AI应用赋能解决复杂品质问题实战-从AI认知到质量工具融合，再到AI模型落地

引入：

AI驱动的工业4.0革命-智能制造的时代机遇

(1)

从工业1.0到4.0，在实际应用里，智能制造演进之路

(2)

海量资料、算力和算法的突破和AI在生产中的运用

第 一讲：认知准备篇—机器智能AI本领边界和品质问题分类

一、认知革命-何为机器智能（AI）

1.

AI的通俗领会：让机器能“听、看、领会、思索、行动”的技艺

2.

AI的核心本领

(1) 研习（Learning）

(2) 推理（Reasoning）

(3) 决策（Decision Making）

(4) 自然语言处理（NLP）

1. 3.AI 的主要类型

2.

4.AI在工业领域的典型运用情境

(1)

视觉识别：货品质检、安全行为识别

(2)

预测拆解：装置故障预测、质量根因拆解

(3)

智能精进：生产排程、工艺参数推荐

(4)

自然语言处理：学识问答、报告生成

课堂碰头

：

(1)

结合您弄懂的业界情况，谈谈AI技艺在制造业运用的难点和机遇

(2)

结合我们日常生活、事务举例说明几个AI典型运用实例？这些AI运用进程中对我们有什么支援，破解了哪些问题？

二、AI本领边界和品质问题分类

1.AI抓手在品质管控中的定位和价值

(1)

AI在品质领域的三种本领

1

资讯整合本领：迅速检索准则、实例、历史资料

2

推演辅助本领：结构化拆解复杂问题

3

内容生成本领：撰写报告、对策、查验表

(1)

主流AI抓手引见（DeepSeek、豆包等等）

1

界面和基本采用方式

2

模型特点和适用情境

3

提问和对话的基本招数

2.适合AI介入的复杂品质问题类型

(1)

问题表现不清晰、资讯碎片化

(2)

需要跨多个部门或者专精领域拆解

(3)

历史资料充实但缺乏收束

(4)

根因推演链条长、因果关系复杂

3.AI辅助破解品质问题的基本流程

(1)

问题描述：向AI清晰输入现况

(2)

要素拆解：带出AI开展结构化分解

(3)

根因假设：利用AI提出可能原因

(4)

验证建议：AI建议验证办法

(5)

对策生成：AI辅助拟定改进措施

(6)

报告输出：AI整合输出

课堂上手

：

(1)

每人用一个真实品质问题，尝试向AI开展初步提问

(2)

小组分享提问成效，讲师点评精进方向

次讲：抓手办法篇—AI+经典质量抓手的融合运用

一、AI辅助5Why和根因拆解

1.

5Why提问的常见困境

（1）停留表面原因

（2）推演跳跃

（3）无法验证

2.

AI怎样辅助逐层纵深

（1）带出式提问模板

（2）多路径根因假设生成

（3）反向验证建议

实例上手

：AI完成一个复杂不良品的5Why拆解

二、AI辅助鱼骨图（因果图）构筑

1.

鱼骨图的人、机、料、法，环、测维度

2.

AI辅助生成可能性原因清单

3.

对原因开展优先级排序和交叉验证

实例上手

：AI生成某工序良率波动的鱼骨图

三，AI辅助8D报告撰写

1.

D2问题描述：AI支援准则化描述

2.

D4根因拆解：多假设对比

3.

D5/D6对策拟定：AI检索类似实例和有效措施

4.

D7预防再发：AI辅助生成将控规划要点

实例上手

：AI辅助完成一份8D报告主体内容

四，AI辅助FMEA（失效模式和影响拆解）

1.

历史失效模式的AI检索和分类

2.

AI建议潜在失效模式和发生频率评核

3.

AI辅助生成改进建议和探测措施

课堂上手

：

(1)

每组分配一个质量实例（投诉/内部异常）

(2)

分别采用5Why、鱼骨图，8D三种方式，AI全程辅助

(3)

输出结构化的拆解文档

三讲：实战落地篇—复杂品质问题的AI深度拆解以及事务架构建设

一、资讯不完整情境下的AI提问打法

1.

