课程背景
当前，钢铁业界正处于“高端化、智能化、绿色化”的深度攻坚期。作为一线技艺和科研人员，你们面临着典型的“资料富足但认知贫瘠”困局：实地DCS、MES、检化验系统产生了海量资料，但拆解手段仍停留在描述性统计和事后报表层面，难以穿透高维，强耦合的工业机理，无法精准定位成本动因和质量根因。和此同时，通用AI大模型浪潮席卷而来，但怎样将其和钢铁特有的工艺机理结合，防止“技艺空转”，达成从“看见现象”到“驱动决策”的跨越，是包钢领航英才必须攻克的难题。
本课摒弃传统的“概念科普”模式，采用
“资料机理+AI架构+实战推演”
的技艺专家视角。课程将从钢铁资料的独特性出发，深化统计建模在成本和质量情境的运用；进而拆解AI大模型在工业界的落地架构（RAG、智能体），并借助一个真实的“铁前降本”全流程实例，还原从资料采集、特征工程、模型训练到工艺固化的完整技艺路径，确保参训者不仅听懂原理，更能复现办法。
借助本课，参训者将构筑起
“资料驱动业务（Data to Decision）”
的技艺思路。个人层面，掌握一套针对钢铁情境的高价值拆解抓手箱；组织层面，能够识别并主导本单位的AI技改切入点，将隐性的工艺心得转化为显性的资料模型，切实支撑包钢在“十五五”期间的降本增效和新质出产力构筑。
课程收益
1.
掌握工业统计建模办法
，能够针对燃料比、成材率等等要害指标，独立开展相关性拆解和假设检验，输出具备工艺指导意义的结论。
2.
领会钢铁AI落地架构
，明晰大模型、智能体（Agent）以及RAG技艺在装置运维、表面检测、工艺精进中的技艺边界和施行路径。
3.
获得全流程实战实例模板
，掌握“问题定义-资料准备-特征拆解-举措施行-闭环监控”的五步法降本拆解轮廓。
4.
具备资料价值转化本领
，能够识别本单位业务痛点中的资料源和变量关系，规划并促成小型资料改进项目的立项和落地。
5.
构筑技艺前瞻性视野
，弄懂资料资产入表以及工业大模型对钢铁业界未来研发模式和生产组织的深远影响。
课程大纲
课程导入：破冰和定向
1. 痛点快闪：参训者一句话分享“当前最棘手的一个工艺波动或者成本异常难题”。
2. 趋势锚定：解读“机器智能+”行动和钢铁业界智能制造现况，拆解为何资料本领将成为继装备之后的第二核心竞争力。
3. 路径发布：引见本次课程的“技艺-实例-行动”三层进阶推演。
学识模块（技艺原理）：
钢铁资料特性拆解：剖析时序性、高维度、强耦合、多噪声等等钢铁资料特征，解说资料清洗和特征工程的工业准则。
成本归因拆解（回归模型）：锁住“铁前燃料比”，详解怎样借助多元回归拆解，量化风温、煤比、品位等等要害因子对成本的边际贡献。
质量稳定性验证（假设检验）：运用T检验和方差拆解（ANOVA），科学评核新工艺/新原料对货品质量（如强度、韧性）的显著性影响。
实例研讨（实战）：
实例：某千万吨级钢企“焦比降低10kg”的资料拆解之路。
拆解：怎样排除干扰因子，锁定真正影响能耗的3个要害工艺窗口。
学识模块（技艺原理）：
AI技艺祛魅和边界：从架构师视角拆解大模型（LLM）、检索增强生成（RAG）和智能体（Agent）的区别，明晰其在钢铁情境中“能做什么”（模式识别、学识问答）和“不能做什么”（精确数值计算、物理将控）。
核心运用情境技艺拆解：
装置侧：基于振动和时序资料的预测性维护算法推演。
质量侧：计算机视觉（CV）在表面缺陷检测中的模型训练要点。
工艺侧：工艺参数寻优的强化研习思路。
公司学识大脑构筑：解说怎样将包钢的工艺规程、运维指引向量化，构筑专属的RAG学识库，达成秒级技艺问答。
交流演示：
实地演示：基于内部文档的钢铁工艺学识库问答系统搭建推演。
实例深度复盘（Project Review）：
项目来由：某大型钢企铁前成本精细化对标项目。
施行路径：
定义：锁定吨铁成本为北极星指标。
采集：确定资料源（PLC、ERP、检化验）和资料口径。
建模：运用上午讲授的回归模型锁定要害因子。
决策：将统计结论转化为操作参数准则（SOP）。
固化：构筑动态监控仪表盘，形成管控闭环。
难点复盘：怎样化解资料缺失、部门壁垒以及操作习惯的改变。
沙盘推演（Group Exercise）：
差事：绘制“本单位降本增效作战地图”。
要求：各组选取一个具体指标（如电耗，煤气回收率、轧废率），运用所学办法，在A3纸上画出“资料源 -> 拆解办法 -> 预期举措 -> 价值预估”的推演链路。
课程收束和行动启航
1. 学识图谱回顾：串联“统计学-AI架构-实例落地”全链路。
2. 531行动规划：
5个要害技艺收获。
3项可在90天内启动的改进点。
1项下周即可执行的具体动作。
3. 资源包发放：核心拆解模板、指标库以及抓手试用指南。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
包钢各单位五层级以及以上技艺、科研人员（约200人） 各厂部技艺科长、首席工程师 工艺、质量、装置、能源条线科研主力 数智化和智能制造项目组核心成员。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。