《数智化时代的质量提升实战》 主讲:王明哲 【课程收益】 Ø 掌握1套思维框架,将所有数字化转型技术串联起来 Ø 盘点数字化技术对产品质量提升的四个阶段 Ø 理解人工智能的2大底层原理和6大底层套路 Ø 建立数据思维,解封你未曾意识到的资源和力量 Ø 展望人工智能加持下的质量问题终局 Ø 了解大量相关案例,以及背后的经验与教训 Ø 利用数智化思维,研讨质量提升新方案 【课程特色】够专业,内容前沿且正确;讲俗话,将复杂技术具象清晰有趣化;重互动,巧妙设计提升参与感;能落地,反复验证的方法及真实案例。 【课程对象】制造业质量总监、部长等质量条口的中高层管理者。 【课程时间】1天(6小时/天) 【课程大纲】
一、数字化的顶层思维 1、数字化概念导入 Ø 从十四五规划看数字经济 Ø 数字经济的核心:数字化转型和数据要素 Ø 数字化转型:数字化是业务和IT的深入融合 概念导入小互动:如果你在跟心仪的女神约会… 2、数字化顶层思维框架 Ø 精益思维:梳理业务,发现数字化入手点 Ø 编程思维:掌握计算机的语言,提升数字化项目成功率 Ø 数据思维:让数据产生价值,展望数字化转型的终局 案例:精益趣解-“一个强迫症和控制狂的发病史”,从“月晕”中掌握数据思维。 小互动:在指路问路中掌握编程思维 3、我们应该关注哪些数字化技术 Ø 基础设施:解除计算机的能力封印 Ø 数据应用:搬金砖VS挖金矿 案例:谷歌云计算,华为5G,某外贸公司营收预测 4、数字化转型有哪三个必经阶段 Ø Digitization:无纸化 Ø Digitalization:高效化 Ø Digital transformation:无人化 Ø 每个阶段的关键技术以及数字化的决胜技术 案例:人员绩效智能评估系统 5、数字化转型的两大核心半场 Ø 信息化:固化流程/信息流转/数据积累 Ø 人工智能:找准价值“点”/匹配“针”对性技术 案例:从顶尖运动员看企业数字化转型之路 二、数智化时代的质量提升 1、质量概念导入 Ø 互动:居家隔离洗碗质量提升 Ø 广义的质量问题定义 Ø 广义的质量提升方法 2、使用内部数据促进产品质量提升 Ø 墨菲定律:质量问题的根源是人 Ø 定责任 Ø 建标准 Ø 采数据 Ø 弱化人 案例:中国航天质量管理 3、利用外部数据促进用户体验质量提升 Ø 什么是“大”数据 Ø 如何打通全域数据 Ø 建立消费者画像 Ø 数据驱动的用户体验评估 Ø 数据驱动的用户体验提升 案例:一汽集团数智化用户体验提升 三、智能化的底层原理 1、人工智能的2大底层原理 Ø 逻辑固化:师傅“教”徒弟 Ø 知识抽取:师傅“带”徒弟 案例:预测男生是否会受女生欢迎 2、人工智能的6大底层套路 Ø X-Ypairs:知识抽取 Ø Y→X:生成万物 Ø X1-X2 pairs:推荐匹配 Ø X only:聚类算法 Ø Y only:超越人类 Ø Dot & Line:知识图谱 Ø 人工智能发展的终点 案例:百度智能客服,谷歌药物预测系统,淘宝推荐系统,清华数字虚拟人,谷歌核聚变控制系统,美军自动驾驶战机 3、人工智能的6步落地法 Ø 价值驱动 or 数据驱动 Ø 机器学习 ≠ 江湖算命 Ø 数据模型 VS 机理模型 Ø 大数据 ∪ 深度学习 Ø 行业专家 || 客观事实 Ø 行政可行 ≈ 最大门槛 案例:产线良品率提升,大型工程机械故障预测,工业智能无损检测,自动驾驶系统,AI量化交易-年化收益率1000% 四、AI技术加持下的质量问题终局展望 1、如何从“备货型”向“订货型”转变 Ø AI销量/需求预测 Ø 供应商智慧管理 Ø 仓库智慧管理 案例:某著名汽车品牌销量预测,亚马逊VS京东仓储机器人对比,麦肯锡供应商智慧遴选方案。 2、如何从“标品”向“定制化”转变 Ø AI自动化研发/设计 Ø AI智能排产 案例:某跨国机械厂商AI加速研发案例,某工业跨国公司智能排产案例, 3、如何从“人工流水线”向“机器自动化”转变 Ø 重点设备故障预测 Ø 易耗品寿命预测 Ø 机器人安全巡检 Ø AI智能质量检测 案例:西门子焊接缺陷诊断项目,大型生产设备预测性维护项目,生产线耗品寿命预测项目,工厂智能巡检项目 4、质量问题的终局展望 Ø 生产力极大释放 Ø 生产关系极端简单 Ø 彻底的“无人化” 住:前四部分为授课形式,第五部分为研讨形式。 五、运用数智化思维,研讨质量提升新方案 1、工作坊流程串讲:先发散再收敛 2、以价值为导向的头脑风暴 Ø 痛点问题罗列 Ø 痛点问题排序 3、数据准备阶段的可行性收敛 Ø 数字化项目机理分析 Ø 数字化项目数据关联性分析 Ø 数字化项目数据质量分析 4、数据使用阶段的可行性收敛 Ø 谁可以成为AI的“师傅” Ø 我们能否请得起这个“师傅” 5、行政可行性收敛 Ø 横向行政跨越分析 Ø 纵向行政跨越分析 6、方案展示及讨论 Ø 专业可行性提升 Ø 行业可行性提升 授课方式:分组对抗闯关式推进,将方案形成过程拆解为若干“关卡”,授课老师会为每组提供1V1微资讯,方案展示时每组均需要面对来自其他组行业专家的“挑战”。每组分数由其他组互评给出。
|