课程背景
当前，钢铁业界正处于“高端化、智能化，绿色化”转型的深水区。作为内蒙古地区的主力国企，我们面临着前所未有的成本和能效压力。技艺科研队伍虽说积累了海量的生产工况资料（L1/L2/MES），但在实际运用中仍存在显著瓶颈：
一是拆解办法滞后
，过度倚重传统的描述性统计和事后报表，缺乏基于时序资料的深度归因和预测本领；
二是AI落地断层
，大模型和工业情境存在“两张皮”现象，通用算法难以适配钢铁特有的高维，强耦合、多噪声环境；
三是科研范式固化
，技艺人员习惯于心得驱动，缺乏将资料转化为工艺精进决策的系统性办法论。
本课基于“技艺架构+业务情境”的双维视角，采用
“诊断-重构-实战-落地”
的四阶推演规划。第 一天锁住
资料底座和科研范式重构
，纵深拆解钢铁多源异构资料的治理和AI拆解技艺，打通从资料清洗到智能洞察的路径；第二天锁住
核心情境攻坚和价值转化
，针对装置预测性维护、视觉质检、能耗精进等等要害痛点，借助架构拆解和沙盘推演，输出可执行的降本增效方案。课程将彻底摒弃空泛概念，执行层面，全程贯穿华 为云和腾讯在工业AI领域的实战架构心得。
借助本次封闭训练，公司将促成技艺科研队伍完成从“心得型工匠”向“资料型专家”的转型。短期看，参训者将掌握RAG学识库构筑、时序异常检测等等硬核技艺，直接运用于破解燃料比、合金收得率等等具体指标问题；长期看，将构筑起一套准则化的AI项目孵化流程，支撑公司DCMM（资料管控本领）和CMMM（智能制造本领）的等级拉升，真正达成资料要素驱动的精益制造。
课程收益
1.
掌握工业资料拆解办法论
，能够针对钢铁时序资料开展清洗、特征工程和多变量回归拆解，拉升工艺参数精进的科学性。
2.
精通工业大模型落地架构
，领会RAG（检索增强生成）技艺原理，能够构筑基于公司私有学识的“炼钢工艺专家系统”。
3.
获得核心情境技艺方案
，掌握装置预测性维护（PdM）、AI视觉质检、能耗精进的算法选型推演和部署架构。
4.
具备AI项目规划本领
，能够运用价值评核矩阵筛选高ROI情境，并拟定从POC（概念验证）到规模化推广的施行路线图。
5.
输出岗位落地行动规划
，每位参训者将带回一份针对本单位痛点的《资料驱动降本拆解初步方案》。
课程大纲
课程导入
现况诊断：基于内蒙古区域的生产资料，识别当前科研拆解中的“黑箱”和“盲区”。
课程全景图：从资料采集、模型训练到智能运用的全链路技艺架构拆解。
分组和课题发布：按照工序（炼铁、炼钢、轧材、装置）组建攻关小组，锁定实战课题。
学识模块（技艺原理）：
钢铁资料特性剖析：L1/L2/MES资料的时序性、高维度和强耦合制度，噪声过滤和资料对齐技艺。
深化统计拆解运用：超越平均值和合格率，运用相关性拆解、回归拆解和假设检验定位降本要害点（如焦比和风温的非线性关系）。
资料治理基础：结合DCMM准则，构筑高质量AI训练资料集的路径。
实例研讨（实战）：
实例：某大型钢铁集团“全流程质量一贯制”资料追溯架构。
挑战：怎样破解跨工序资料口径不一致导致的拆解失真问题。
沙盘上手/小组碰头：
上手主题：“燃料比异常的根因定位”。
上手标的：运用统计学办法，从100+个工艺参数中筛选出影响燃料比的核心变量。
上手抓手：多变量拆解矩阵、假设检验决策树。
展示点评：各组呈报拆解推演，讲师点评办法论漏洞。
学识模块（技艺原理）：
大模型工业落地的局限性：通用大模型的“幻觉”问题以及其在工业情境的隐患。
RAG（检索增强生成）架构详解：Embedding模型选型、向量资料库构筑、语义检索制度。
智能体（Agent）核心推演：感知-规划-行动-记忆的闭环规划。
实例研讨（实战）：
实例：基于某大厂云TI平台的钢铁工艺学识库构筑实践。
挑战：怎样将非结构化的PDF规程、维修记录转化为机器可读的学识图谱。
沙盘上手/小组碰头：
上手主题：“规划高炉炼铁故障排查智能体架构”。
上手标的：绘制智能体的输入输出流程图，定义学识库的切片打法。
上手抓手：RAG架构规划模板、智能体推演流程图。
展示点评：评审各组架构的可行性和安全性。
学识模块（技艺原理）：
时序异常检测算法：LSTM-Autoencoder，孤立森林在工业振动/温度资料中的运用。
剩余寿命（RUL）预测：基于退化特征的建模办法。
工业视觉检测架构：CNN和Faster R-CNN在表面缺陷检测中的技艺选型和标注规范。
实例研讨（实战）：
实例1：山东某地钢铁基于AI的装置智慧云平台（降本1200万/年实例）。
实例2：某热轧厂AI视觉质检闭环系统（成材率拉升1.5%）。
沙盘上手/小组碰头：
上手主题：“要害风机装置故障预警方案规划”。
上手标的：确定传感器布点、资料采集频率以及报警阈值推演。
上手抓手：装置维护价值评核矩阵、算法选型对照表。
展示点评：评核方案的误报率将控本领和施行成本。
学识模块（技艺原理）：
多变量耦合精进：基于强化研习的工艺参数寻优（PID参数自整定）。
能耗精准将控模型：结合生产规划和实时工况的能耗预测和调度算法。
AI+自动化协同：RPA和AI的结合，达成报表自动生成和决策辅助。
实例研讨（实战）：
实例：某标杆钢企“海量资料+AI”能源管控中心建设实录。
沙盘上手/小组碰头：
上手主题：“炼钢终点碳控精进方案”。
上手标的：规划基于实时资料的终点预测模型，减少后吹率。
上手抓手：工艺精进路径图、投入产出测算模型。
学识模块（技艺原理）：
AI项目成熟度评核：结合CMMM准则，评核公司当前AI落地本领等级。
试点推进三步法：POC（概念验证）→ MVP（最小可行货品）→ 规模化推广。
组织协同制度：怎样构筑IT和OT融合的敏捷项目组。
沙盘上手/小组碰头：
上手主题：“拟定《内蒙古基地XX工序AI降本行动规划》”。
上手标的：输出包含标的、路径、资源诉求、隐患化解的完整方案。
上手抓手：《工业AI情境价值画布》、《531行动规划表》。
展示点评：各组路演，讲师和投资方（还原）开展质询答辩。
七、课程收束和行动规划
学识架构回顾：串联从资料到智能的全栈技艺图谱。
结晶展示：出色小组行动方案表彰和点评。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
各单位五层级以及以上技艺科研人员（约200人） 培训地点： 内蒙古 公司各单位五层级以及以上技艺科研人员 生产工艺、装置运维、质量将控、资讯化部门主力 负责数智化转型项目的核心架构师和项目经理。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。