工業(yè)智改數(shù)改實戰(zhàn)化訓練營

課程背景：

數(shù)字化轉型概念雖然一直被熱炒，卻很難完成落地。相信您并不是第一次聽到“數(shù)字化”和“人工智能”這樣的名詞，但卻很少有人能夠具象清晰地把這些名詞解釋清楚。

想要梳理清楚紛繁復雜的數(shù)字化轉型技術并找到關鍵點？

想要了解您所在行業(yè)的數(shù)智化轉型案例以及背后的經(jīng)驗教訓？

企業(yè)有意嘗試數(shù)智化轉型，但立項時卻無從下手，難以形成具體方案？

新一代AI生產(chǎn)力工具如何大幅提升企業(yè)效率？

新一代AI技術背后的核心趨勢有什么，這將如何重塑產(chǎn)業(yè)？

我們該做些什么來把挑戰(zhàn)轉變?yōu)闄C遇？

所有答案將在課上揭曉！

培訓目標：

?  掌握1套思維框架，將所有數(shù)字化轉型技術串聯(lián)起來

?  了解您所在行業(yè)的數(shù)智化轉型案例，以及背后的經(jīng)驗與教訓

?  手把手帶你用“6步落地法”，找到最合適企業(yè)轉型突破口并形成方案

?  知曉新一代AI工具提升企業(yè)效率的10種用法

?  掌握人工智能的2大底層原理和5大底層套路

?  了解新一代AI技術的三大核心趨勢及背后的價值

課程大綱：

《D-1企業(yè)數(shù)字化轉型如何落地》 

一、數(shù)智化的頂層思維

1、數(shù)智化轉型是什么

?  企業(yè)中的流程與人類的神經(jīng)

?  企業(yè)中的信息與人類的神經(jīng)信號

?  數(shù)字化：在數(shù)字世界中幫助企業(yè)構造神經(jīng)系統(tǒng)

2、數(shù)智化頂層思維框架

?  感知：獲取原始數(shù)據(jù)

?  認知：抽取關鍵信息

?  推理決策：形成計劃

?  反饋動作：實施計劃

小互動：如果你在跟心儀的女神約會……

3、數(shù)字化與信息化的區(qū)別

?  數(shù)字化：引入數(shù)據(jù)要素，閉環(huán)數(shù)字神經(jīng)系統(tǒng)

?  信息化：智能制造的核心手段，提升決策效率

?  智能化：利用數(shù)據(jù)提升生產(chǎn)力

案例：特斯拉焊接數(shù)字化案例

4、如何提升數(shù)智化成功幾率

?  Gartner：85%的數(shù)字化轉型項目都未成功

?  數(shù)字化選擇題：IT技術 or 業(yè)務邏輯

?  IT技術只能花錢，什么能幫助企業(yè)賺錢

?  精益思維：一個“強迫癥”+“控制狂”病人的發(fā)病過程

?  數(shù)字化全貌：精益思維定位價值+業(yè)務痛點匹配IT技術

?  提升數(shù)字化成功概率的5條核心理念

案例：某商用車頭部企業(yè)數(shù)字化踩坑史

二、精益生產(chǎn)與數(shù)智化

1、精益生產(chǎn)核心概念串講

?  精益生產(chǎn)的核心邏輯：發(fā)現(xiàn)浪費 → 減少浪費

?  如何發(fā)現(xiàn)浪費：建模

?  如何減少浪費：流程

?  精益生產(chǎn)工具回顧：從5SVM到DMAIC

?  精益生產(chǎn)落地過程中存在的問題

案例：一個“強迫癥+控制狂”病人發(fā)病的過程

2、精益生產(chǎn)為何落地難

?  精益生產(chǎn)落地最大的阻礙是人類天性

?  人類天生容易被情緒控制

?  人類天生有好奇心做錯誤嘗試

?  人類天生不喜歡改變

?  精益生產(chǎn)與數(shù)智化是天作之合

案例：一個90%以上準確率的AI算法揭開人類天性

3、如何讓精益生產(chǎn)落地

?  走到現(xiàn)場，用真實的數(shù)據(jù)做業(yè)務建模

?  回歸業(yè)務，找到真正的痛點問題

?  流程升級，構建更好的業(yè)務流程

?  持續(xù)迭代，精益是個螺旋上升的過程

?  精益生產(chǎn)是數(shù)智化的基座

案例：某企業(yè)DMAIC實施過程案例

三、數(shù)字化轉型方法論

1、數(shù)字化轉型頂層規(guī)劃法

?  數(shù)字化戰(zhàn)略思考

?  梳理企業(yè)價值鏈

?  描繪數(shù)字化藍圖

?  選定變革領域

?  規(guī)劃里程碑點

?  項目落地實施

案例：某離散制造企業(yè)精益管理，某離散制造企業(yè)數(shù)字化降本，某制造企業(yè)呆滯庫存消減，某制造企業(yè)排產(chǎn)效率提升，某服裝制造企業(yè)流轉系統(tǒng)。

2、數(shù)字化轉型項目落地法

?  痛點場景細分

?  痛點價值折算

?  問題根因分析

?  與根因對應的解決方案

?  基于干系人的可行性分析

?  基于業(yè)務邏輯的里程碑點規(guī)劃

?  閉環(huán)到痛點價值的成效分析

案例：特斯拉眼中的智能制造，特斯拉數(shù)字化營銷，特斯拉數(shù)字化供應鏈降本，某大型制造業(yè)數(shù)字質(zhì)量提升，人力資源數(shù)字化、工藝優(yōu)化數(shù)字化。

