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，运行层面，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
参加本次培训，您的队伍将获得：
•
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；借助智能排产精进，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。
•
本领拉升，赋能一线员工：hands-on（动手实践）掌握如DeepSeek等等AI抓手的采用招数，能将AI作为日常事务的“智能助手”，用于生成报表、拆解资料、精进流程，拉升个人事务效率和决策科学性。
•
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，从实践看，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：机器智能AI在数智生产线和机器视觉中运用
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
1 按照本领划分
2 按照技艺划分
1.
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
-工业相机、镜头、光源的选项
2.第二步：“大脑”-算法模型
(1)
类比
(2)
训练进程
(3)
推理进程
3.第三步：“执行”-结果输出
(1)
输出信号
(2)
触发后续动作
四、深度实例拆解：AI视觉在制造业的具体运用
1.
表面缺陷检测 – 核心中的核心
1.
(1) 货品外观：裂纹、划伤、色差，尺寸超差(2) 装配完整性：确认组件安装齐全，到位(3) 包装完整性：查验包装是否完好、喷码是否清晰
1.
字符识别和追溯
1.
(1) OCR读取：自动识别并记录货品上的批次号、生产日期，规格型号(2) 追溯系统：将视觉读取的资讯和MES/ERP系统对接，达成全流程质量追溯
2.
课堂上手
：产线AI视觉机会点挖掘(1) 工序/岗位：我们组负责的要害工序(2) 当前质检痛点：（具体描述，沿用第 一部分的碰头结晶）(3) 引入AI视觉的设想：用AI来做什么？（检测，识别、测量、计数？）(4) 预期收益：能破解什么痛点？拉升多少效率或者质量？(5) 潜在挑战：可能会遇到什么困难？（如资料获取、装置改造等等）(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
1.
3.AI赋能装置专精化巡检体制构筑
实例分享：
AI赋能预测性维护实例交流、分享
问题思索
：你的维修流程够高效吗？-传统维修模式和数智化维修模式情境对比
二、 AI赋能生产装置维修活动全流程精进
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
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
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
三、AI赋能生产装置维修资讯技艺
1.AI赋能要害维修资讯系统管控技艺
(1) 工单管控
(2) 备件管控
(3) 资料拆解
2.AI赋能装置移动化维修（智能手机/PAD运用）
(1)
扫码查看装置维修历史
(2)
拍照上传故障现象
(3)
语音录入维修记录
3.AI赋能资料驱动决策（BI看板）
(1)
今日工单完成率
(2)
平均响应时间趋势
(3)
高频故障装置TOP3
1.
实战上手：
1.
1.规划一个AI赋能装置维修、备件管控和资讯化系统结合营运流程构想并发表
2. 维修资料诊断，给定某工厂3个月维修资料开展拆解，拟定AI赋能装置维修活动打法
三讲：机器智能在营运效率和成本精进中的运用
一、AI在生产规划和智能排程中的运用
交流开场：
“在排产时，最让你纠结的‘不确定因素’为何？”
1.
传统排产营运的挑战
(1)
订单波动性大，预测不准确
(2)
装置故障导致规划中断，影响整体效率
(3)
物料供应不及时，在实际应用里，造成生产停滞
(4)
人力配置不合理，执行层面，劳动力成本居高不下
1.
