课程背景
随着工业4.0时代的到来，机器智能正以前所未有的力量驱动制造业的深刻变革。对于制造业而言，面临着货品质量准则日益拉升、生产成本持续高压、熟练技工短缺、以及生产安全和环境要求趋严等等多重挑战。传统的生产管控模式，尤其是在质量检测、装置维护和规划排程、营运效率和成本精进方面，已逐渐触及上限。
本次培训应运而生，执行层面，旨在回应这一时代命题。它将不再是泛泛而谈的AI概念普及，而是深度锁住于计算机视觉等等最易落地、见效最快的AI技艺，结合生产的具体情境，为生产一线队伍提供一套看得懂、学得会、用得上的AI赋能办法论和抓手，助力公司在新一轮业界竞争中抢占智能化先机。
课程收益
•
思路转型，构筑AI认知：打破对AI的“高技艺壁垒”畏惧感，领会AI格外是计算机视觉的基本原理，并能从业务视角识别AI在自身岗位的运用机会。
•
掌握利器，锁住核心情境：重点掌握AI视觉在制造业的核心运用，学会规划从“人眼判断”到“机器视觉”的质检升级路径，直接拉升货品质量一致性和检验效率。
•
降本增效，破解实际痛点：
(1)
质量拉升：研习怎样利用AI达成7x24小时不间断、高一致性的货品外观检测，降低漏检率和买方投诉。
(2)
成本将控：借助预测性维护学识，减少非规划性停机；借助智能精进，降低能耗和库存。
(3)
安全保障：弄懂AI视觉在厂区安全监控、员工行为规范识别方面的运用，防范安全隐患。
•
规划蓝图，促成落地实践：带着本厂的具体问题来，在讲师指导下形成初步的AI运用方案构想，为后续的试点项目落地打下坚实基础。
课程大纲
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)
钢铁冷轧厂面临的“高精度，高价值、高连续性”生产挑战
(3)
AI技艺对冷轧厂达成“零缺陷、零故障、零库存”标的的方略价值。
第 一讲：机器智能AI在智能质检和缺陷检测中运用
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？
1.
二、
传统质检的痛点和AI的解题打法
1.传统质检之痛：“请大家回忆一下，在我们的日常质检事务中，最让你头疼的问题为何？”
(1)
人力的局限
(2)
准则不一
(3)
效率瓶颈
(4)
成本高企
(5)
资料缺失
(6)
环境隐患
2.AI视觉的解题打法 – 对症下药
(1)
7x24小时不懈的“法眼”
(2)
超越人眼的精度和速度
(3)
量化管控和资料驱动
(4)
赋能人力，定位升级
三、计算机视觉技艺原理简介-“让它看得懂”
1.第 一步：“眼睛”-图像采集
2.第二步：“大脑”-算法模型
3.第三步：“执行”-结果输出
四、深度实例拆解：AI视觉在钢铁业界的具体运用
1.
表面缺陷检测 – 核心中的核心
1.
(1) 货品外观缺陷：带钢表面裂纹、辊印，划伤、粘接、乳化液斑、振纹、边裂、氧化铁皮压入等等全类型检测。(2) 进程缺陷预警：实时检测轧辊表面粘铝/粘异物，预警换辊时机，防止批量缺陷产生。(3) 几何尺寸测量：非接触式测量带钢宽度，厚度、平直度（板形），判断镰刀弯、浪形等等缺陷。
1.
字符识别和追溯
1.
(1) OCR读取：自动识别钢卷内圈，外圈喷印的钢卷号、牌号、重量、熔炼号等等资讯。(2) 全流程追溯：将缺陷检测结果和钢卷号绑定，关联上游（酸洗、冷轧）和下游（退火、镀锌）工艺资料，达成“一码到底”的质量溯源。
2.
课堂上手
：冷轧产线AI视觉机会点挖掘，请以“酸轧联合机组”或者“连退/镀锌出口段”为例，规划一个AI视觉运用方案。(1) 工序/岗位：我们组负责的要害工序（如轧机出口）(2) 当前质检痛点：轧辊异常导致周期性辊印，落地时，人工发现时已产生数百米废品。(3) 引入AI视觉的设想：实时检测带钢表面，实操中，自动识别周期性缺陷并报警，落地时，提示“可能为轧辊问题”。(4) 预期收益：将缺陷发现时间从“分钟后”缩短到“秒级”，在实际应用里，减少废品50%以上。(5) 潜在挑战：高速下成像清晰度、缺陷分类准确性、和轧机PLC联动停机打法。(6) 每组派代表用3分钟陈述本组的AI视觉运用思路。
次讲：机器智能在预测性维护和生产装置管控的运用
一、AI赋能生产装置预测性维修管控
1.AI赋能装置状态监测
(1)
振动拆解技艺
(2)
油液监测技艺
(3)
红外热成像技艺
2.AI赋能装置健康度预测预警
(1)
装置健康状态评核
(2)
寿命/故障预测
实例分享：
某冷轧厂借助AI预测轧机F1机架齿轮箱轴承保持架断裂，提前72小时预警，防止产线瘫痪。
课堂研讨
：传统模式-“规划性换辊”造成过度维修，“事后换轴承”导致长时间停机；规划一个AI模式-“状态换辊”+“预测性维修”，拉升利用率和可靠性。
二、AI赋能生产装置预防性维护管控
1.