3、數(shù)字化轉型經(jīng)驗總結

?  數(shù)字化轉型的關鍵詞是：融合

?  數(shù)字化轉型的最大阻礙來源：人

?  數(shù)字化轉型成功三要素：價值定位、業(yè)務梳理、IT匹配

?  數(shù)字化轉型成功黃金定律：一把手是CIO

數(shù)字化轉型是螺旋上升式的，沒有捷徑要合理劃分milestone

四、不同領域的數(shù)字化轉型

1、供應鏈數(shù)字化

?  供應鏈的核心模塊

?  采購數(shù)字化

?  運營數(shù)字化

?  物流數(shù)字化

2、大數(shù)據(jù)時代下的營銷

?  什么是數(shù)據(jù)思維

?  打通全域數(shù)據(jù)

?  建立消費者畫像

?  如何在數(shù)字世界觸達消費者

?  基于客戶旅程的動態(tài)數(shù)字化營銷

案例：一汽集團數(shù)字化營銷案例

3、人力資源數(shù)字化

?  HR數(shù)智化總體規(guī)律

?  HR1.0-最簡單的核心邏輯

?  HR2.0-流程遷移至線上

?  HR3.0-深入痛點場景

?  HR4.0-解放人類回歸價值

4、產(chǎn)品設計數(shù)字化

?  CAD（輔助設計）

?  CAE（工程仿真）

?  CAM（輔助制造）

?  CAPP（工藝規(guī)劃）

5、工藝仿真數(shù)字化

?  有限元分析：CAE的起點與核心

?  三維實體構造：CAE靜態(tài)機構分析基礎

?  數(shù)據(jù)交換：CAE動態(tài)分析基礎

?  全面的仿真：流體、電磁、熱分析、疲勞及壽命

6、質(zhì)量數(shù)字化

?  墨菲定律：質(zhì)量問題的根源是人

?  定責任

?  建標準

?  采數(shù)據(jù)

?  弱化人

案例：中國航天數(shù)字質(zhì)量案例

《D2-新一代AI技術如何落地》

一、劃時代的AI爆點

1、來自江湖的傳聞

?  60天月活破億，前所未見的成長力

?  拿到微軟百億投資，引爆AIGC概念

2、chatGPT將對產(chǎn)業(yè)產(chǎn)生何種影響

?  ChatGPT將嚴重沖擊知識加工行業(yè)

?  ChatGPT將大幅提高日常辦公和基礎數(shù)據(jù)處理效率

?  AIGC將猛烈沖擊設計專業(yè)

?  AIGC將徹底閉環(huán)數(shù)字營銷

?  強化學習為自動工藝優(yōu)化及排產(chǎn)帶來新可能

?  強化學習超越人類預示終局

二、AI基礎級體系：解構核心原理與三大核心趨勢

1、人工智能的核心原理

?  通過小互動理解人類智能產(chǎn)生過程并類比機器

?  工人（擬合模型）負責預測

?  質(zhì)檢（損失函數(shù)）負責挑錯誤

?  車間主任（梯度下降）負責糾正

?  AI的本質(zhì)：把學習知識的過程轉化為一系列計算

小互動：如果你正在跟心儀的女神約會……

案例：預測男生是否會受女生歡迎

2、趨勢一：大模型有大力量

?  大模型&大數(shù)據(jù) VS 小模型VS高質(zhì)量數(shù)據(jù)

?  大模型可能導致通用人工智能出現(xiàn)

?  大模型的商業(yè)落地應用及前景

案例：AI智慧城市管理、AI可能會讓人永生、百度自動駕駛

3、趨勢二：生成模型以假亂真

?  什么是生成模型

?  生成模型能夠生成什么內(nèi)容

?  生成模型的商業(yè)落地應用及前景

案例：生成李小龍視頻、AI作畫奪冠、AI對工業(yè)設計的沖擊，AI對企業(yè)數(shù)字孿生構建的影響，AI對數(shù)字營銷的影響

4、趨勢三：強化學習超越人類

?  阿爾法狗的核心原理

?  強化學習的商業(yè)落地應用及前景

案例：，AI學會捉迷藏，AI對生產(chǎn)工藝自動優(yōu)化的影響，AI用于工業(yè)調(diào)度及排產(chǎn)，AI實現(xiàn)可控核聚變， AI用于戰(zhàn)爭

三、AI的研發(fā)套路與 領域的應用

1、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

行業(yè)案例： 智能客服，谷歌藥物預測系統(tǒng)，淘寶推薦系統(tǒng)，數(shù)字人智能營銷，自動駕駛戰(zhàn)機

2、人工智能的6步落地法

?  價值驅動 or 數(shù)據(jù)驅動

?  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

行業(yè)案例： 焊接質(zhì)量預測，制造設備故障預測，制造耗品壽命預測，某著名 品牌銷量預測，工業(yè)智能無損檢測。

四、人工智能會如何影響未來

1、AI會如何影響我們

?  AI為我們帶來的終局

?  絕大部分的工作會被替代

?  只有兩類人會留下：做決策&有想法

案例：18年圖靈獎得主案例，智能化終局解讀，元宇宙加持下的后AI時代。辨析大模型和小模型選擇對行業(yè)的影響

2、AI的3大套路和后AI時代展望

?  在無人化的時代，人應該做什么

?  應對辦法：回歸人“本身”的價值

?  沒有工作的人會做什么：“愛”干嘛干嘛

?   企業(yè)應該如何應對即將到來的AI浪潮

案例：openAI官方給出最容易受chatGPT影響

的崗位， 領域未來展望：馬太效應加強