课程背景
1.
学识焦虑和认知偏差并存：
一线工艺工程师和管人者普遍听说过
AI，但对其在具体工艺（如机加工，焊接、装配）中能“做什么”、“做到什么程度”认知模糊，往细里说，易陷入“要么神话、要么无用”的误区，需要权威、落地的现况澄清
2.
业务痛点明晰，但解题打法模糊：
公司面临工艺规划效率低、倚重个人心得、准则化难、质量问题追溯拆解耗时等等经典问题，参训者迫切需要知道
AI是否为可行解，以及怎样和现有架构（如丰田生产方式）融合，而非颠覆
3.
本领转型的迫切性：
工程师意识到
AI是趋势，但不知从何学起，怎样将自身工艺学识转化为和AI协同的本领，防止在技艺迭代中被边缘化，急需明晰的研习路径和行动指南
4.
投资和价值的谨慎权衡：
管控层关注
AI项目的投资回报率（ROI），需要弄懂AI在工艺领域运用的成熟度、施行门槛（资料、英才、资金）以及可预期的阶段性收益，以做出明智决策
课程收益
1.
正本清源：
清晰阐述
AI（尤其是生成式AI和CAPP）在制造工艺领域的当前真实本领边界、典型运用情境和主流抓手，破除不实幻想
2.
情境识别：
带出参训者基于自身事务流程，系统识别并优先排序可引入
AI辅助的要害环节（如工艺卡片自动生成、工时智能估算，缺陷图像自动判定、工艺参数精进）
3.
路径规划：
把握
“AI+制造”的技艺演进趋势，支援参训者拟定个人在AI时代下的学识更新和本领拉升路径，明晰下一步研习重点
4.
价值锚定：
借助业界标杆和可行性实例，使参训者能初步评核
AI运用项目的潜在价值和前提条件，为后续技艺导入构筑共同语言和判断基准
课程大纲
第一单元、
开篇：我们面临的制造工艺挑战和
AI的机遇
1.当前制造业工艺规划和管控的核心痛点（效率、质量、学识传承）
2.AI技艺的第三次浪潮为何能真正触及制造核心？
3.
从专家系统到机器研习再到生成式
AI：技艺在工艺领域运用的演变
4.
厘清要害概念：
AI、机器研习、深度研习、生成式AI、CAPP，数字孪生
5.“AI+制造”的宏观政策和业界驱动
【实例研讨】
小组碰头：列举本部门
/岗位工艺事务中最耗时、最倚重心得、最易出错的3个具体差事
实例剖析：某汽车零部件公司工艺文件编制流程的浪费拆解（基于精益视角）
第二单元、
AI在制造工艺领域的运用全景图和成熟度拆解
1.
运用维度一：智能工艺规划和规划（
CAPP增强）
基于
3D模型的工艺路线自动生成
工序图，作业指导书（
SOP）的智能辅助生成
材料和工时智能估算
2.运用维度二：工艺参数精进和进程将控
CNC加工参数、焊接参数的AI精进
基于视觉的在线质量检测和工艺合规监控
生产节拍（
Takt Time）和平衡的智能拆解
3.运用维度三：工艺学识管控和决策支持
“工艺学识库”的构筑和智能问答（Q&A）
缺陷模式的智能诊断和根因拆解
新零件工艺规划的相似性检索和实例推荐
4.
当前各运用维度的技艺成熟度（
Gartner曲线视角）和落地门槛拆解
5.
主流抓手形态：云端
AI平台、嵌入式工业软件模块、定制化解题打法
【实例研讨】
视频实例：某航天公司采用生成式
CAPP系统，将工艺规划周期缩短40%
小组碰头：上述全景图中，哪些运用让你感到意外或者怀疑？为何？
第三单元、
锁住核心：生成式
CAPP系统深度拆解
1.
何为
“生成式”CAPP？和传统CAPP、CAD/CAM的区别和联系
2.
生成式
CAPP的核心事务原理：从“特征识别”到“工艺推理”
3.系统成功的三大基石：高质量资料、工艺规则库、有效的反馈循环
4.
运用效益和局限性：拉升一致性、释放创造力
vs 对复杂、革新零件的局限性
5.
施行路径：从
“辅助生成”到“人机协同”的渐进模式
【实例研讨】
实例剖析：一家机床公司导入生成式
CAPP的完整历程（前期准备、试点，推广、难点克服）
实战上手：给定一个简单零件的
3D模型特征，换个角度看，小组头脑风暴AI生成工艺路线可能需要哪些输入规则和资料
第四单元、
实例拆解
：怎样识别和评核你身边的
AI优先运用情境
1.
情境识别
“四象限”法：从差事重复性（高/低）和决策结构化程度（高/低）两个维度对工艺差事开展分类
2.
价值评核
“三步法”：潜在效率拉升、质量改进、学识沉淀价值量化
3.
可行性评核
“三要素”：资料可获得性、技艺成熟度、组织准备度
【实例研讨】
小组实战上手：各小组选取上午提出的一个痛点差事，运用
“四象限法”和“三步法”开展AI运用情境的识别和价值初步评核，并上台分享
第五单元、
挑战和未来：
AI落地障碍以及“AI+精益”的融合演进
1.
无法回避的挑战：资料孤岛和质量、工艺隐性学识数智化、跨部门协同、初始投资和
ROI测算、英才缺口
2.
丰田的思索：
“自働化”（带人字旁的自动化）和AI智能化的哲学共通性——强调人的最终判断
3.AI怎样助力更彻底地消除“七大浪费”？例如：借助预测性质量管控减少不良浪费，借助智能排程减少等待浪费
4.“人机协同”新模式：AI成为超级助手，换个角度看，工程师转向更高价值的规则拟定、异常处理和革新事务
5.
未来趋势展望：基于数字孪生的实时工艺精进、跨供给链的协同工艺规划、
AI驱动的全新制造范式
【实例研讨】
实例剖析：一家践行精益的工厂，在引入
AI视觉质检时，怎样重新规划作业流程和人员职责，达成“人机共生”
开放碰头：在
AI时代，就一线经验说，工艺工程师的“工匠精神”意味着什么？
第六单元、
收束和行动：你的
AI本领拉升蓝图
1.AI时代工艺工程师的核心本领模型：工艺专家（深度）+ 资料协同者（新维度）+ 持续研习者（态度）
2.
学识储备方向：必要的数理基础、弄懂机器研习基本流程、掌握资料标注和解读本领、熟稔业界
AI抓手
3.
持续研习路径建议：从在线课程（如吴恩达
AI for Everyone）到专精社区，从内部资料拆解项目到外部技艺沙龙
4.下一步行动规划：一周内、一个月内、一个季度内能够分别做什么？
【实例研讨】
实战上手：每位参训者填写《我的
AI研习和行动承诺书》，明晰1项近期要纵深弄懂的AI运用和1项要开始研习的相关本领
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|宋华军老师
适合谁听
管人者。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。