课程收益
1.
拉升
AI 和业务融合的实战本领：
让参训者能精准识别所在业务环节（如研发
/ 生产）的 AI 运用情境，例如生产端的装置预测性维护、研发端的参数精进；掌握 3-5 类制造型公司常用 AI 技艺（如分类算法、生成式 AI）的适用范围，防止技艺和情境错配；能独立完成 “痛点→AI 方案” 的初步转化，从实践看，如将 “生产良率低” 转化为 “基于机器视觉的 AI 质检方案”。
2. 掌握竞赛课题规划全流程办法：
参训者需熟练运用
“痛点调研→诉求定义→课题拆解→方案架构” 的办法论，例如借助访谈、资料拆解锁定 “电机装配不良率高” 的核心原因；能输出规范的课题规划书，包含痛点描述（资料支撑）、标的设定（如良率拉升 5%）、技艺路径（如 AI 视觉检测 + 工艺精进）；学会用华为数智化转型 “业务驱动资料” 的推演，确保课题不脱离业务本质。
3. 产出可落地的革新项目结晶
：
2 天培训后，每组需输出 1-2 个符合智新业务的革新项目，并且满足 “三可”：可验证（有资料支撑方案成效）、可施行（明晰所需资源如现有装置 / 资料接口）、可短期启动（1-3 个月内可试点）。项目需覆盖 “研产供销服” 至少 2 个环节，换个角度看，例如 “基于生成式 AI 的动力总成研发参数推荐”“供给链诉求预测 AI 模型”。
4. 构筑资料驱动的决策思路：
让参训者养成
“用资料说话” 的习惯，例如拆解生产良率时，需拆解 “装置参数、原材料、操作流程” 等等资料维度；掌握基础资料处理办法（如资料清洗、维度拆解），能从智新现有系统（如 MES/ERP）中提取有效资料支撑方案；领会字节跳动 “资料运用迅速迭代” 的推演，学会用小资料试点验证方案，再渐次精进。
5. 明晰结晶推广和落地路径：
参训者需掌握
“方案推广可行性评核” 办法，如从 “成本投入、人员本领、系统适配” 三方面判断方案推广价值；能输出项目推广规划书，包含试点范围（如某车间某产线）、隐患点（如资料缺失）以及化解措施；弄懂智新内部结晶推广流程，如怎样对接领导层（星光班参训者）获取资源支持，确保出色方案能在公司内落地。
课程大纲
第一天：课题规划基础和
AI
认知（
6
小时）
1.1.
模块一：诉求洞察和业务范畴拆解（上午
3h
）
1.1.1.
智新业务价值链和参赛人员事务范畴
1. 智新核心业务链路深度拆解
²
拆解
“
动力总成研发
→
三电部件生产
→
总成组装
→
供给链协同
→
售后服务
”
全链路核心环节，明晰各环节要害节点（如研发端的参数仿真，生产端的
SOP
执行）
²
结合
“
马赫动力
”
货品特性，梳理研发环节核心诉求（如缩短发动机热效率精进周期）、生产环节核心诉求（如电机装配精度将控）
²
标注各环节资料来源和归属系统（如生产资料来自
MES
、研发资料来自
PLM
、售后资料来自
CRM
）
²
明晰各环节和
“
自主可控业界链
”
的关联点（如核心零件自制环节的质量追溯诉求）
2. 参赛人员事务情境和痛点映射
²
按照
“
研发
/
生产
/
供给链
/
销售
/
售后
”
分组，带出参训者梳理日常事务高频情境（如生产岗的装置巡检、供给链岗的库存调度）
²
指导参训者用
“
问题
-
影响
-
资料
”
推演描述痛点（如
“
装置突发停机
→
日都损失
2
万元
→
近
3
月停机
12
次
”
）
²
构筑
“
岗位
-
痛点
-
资料
”
映射表，例如
“
生产质检岗
→
零件外观不良漏检
→
质检记录资料
+
返工成本资料
”
²
结合智新
KPI
（如生产良率
≥99.5%
），判断痛点对业务标的的影响程度，筛选高优先级痛点
3. 竞赛课题备选方向筛选
²
明晰课题筛选三要则：贴合智新核心业务（如动力总成、三电部件）、具备资料支撑条件、可在
3-6
个月内试点
²
提供
“
课题方向参考清单
”
，换个角度看，如研发端
“
基于
AI
的动力总成参数精进
”
，生产端
“
三电部件
AI
视觉质检
”
²
组织小组碰头，每组初步提出
2-3
个课题方向，说明痛点依据和业务价值
²
教授结合华为数智化项目心得，点评课题方向可行性，淘汰
“
脱离业务
/
资料不可得
”
的方向
1.1.2.
