课程背景
智能制造浪潮下，机器智能技艺正从生产执行层向管控决策层深度渗透。半导体制造作为技艺密度最 高、工艺最复杂的领域，率先在良率精进、预测性维护、供给链协同等等情境达成AI规模化运用，其管控办法论对其他制造业具备标杆意义。可是，多数管人者对AI的认知仍停留在“技艺抓手”层面，缺乏将AI转化为管控杠杆的系统思路——怎样读懂AI输出的置信度？怎样规划人机协同的审批节点？怎样在效率拉升和伦理隐患间取得平衡？本课立足管人者视角，融合前沿技艺原理、一线落地实例和可实操抓手链，支援管人者构筑“AI+管控”的双重视角，达成从心得驱动到资料和智能驱动的决策升级。
课程收益
•
构筑AI赋能管控的三维认知轮廓（效率-质量-隐患），领会半导体业界典型AI运用情境的落地推演和价值衡量办法
•
掌握三项高频管控AI抓手的核心操作：Power BI生产资料可视化看板搭建、轻量级智能排产推演规划、AI辅助项目隐患预警配置
•
习得AI伦理落地的三条管控要则：算法透明化的呈报模板、人机责任边界的划分指南、异常决策的熔断制度规划
•
借助完整业界标杆实例拆解，形成可复用的AI管控改造SOP（准则作业程序）
•
实地产出适用于自身业务情境的“AI+管控流程”原型方案，并获得针对性精进反馈
课程大纲
一、从自动化到智能化：管控效能的代际跃迁
1. 管控AI化的三层价值阶梯1）效率层：重复性决策的自动化替代（例：班次报告自动生成）2）精进层：多维约束下的方案寻优（例：排产和库存联动）3）洞察层：隐性规律的识别和预判（例：良率根因追溯）
2. 管人者的新必修课：读懂AI“黑盒”的输出1）置信度，召回率、误报率——三个让管控动作不变形的指标2）实例：某晶圆厂AI缺陷检测系统的“假阳性”误判怎样影响复判流程规划
二、半导体制造领域的AI运用全景和标杆实践
1. 良率精进的管控抓手1）AI怎样从海量工艺参数中定位要害影响因子2）实例：台积电“AI虚拟量测”系统——将实测频次从每批一次降至每五批一次，管人者怎样重新定义抽样准则
2. 预测性维护的决策升级1）从“定期保养”到“状态预测”：装置OEE（综合装置效率）的再计算推演2）实例：英飞凌新加坡工厂——采用振动和温度时序资料提前120小时预警主轴故障，备件库存周转率拉升37%
3. 供给链隐患管控的感知前移1）多源资料（气象、物流、地缘新闻）的AI融合拆解2）实例：德州仪器供应商隐患将控塔——自动扫描二级供应商的财务健康信号，运行层面，触发备选源启动的阈值管控
三、交流情境：管控决策小挑战
你收到一条AI预警“未来3小时清洗机腔体颗粒度超限概率82%”，从实践看，是否立即停机？请选项并阐述决策依据。
一、资料拆解和可视化：让生产资料自己讲故事
1. Power BI生产管控情境迅速上手1）资料准备：从MES（制造执行系统）导出良率、装置状态、在制品库存三类CSV资料的清洗要点2）可视化构筑：三步生成“良率-产量-异常停机”联动仪表板
o 第 一步：构筑日期和班次的层次结构
o 第二步：设置动态阈值高亮（例如：良率低于92%自动变红）
o 第三步：添加AI分解树组件，鼠标点击自动按照工艺步骤拆解不良贡献度3）决策支持招数：利用“问答”自然语言生成钻取报告（例：输入“显示上周三晚班蚀刻工序的OEE趋势”）
2. 实操差事（10分钟）
o 每位参训者采用下发样例资料，完成一个“单站良率实时监控卡”，就一线经验说，并添加一条基于移动平均线的预警规则说明
二、智能调度和资源分配：从心得排产到协同精进
1. 轻量级智能调度推演规划1）约束条件的结构化表述：交期优先级、装置兼容性、物料齐套性、人员本领矩阵2）一个可手动计算的AI排产评分规则示例：综合得分 = 0.4*紧急度 + 0.3*换线时间损失倒序 + 0.2*瓶颈装置利用率 + 0.1*人工修正因子3）典型情境上手：紧急订单插入后，用上述规则重新排序三张工单（参训者分组计算并比对结果）
2. 业界实例：某还原芯片厂APS（高级规划排程）系统上线管控心得
o 第 一阶段（人主导AI建议）：排产员对AI输出开展否决权和记录原因
o 第二阶段（AI主导人例外）：仅当AI方案和预设规则库冲突时人工介入
o 要害结晶：交期承诺准确率从74%拉升至91%，排产会议时长从每天2小时缩减至20分钟
三、协同平台中的AI本领：项目管控自动化
