课程背景
装置资料割裂导致预测性维护滞后（如变压器绕组温度监测倚重人工）、
工艺精进周期长（新材料配方试验需6个月+），
售后故障定位平均耗时48小时。
本课以“技艺-情境-基建”为主线，
上午拆解大模型本地化部署的硬件条件和制造业实例，
下午借助高层闭门研讨。
规划符合天威保变业务特性的AI落地路径，助力公司从“被动响应”转向“智能预警”。
课程收益
1. 掌握部署条件：明晰大模型本地化部署的硬件配置（GPU选型/存储计算比）和混合云架构
2. 贯通制造情境：习得装置预测维护、工艺参数精进等等3类核心情境AI方案
3. 规避施行隐患：构筑技艺-伦理双轨防线
4. 规划算力基座：输出公司级AI算力中心建设轮廓
课程时间/对象/方式：
课程时间：1天（上午3小时授课/下午3小时高层研讨）
课程对象：技艺总监、生产负责人、IT基建主管、数智化转型决策者
课程大纲
导入：AI赋能的制造业困局破壁（0.5h）
• 痛点墙诊断：天威保变典型情境自测（装置停机成本/工艺试错损耗/售后响应延迟）
破局三角模型：
• 课程双引擎规划：上午攻克技艺可行性 → 下午锁住业务落地性
首讲：制造情境智能革命——从预测维护到工艺跃迁（1.5h）
学识模块：
1. 装置预测性维护
a. 技艺原理：LSTM算法拆解变压器油温异常预警（类比“人体体温持续监测”）
b. 实例：某特高压厂线圈故障预测准确率↑92%（需本地化部署原因：资料涉密）
c. 抓手：故障根因拆解仪 + 动态阈值设置模板
2. 工艺参数精进
a. 痛点：新材料配方试验成本超200万/次
解法：
历史资料投喂 → 生成对抗网络（GAN）还原材料性能 → 输出最优参数组合
a. 沙盘：硅钢片铁损降低方案（需本地部署原因：实时调参延迟要求<50ms）
1. 智能质检升维
四维黄金公式改造：
主体：变压器套管裂痕 → 细节：0.1mm精度识别 → 风格：X光透视图比对
a. 硬件倚重项：边缘计算网关达成产线毫秒级响应
次讲：大模型本地化部署——从硬件选型到混合云架构（1h）
学识模块：
硬件条件清单（文档2技艺支撑层）
组件
基准要求
天威情境建议
GPU
FP32算力≥100TFLOPS
国产昇腾910B集群
存储
全闪存阵列IOPS≥50万
分布式存储+冷热分层
网络延迟
计算节点间<0.5ms
RoCEv2网络协议
1. 混合云架构规划
a. 敏感资料流：产线摄像资料 → 边缘节点预处理 → 本地模型推理
b. 公有云协同：非敏感工艺资料 → 云端预训练模型微调
c. 风控要点：构筑资料出境审计网关
2. 成本-效能平衡术
a. 推理精进：MoE架构动态分配算力
b. 实例：某轴承厂年省电费300万+的散热系统AI调度方案
下午场：高层闭门研讨——从技艺到商业的可行性跃迁（3h）
研讨模块：
1. 情境-技艺对齐工作坊
a. 分组论证：预测性维护/工艺精进/智能质检在天威的ROI测算模板
b. 输出：《AI优先级矩阵》
2. 算力中心建设路径
三阶施行规划：
2025Q3：边缘节点部署（试点2条产线）
2025Q4：本地训练集群搭建
2026Q1：混合云安全通道打通
天威AI算力中心建设
a. 要害隐患预演：硬件采购周期延误化解打法
90天速赢规划
阶段
行动项
责任方
第1月
变压器温控资料治理准则化
生产+IT
第2月
部署边缘质检节点（1条产线）
技艺部
第3月
构筑工艺精进学识库
研发+资料队伍
适合谁听
公司相关管人人员。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。