制造型公司
AI
运用基础认知
4.
制造高频
AI 技艺原理和特性
²
解说三类核心
AI
技艺：机器视觉（基于图像识别的缺陷检测）、预测性维护（基于时序资料的故障预警）、时序预测（基于历史资料的诉求
/
产量预测）
²
用通俗语言解释技艺核心推演（如机器视觉
“
借助训练模型区分正常
/
异常零件图像
”
），防止复杂公式
²
对比不同技艺的适用情境和局限（如预测性维护需至少
6
个月历史装置资料，小样本情境不适用）
²
结合字节生成式
AI
实践，补充
“AI
辅助资料标注、方案文档生成
”
等等效率抓手的运用情境
5. AI 技艺和智新业务情境匹配拆解
²
针对智新
“
研产供销服
”
各环节，落地时，逐一匹配
AI
技艺（如研发端用生成式
AI
辅助规划方案初稿、供给链端用时序预测精进采购规划）
²
分享同业界实例：某车企用机器视觉检测电机绕组缺陷，从实践看，不良率降低
40%
；某动力总成公司用预测性维护减少装置停机
30%
²
带出参训者初步判断自身痛点适配的
AI
技艺（如
“
零件漏检
”
适配机器视觉、
“
装置停机
”
适配预测性维护）
²
输出
“
智新业务
- AI
技艺
”
匹配清单，标注每个匹配项的核心资料诉求（如
“AI
质检需
1000 +
正常
/
异常零件图片
”
）
6. AI 方案落地前提条件拆解
²
明晰
AI
方案落地三要素：资料可用性（资料量、质量、获取难度）、技艺适配性（现有装置
/
系统是否支持）、业务协同性（跨部门配合意愿）
²
拆解智新现有条件：如
MES
系统是否能输出装置实时运行资料、
PLM
系统是否存储研发仿真资料
²
解说资料不足时的破解打法（如小样本资料增强、和
IT
部门协调资料接口开发）
²
小组研讨：针对每组初步课题方向，拆解落地前提条件是否满足，往细里说，提出补充措施（如需
IT
部门协助导出
3
个月质检资料）
1.2.
模块二：课题规划办法论和资料基础（下午
3h
）
1.2.1.
竞赛课题规划全流程
1. 痛点挖掘四步法实操
²
第一步
“
业务访谈
”
：提供访谈提纲模板（含
“
日常事务最大难题
”“
影响业务的要害因素
”
等等问题），指导参训者访谈同部门
1-2
名同事
²
第二步
“
资料验证
”
：教授用
“
资料对比法
”
验证痛点（如
“
声称良率低
”
需对比业界均值、历史同期资料），提供资料验证表模板
²
第三步
“
影响拆解
”
：从
“
成本、效率，质量
”
三维度量化痛点影响（如
“
装置停机
1
小时
→
损失产能
50
台
→
直接成本
1.2
万元
”
）
²
第四步
“
优先级排序
”
：用
“
影响程度
-
破解难度
”
矩阵，运行层面，筛选出
“
高影响
-
中低难度
”
的痛点作为课题核心
2.
