1天(6小时/天)
AI技术对智能制造技术升级的驱动
本课程旨在帮助工厂管理层深入理解人工智能(AI)在智能制造中的应用及其对制造技术升级的驱动作用。课程内容涵盖AI技术的基本概念、发展现状及未来趋势,重点讲解AI在智能制造中的关键应用领域,如生产优化、…
课程介绍
本课程旨在帮助工厂管理层深入理解人工智能(AI)在智能制造中的应用及其对制造技术升级的驱动作用。课程内容涵盖AI技术的基本概念、发展现状及未来趋势,重点讲解AI在智能制造中的关键应用领域,如生产优化、质量控制、设备维护等。通过系统性的培训,学员将掌握AI技术在生产管理中的实际运用方法,学会评估和选择适合企业的AI解决方案,并能够制定AI驱动的智能制造升级战略。课程还涉及AI技术在产品创新、工艺创新、制造管理创新和供应链管理创新等方面的具体应用,帮助学员识别和应对AI技术应用中的挑战与风险,推动工厂实现智能化转型和技术升级。
课程目标
通过系统性的培训,使工厂管理层深入理解人工智能(AI)在智能制造中的应用及其对制造技术升级的驱动作用,掌握AI技术在生产管理中的实际运用方法,推动工厂实现智能化转型和技术升级。
认知提升
理解AI技术的基本概念、发展现状及未来趋势。
认识AI在智能制造中的关键应用领域及其带来的变革。
技能掌握
掌握AI技术在生产优化、质量控制、设备维护等方面的具体应用方法。
学会评估和选择适合企业的AI解决方案。
战略规划
制定AI驱动的智能制造升级战略。
能够识别和应对AI技术应用中的挑战与风险。
模块一:AI和数字化转型认知升级
AI数字化技术概要和AI数字化转型新思维
数字经济三大范式:信息自主、知识自主和行动自主
AI大模型时代制造业数字化转型的愿景:数字原生企业蜕变
构建垂直领域AI大模型赋能企业高质量数字化转型
数字化转型战略思考
思考一:物理世界皆可编程,一切流程皆可建模
思考二:大模型时代制造业数字化转型的愿景:数字原生企业蜕变
思考三:智能摩尔定律时代,智能算法的数量和质量是企业的核心竞争力
思考四:构建垂直领域大模型赋能企业高质量数字化转型
思考五:工业互联网:数据、平台、产业和生态
数字化转型的价值发现四大模式:透明、协同、赋能和数据智能
AI驱动工业5.0时代来临
AI技术概述与发展趋势
AI技术的定义与分类
内容要点:
人工智能的基本定义
AI的主要分类:弱AI与强AI、监督学习与无监督学习、深度学习等
相关技术介绍:机器学习、自然语言处理、计算机视觉等
全球AI发展现状与未来趋势
内容要点:
全球AI技术的发展历程
主要国家和地区在AI领域的布局与成就
未来AI技术的发展方向与潜在突破
AI在制造业中的重要性
内容要点:
AI对制造业的深远影响
提升生产效率与降低成本
增强产品质量与创新能力
模块二:
AI技术驱动智能制造技术升级
AI在智能制造中的角色
内容要点:
智能制造的定义与构成
AI如何驱动智能制造的各个环节
实现智能制造的关键技术
技术升级的驱动机制
内容要点:
AI技术对传统制造流程的改造
数据驱动的决策支持系统
实时监控与反馈机制
模块三:
AI技术驱动产品创新
产品设计与开发中的AI应用
内容要点:
AI辅助设计工具
数据驱动的产品开发流程
个性化与定制化产品的实现
创新案例分析
内容要点:
国内外成功的AI驱动产品创新案例
创新过程中AI技术的具体应用
从案例中学习成功要素与应对挑战的方法
模块四:
AI技术驱动工艺创新
制造工艺优化
内容要点:
AI在工艺参数优化中的应用
实时调整与自适应工艺控制
提高生产稳定性与一致性
新工艺开发
内容要点:
AI辅助的新工艺设计与验证
快速迭代与试验的实现
降低新工艺开发风险与成本
模块五:
AI技术驱动制造管理创新
生产管理智能化
内容要点:
AI在生产计划与调度中的应用
实时监控与动态调整
提高生产灵活性与响应速度
质量管理智能化
内容要点:
AI驱动的质量检测与控制
缺陷预测与预防
数据驱动的持续改进
设备管理智能化
内容要点
设备互联,数据互通。设备智能检测和预警
设备预测性维修
基于风险的设备维修策略和设备效能管理
模块六:
AI技术驱动供应链管理创新
智能供应链优化
内容要点:
AI在供应链预测与需求分析中的应用
库存管理与物流优化
提高供应链的透明度与协同效率
风险管理与应对
内容要点:
AI驱动的供应链风险预测与评估
应急响应与风险缓解策略
构建韧性供应链体系
辛玉军
常住地:北京 北京市
辛玉军老师是兼具工学与管理学背景的数字化转型与智能制造实战专家,拥有24年企业咨询经验,专注制造业智能化、信息化规划与落地。作为工信部数字化转型赋能中心首席专家及专精特新冠军联盟数字化转型首席专家,他深度服务中车、航天科工、海尔、美的、华为、西门子等数百家头部企业,并在清华、北大等多所顶尖高校担任总裁班客座教授。其独特优势在于融合TOC(约束理论)方法论与智能工厂实践,擅长将复杂问题本质化,助力企业高效实现数字化升级,广受航空航天、汽车、轨道交通、电子、钢铁等行业客户高度认可。