课程背景
在工业4.0时代，制造业正经历着从“心得驱动”向“资料驱动”的深刻变革。对于生产一线的管人者而言，面临着前所未有的挑战：货品质量准则日益拉升、生产成本持续高压、熟练技工短缺、买方订单波动频繁。传统的生产管控模式，尤其是在规划排程、装置维护、质量将控和效率精进方面，已逐渐触及上限。和此同时，车间管人者每天面对海量报表（工时利用率、直通率、装置故障记录等等），却常常陷入“资料太多、资讯太少”的困境，难以抓住核心问题。
本课应运而生，旨在回应这一时代命题。它将不再是泛泛而谈的概念普及，而是深度锁住于生产一线管人者最需要掌握的两大核心本领：
资料驱动改进
和
AI抓手情境化运用
。课程将支援车间主任构筑资料化、智能化管控意识，掌握从报表解读、问题定位、改进落地到成效量化的完整办法论，弄懂AI在异常预警、智能排程、能耗监控等等情境的实用价值，最终带领参训者规划出可落地的“微试点”方案，防止成为“数字难民”，真正拉升生产营运的稳定性和效率。
课程收益
借助本课的研习和实战上手，参训者将掌握以下核心本领：
•
构筑资料化思路，告别“只看报表不抓核心”
：掌握解读生产一线核心报表（工时利用率、直通率、装置故障资料、生产规划排程表等等）的办法，能透过资料表象看透业务本质，精准定位管控痛点。
•
掌握改进办法论，形成闭环管控本领
：学会运用“资料拆解—问题定位—改进落地—成效量化”的闭环推演，将资料转化为可执行的改开展动，拉升生产稳定性和效率。
•
拓宽AI运用视野，识别运用机会
：弄懂AI以及数智化抓手在车间管控中的实用情境（生产异常预警、诉求波动下的排程精进、能耗智能监控等等），消除对AI的“高技艺壁垒”畏惧感，能从业务视角识别自身岗位的AI运用机会。
•
激发试点落地思路，迈出转型第 一步
：借助研习出色资料化车间建设实例，启发思索，并在讲师带出下，针对自身车间（如单一装置、某条产线）规划出“微试点”方案，为后续的数智化转型落地打下坚实基础。
•
获得可量化结晶，达成本领转化
：带着本车间的具体问题来，在课后形成一份“微改进/微课题规划”，借助改进前后的资料差异量化结晶，真正做到学以致用。
课程大纲
课程导入：“数字难民”还是“数字管家”？—车间管人者的新挑战
(1)
您在日常管控中最头疼的“资料困惑”为何？
(2)
每天花多少时间处理报表？这些报表对您的决策有多大支援？
(3)
请列举本部门最要害的3个资料痛点，并说明资料收集事务耗时占比现况。
第 一讲：生产核心报表解读——看清资料背后的业务推演
一、制造业资料化现况诊断
1. 典型问题扫描：
(1) 资料孤岛现象：某汽配公司5套独立系统资料冲突实例
(2) 指标失真乱象：注塑车间人为调整装置参数达成考核实例
(3) 管控滞后困境：五金公司日报表延迟48小时失效实例
1. 2.资料化管控核心理念：
(1) 基本定义：资料化管控 = 准则化 × 可视化 × 智能化
(2) 价值金字塔：
1 基础层：消除假资料（某电子厂传感器替代手工记录实例）
2 运用层：发现真问题（OEE拆解锁定瓶颈装置实例）
3 方略层：创造新价值（资料驱动的工艺精进实例）
二、核心指标深度拆解
1. 工时利用率——效率的“照妖镜”
(1) 不只是“出勤率”，要害是“有效工时”
(2) 工时分类准则：加工时间、准备时间、等待时间、异常时间四类定义
1.
实例拆解：某装配车间借助工时分类拆解，发现“等待时间”占比高达25%，从实践看，根源是物料配送不及时
2.
实战招数：怎样拟定《工时分类记录表》，具体来看，让一线员工正确填报
3. 2.直通率——质量的“晴雨表”
(1) 计算公式：直通率 = 良品数 ÷ 总投入数 × 100%（各工序连乘）
(2) 直通率和工序合格率的区别：直通率更能反映工序间质量协同
1.
实例拆解：某电子厂直通率仅75%，但各工序合格率都＞95%，问题出在哪里？（资料拆解发现：工序间检验准则不一致）
2.
实战招数：怎样用直通率定位“隐形”瓶颈工序
3. 3.装置故障资料—装置可靠性的“体检报告”
(1) MTBF（平均故障间隔时间）和MTTR（平均修复时间）深度拆解
(2) 故障分类：机械故障、电气故障、操作失误、等待备件等等
1.