资讯缺失时的补充提问招数

1.

（1）要求AI提出需补充的要害资讯

2.

（2）采用假设条件下的拆解

1.

利用AI反向提问挖掘隐性条件

1.

实例拆解

：仅知道“某批次不良率异常上升”时AI怎样辅助

二，多因素耦合问题的AI拆解

1.

多因素问题的认知负荷挑战

2.

AI辅助构筑因素-结果矩阵

3. AI建议隔离和验证顺序

1.

实例拆解

：温度、材料批次、人员变动同时发生时的AI拆解

三、心得和资料结合的拆解方式

1.

公司内部心得的AI结构化录入

2.

AI辅助检索同类历史问题

3.

用AI生成验证方案和资料采集建议

四，AI生成的结论的可信度判断

1.

AI答案的常见局限性

2.

怎样要求AI给出依据和推演链条

3.

品质工程师的验证职责

五、搭建公司内部AI问答学识库

1.

历史品质实例的AI可读化整理

2.

常见品质问题的提示词模板库

1.

（1）5Why提示词模板

2.

（2）8D各步骤提示词模板

3.

（3）不良现象拆解提示词模板

1.

实例库的持续更新和维护制度

六、AI采用规范和边界

1.

什么情况下不建议倚重AI

2.

资料安全和保密注意事项

3.

AI辅助+人工决策的职责分工

七、队伍AI本领建设

1.

品质队伍AI提问本领的培训规划

2.

内部AI拆解实例分享制度

3.

AI辅助品质问题的效率指标规划

课堂上手：

(1)

每组选项一个真实或者还原的复杂品质问题，包含：问题来由引见、AI辅助拆解进程展示、最终结论和改进建议

(2)

评审维度：问题拆解质量、提问招数和AI利用深度、结论合理性、可落地性

(3)

讲师点评和答疑

1.

四讲：进阶延展篇-公司定制化AI大模型基础流程、资料构筑、施行路径搭建

一、AI模型构筑基础流程、资料构筑

2.

1.制造业常见的AI模型类型简介

(1)

督导研习：

1

分类模型：用于好坏品判断，故障类型分类。

2

回归模型：用于装置剩余寿命预测、能耗预测。

(1)

无督导研习（自学成才）：用于异常检测、买方/装置分群。

(2)

深度研习（处理复杂模式）：主要用于图像识别（AI质检），自然语言处理、多传感器融合拆解。

1. 2.业务链路梳理、搭建

2.

-智能质量管控营运流程、规则梳理

3. 3.基础资料构筑

4.

-智能质量管控基础资料搭建

实操上手/实例剖析

：构筑一个简单的预测性维护模型，基于电机振动资料预测其是否即将发生故障。

二，从概念到实践—AI项目

1.

第 一步：识别业务痛点和情境选项

2.

第二步：资料准备和治理

3.

第三步：模型开发、验证和部署

4.

第四步：组织和英才挑战

(1)

“AI+制造”的复合型英才诉求。

(2)

怎样和内外部队伍协同。

1.

常见陷阱和成功要素

防止“为了AI而AI”，确保业务价值导向。

带出性问题

：结合您所在的公司/部门，哪个AI运用情境最有可能率先尝试？可能面临什么挑战？

•

小组差事

：选项一个情境，规划AI解题打法并发表

1.

课程收束、回顾

：迅速回顾AI在制造各环节的核心价值

(1)

2天课程核心学识回顾（一张图收束）

(2)

各组轮流回答AI+品质拆解要害学识点

(3)

各组提出一个实际品质问题，讲师实地演示AI辅助拆解

(4)

结束语和合影

【附件 / 课前准备建议】

(1)

建议参训者提前准备1-2个本岗位尚未破解的复杂品质问题

(2)

建议每组准备一个真实或者典型的品质实例

(3)

参训者提前注册DeepSeek或者豆包账号

(4)

建议公司提前提供3-5份历史品质拆解报告（脱敏后采用）

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|李希老师