课程背景
当下制造业进入微利内卷、利润变薄的转型新常态，公司普遍面临多重经营痛点：业界平均利润率不足6%，质量返工、报废，客诉损失常年占营收5%–15%；装置OEE均值仅60%–65%，换个角度看，远低于标杆85%水平，产能浪费严重；工业资料利用率不足30%，海量资料沉睡无法赋能决策；实地管控、安全排查过度倚重人工心得，效率低、漏洞多、隐性成本居高不下。
和此同时，AI工业运用已从概念走向规模化落地，工业大模型、智能体、AI视觉检测等等技艺迅速普及。宁德时代、美的、海尔、华 为等等头部公司已借助AI，在质量检测、装置运维、智能排产、能耗精进等等环节达成显著降本增效，AI已成为制造公司提质、降本、增效的核心抓手。
但多数制造公司仍陷入转型困境：对AI认知浅薄，分不清适用情境；盲目试点、项目难以规模化；资料孤岛突出、业务和技艺脱节；投入产出难以量化、缺办法、缺路径、缺专精英才，想转型又不敢投、不会做、用不好。
本课跳出纯技艺说教，立足工厂研发、生产、质量、装置、供给链、经营全流程，拆解四类AI技艺实战运用，拆解业界标杆实例，沉淀三层五阶八步法、AI情境评核轮廓、低门槛快赢情境清单等等落地抓手。支援公司看懂AI价值、找准切入情境、规避转型误区、规划施行路线，让AI投入可核算、可落地、可复制，真正转化为公司实实在在的利润增量。
课程收益
构筑智能制造和AI全流程赋能认知
：领会工业4.0以及智能工厂核心构成，厘清四类AI技艺的适用边界和成熟阶段；能够运用“研产供销服”全流程AI运用情境图谱，迅速判断“AI能干什么、从哪切入”，破解公司认知模糊、情境不清的问题。
学会AI情境识别和落地评核办法
：从研发、生产、质量、装置、供给链、经营各环节精准识别AI赋能机会；借助AI情境“十二问”评核轮廓以及10个低门槛快赢情境清单，从商业价值、成熟度等等多维度筛选优质情境，防止盲目试点、项目难以规模化的困局。
融合传统精益和AI，升级降本增效实操本领
：结合宁德时代、美的、海尔、华 为等等名企实例，用AI升级浪费识别、价值流拆解、根因诊断以及OEE改进；运用“三层五阶八步”的AI 落地办法论以及AI辅助改进提案抓手，达成从“凭心得”到“看资料”的效率拉升，显著降低质量损失和装置闲置。
拉升公司经营降本增效和营运竞争力
：借助AI在质量检测、装置运维、智能排产、能耗精进等等环节的精准运用，降低质量损失、拉升OEE、精进库存和交付；配合AI驱动的ROI量化测算办法以及全流程降本路径，将AI投入转化为可核算的利润增量。
增强公司资料治理、组织转型和方略落地本领
：运用工业资料治理“四步走”办法以及AI成熟度自评模型，化解资料薄弱、业技脱节、英才短缺等等六大挑战；结合美的等等标杆演进路径，拟定“四步走”落地路线图（单点突破→线体贯通→车间集成→工厂智能），就一线经验说，为智能化转型提供可持续的组织支撑。
课程大纲
一、工业4. 0和智能制造的本质
1. 从工业1. 0到4. 0：机械化→电气化→自动化→智能化
2. 智能制造的定义：自感知、自研习、自决策、自执行，自适应
3. 智能工厂的核心构成：自动化+数智化+网络化+智能化
资料拆解：
2025年我国已建成3万余家基础级智能工厂，230余家卓越级智能工厂
实例：
国内外智能制造标杆
1）HW大模型赋能制造业
2）TSL数智化仿真测试
3）西门子数字孪生工厂
——MD工厂：5G全连接+14个智能体
——HR工厂：AI内筒动平衡精进，OEE拉升26%
三、机器智能（AI）概述
AI的定义和演进简史以及三起两落：
从图灵测试到ChatGPT）
1. 判别式AI
2. 生成式AI
3. 智能体（AgenticAI）
4. 具身智能（PhysicalAI）
交流探讨：
你认为本公司哪些情境最适合引入AI？
四、AI在工业中的成熟度和运用阶段
1. 成熟度高（已规模化）：视觉缺陷检测、装置预测性维护、语音识别
2. 迅速上升（2-3年）：智能排程（APS）、学识问答、智能客服
3. 探索期（3-5年）：生成式规划、AIAgent自主决策、具身智能
抓手：
四类AI工业运用速查表
1. 研发规划环节
传统痛点：
研发周期长、试错成本高、心得倚重强
AI运用方向：
生
成式规划（自动生成方案）；AI辅助仿真（加速验证）；图纸智能评审
实例：
丰田研究所AI生成汽车外观规划草图；华 为PCB规划AI辅助
2. 生产制造环节
传统痛点：
排产靠心得、换型时间长、瓶颈难发现、OEE普遍60-65%
AI运用方向：
智
能排产（APS）；工艺参数精进；生产节拍平衡
实例：
宝马、华 为+赛意智能排产实践
3. 质量管控环节