实例：某注塑公司借助OEE拆解，发现换模时间占装置停机时间的38%
2.
实战招数：怎样利用故障资料拟定预防性维护规划（从“坏了再修”到“提前预防”）
3. 4.物料短缺记录—生产中断的“预警信号”
(1) 物料短缺的分类：规划内短缺、规划外短缺、供应商原因、内部原因
(2) 齐套率管控：排产前查验要害物料是否到位
1.
实例拆解：某电子厂因缺料停线，换个角度看，后发现替代料可用但未登记，造成重大损失
2.
实战招数：怎样构筑《物料齐套查验表》，将缺料隐患消灭在排产前
3. 5.生产规划排程表—营运效率的“指挥棒”
(1) 规划达成率背后的真相：是产能不足，还是物料、装置、人员的协同问题？
(2) 规划达成率和产能利用率的平衡艺术
1.
实例拆解：某汽车零部件公司“规划达成率98%但交付率仅85%”的矛盾现象拆解
三、资料背后的业务推演挖掘
1. 三维拆解法（时间/对象/指标）
(1) 时间维度：同比、环比、趋势拆解
(2) 对象维度：装置、产线、班组、货品型号
(3) 指标维度：效率、质量、成本、交付
1.
实例：某注塑车间不良率拆解（按照班次/装置/货品型号交叉对比）
1. 实例拆解研讨：
(1)
实例材料：某公司“OEE（装置综合效率）很高，但订单交付率很低”的矛盾现象
(2)
小组碰头：您认为可能的原因有哪些？需要补充哪些资料来验证您的假设？倘若发现OEE资料有“水分”，您会怎样处理？
(3)
课堂上手：分组解读一份真实的生产日报
1 差事：运用“三维拆解法”，实操中，找出资料反映的核心问题（至少3个）
2 要求：说明问题表象，可能原因、需要进一步验证的资料
3 每组派代表用5分钟陈述，讲师开展点评
1.
次讲：资料驱动改进实践——构筑“拆解-定位-改进-量化”闭环
一、资料拆解和问题定位
1. 资料拆解四步法
(1) 第 一步：资料透视——三维拆解法（时间/对象/指标）
(2) 第二步：根因定位——5Why拆解法深度拆解
1.
实例演示：某机加工车间“装置停机率高”，借助5Why拆解，执行层面，发现真正原因是“换型时间过长”而非“机械故障”
(1) 第三步：改进对策——ECRS要则运用
(2) 第四步：成效验证——改进前后资料对比
1.
实例拆解： 某电子厂SMT贴片车间直通率从98%降至92%，买方投诉增加，但报表显示“各工序合格率都达标”——问题出在哪里？
二、改进落地和成效量化
1. 改进对策拟定
(1) 对策分类：短期措施（3天内），中期措施（1个月内），长期措施（3个月内）
(2) 对策可行性评核：技艺可行性、成本效益、施行周期、潜在隐患
1. 2.成效量化验证
(1) 怎样设定量化指标（SMART要则）
(2) 改进前后资料对比办法
1 时间序列对比（改进前1个月 vs 改进后1个月）
2 对照组对比（改进装置 vs 未改进装置）
1.
实例拆解：某机加工公司借助瓶颈精进，日产出拉升25%，资料对比全进程展示
2. （3）持续改进制度建设
1 PDCA循环落地
2 组织保障
3 数智化抓手支持
三、实战上手：某电子厂SMT贴片车间问题诊断和改进
(1)
情景设置：直通率从98%降至92%、买方投诉增加（3起/周→15起/周），但报表显示“各工序合格率都达标”（＞95%）
(2)
小组差事：资料诊断： 拆解生产/质量/装置资料，找出矛盾点（提示：可能的原因有哪些？需要哪些资料？）根因拆解： 采用5Why+鱼骨图，找出根本原因、拟定对策： 至少3项可落地的改进措施（区分短期、中期、长期）、规划验证方案： 怎样证明改进有效？（量化指标、对比办法、验证周期）
三讲：AI和数智化抓手情境化运用—实用情境和实例启发
一、AI在制造业的核心运用情境
1. 视觉识别类运用
(1) 货品外观质检：裂纹、划伤、色差、尺寸超差，装配完整性
(2) 字符识别和追溯：OCR自动读取批次号，生产日期、规格型号
(3) 安全行为识别：人员是否佩戴安全帽，是否进入危险区域
1.