2.AI的智能排产解题打法(1) 智能预测：基于历史资料和市场趋势预测订单诉求(2) 多标的精进：平衡交付期、装置利用率、人力成本等等多重标的(3) 动态响应：实时响应生产异常，自动调整排产规划，拉升营运效率
二、排产基础要则—科学计算替代心得猜测
1. 优先级规则：不再是“哪个急就先做”
(1)
三维评核法（交期+买方等级+工艺复杂度）
(2)
交期紧迫性：剩余时间 vs. 准则周期
(3)
买方等级：VIP买方（如年采购额>500万）优先
(4)
工艺隐患：复杂工序（如良率<90%）提前安排
2. 产能计算：理论 vs. 实际
(1)
理论产能 = 装置数 × 24h × 良率（理想值）
(2)
实际产能 = 理论产能 - （换型时间+待料时间+故障时间）
实例
：某公司原规划日产能1000件，在实际应用里，实际仅800件，因未计算换模时间
3. 瓶颈工序识别和精进
(1)
TOC约束理论运用：找到制约产线的要害工序
(2)
缓冲管控：在瓶颈前设置安全库存，防止停工
实例
：某机加工公司借助瓶颈精进，日产出拉升25%
实战操练：
给定5个订单，计算最 优排产顺序（采用三维评核法），给定装置资料，计算实际可用产能
三、动态排产—化解插单、换线、缺料
1. 紧急插单处理流程
2.“3+5”评核法：3个维度（交期/买方/工艺） + 5步调整流程
(1)
评核插单影响（占用哪台装置？影响哪些订单？）
(2)
计算是否需要加班或者外协
(3)
调整后续订单优先级
(4)
通知采购/仓库确保物料
(5)
更新生产规划看板
2. 换线时间最小化（SMED思路）
(1)
传统问题：换模2小时，换个角度看，但排产表只算1小时
(2)
精进方案：
•
将相似工艺订单排在一起（减少切换）
•
构筑《换型时间资料库》，精准计算影响
3. 缺料应急方案
(1)
齐套率管控：排产前查验要害物料是否到位
(2)
替代料打法：提前定义可替代的物料清单
实例
：某电子厂因缺料停线，后发现替代料可用但未登记
小组差事：
给定一个插单情境，拟定调整方案，计算换型时间对日产能的影响
四、怎样为自动化排产做准备
1. 手动排产怎样精进成可系统化的规则？
(1)
排产推演准则化（如：VIP订单自动优先）
(2)
资料采集精进（装置OEE，换型时间，物料齐套率）
2. APS高级排程需要哪些基础
(1)
资料准备：装置产能、BOM、工艺路线
(2)
流程精进：排产规则必须先固化，才能自动化
实例分享
：某公司从Excel排产到APS系统的升级路径
五、AI在营运效率和成本精进的实践
1.
效率成本精细化管控
1.
(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.
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.
工艺参数智能精进
1.
(1) 资料深度拆解：挖掘工艺参数和货品质量，运行层面，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.
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，提供精进建议
交流碰头：
结合实际思索怎样利用AI开展营运效率和成本精进
四讲：机器智能在生产日常管控事务进程中的运用
一、
机器智能赋能生产日常管控
1. AI赋能生产日常的核心情境
1 智能生产调度和精进
2 人机协同作业
3 预测性维护和质量管控
4 学识管控和决策支持
1. 2.AI赋能生产日常的核心内容
1 智能终端装备
2 数智化管控平台
3 资料驱动决策
4 协同互联
1. 3.AI落地施行要害步骤
1 资料基建
2 模型开发和部署
3 人机交互规划
4 持续研习制度
一、
常用的机器智能
1. 国内常用的机器智能大模型平台以及其特点对比
2. 各平台典型采用情境
3. 选型建议
4. DeepSeek 引见
5. DeepSeek 核心优势
6. DeepSeek 适用情境
1.
三、DEEP SEEK AI赋能实地管控核心
1. 智能监控和实时预警
2. 识别效率预测性维护（PM）
3. 流程精进和自动化
4. 质量安全和合规管控
5. 学识管控和培训
6.
资料驱动决策
1.
四、DEEP SEEK AI在日常事务业务中的运用
2. 1.DeepSeek AI精进提示词的详细办法
1 明晰诉求，结构化提问
2 提供来由资讯
3 分步骤或者列表式提问
4 指定回答格式
5 设定定位，拉升专精性
6 限制条件，缩小范围
7 示例带出，将控风格
8 多轮修正 & 迭代精进
9 防止模糊词汇
10 结合 DeepSeek AI 的特殊功能
1.
课堂上手
：请你结合Deep seek Al在班组长日常事务业务中的运用10大方面选取2-3方面具体业务开展提示词规划并分组发表。
1. Deep seek Al在日常生产事务业务中的运用
1 日常点巡检管控
2 异常拆破解策支持
3 培训材料制作
4 事务报告自动化
5 生产合规管控
6 人员管控调整
7 买方投诉处理
8 资料拆解可视化
9 应急预案生成
10 管将控度精进
1.
课堂上手
：每组请结合事务业务实际，结合班组日常事务业务实际，运用Deep seek开展课堂上手，要求输出3个不同内容运用（不得和前面的重复），20分钟后发表，每组派一名代表上台分享。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李希老师
适合谁听
：公司经理、主管、装置、工艺、质量、规划等等相关人员。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。