数智化时代的质量提升实战
主讲：王明哲老师
【课程收益】
-
掌握1套思维框架，将所有数字化转型技术串联起来
-
盘点数字化技术对产品质量提升的四个阶段
-
理解人工智能的2大底层原理和6大底层套路
-
建立数据思维，解封你未曾意识到的资源和力量
-
展望人工智能加持下的质量问题终局
-
了解大量相关案例，以及背后的经验与教训
-
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
-
从十四五规划看数字经济
-
数字经济的核心：数字化转型和数据要素
-
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
-
精益思维：梳理业务，发现数字化入手点
-
编程思维：掌握计算机的语言，提升数字化项目成功率
-
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
-
基础设施：解除计算机的能力封印
-
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
-
Digitization：无纸化
-
Digitalization：高效化
-
Digital transformation：无人化
-
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
-
信息化：固化流程/信息流转/数据积累
-
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
-
互动：居家隔离洗碗质量提升
-
广义的质量问题定义
-
广义的质量提升方法
2、使用内部数据促进产品质量提升
-
墨菲定律：质量问题的根源是人
-
定责任
-
建标准
-
采数据
-
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
-
什么是“大”数据
-
如何打通全域数据
-
建立消费者画像
-
数据驱动的用户体验评估
-
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
-
逻辑固化：师傅“教”徒弟
-
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
-
X-Ypairs：知识抽取
-
Y→X：生成万物
-
X1-X2 pairs：推荐匹配
-
X only：聚类算法
-
Y only：超越人类
-
Dot & Line：知识图谱
-
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
-
价值驱动 or 数据驱动
-
机器学习 ≠ 江湖算命
-
数据模型 VS 机理模型
-
大数据 ∪ 深度学习
-
行业专家 || 客观事实
-
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
-
AI销量/需求预测
-
供应商智慧管理
-
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
-
AI自动化研发/设计
-
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
-
重点设备故障预测
-
易耗品寿命预测
-
机器人安全巡检
-
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
-
生产力极大释放
-
生产关系极端简单
-
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
-
痛点问题罗列
-
痛点问题排序
3、数据准备阶段的可行性收敛
-
数字化项目机理分析
-
数字化项目数据关联性分析
-
数字化项目数据质量分析
4、数据使用阶段的可行性收敛
-
谁可以成为AI的“师傅”
-
我们能否请得起这个“师傅”
5、行政可行性收敛
-
横向行政跨越分析
-
纵向行政跨越分析
6、方案展示及讨论
-
专业可行性提升
-
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。
李真顺
贺克斌
梅生伟
周远祥
赵华林
曾毓群
朱共山
王国玮
毛宗强