实例拆解：某包装厂借助摄像头自动计数，替代人工点数，效率拉升80%
2. 2.预测拆解类运用
(1) 装置故障预测：基于振动、温度、电流等等传感器资料，预测装置健康状态
(2) 质量根因拆解：挖掘工艺参数和货品质量的关联关系
1.
实例拆解：某汽车零部件公司借助预测性维护，非规划停机时间减少50%
2. 3.智能精进类运用
(1) 生产排程精进：平衡交付期、装置利用率，人力成本等等多重标的
(2) 工艺参数推荐：基于实时生产条件推荐最 优工艺参数
1.
实例拆解：某电子厂借助智能排程，订单交付周期缩短20%
2. 4.自然语言处理类运用
(1) 学识问答：迅速检索装置维修历史、工艺参数准则
(2) 报告自动生成：自动生成营运拆解报告
1.
实例拆解：某公司用AI抓手10分钟生成一份原本需要2小时的周报
二、深度实例拆解一：生产异常预警
1. 传统异常管控的痛点：
(1) 发现滞后：问题发生后才知道
(2) 反应被动：救火式管控
(3) 资料缺失：缺乏预警指标
1. AI解题打法：
(1) 传感器资料采集（振动、温度、电流、压力）
(2) 装置健康度评核模型
(3) 异常阈值设定和自动预警
1.
实例拆解： 某机加工公司为要害装置加装振动传感器，提前3天预警轴承故障，防止了一次重大停机
2.
课堂上手：为您的车间选项一台要害装置，思索：哪些参数能够监测？（温度、振动、电流、声音？）怎样采集资料？（已有PLC？需要加装传感器？）异常阈值怎样设定？（心得值？历史资料？）
三、深度实例拆解二：诉求波动下的智能排程
1. 传统排产营运的挑战：订单波动性大，预测不准确、装置故障导致规划中断、物料供应不及时、人力配置不合理
2. 排产基础要则——科学计算替代心得猜测
3. 动态排产和异常响应
1.
实例拆解：某电子厂因缺料停线，后发现替代料可用但未登记
2.
小组差事：给定一个插单情境（包含5个现有订单+1个紧急插单），换个角度看，拟定调整方案，计算换型时间对日产能的影响，实操中，输出《动态排产调整表》
四、深度实例拆解三：能耗智能监控
1. 传统能耗管控的痛点：资料滞后（月底才知道电费）、无法定位高耗能装置、缺乏精进建议
2. AI解题打法：
(1) 实时能耗监控（分装置、分时段）
(2) 异常能耗识别（空转，高耗能时段）
(3) 节能精进建议（错峰生产、工艺精进）
1.
实例拆解：某注塑公司借助能耗资料拆解，发现某装置夜班能耗比白班高15%，运行层面，原因竟是“操作工忘记关加热系统”
五、出色资料化车间建设实例分享
1.
实例一：某电子厂“资料化看板+AI预警”系统
2.
实例二：某机加工公司“预测性维护”试点
3.
实例三：某汽车零部件公司“AI视觉质检”运用
1.
启发式碰头：这些实例对您有什么启发？您的车间有哪些情境能够借鉴这些实例？您认为哪个实例最可能在自己的车间落地？
四讲：微试点落地带出—迈出数智化转型第 一步
一、何为“微试点”？
1. 微试点的核心理念：
(1) 小处着手：选项一个具体的，可管控的小情境
(2) 迅速验证：在较短时间内（1-3个月）验证可行性
(3) 最小成本：用最小的投入（人员，资金、时间）获取最 大信心
1. 2.可复制性：成功后可迅速推广到其他情境
2. 微试点 vs. 大项目：
二、微试点规划六步法
1. 步骤1：选定情境
2. 步骤2：明晰标的
3. 步骤3：定义资料
4. 步骤4：选项抓手
5. 步骤5：执行和跟踪
6. 步骤6：成效评核
三、实战上手：各小组以本车间为来由，选项一个“微试点”情境，运用六步法规划一个简单的试点方案
1. 方案内容包括：
(1) 选定情境（为何选这个情境？）
(2) 明晰标的（量化标的为何？）
(3) 定义资料（需要采集哪些资料？从哪里来？）
(4) 选项抓手（用什么抓手？）
(5) 执行规划（谁来执行？周期多长？怎样跟踪？）
(6) 成效评核（怎样验证？）
1. 2.方案发表和交叉点评：
(1) 每组派代表用5分钟阐述本组的微试点方案
(2) 其他小组开展提问和点评
(3) 讲师开展收束和精进建议
课程收束、回顾和闭幕
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李希老师
适合谁听
：公司管控层、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。