课题定义
SMART 要则运用
²
解说
SMART
要则在课题定义中的具体落地：
Specific
（明晰痛点，实操中，如
“
电机端盖装配错位
”
），
Measurable
（量化标的，如
“
错位率从
2.5%
降至
0.8%”
）
²
指导参训者防止常见误区：如标的不可达成（
“1
个月内将研发周期缩短
50%”
）、和业务无关（
“
通用
AI
技艺研究
”
）
²
提供课题定义示例：
“
基于机器视觉的电机端盖装配错位
AI
检测，落地时，
3
个月内将错位率从
2.5%
降至
0.8%
，往细里说，减少返工成本
15
万元
/
月
”
²
小组实操：每组按照
SMART
要则完善
1
个课题定义，教授逐组点评修正
3. 课题初步轮廓搭建
²
课题轮廓包含四部分：痛点描述（资料
+
影响）、标的设定（
SMART
）、核心思路（
AI
技艺
+
业务链路）、资料诉求（来源
+
格式
+
量）
²
提供轮廓模板，实操中，指导参训者填写具体内容（如资料诉求
“
从
MES
系统导出
2024
年
1-6
月电机端盖装配质检资料，含图片
+
不良类型标签
”
）
²
强调轮廓和智新业务的关联性：如核心思路需说明
“
怎样对接现有质检流程，往细里说，不额外增加人工成本
”
²
小组展示：每组分享课题初步轮廓，其他小组提出补充建议（如
“
需明晰资料获取责任人
”
）
1.2.2.
资料治理和拆解基础
1. 智新核心资料源梳理
²
按照
“
研发
/
生产
/
供给链
/
售后
”
分类，列出各环节核心资料项（如生产环节：装置运行参数、质检结果、生产节拍）
²
明晰资料归属部门和系统（如装置资料归属生产部，存储于
MES
系统；研发资料归属技艺部，存储于
PLM
系统）
²
解说资料获取流程：如从
MES
系统导出资料需填写
“
资料申请单
”
，审批流程需
1-2
个事务日
²
提供
“
智新资料源清单
”
，标注各资料项的更新频率（如装置资料实时更新、库存资料每日更新）和获取难度
2. 基础资料处理实操
²
教授
Excel
核心资料处理招数：缺失值处理（用
“
均值填充
”
处理装置温度缺失资料）、异常值剔除（用
“3σ
要则
”
删除明显偏离的质检资料）
²
解说资料维度拆解办法：如将
“
生产良率
”
按照
“
装置型号、班次、原材料批次
”
拆解，定位要害影响因素
²
抓手实操差事：给参训者提供智新还原生产资料（含装置参数、质检结果），落地时，指导完成
“
资料清洗
→
维度拆解
→
异常值剔除
”
全流程
²
输出要求：每人提交处理后的
Excel
表格，包含清洗后资料、维度拆解图表（如不同班次良率对比图）
3. 资料支撑痛点拆解办法
²
解说
“
资料
-
痛点
”
关联推演：如用
“
装置停机时长趋势图
”
支撑
“
装置可靠性差
”
痛点，就一线经验说，用
“
不同批次零件不良率对比表
”
支撑
“
原材料质量波动
”
痛点
²
教授资料可视化招数：用折线图展示趋势（如月度停机时长），用柱状图对比差异（如不同装置良率）、用饼图呈现占比（如不良类型分布）
²
实操差事：参训者用处理后的生产资料，落地时，制作
2-3
个可视化图表，运行层面，支撑自身课题的痛点描述
²
点评精进：教授针对参训者图表，提出改进建议（如
“
需标注资料单位
”“
增加业界基准线对比
”
）
第二天：
AI
抓手实操和方案规划（
6
小时）
1.3.
模块三：
AI
抓手
选型
和方案规划（上午
3h
）
1.3.1.
制造情境
AI
抓手
选型
1.
