厂、低碳绿色数字化工厂……

部分数字化案例

1、上汽集团 设备AI平台/通过对历史数据挖掘借助大语言模型LLM，知识图谱，借助传振动感器、温度、红外等传感器以及超声、脉冲振动等先进工具，将上汽集团关联性故障降低87%。

2、蓝科电气AI数字化设计/通过对蓝科电气3万+的产品进行归类，设计107个数据模型，从而实现同族化产品的设计从过去4小时/件降到3分钟以内，借助智能算法实现二维图、检验图的自动生成、对客户的新品反应周期从20天降低5分钟以内

3、某轮胎上市公司/橡胶密炼是轮胎制造重要工艺，从历史数据中进行算法训练，提升该工艺的质量33%

4、某上市公司减速机轴承AI项目/减速机是工厂的核心设备，为了保证生产力，借助AI技术对以上的减速机故障数据、振动数据以及轴承供应商提供的轴承状态与振动频谱数数据，对减速机的机械故障进行预测性维护。

5、某汽车集团数字化平台/某汽集团主力车型产能生产工厂，2022年初集团提出全面战略转型，该工厂冲、焊、涂、总、电五大工艺车间将全面生产新的乘用车型，在此基础上，要 求JPH节拍翻一番，同时在老工厂产线改造中，集团提出要把该工厂打造成业界标杆、一流的汽车生产工厂

6、北京同仁堂健康智能工厂/实施1年《数字化工厂规划》，按照同仁堂健康整体规划、打造北京同仁堂工业互联网平台，实现生态化运作，打通从销售、渠道、客户、供应链的维度的数字化运作。成果：销售增长200%以上、物流成本下降30%以上，生产效率提升15%；在制品下降25%；质量不良低减15%；设备故障停机率下降25%；

部分服务过的客户

凯迪拉克金桥工厂、同仁堂、老板电器、高德红外、汉德车桥、华润新能源、广新集团、中国一重、中国一汽、青岛双星、蓝科电气、苏试试验、江森自控、延峰伟世通、徐轮橡胶、帝隆集团、许继集团、中国电网、CPIC、哈药六厂、泰格尔重工、江淮集团、江淮动力、茅台晶琪、江西铜业……

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com