课程背景
1.
在数智化转型浪潮下，制造公司正面临效率精进和成本管控的双重挑战。AI技艺和智能制造深度融合，为公司全链路管控效能拉升提供了全新路径。
2.
在办公协同领域，AI借助自动化流程处理和智能决策辅助，减少重复性人力投入，达成跨部门协同效率拉升30%以上；财务管控环节，智能算法赋能预算拆解、隐患预警和税务合规，显著降低人为差错率和营运成本；规划研发中，AI驱动的仿真建模和参数精进技艺，可缩短货品开发周期50%，落地时，同时降低试错成本。
3.
面向生产制造，AI实时拆解装置资料，动态精进生产排程和资源调度，减少停机损失和物料浪费；在品质管控端，视觉检测和预测性维护技艺将缺陷率降低至0.1%以下；而买方服务情境中，智能客服和诉求预测系统可拉升服务响应速度40%，并借助精准诉求洞察减少库存积压隐患。
4.
本课锁住AI在制造核心情境的落地实践，助力公司打破资料孤岛、重构价值链，达成从“心得驱动”到“智能驱动”的跨越式升级，最终达成降本增效和竞争力跃升的双重标的。
课程收益
5.
1.规划研发敏捷化：
借助AI仿真建模和参数精进技艺，缩短货品开发周期50%，降低试错成本并加速革新落地；
6.
2.生产调度最 精进：
学会AI动态排程和资源匹配打法，拉升装置利用率15%，减少停机等待和能源浪费；
7.
3.制造品质精益化：
运用AI视觉检测和预测性维护方案，将货品缺陷率将控在0.1%以内，降低质量返工成本30%。
8.
4.服务响应精准化：
构筑智能客服和诉求预测系统，拉升买方诉求响应速度40%，同步减少库存积压20%，实操中，增强市场竞争力。
5.构筑数智化协同思路：
具备统筹拆解诉求、选项抓手链、输出完整解题打法的复合本领，确保学完即可迁移至实际事务情境；
课程大纲
导入：AI带来的新思索，解码AI——AI带来的新思路
AI的演进历程：AI的起点→AI的寒冬→深度研习的复兴→当前的演进趋势
碰头：DeepSeek为何？
碰头：DeepSeek能做什么？
1. 运用业务：代码生成、图文写作、学识推理、图片生成
2. DeepSeek提示词规划的核心推演：模型本领，反复迭代
3. 提示词要害要素的差事拆解：定位定位、差事分解
4. 幻觉治理：现象拆解、治理办法
5. 个人学识资产运用路径：心得萃取、架构构筑、持续更新
6. 个人学识库规划：资料层、运用层、处理层、迭代层
实操演示：大模型本地安装以及个人学识库搭建
7.AI大模型的演进趋势
1）参数规模持续增长（如GPT-4、PaLM等等千亿级模型）。
2）多模态本领融合（文本、图像、语音、视频联合建模）。
3）业界运用小模型训练的运用演进趋势。
4）AI+可穿戴装置达成多情境效率拉升
5）AI+边缘计算：轻量化模型部署和实时决策（如自动驾驶、IoT装置）。
6）智能体的普及成为个人和公司的“超级助理”。
7）具身智能（Embodied AI）：物理世界和虚拟环境的交互研习。
第 一个AI+情境运用：规划研发革新：AI加速货品迭代和学识沉淀
AI辅助规划：从心得驱动到智能创成
1.参数化建模和生成式规划：AI根据性能标的（如承重、散热）自动生成千级规划方案，工程师择优调整。
2.多物理场仿真精进：机器研习替代传统有限元拆解（FEA），将流体力学、热力学仿真速度拉升10倍。
实例：国际前沿ai规划软件资讯
第二个AI+情境运用：生产制造环节的智能化升级
9. 一，AI辅助生产提效：智能生产管控
1.AI动态生产排程：基于遗传算法、强化研习实时精进排产推演，平衡订单交期、装置负载、能耗成本，动态响应插单/急单。
10. 2.个性化研习路径推荐：AR还原操作训练（如虚拟装置拆装），实时纠正错误动作。
3.数字孪生和智能制造：构筑装置三维数字模型，实时映射物理状态。
实例：某钢厂数智化孪生工厂
某钢厂材料生产车间借助数字孪生技艺达成全流程精细化能源管控和智能拆解，精进生产效率和货品质量。
11. 二，质量管控升级
AI视觉检测系统：高分辨率工业相机+深度研习模型，检测速度达2000件/小时，执行层面，缺陷识别覆盖划痕、气泡、尺寸偏差等等。多光谱成像识别肉眼不可见缺陷（如内部裂纹）。
实例：ai智能质量检测系统
某电子公司运用工业视觉装置+ai智能平台，开展货品质量智能检测，拉升事务效率300%。
第三个AI+情境运用：5g+AI 智能仓储精进升级
12. 一、物资和供给链管控
1.智能仓储和AGV调度：
1）无人仓管控系统自动分配库位，AGV路径规划效率拉升50%。
2）RFID+视觉识别达成物料精准定位（误差<2cm）。
2.供给链智能精进
1）诉求预测模型融合市场资料、季节性因素，预测精度达85%+。
2）动态补货模型基于实时库存，在途物流、供应商交期自动生成采购规划。
实例：某公司智能仓库管控系统
某公司利用物联网和传感器技艺，实时追踪货品位置并自动化管控仓储流程，拉升仓库利用率和准确性。
第四个AI+情境运用：AI运用开发——智能客服和自动化响应
13. AI驱动的服务诉求预测
1.装置健康度预测模型
资料源：物联网传感器采集装置运行资料（如振动、温度、电流曲线）+维修历史记录。
2.备件诉求动态推演
关联拆解：结合装置分布地图（如某省50台挖掘机）、工况资料（如作业时长、负载强度），生成区域级备件诉求热力图。
3.买方画像和增值服务推荐
行为拆解：根据装置采用频率（如每月运行200小时）、故障历史，推荐延保套餐或者部件升。
实例：某汽车公司智慧买方服务系统
某汽车公司借助智慧买方服务系统重构买方服务模式，系统化管控携手伙伴，拉升服务质量，拉升买方满意度，练出品牌影响力。
实例：ar远程装置检测指导
某公司运用ar眼镜对维修人员开展远程维修作业指导，接入大模型能够自动显示维修资料。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|王鹏老师
适合谁听
全体员工。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。