低代码
AI 抓手选型和入门
²
引见三款适配制造情境的低代码抓手：百度
AI Studio
（机器视觉专项），华为
ModelArts
（预测性维护专项），字节火山方舟（生成式
AI
辅助）
²
解说抓手选型要则：根据课题类型选项（如质检类选百度
AI Studio
，预测类选华为
ModelArts
）、优先选项支持
“
资料导入
-
模型训练
-
结果导出
”
全流程的抓手
²
抓手账号准备：协助参训者注册抓手账号，往细里说，配置基础环境（如百度
AI Studio
的
Python
环境）
²
基础操作
解说
：以百度
AI Studio
为例，解说
“
项目创建
→
资料上传
→
文件管控
”
基本步骤，确保参训者能独立操作
2. AI 抓手和智新系统适配验证
²
解说抓手和现有系统对接的两种方式：间接对接（从
MES
导出资料
→
上传抓手）、直接对接（借助
API
接口实时获取资料，需
IT
部门支持）
²
还原间接对接流程：指导参训者从
“
智新还原
MES
系统
”
导出装置资料，上传至华为
ModelArts
，验证资料格式兼容性
²
拆解直接对接的可行性：如百度
AI Studio
是否支持和智新
MES
系统的
API
对接，落地时，需协调
IT
部门确认接口开发周期
²
输出
“
抓手
-
系统适配评核表
”
，每组填写自身课题所需的对接方式、资源诉求、时间周期
1.3.2.
竞赛方案规划和带练
1. 方案三层架构规划办法
²
技艺层规划：明晰
AI
抓手
/
算法选型（如
“
用百度
AI Studio
图像分类模型
”
），核心参数设置（如训练轮次、准确率阈值），模型部署方式（如部署在质检工位本地电脑）
²
业务层规划：梳理现有业务链路（如
“
人工质检
→
发现不良
→
返工
”
），执行层面，执行层面，说明方案精进后的流程（如
“AI
初检
→
人工复核
→
不良标记
→
追溯原因
”
），标注流程精进节点
²
支撑层规划：明晰资料诉求（来源、获取方式、更新频率），人员诉求（如质检员需接受
AI
抓手操作培训），装置诉求（如质检工位需配备高清摄像头）
²
提供架构图模板（
Visio/PPT
格式），指导参训者用
“
流程图
+
文字说明
”
呈现三层架构
2. 方案技艺路径细化
²
按照
“
试点
-
精进
-
推广
”
三阶段细化技艺路径：
试点阶段（
1-2 个月）：选项 1 条产线 / 1 个研发项目试点，用小范围资料验证 AI 模型成效，输出试点报告（含准确率、业务价值）
精进阶段（
1 个月）：根据试点结果调整模型参数（如拉升 AI 质检准确率）、精进业务链路（如缩短 AI 初检耗时），破解试点中发现的问题（如资料不全）
推广阶段（
2-3 个月）：将精进后的方案推广至同类型产线 / 项目，拟定推广时间表，明晰各阶段责任人（如生产主管负责产线推广协调）
²
标注各阶段的资源诉求（如试点阶段需
1
名
AI
抓手操作员、推广阶段需
3
名培训师）
3. 一对一方案架构带练
²
分组开展一对一带练，每组
15-20
分钟，换个角度看，教授结合以下维度点评：
架构完整性：是否覆盖技艺层、业务层、支撑层，有无遗漏核心环节（如未考虑资料安全）
业务适配性：技艺路径是否贴合智新
“自主可控” 特性（如是否优先采用国产化 AI 抓手）
落地可行性：资源诉求是否在公司可承受范围（如是否需大量新增装置投入）
²
针对问题提供具体改进建议，如
“
支撑层需补充资料安全措施（如资料脱敏）
”“
试点范围建议缩小至某车间
1
条产线，往细里说，换个角度看，降低隐患
”
²
参训者记录带练意见，在实际应用里，实地修改方案架构，确保架构符合落地要求
1.4.
模块四：方案打磨和结晶输出（下午
3h
）
1.4.1.
