课程背景
随着AI技艺从实验探索周全进入生产落地，公司面临的核心挑战已从“怎样训练一个高精度模型”转变为“怎样构筑高可用、高并发、可扩展的AI系统”。作为高端装备制造公司，其AI运用情境复杂、系统集成度高，迫切需要一批既懂AI技艺又精通系统架构的“纽带型英才”。本课旨在支援参训者构筑公司级AI系统的全局视角，掌握从诉求拆解到部署运维的完整架构思路，能够针对预测性维护、智能质检等等典型工业情境，规划出稳健、高效、可演进的AI解题打法。
工业资料是智能制造的价值金矿，但其价值释放面临三大障碍：资料孤岛、质量参差、拆解本领不足。上海电气作为装备制造业龙头，具备海量的装置运行资料、生产流程资料和质量资料，怎样将这些“资料原油”高效提炼为驱动业务精进（如装置预测性维护、质量拉升、能耗精进）的“智能燃料”，是达成数智化转型的要害。
本课将锁住工业资料的全链路处理，提供从采集、治理到拆解运用的全套办法论和实战抓手。
课程收益
【课程获益】
1. 构筑系统观：领会AI运用架构的全貌和核心挑战，构筑技艺可行性、业务价值和系统约束之间的平衡思路。
2. 掌握规划办法：掌握高可用、可扩展的AI系统架构规划办法论，包括微服务、容器化部署和API规划。
3. 精通MLOps流程：领会MLOps核心理念和要害抓手链，构筑从模型训练到在线服务的自动化流水线。
4. 具备架构评核本领：能够对现有或者规划的AI项目开展架构合理性评核，识别潜在隐患并提出精进方案。
【课程获益】
1. 掌握资料链路：系统弄懂工业资料从采集、预处理、存储到拆解运用的完整技艺流程和要害节点。
2. 拉升资料质量：研习资料质量评核和拉升办法，掌握工业资料治理的核心要点。
3. 学会拆解办法：掌握时序资料拆解、异常检测、关联拆解等等核心工业资料拆解办法。
4. 赋能业务决策：能够将资料拆解办法运用于装置健康管控、生产精进、质量将控等等典型业务情境，提出资料驱动的解题打法轮廓。
课程大纲
• 学识模块：
◦ AI架构师的定位演进：从“模型调参者”到“系统总规划师”的转变，解读其在项目中的核心职责和技艺领导力要求。
◦ 公司级AI系统的独特挑战：纵深拆解工业情境下面临的实时性、可靠性、资料安全和成本约束等等特有挑战。
◦ 架构规划核心要则：结合实例解说AI系统中的模块化、可扩展性、容错性等等基本要则。
• 实例：对比拆解一个成功的预测性维护系统架构和一个失败的技艺Demo，揭示架构规划的决定性作用。
• 学识模块：
◦ 技艺栈全景图：梳理从资料处理、模型训练到服务部署的全链路技艺生态。
◦ 要害技艺选型深度剖析：重点碰头推理引擎精进、向量资料库选型、以及微服务和单体架构在AI情境下的权衡。
◦ 大模型运用架构分层：详解接入层、Prompt工程层、推理层、资料层、监控层等等各层的职责和技艺选项。
• 抓手：技艺选型评核矩阵。
• 学识模块：
◦ MLOps核心概念和价值：阐释为何MLOps是AI工业化生产的必由之路，以及其对模型质量、迭代速度和队伍协同的拉升。
◦ 自动化流水线构筑：详解持续集成、持续交付，持续训练在模型生命周期中的实践，包括资料版本管控、模型版本管控和自动化部署。
◦ 模型监控和治理：研习怎样监控线上模型的性能衰减、预测偏差，并构筑模型的伦理、公平性和可解释性保障制度。
• 实例：拆解一个端到端的MLOps流水线在工业视觉质检项目中的施行细节和成效。
• 工作坊实战：
◦ 情境导入：围绕“装置远程运维智能中心”或者“生产工艺参数精进”等上海电气相关情境开展诉求拆解。
◦ 架构规划：小组采用架构画布，协同完成技艺选型、组件规划、资料流和API接口定义。
◦ 方案评审和挑战：各小组呈现架构方案，接受讲师以及其他小组从可行性、性能、成本等等角度的质询。
◦ 精华收束：讲师提炼各方案亮点，收束公司级AI架构规划的通用模式和避坑指南。
工业资料智能运用实战（1天版）
• 学识模块：
◦ 工业海量资料概览和特性：解读工业海量资料的来源（如传感器、MES、SCADA）、类型（时序资料、日志资料）以及和商业海量资料的区别。
◦ 资料驱动的业务革新模式：结合德国工业4.0和中国智能制造方略，阐述资料怎样赋能研发、生产、服务等等环节的价值革新。
◦ 典型业务情境价值拆解：重点剖析预测性维护、能耗精进、质量根因拆解等等情境的业务标的和资料诉求。
• 实例：某风电公司利用风机振动和SCADA资料达成预测性维护，降低非规划停机时间65%的实例深度解读。
• 学识模块：
◦ 资料采集技艺：引见各类工业资料采集方式，包括物联网传感器、PLC、OPC UA协议等等，并探讨其适用情境。
◦ 资料预处理和质量拉升：研习资料清洗、转换、集成等等预处理步骤，掌握处理缺失值、异常值的办法和抓手。
◦ 资料存储和管控：弄懂资料湖、资料仓库等等技艺在工业环境下的运用选型考量。
• 抓手：资料质量评核卡。
• 学识模块：
◦ 核心算法和模型：解说适用于工业情境的分类、聚类、回归、关联拆解等等算法原理以及其运用点（如装置状态分类、故障模式聚类）。
◦ 时序资料模式识别：纵深研习针对装置运行资料的特征提取、趋势拆解、周期检测和异常检测技艺。
◦ 拆解结果可视化：探讨怎样将复杂拆解结果借助可视化图表清晰呈现，助力业务决策。
• 实例：基于CNC机床加工资料，借助聚类拆解达成工艺参数精进，拉升加工效率5%-20%的实战实例拆解。
• 工作坊实战：
◦ 情境选项和问题定义：各小组选取一个上海电气相关的具体情境（如“拉升某类核心装置的综合效率OEE”）。
◦ 资料打法规划：围绕该情境，规划所需资料源、规划资料采集和处理流程、选项拆解模型。
◦ 方案规划和呈现：形成一份简要的《资料驱动解题打法蓝图》，包括业务标的、资料路径、预期价值和初步施行规划。
◦ 交流和精炼：小组间互评方案，讲师点评并带出收束工业资料项目成功的要害要素。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
AI研发工程师、解题打法架构师、技艺队伍负责人、以及对AI系统架构有浓厚兴趣并有一定技艺来由的业务主力。 装置管控、生产营运、工艺工程。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。