课程背景
- 国家智能制造准则解读和AI赋能制造业落地实践
讲师：李希
1.
课程缘起：
当前，智能制造已成为全球制造业竞争的方略制高点。国家层面，《“十四五”智能制造演进规划》以及智能制造准则架构建设指南明晰提出了数智化、网络化、智能化的演进路径，要求规模以上制造公司加快转型升级。可是，许多公司在推进智能制造进程中仍面临三重挑战：
•
政策准则领会不深：对国家智能制造准则架构、成熟度模型以及政策导向缺乏系统认知，不清楚自身处于哪个等级、下一步怎样拉升；
•
AI运用情境不清：虽弄懂AI概念，但在质量、装置、工艺、排程等等制造实地中，不知哪些环节最适合AI落地，更难以规划可施行的业务规则和资料流程；
•
落地路径不明：从资料治理、模型开发到组织协同，缺乏系统的办法论，容易陷入“为了AI而AI”的陷阱，落地时，试点成功却难以推广。
本课从国家准则和政策解读入手，支援参训者构筑宏观视野；纵深AI模型基础和资料构筑，打通技艺和业务的纽带；锁住四大核心运用情境（质量、装置、工艺、排程），提供可复用的落地实例；最后借助项目施行路径和小组实战差事，让参训者带着方案回到岗位。课程旨在练就“懂准则、识情境、会落地”的智能制造复合型英才，助力公司达成从“概念导入”到“价值创造”的跨越。
课程收益
•
懂政策：掌握国家智能制造准则架构和成熟度模型，能对照自评、明晰拉升方向
•
懂AI：领会AI核心本领（识别、预测、精进、生成）以及常见工业模型（督导/无督导/深度研习）
•
识情境：纵深掌握质量、装置、工艺、排程四大核心情境的AI运用点和实例
•
会落地：学会从痛点识别、资料治理到模型部署的五步施行路径，防止常见陷阱
•
出方案：课堂实战产出公司级AI运用初步解题打法，可直接带回岗位推进
课程大纲
开班导入：
AI驱动智能制造的时代机遇
现况调研：
① 您所在公司的制造实地面临的最 大挑战为何？② 在您的事务中，哪些环节最倚重老师傅的心得？③ 您认为AI技艺能在哪些方面支援拉升制造效率和质量？
第 一讲：智能制造准则和政策解读
一、国家智能制造方略轮廓
1.
智能制造演进脉络：从“两化融合”到“十四五”智能制造演进规划
2.
智能制造“十四五”核心标的：70%规模以上制造业公司基本数智化、建成500个以上引领型智能工厂
3.
政策支持方向：智能装备，工业软件、系统集成、准则架构、示范工厂
二、智能制造准则架构解读
1.
智能制造准则架构架构（参考《国家智能制造准则架构建设指南》）
(1)
基础共性准则：安全、可靠性、检测等等
(2)
要害技艺准则：智能装备、智能工厂、智能服务、智能赋能技艺（含AI）
(3)
业界运用准则：分业界施行指南
1.
智能制造本领成熟度模型（CMMM）
(1)
五级定义：一级（规划级）到五级（引领级）
(2)
各本领域（人员、技艺、资源、制造）评核要点
1.
公司怎样对标准则开展自评和拉升
三、AI在智能制造准则中的定位
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：识别、预测、精进、生成
3.
AI在工业领域智能制造的典型运用情境
(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)
结合自身公司，对照成熟度模型，判断当前所处等级以及主要差距
(2)
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
一、
基石构筑—AI模型构筑基础流程、资料构筑
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
(1)
智能质量管控营运流程、规则梳理
(2)
预测性维护营运流程、规则梳理
(3)
智能工艺精进营运流程、规则梳理
(4)
生产调度精进营运流程、规则梳理
1. 3.基础资料构筑
(1)
智能质量管控基础资料搭建
(2)
预测性维护基础资料搭建
(3)
智能工艺精进基础资料搭建
(4)
生产调度精进基础资料搭建
实操上手/实例剖析
：从质量、装置、工艺、调度中选项1类情境，思索并完成AI业务链路、决策规则、基础资料搭建。
三、情境落地-AI在智能制造的核心运用
1. 智能质量管控
(1) AI视觉检测：表面缺陷自动识别
(2) 质量根因拆解：多变量关联拆解
(3) 虚拟量测
(4) 生产全流程质量追溯和合规性自证
2. 预测性维护
(1) 装置健康状态监测
(2) 故障预警和寿命预测
(3) 厂务设施智能运维
(4) 刀具寿命管控和断刀预测
3. 智能工艺精进
(1) 工艺参数自精进
(2) 能耗智能管控
(3) 配方精进
(4) 产线平衡和瓶颈智能识别
4. 生产调度精进
(1) 智能排产排程
(2) 物料精准配送
(3) 人机协同作业调度
(4) 供给链韧性预警和动态调整
(5) 基于市场反馈的实时生产调整
1.
小组差事
：基于公司实际，思索并完成AI赋能情境点梳理
四、从概念到实践—AI项目施行路径
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，完成AI解题打法最终规划并发表
1.
课程收束、回顾
：迅速回顾AI在制造各环节的核心价值
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李希老师
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。