AI驱动智能制造 制造业全场景实战

引言：工业3.0达成了自动化（机器替人动手），工业4.0要达成智能化（AI替人动脑）。AI不是让你写报告更快，而是让装置永不宕机、让次品无处遁形。

导入：AI的颠覆性力量，执行层面，引入大模型的潜力

一、认知跃迁：推演推理的范式颠覆

1. 开场震撼Demo

• 从“概率预测”到“推演推理”的突破。

1. 认知升级

• AI的本质：从概率模型到认知突破

• 超越搜索引擎：生成式AI的范式迁移

1. 多模态：Seedance2.0核心认知和本领突破

• Seedance2.0的突破

• Seedance2.0核心本领

二、制造业专属的AI本领地图

1. AI融合趋势

2. AI本领地图

• 听觉（声音拆解）

• 视觉（机器视觉）

• 决策大脑（排产和调度）

• 学识记忆（工业学识库）

三、工业情境下的提示词实战

1. 提示词公式的工业适配

• 万 能公式：CO-STAR

1. 进阶招数

• 零样本/少样本研习

• 思路链（CoT）

• 进阶指令

1. 提示规划中乔哈里视窗

• 四大类问题，提示招数为何？

• 3．碰头：AI认识升级后的乔哈里视窗会为何形状

引言：装置综合效率为何只有65%？这批废品到底是人祸还是装置问题？这一讲，让AI帮你从嘈杂的工业资料中，直接锁定真凶。

一、生产资料的高效处理和拆解

1. 揭开资料拆解的神秘面纱

• 重点：资料拆解不是技艺，是提问题、找证据、下结论的本领

• 招数：借助不同业界成功实例解说，凸显资料拆解价值

1. 工业资料的“脏”和“治”

• 重点：学会处理脏资料，为拆解做准备

• 招数：运用函数、抓手识别并处理重复值、缺失值、错误值

• 实战上手：Excel 清洗某注塑车间一周的停机记录表

1. Excel复杂公式记不住？——自然语言转函数代码

• 重点：破解复杂函数记忆和运用难题

• 招数：精准定位表格+自然语言转公式错误调试

1. 可视化呈现资料

• 重点：将拆解结果以直观易懂的图表展示

• 招数：掌握柱状图、折线图、饼图等等图表适用情境以及制作招数

1. 实战：质量资料深度挖掘

• 重点：破解“不良率高，但找不到规律”的痛点。

• 招数：导入历史质检资料，用AI辅助开展相关性拆解（提示：拆解温度、湿度和某缺陷的相关性）。

1. AI迅速高效生成资料报告

• 重点：破解生产资料整合繁琐、报告产出慢、资料洞察不纵深的难题

• 招数：AI 自动整合生产资料 + 智能生成可视化报表 + 深度挖掘资料关联

二、生产事务收束和呈报

1. AI挖掘日常生产事务中亮点和价值

• 重点：精准匹配业务价值 + 挖掘隐性结晶 + 贴合呈报标的

• 招数：要害词精准输入（业务情境+事务动作+产出结果）+ 多维度结晶拆解（效率拉升/成本降低/价值创造）+ AI输出后人工校准

• 实操上手：用AI从一周事务记录中提炼3-5个“老板会点赞”的核心亮点

1. 智能PPT生成——突破创作瓶颈

• 重点：破解推演断裂、资料缺失导致的创作停滞

• 招数：内容断层智能填充+资讯密度精准调控+演说剧本自动化

• 实操上手：写一个事务收束PPT

1. 要害资讯提炼和可视化呈现

• 重点：迅速提取核心指标，并转化为直观图表，让领导一眼看清趋势和问题。

• 招数：利用AI对生产资料开展语义领会，自动识别要害指标和时间维度，生成柱状图、折线图、柏拉图等等可视化图表；

• 实操上手：1分钟将文字转成图表

1. 制造型呈报的“资料说话”

• 重点：告别形容词，用资料讲故事。

• 招数：怎样将“装置运行稳定”转化为“本月OEE同比拉升5%，非规划停机下降20%”的PPT表述。

1. 生产事务呈报讲出彩

• 重点：破解内容枯燥难题，抓住听众前3分钟

• 招数：对齐领导标的·先讲结果·再讲亮点·最后讲资料 + SCQA模型

• 大厂实例：微软内部呈报者怎样用AI预演听众反应

• 实战上手：规划一段让CEO印象深刻的开场白

引言：最贵的老师傅退休了，最懂这台进口装置的维修工跳槽了。学识库不是文档仓库，是为每一台机器构筑的“数字孪生大脑”。

一、工业学识库的特殊性

1. 学识库核心价值

• 拉升效率，降低成本——别让员工重复发明轮子

• 弥补专精领域学识不足——专家走了，心得还在

• 拉升回复准确性——客服/售后不再“凭感觉”