1. 隐患预警的提示词工程（以Microsoft Copilot或者类似抓手为例）1）通用提示词公式：[定位] + [差事来由] + [需拆解的资料维度] + [输出格式要求]2）实地演示：将项目周报中的“采购到货延迟”原始记录，转化为“隐患等级-影响工序-建议行动”三列表格
2. 参训者跟练：
给定一份简化的新品导入项目日志，在实际应用里，用提示词生成“未来两周高概率延误差事清单”
一、透明度陷阱：怎样向队伍和上级呈报AI建议
1. 算法透明度的管控三层级1）输入透明：哪些资料被喂给了AI？（例：是否包含了操作员个人效率资料）2）推演透明：AI决策所倚重的主要特征权重（可用“简易归因列表”展示）3）验证透明：近期AI建议被采纳或者拒绝后的实际结果对比表
2. 交流情境：
质量部经理质疑AI推荐的工艺参数调整方向，执行层面，你作为生产负责人，怎样用一张A4纸完成透明化解释？
二，责任边界：当AI犯错时，实操中，谁为决策负责？
1. 三条可落地的责任划分指南1）AI仅建议，往细里说，人做审批：所有超出准则操作范围的AI指令必须二次确认2）设定“熔断阈值”：当AI建议导致某项指标（如产能，成本）波动超过预设百分比时，自动挂起并升级至管控会议3）保留人类否决权的事后复盘模板：记录否决原因，最终结果、是否应调整AI模型
2. 实例：
某封测厂AI自动补货系统过度响应诉求预测造成碳带库存积压，管人者怎样借助“双阈值并行”（AI建议量和实际下达量偏差不超过±15%）重建将控制度
三、人机协同的队伍管控要则
1. 员工抵触AI的典型原因和对策1）担忧本领被替代 → 重新定义岗位价值：操作员变为AI的“训练师和验证员”2）算法不透明导致不信任 → 设立每月“AI解释会”，由资料队伍公开复盘近期误判实例
2. 管人者例行动作清单
o 每日：查看AI异常报告中的“低置信度”部分
o 每周：随机抽取5条AI建议和实际结果比对，就一线经验说，在实际应用里，签字确认
o 每月：组织一次跨部门的人机决策效能评审会
一、小组差事：构筑一个“质量异常预警”管控闭环
1. 差事来由（统一发放）
o 某SMT（表面贴装技艺）产线，现有SPC（统计进程将控）系统基于固定将控限（±3σ）报警，落地时，误报率高达30%，漏报率12%。你作为车间管控层，希望引入AI动态预警制度。
2. 每小组需产出（限时40分钟）
o 流程图：从资料采集、AI拆解、预警推送、人工复核、处置反馈到模型更新的完整闭环
o 三个要害管控决策点：1）AI输出什么指标给到班组长？（例如：异常概率+主要贡献参数）2）分级响应规则：概率>85%时自动停线，落地时，60%-85%时建议复测，<60%仅记录观察3）怎样规划“处置反馈”字段以便模型持续研习？
o 一张责任矩阵RACI表（谁负责执行，谁批准、谁咨询、谁知情）
o 一个简要的试点验证方案：选项哪条线，试点周期，具体来看，成功准则（如：误报率降至15%以下，运行层面，漏报率降至5%以下）
二、方案路演和精进反馈（15分钟）
1. 每组3分钟陈述，采用“来由-方案亮点-管控价值-落地隐患”四页法（实地提供白板或者投影）
2. 讲师与其它小组依据“三个一”要则开展反馈：一个肯定点、一个质疑点、一个改进建议
3. 实地投票选出“最具落地潜力方案”，具体来看，就一线经验说，从实践看，给予《AI管控落地自查清单》电子版奖励
三，行动实践指南：回到岗位的30-60-90天规划
1. 第 一周（30天起点）
o 完成一项“高价值、低隐患”的AI可行性扫描：选项一个现有管控报表，增加一列“AI预测值”开展平行测试
2. 第 一个月
o 组织一次跨部门“AI管控情景还原会”：准备3个历史决策实例，让队伍对比人类决策和AI还原决策的结果差异
3. 第三个月
o 产出本部门的“人机协同管控指引”1.0版，内容包括：可用AI抓手清单、决策权限矩阵、异常升级路径、月度评核指标
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|蔺军老师
适合谁听
• 制造型公司中高层管人者、业务总监、生产营运负责人、供给链和质量管控部门主力 • 公司数智化转型项目组成员、IT和业务协同的要害职位 • 对AI管控运用感兴趣的技艺管人者、革新孵化队伍负责人。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。