方案打磨和完善
1. 方案文档内容精进招数
²
痛点描述部分：需包含
“
现况资料（如停机
12
次
/
月）、影响拆解（如损失
24
万元
/
月）、业界对比（如业界平均停机
5
次
/
月）
”
，用资料增强说服力
²
标的设定部分：按照
“
总标的
+
阶段标的
”
拆分，落地时，从实践看，阶段标的需明晰时间节点（如
“
试点阶段（
2025.1-2
）：
AI
质检准确率达
98%”
）
²
技艺路径部分：补充
“
隐患化解措施
”
（如
“
模型准确率不达标时，往细里说，往细里说，落地时，增加
500
张标注图片重新训练
”
）
²
预期价值部分：从
“
定量（如成本降低
X
万元）
+
定性（如拉升品牌竞争力）
”
两方面描述，防止空泛（如
“
拉升效率
”
需具体为
“
质检效率拉升
30%”
）
²
提供
“
方案文档精进
checklist”
，具体来看，具体来看，参训者按照清单逐项查验完善
2. 方案可行性量化评核
²
规划
“
可行性评核量表
”
，从四个维度量化评分（
1-5
分，从实践看，
5
分为最优）：
资料可行性（资料获取难度、资料质量，运行层面，资料量是否满足）
技艺可行性（
AI 抓手适配度，现有装置支持度、技艺人员本领）
资源可行性（资金投入、人力投入，时间周期是否合理）
业务可行性（和现有流程冲突度，部门协同意愿，对业务
KPI 的拉升度）
²
指导参训者计算综合得分（四个维度平均分），就一线经验说，就一线经验说，实操中，
≥4
分为
“
高可行性
”
，执行层面，
3-4
分为
“
中可行性
”
，在实际应用里，落地时，
<3
分为
“
低可行性
”
²
对
“
中低可行性
”
方案，组织小组碰头改进措施（如
“
资金投入过高
”
可调整试点范围，执行层面，减少初期投入）
3. 小组互评和方案迭代
²
拟定
“
小组互评准则
”
：包含
“
痛点贴合度、架构完整性、可行性、革新性
”
四个维度，往细里说，每个维度
10
分
²
小组交叉互评：每组派
1
名代表解说方案核心内容（
5
分钟），其他小组按照准则打分并提出
2-3
条具体改进建议（如
“
需补充资料安全措施
”
）
²
参训者记录互评意见，结合教授之前的带练建议，开展方案迭代精进
²
迭代后提交
“
方案精进对照表
”
，说明
“
精进前问题
→
精进措施
→
精进后成效
”
，确保方案持续完善
1.4.2.
竞赛课题确定和结晶输出
1. 最终课题方案确认
²
每组提交精进后的完整方案，运行层面，教授从
“
业务贴合度，可行性、革新性，落地性
”
四维度开展最终确认
²
确认准则：痛点需为智新真实高频痛点，方案架构完整、可行性评分
≥3.5
分，能在
6
个月内落地试点
²
对未达标的方案，执行层面，执行层面，教授提供最后
1
次迅速精进建议（如
“
缩小试点范围拉升可行性
”
），实操中，确保所有小组都输出合格方案
²
最终确定每组的竞赛课题，具体来看，填写
“
智新竞赛课题备案表
”
（含课题名称、小组负责人、核心标的、落地时间）
2. 结晶材料准则化整理
²
明晰
“
结晶材料清单
”
，要求每组提交以下准则化材料：
竞赛课题规划书（含痛点描述、标的设定、方案架构、技艺路径、可行性评核）
路演
PPT（10 页以内，含核心资料图表、架构图、落地规划，适配 10 分钟路演）
资料诉求表（明晰资料来源、格式、量、获取方式、责任人）
AI 抓手实操报告（含抓手选型、操作步骤、模型成效截图、系统适配评核）
²
提供各材料的准则化模板，统一字体、格式、核心模块，确保材料规范易读
²
参训者按照模板整理材料，教授抽查
3-5
组材料，运行层面，运行层面，确认格式和内容完整性
3. 落地推广路径和课后支持说明
²
解说智新内部落地推广流程：
对接领导层（星光班参训者）：提交方案摘要，说明业务价值，申请试点资源（资金，人员）
跨部门协调：联合
IT 部门破解资料接口问题，联合生产部门确定试点产线，联合 HR 部门安排人员培训
试点启动：拟定试点规划，落地时，明晰每日
/ 每周事务节点，从实践看，安排专人跟踪资料
结晶呈报：试点结束后提交结晶报告，换个角度看，申请全公司推广
²
明晰课后支持措施：教授在
1
个月内提供
1
次线上答疑（
90
分钟），落地时，针对方案落地中的问题（如资料接口对接、模型精进）提供指导；提供
“
方案落地跟踪表
”
模板，方便参训者记录试点进展和问题
²
收束课程核心：强调
“
数智化转型需业务驱动，资料支撑，迅速迭代
”
，鼓励参训者以竞赛课题为起点，往细里说，具体来看，促成智新
AI
运用落地
2.