• 破解大模型幻觉问题——给AI一本教材，它就不会瞎编

1. 揭秘学识库原理：RAG在制造业的落地价值

• 重点：RAG（检索增强生成）——不是让AI背诵，换个角度看，是让AI带着教材做题

• 招数：拆解RAG架构（检索模块+生成模块）

1. 学识库的优势

• 结构化、可检索、可沉淀、可进化

1. 学识库类型

二、工业学识库搭建实战

1. 学识获取：从“沉睡文档”到“活资料”

• 重点：从多样渠道（文档/聊天/邮件/系统）高效获取学识，处理老旧装置说明书（扫描件OCR识别）、整理老师傅口述的维修口诀

• 招数：元资料提取、学识分类、去重、格式化

• 要害认知：脏学识进，脏学识出——清洗比收集更要害。

1. 实战：搭建一个“装置维修学识库”原型

• 实地录入：3份不同装置的故障处理记录。

• 构筑标签架构：按照装置型号、故障现象、故障原因、处理措施开展分类。

1. 运用：炼就车间级智能问答助手

• 提问：“CNC-03机床最近总报主轴过热，具体来看，以前遇到过吗？怎么处理的？”

• AI回答：检索学识库，实操中，调取去年3月的一次维修记录，落地时，并给出当时的处理步骤和备件更换清单。

三、学识库业务赋能（实例分享）

1. 借学识库全景掌控业务

• 重点：借助学识库周全把握业务全貌，领会各业务环节关联，拉升方略视野。

• 招数：梳理业务脉络，构筑学识地图，以可视化方式呈现业务链路和要害学识点。

1. 巧用学识库，深耕业务细节

• 重点：领会学识库怎样和业务细节深度融合，借助学识库周全掌握业务链路、要点。

• 招数：构筑实例库，就一线经验说，从实际实例中深挖业务细节。

1. 从模糊记忆到精准匹配

• 重点：将脑海中的模糊记忆转化为精准的学识获取，拉升资讯查找效率。

1. 获取精准业务建议

• 重点：迅速并且准确地获取对业务有实际指导意义的建议，运行层面，助力业务决策和执行。

引言：未来的工厂，实操中，是“班组长+数字员工”的战斗小组。这一讲，教你炼就7x24小时永不疲惫、绝 对服从的虚拟助手。

一，工业智能体的核心本领

1. 大模型协同模式

• 单次对话 vs 多轮协同 vs 自主决策

1. 智能体(Agent）的核心模块

• 感知、规划、记忆、抓手、行动

1. 智能体(Agent）和机器智能的关系

• 智能体 = 大模型 + 标的 + 权限 + 记忆

二，主流智能体开发平台

1. 国外平台：OpenAI GPTs，Claude Projects

2. 国内平台：扣子(Coze)，智谱清言、秒哒

三、工业智能体实战开发

1. 实战1：炼就“生产调度助手”

• 定位设定：借助“系统提示词”注入灵魂。

• 本领规划：赋予基础本领。

1. 实战2：炼就“工艺参数精进顾问”

• 情境：操作工输入当前物料和环境参数，具体来看，智能体返回建议的工艺参数范围。

• 简化达成：无需训练小模型。借助学识库（RAG）+ 提示词工程还原。

四，无代码搭建智能体

1. 秒哒平台核心功能

• 自然语言开发模式

• 怎样定义智能体的定位、抓手和事务流程

1. 实战：炼就“装置报修工单自动创建助手”

引言：AI效能显著，从实践看，但暗礁同样致命。资料泄露，版权争议、模型幻觉——此讲不渲染焦虑，只为你划定安全边界，构筑未来的方略预见力。

一、制造业AI落地特有的隐患

1. 资料安全隐患：

• 实例拆解：某研究所资料泄露经过（借助AI导致规划泄露）

• 敏感资讯识别和防护：明晰界定“严禁上传公网”的资料范围（工艺配方、装置参数、未公开图纸、买方清单等等）。构筑公司内部的“私有大模型”或者“沙箱环境”。

1. 合规和法律隐患：

• 实例拆解：采用Deepseek生成虚假实例

• 学识产权隐患：AI生成内容的版权归属和侵权认定

• 业界合规要求：符合业界的特殊监管政策

1. 模型和输出隐患：

• 幻觉（Hallucination）问题：错误资讯的生成和辨别

• 偏见和歧视：训练资料偏差导致的输出问题

• 提示词注入（Prompt Injection）攻击和防范

二，AI演进和未来

1. AI走出屏幕进入物理世界

• 具身智能：机器人，自动驾驶、智能工厂

1. 机器智能+

• 不是“AI替代人”，落地时，是“AI + 人 = 新物种”

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|雷曼老师