【課程特色】夠?qū)I(yè)，內(nèi)容前沿且正確；講俗話，將復雜技術具象清晰有趣化；重互動，巧妙設計提升參與感；能落地，反復驗證的方法及真實案例。

【課程時間】0.5-2天（6小時/天）

【課程大綱】

一、數(shù)字化轉(zhuǎn)型與人工智能

1、數(shù)字化概念導入

?  從十四五規(guī)劃看數(shù)字經(jīng)濟

?  數(shù)字經(jīng)濟的核心：數(shù)字化轉(zhuǎn)型和數(shù)據(jù)要素

?  數(shù)字化轉(zhuǎn)型：數(shù)字化是業(yè)務和IT的深入融合

概念導入小互動：如果你在跟心儀的女神約會…

2、數(shù)字化頂層思維框架

?  精益思維：梳理業(yè)務，發(fā)現(xiàn)數(shù)字化入手點

?  編程思維：掌握計算機的語言，提升數(shù)字化項目成功率

?  數(shù)據(jù)思維：讓數(shù)據(jù)產(chǎn)生價值，展望數(shù)字化轉(zhuǎn)型的終局

案例：精益趣解-“一個強迫癥和控制狂的發(fā)病史”，從“月暈”中掌握數(shù)據(jù)思維。

小互動：在指路問路中掌握編程思維

3、我們應該關注哪些數(shù)字化技術

?  基礎設施：解除計算機的能力封印

?  數(shù)據(jù)應用：搬金磚VS挖金礦

案例：谷歌云計算，華為5G，某外貿(mào)公司營收預測

4、數(shù)字化轉(zhuǎn)型有哪三個必經(jīng)階段

?  Digitization：無紙化

?  Digitalization：高效化

?  Digital transformation：無人化

?  每個階段的關鍵技術以及數(shù)字化的決勝技術

案例：人員績效智能評估系統(tǒng)

5、數(shù)字化轉(zhuǎn)型的兩大核心半場

?  信息化：固化流程/信息流轉(zhuǎn)/數(shù)據(jù)積累

?  人工智能：找準價值“點”/匹配“針”對性技術

案例：從頂尖運動員看企業(yè)數(shù)字化轉(zhuǎn)型之路

二、AI的2大底層原理和5大底層套路

1、人工智能的2大底層原理

?  邏輯固化：師傅“教”徒弟

?  知識抽取：師傅“帶”徒弟

案例：預測男生是否會受女生歡迎

2、人工智能的5大底層套路

?  Dot & Line：知識圖譜

?  X-Ypairs：知識抽取

?  X1-X2 pairs：推薦匹配

?  Y→X：生成萬物

?  Y only：超越人類

?  人工智能發(fā)展的終點

案例：聯(lián)通智能客服，谷歌藥物預測系統(tǒng)，淘寶推薦系統(tǒng)，清華數(shù)字虛擬人，谷歌核聚變控制系統(tǒng)，美軍自動駕駛戰(zhàn)機

3、人工智能的6步落地法

?  價值驅(qū)動 or 數(shù)據(jù)驅(qū)動

?  機器學習 ≠ 江湖算命

?  數(shù)據(jù)模型 VS 機理模型

?  大數(shù)據(jù)   ∪ 深度學習

?  行業(yè)專家 ||  客觀事實

?  行政可行 ≈  最大門檻

案例：產(chǎn)線良品率提升，大型工程機械故障預測，某著名汽車品牌銷量預測，工業(yè)智能無損檢測，滴滴/百度/礦山自動駕駛系統(tǒng)，AI量化交易-年化收益率1000%

三、AI如何讓你的工廠更聰明

1、工業(yè)數(shù)智化的發(fā)展階段

?  精益生產(chǎn)：數(shù)智化之道

?  發(fā)展階段總述：點→線→面→點

?  工業(yè)自動化：如何控制好單點設備

?  工業(yè)信息化：如何管理好整條產(chǎn)線

?  工業(yè)互聯(lián)網(wǎng)：如何串聯(lián)企業(yè)中的各個條線

?  智慧工廠：回歸價值點的多維突破

2、知識圖譜在工業(yè)場景的落地應用

?  離散制造中的知識圖譜

?  流程工業(yè)中的知識圖譜

?  知識圖譜應用歸類及盤點

案例：工業(yè)專家系統(tǒng)案例，工業(yè)智能問答案例。

3、知識抽取在工業(yè)場景的落地應用

?  智能巡檢：提升效率

?  工業(yè)壽命預測：減少浪費

?  工業(yè)故障預測：降低風險

?  工業(yè)質(zhì)檢：從實時診斷到缺陷預測

案例：某跨過生產(chǎn)企業(yè)焊接故障診斷及預測，某知名制造企業(yè)耗品壽命預測，某知名電力企業(yè)設備故障預測，某知名電力公司巡檢案例

4、其他AI套路在工業(yè)場景的落地應用

?  匹配推薦：AI助力工業(yè)品營銷

?  最優(yōu)化：尋找最優(yōu)工藝參數(shù)及材料配比

?  生成網(wǎng)絡：嘗試助力設計/研發(fā)

四、數(shù)智化技術將如何重構未來工廠業(yè)態(tài)

1、如何從“備貨型”向“訂貨型”轉(zhuǎn)變

?  核心問題：消滅庫存

?  AI銷量/需求預測

?  供應商智慧管理

?  物流路徑最優(yōu)化

?  轉(zhuǎn)運過程自動化

?  倉庫智慧管理

案例：某著名汽車品牌銷量預測，亞馬遜VS京東倉儲物流機器人對比，冷鏈物流路徑優(yōu)化案例，麥肯錫供應商智慧遴選方案。

2、如何從“標品”向“定制化”轉(zhuǎn)變

?  理想狀態(tài)：研產(chǎn)供銷服全面定制化

?  AI精準營銷

?  AI自動化研發(fā)/設計

?  AI智能排產(chǎn)

?  AI智能客服

案例：一汽大眾智能營銷案例，博凱機械AI加速研發(fā)案例，北美石化公司智能排產(chǎn)案例，中國南方電網(wǎng)智能客服案例。

3、如何從“人工流水線”向“機器自動化”轉(zhuǎn)變

?  重點設備故障預測

?  易耗品壽命預測

?  機器人安全巡檢

?  AI智能質(zhì)量檢測

案例：國投雅礱江水電站預測性維護項目，刀具壽命預測項目，國電智能巡檢項目，西門子焊接缺陷診斷項目

4、工業(yè)智能化的終局展望

?  生產(chǎn)力極大釋放

?  生產(chǎn)關系極端簡單

?  徹底的“無人化”