竞赛项目的评审维度以及评审办法建议
2.1.
评审维度（总分
100
分）
评审维度
分值
评审要点
业务贴合度
30
1.
是否针对智新
“
研产供销服
”
真实痛点（需资料支撑）。
2.
是否贴合动力总成
/
三电部件核心业务；
3.
和公司
“
数智化转型
”
方略的契合度；
4.
痛点破解对业务
KPI
（如良率，效率）的拉升价值。
革新性
25
1.
AI
技艺和业务结合的革新点（如非通用化方案，适配智新自制特性）；
2.
方案规划是否突破传统办法（如用
AI
替代人工质检）。
3.
课题角度是否新颖（如供给链诉求预测结合动力总成生产规划）；
4.
抓手
/
算法选项是否适配情境，往细里说，落地时，防止过度复杂。
可行性
20
1.
资料可用性：是否明晰资料来源，换个角度看，能否从现有系统获取；
2.
技艺适配性：
AI
抓手
/
方案能否对接智新现有装置
/
系统（如
MES
）。
3.
资源可行性：所需人力、资金、时间是否在公司可承受范围；
4.
试点可操作性：是否明晰试点范围、时间节点，可短期启动。
资料支撑
15
1.
痛点描述是否有完整资料支撑（如停机频次，良率资料）。
2.
方案成效预估是否有资料依据（如参考同业界实例资料）；
3.
资料处理办法是否合理（如清洗，拆解维度）；
4.
是否明晰后续资料采集
/
采用规划。
推广价值
10
1.
方案能否在同环节复制（如一条产线推广到全车间）。
2.
能否跨环节复用（如供给链预测模型适配售后）；
3.
对智新数智化转型的示范意义（如成为
AI
运用标杆实例）。
4.
长期价值（如降低成本，拉升竞争力）。
2.2.
评审办法建议
1. 评审组织：
建议由
“公司领导层（星光班参训者）+ 业务部门负责人 + IT 部门专家” 组成评审组（5-7 人），往细里说，确保评审兼顾方略、业务，技艺维度。
2. 评审流程：
分为
“书面评审→路演评审→综合评分” 三步：
(1)
书面评审：评审组提前阅读各组方案文档，在实际应用里，运行层面，按照维度打分（占
40%）。
(2)
路演评审：每组开展
10 分钟路演 + 5 分钟答疑，评审组实地打分（占 60%）。
(3)
综合评分：汇总两次得分，执行层面，去掉最高分
/ 最低分后取平均值。
3. 评分规则：
采用百分制，在实际应用里，各维度按照
“出色（80%-100%），良好（60%-79%）、合格（40%-59%），不合格（<40%）” 四档打分，需填写具体评分依据（如 “业务贴合度出色：针对电机装配良率痛点，资料支撑充分”）。
4. 结果运用：
按照综合得分排名，推荐前
3-5 个项目作为 “重点落地项目”，往细里说，落地时，优先提供试点资源；对所有合格项目，纳入 “智新数智化革新项目库”，具体来看，后续分批推进落地；评审结果需反馈每组，包含优势和改进建议，实操中，助力方案精进。
5. 后续跟踪：
评审结束后
1 个月，就一线经验说，由业务部门负责人跟踪项目试点进展，落地时，结合评审建议调整方案，确保出色结晶能有效落地。
3.
注意事项
² 在解说技艺细节时，考虑到参训者的专精来由，适当调整难度，防止过于深奥的技艺术语，并根据参训者所在业界、岗位属性做适当的技艺术语转化。
² 防止泛泛而谈技艺原理，所有概念都锚定贴合参训者业界的实际业务情境。
² 提供实际操作的机会或者实例拆解，支援参训者更好地将理论学识转化为实践本领。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李檀老师
适合谁听
公司管控以及业务主力、竞赛参与者。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。