传统痛点：
人工检测效率低，漏检误检、质量损失占营收5%-15%
AI运用方向：
A
I视觉缺陷检测；质量异常智能根因拆解；首件/巡检要点AI生成
实例：
某汽车零部件厂AI视觉检测，准确率99%+。宁德时代AI电池缺陷检测
4. 装置运维环节
传统痛点：
事后维修损失大，定期维修浪费、OEE六大损失
AI运用方向：
装置状态实时监测；预测性维护；维修辅助诊断
实例：
英特尔晶圆智能检测；劳斯莱斯发动机实时监控
5. 供给链和物流环节
传统痛点：
诉求预测不准、库存积压、缺货隐患、牛鞭效应
AI运用方向：
诉求预测精进；智能库存管控；AGV智能调度
实例：
菜鸟AI赋能汽车售后零部件供给链；全球消费品公司预测准确率+30%
6. 营销和服务环节
传统痛点：
买方诉求把握难、售后服务响应慢、学识复用难
AI运用方向：
智能客服（学识库问答）；货品远程运维；买方诉求洞察；AIGC营销推广和策划
实例：
中国巨石交互式生产资料拆解洞察
7. 经营管控和决策环节
传统痛点
：报表多洞察少、决策靠直觉、资料利用率不足30%
AI运用方向：
自然语言交互式BI；报表自动生成；经营资料智能拆解
实例：
某公司用AI达成经营资料按照需洞察，决策效率拉升50%
一、传统降本增效的经典办法
1. 精益制造：七大浪费
——等待、搬运、不良、动作、加工，库存、过量生产
2. 价值流图、5S、SMED
3. IE改进：程序拆解、作业拆解、动作拆解（MOD法）、生产线平衡、TOC瓶颈理论
传统办法的局限性：
倚重人工心得、资料滞后、改进周期长、难以规模化
二、AI怎样让降本增效“事半功倍”
1. 浪费识别升级
2. 价值流拆解升级
3. 根因拆解升级
4. 改进提案升级
4. OEE拉升
实例：
三菱电机AI赋能“校直”工艺，生产效率拉升超30%
抓手上手：
用AI拆解一个浪费情境，生成改进方案初稿
一、公司数智化转型的三层底层推演
1. 基础层：资料+算力
2. 支撑层：技艺+平台
3. 运用层：业务+情境
二、“三层五阶八步”落地办法论
1. 三层的概念
2. 五阶的执行要点
3. 八步的落地办法
抓手：
AI情境“十二维”评核轮廓
1）商业价值三维度
2）情境成熟度三维度
3）持续营运三维度
交流上手：
用“十二问”评核本公司一个候选AI情境，输出优先级排序
三、从“快赢”切入：10个低门槛高价值情境
1. 装置资料采集和OEE监控
2. AI视觉质检（单工序）
3. 能源能耗监测
4. 智能排产（APS试点）
5. 预测性维护（单类装置）
6. 仓储条码/RFID管控
7. 交接班数智化
8. AI生成生产日报
9. AI辅助质量异常拆解
10. 智能学识问答（大模型+公司学识库）
实例：
某家电公司从装置联网起步，3年建成智能工厂
小组碰头：
本公司在AI运用中遇到的最 大挑战为何？
挑战一：资料基础薄弱
1. 资料落地的难点表现
2. 资料治理“四步走”
实例：
华 为资料治理实践
挑战二：技艺和业务两张皮
1. 业务和IT的矛盾表现
2. 队伍破解对策
实例：
华 为“铁三角”模式
挑战三：投入产出难量化
1. 成本显性VS收益隐性
2. 投入产出难量化的对策
挑战四：英才短缺
1. 英才短缺的表现
2. 具体破解对策
实例：
西门子数智化英才架构（“Π”型本领模型）
挑战五：老旧装置改造难
1. 装置改造难点拆解
2. 问题拆解和破解对策
实例：
英飞凌ECA高级装置互联货品
挑战六：安全和合规隐患
1. 公司数字安全和合规隐患四个重点
2. 核心问题破解对策
一、制造业AI演进趋势
1. 从“小模型”到“大模型+小模型协同”
——AI本领的跃迁
2. 从“单点运用”到“智能体协同”
二，AI落地“四步走”路线图
第 一步：单点突破
第二步：线体贯通
第三步：车间集成
第四步：工厂周全智能
三、公司AI运用成熟度自评
1. 规划级
2. 规范级
3. 集成级
4. 精进级
5. 引领级
——公司自评的五大维度
实例：
美的工厂：从单点智能体到14个智能体协同的演进路径
交流研讨：
拟定本公司AI运用“回岗后30天行动规划”
每组输出：
1个优先情境、1个快赢标的、1个资料治理动作、1个组织保障措施
核心收获收束
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|王海勃老师
适合谁听
：制造公司中高层管人者、生产总监、厂长、IT/OT经理、精益负责人、数智化转型主力。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。