AI赋能的装置点巡检管控
2.
AI赋能的装置保养大修管控
3.
AI赋能的装置备件管控
1.
运用情境：
(1)
基于装置意义（如轧机、退火炉）自动生成个性化点检路线；利用AR眼镜带出点检，自动记录并比对历史振动/温度资料，异常实时推送。
(2)
根据实际运行载荷、累计过钢量、装置健康度动态调整润滑、更换滤芯等等保养规划，而非机械按照日历周期。
(3)
对轧辊、轴承、万向轴等等要害备件，往细里说，基于故障预测模型自动计算安全库存和补货建议，在实际应用里，降低资金占用。
三、 AI赋能生产装置事后维修管控
1.AI赋能准则化维修流程（PDCA循环）
(1) 拟定点检/保养规划
(2) 维修工单派发
(3) 维修质量验收
(4) 故障根因拆解
1.
运用情境
：故障根因拆解时，往细里说，AI自动关联同类故障历史资料、备件更换记录，工艺参数（如轧制力、张力波动），辅助判断根本原因是装置磨损还是工艺异常。
2.AI赋能维修工单管控升级
(1)
报修人扫码提交 → 系统自动分类（机械/电气/仪表）
(2)
维修进度实时更新（待接单/处理中/已完成）
(3)
维修后自动关联装置档案，形成历史记录
运用情境
：维修工单和钢卷号、生产批次关联，达成“装置故障-生产批次-货品质量”的穿透拆解。
3.AI赋能要害维修技艺
(1)
常见故障库 → 扫码调取历史维修方案
(2)
AR远程协助 → 专家实时指导
实战上手：
(1)
规划一个AI赋能的“轧机辊系全生命周期管控”营运流程构想：从新辊上线、进程状态监测、预测换辊、下机修磨到报废的全流程数智化，并发表。
(2)
维修资料诊断：给定某冷轧厂3个月轧机停机维修资料（含故障类型、时长、备件、关联钢卷质量资料），拆解高频/高损失故障TOP3，拟定AI预测性维护打法建议。
三讲：机器智能在营运效率和成本精进中的运用
1.
一、效率成本精细化管控
1.
实时营运资料拆解：监控装置OEE、产能利用率、单位成本等等要害指标
2.
动态营运打法调整：基于实时资料精进生产节奏和资源配置
3.
成本精准核算：实时计算货品成本和营运效率，识别精进空间
1.
二、智能物流和库存精进
1.
AGV智能调度：精进物料配送路径，减少等待时间
2.
库存精细管控：达成精准库存将控，降低资金占用
3.
配送效率拉升：根据生产进度动态调整配送规划
1.
三、工艺参数智能精进
1.
资料深度拆解：挖掘工艺参数和货品质量，成本的关联关系
2.
参数智能推荐：基于实时生产条件推荐最 优工艺参数
3.
持续精进制度：借助生产资料持续迭代精进工艺模型
1.
四、营运绩效智能管控
1.
全方位效率监控：实时跟踪各产线，班组效率指标
2.
智能拆解报告：自动生成营运拆解报告，提供决策支持
3.
预警和改进：及时发现效率异常，运行层面，提供精进建议
1.
运用情境
：
(1)
实时监控轧机OEE、自动调整轧机轧制力预设值，按照钢卷精细核算能耗成本
(2)
智能调度钢卷运输，钢卷库智能盘库、动态触发原料库吊卷指令
(3)
拆解轧制参数、实时推荐设定值、资料回传训练模型
(4)
班组绩效看板、“冷轧厂营运快报”、自动提示预警。
交流碰头
：请结合冷轧厂“高能耗，高辊耗、高质量成本”三大特点，碰头AI在“节电降耗”，“降低轧辊消耗”、“减少质量降级品”三个方向上的运用思路以及预期效益。
1.
课程收束、回顾、答疑
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李希老师
适合谁听
：中基层管人者以及相关人员。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。