|
工业互联网与数据化管理 培训收益： 1、学习工业互联网发展现状、新技术和行业应用。 2、掌握运用工业互联网思维解决现有问题。 3、学会如何进行数据化管理并解决问题。 课程对象： 1、企业高层领导 2、中层干部 3、骨干员工 培训时间：2天 培训形式：案例分享，生动视频，现场互动，课后作业 课程大纲： 一、工业互联网的发展现状 1、工业经济向数字化、网络化、智能化迈进 2、工业互联网的蓬勃发展 3、工业互联网系统三大核心要素 1）用于数据采集的传感设备 2）智能化的控制系统 3）可实现的智慧化决策 4、当下主流工业互联网商业模式 1）网络化协同 3）个性化定制 4）服务化延伸 讨论：工业互联网如何与本公司发展相结合以及面临的问题 二、工业互联网的基础技术架构 1、边缘层是基础 2、平台层是核心 3、应用层是使能 三、在工业制造中的相关应用 1、工业互联网与智能化工厂 2、智能化工厂平台上的系统生命周期 1）几何级数的时间压缩模式 2）云系统引领下的智能化工厂 3）无人工厂集聚区 4）情景感知设备 3、智能化工厂4个基本要素 1）数字化车间 2）自动质检设备 3）工业互联网管理数据 4）人机协同操作模式 4、工业互联网与能源开发利用 2）能源传输端 3）能源消费端 四、以问题为导向的应用场景 1、工业互联网平台应用场景 2、从大规模制造向大规模定制的创新 1）大规模定制的实现原理 2）体现工业4.0实力的第三代数字化工厂 3、从线型供应链向数字化网状供应链的创新 1）数字化供应链从线型向网状的演进 2）数字化网状供应链是打造差异化战略的核心武器 案例：微软硬件部门打造需求驱动的数字化供应链 4、从以制造为中心向以服务为中心的创新 1）工业产品服务系统的定义和分类 2）通过数字化技术向服务提供商转型的路线 案例：卡特彼勒通过以配件为核心的售后服务打造核心竞争力 5、构建面向业务和数据的服务体系 案例：三一根云平台 6、强化工业APP创新能力与业务交付能力 案例：徐工Xrea平台为工业赋能 7、生态建设成为下一阶段发展主线 案例：海尔CosmoPlat平台构建共创共赢生态圈 五、数据化管理流程 1、分析需求 2、收集数据 3、整理数据 4、分析数据 5、数据可视化 6、应用优化 六、数据分析的方法 1、逻辑树分析 2、多维度拆解分析方法 3、对比分析方法 4、假设检验分析方法 5、相关分析方法 6、群组分析方法 7、RFM分析方法 8、AARRR模型分析方法 七、用数据分析解决问题 2、如何分析原因 3、如何提出建议 八、课程总结和回顾
| 
