AI赋能质量管理概论
AI带来的质量管理新方案
- AI多模态能力在质量管理中的应用前景
- AI发展的两大方向：垂直应用深化与工业大模型普及
- AI落地路线：业务+AI价值与数据+AI价值
- 质量知识图谱与可解释性AI的融合趋势
- 从事后检测走向预测-预防管理的范式转变
AI赋能质量管理
AI技术体系与基础架构需要接到岗位场景，AI赋能质量管理概论和AI基石：数据治理与平台搭建会帮助团队确认边界与后续动作
授课讲师：
张忠新 · 人工智能AI与数字化实战专家
适合对象
企业董事长、总经理及副总经理、负责数字化转型或智慧产业的高层管理人员、质量管理部门负责人及核心骨干、对AI技术在工业场景落地感兴趣的企业决策者
课程定位与主要问题
传统质量检测依赖人工，效率低且易受主观因素影响，难以实现全天候高标准管控。 质量问题多为事后发现，缺乏预测性手段，导致不良品流出风险高，返工成本巨大。 企业内部数据孤岛严重，历史质量数据未被有效利用，无法支撑智能化的决策分析。 面对AI技术浪潮，管理层存在认知误区，不清楚如何将AI技术与具体业务场景有效结合。 缺乏系统性的AI落地路径，从数据治理到模型部署的过程中常遇到技术架构与管理流程脱节的问题
核心收益
- 对齐工具场景、输入要求和输出校验，先把训练目标落到真实工作场景
- 围绕AI赋能质量管理概论明确判断口径和处理优先级
- 用AI技术体系与基础架构安排练习，检查方法、工具和流程是否可用
- 带走AI基石：数据治理与平台搭建相关的复盘问题和跟进清单
课程背景与交付信息
随着工业4.0时代的到来，人工智能技术正深刻改变制造业的质量管理体系。传统依赖人工经验和事后抽检的模式已难以满足高效、精准的生产需求
通过机器学习、计算机视觉和物联网等技术的深度融合，AI不仅实现了质量检测效率的指数级提升，更构建起覆盖产品全生命周期的智能质控网络，重塑新的质量管理模式
本课程旨在帮助企业理解AI技术体系，掌握从数据治理到模型应用的完整路径，通过实际案例解析，推动质量管理从事后检测走向预测与预防，实现业务价值的最大化
授课方式
线下授课
课程内容重点
01AI赋能质量管理概论
02AI技术体系与基础架构
03AI基石：数据治理与平台搭建
04AI质量管理基础与应用
05AI在预测和过程管控中的应用
06AI赋能制造业的应用实践与推进
课程大纲
AI技术体系与基础架构
AI大模型分类与基础架构
- 通用大模型与专业大模型的对比与应用场景
- AI架构基础层解析
- AI训练算法模型概述
核心算法框架与技术应用
- 机器学习与深度学习框架：数据分析的参数择优
- 计算机视觉：基于图像和视频的质量及人员管理
- 自然语言处理：知识管理和设备故障诊断
- 工业大模型：泛化能力平台支持多任务场景
AI基石：数据治理与平台搭建
数据治理与平台选择
- 数据治理全流程：从交互到数据消费
- 数据管理的5层架构解析
- 企业数据源管理与数据平台选择策略
- 集成Deepseek部署管理实践
AI决策基础与知识库
- AI决策基础：知识库搭建方法
- 结合数据平台的AI驯化平台作用
- 算法管理与AI驯化流程
- 案例解析：明泰铝业平台的架构与技术详情
AI质量管理基础与应用
质量智能化基础建设
- AI赋能制造业质量：质量图谱与多模态识别
- 智能的4个等级：从智能终端到预测型大模型
- AI加持下的企业数字化架构设计
- 质量知识库搭建与质量问题代码化管理
- AI质量图谱与管理标准化
- 案例解析：某公司知识图谱应用
智能传感器与在线检测
- 智能传感器与智能体在质量控制中的应用
- 在线质量检测技术：传感器与AOI
- 基于模型+传感器的0缺陷数字化工艺
- 视觉+AI终端对管理行为的管控应用
- 联合硬件与边缘计算：发现即处理的自我闭环
- 集成算法的实时SPC统计与Cpk计算
- 案例解析：激光等在尺寸检验上的应用
AI在预测和过程管控中的应用
预测性管理与风险控制
- 视觉在尺寸和表面检测上的深度应用
- TECE 0缺陷数字化工艺实践
- 某企业通过视觉分析员工质量行为案例
- 基于全价值链的数据覆盖与质量追溯
- 基于历史与现实数据的AI智能生产预测系统
- 基于工业互联网的TS16949智能审核与透明化
- 基于预测风险的智能企业资源分配与管控
大模型与应急预警
- Deepseek自主学习对新工艺的变革作用
- AI通用大模型在工艺控制方面的应用
- 质量智能预警与应急管理机制
- 质量问题与API集成Deepseek知识库
- 案例解析：某橡胶企业基于历史数据的大模型管控，减少异物不良33%
- 案例解析：上汽集团根据质量风险AI智能分配员工，实现动态质量管理
AI赋能制造业的应用实践与推进
应用挑战与推进路径
- AI的误解与当前面对的问题与挑战
- 赋能业务是AI应用的起点
- AI重构质量管理的三大维度：检测→预测→决策
- AI在质量中的应用推进四步法：数据建基、场景试点、系统融合、组织升级
讲师介绍
张忠新
人工智能AI与数字化实战专家
人工智能AI与数字化实战专家，曾任徐工汉云首席技术专家。擅长AI+工业互联网应用及数字化工厂规划，主持参与27个大型数字化工厂项目，致力于推动企业数字化转型与一线管理数字化赋能
查看讲师主页课程差异说明
本课程页面围绕《AI赋能质量管理》重点呈现课程定位、适合对象、核心收益和 6 个主要模块，便于快速判断培训匹配度
