AI赋能造船供应链

本课程专为大型装备制造及造船企业供应链管理者设计，系统解析AI技术在寻源、运营计划、物流及库存管理中的核心应用。通过全球领先企业案例剖析与实战工作坊，让参训团队掌握从理论到实践的转型路径，规划AI赋能路线图，推动供应链向智能化、韧性化升级，实现降本增效与战略价值重塑

人工智能应用

授课讲师： 张忠新 · 人工智能AI与数字化实战专家

查看课程大纲

适合对象

大型装备制造及造船企业的供应链总监、采购经理与供应商管理负责人、运营计划经理与生产调度主管、库存控制专家与物流负责人、企业数字化转型相关管理人员

课程定位与主要问题

造船供应链链条长、环节多，传统模式下需求波动大，导致排产困难且响应滞后零部件种类庞杂且全球协同难度大，采购成本高昂，缺乏智能化的寻源与谈判支持库存占用资金巨大，依赖经验主义进行备件管理，难以平衡服务水平与持有成本供应链风险不可见，缺乏对供应商财务、舆情及地缘政治风险的动态监控与预警数据孤岛现象严重，ERP、WMS、MES等系统数据未有效整合，难以支撑智能决策

核心收益

场景边界更清楚：工具场景、输入要求和输出校验，减少只听概念、不知道怎么用的落差
围绕第一章：AI赋能造船供应链发展趋势校准目标和边界，明确课堂重点动作
通过第二章：AI技术体系安排练习，检查方法、工具和流程是否可用
人工复核有抓手：AI赋能造船制造供应链场景规划相关的责任分工、跟进节奏和复盘问题

课程背景与交付信息

造船行业具有超长周期、项目制生产、高度定制化及零部件庞杂等显著特征，传统供应链管理模式在面对需求波动、高昂采购成本及复杂全球协同时，往往显得力不从心。随着第四次工业革命的深入，从信息化、自动化向智能化演进已成为必然趋势，AI技术正成为破解复杂供应链难题的关键钥匙

当前，全球领先工业企业如西门子、GE、博世等已率先布局AI战略，国家政策与新基建也在强力推动智能供应链发展。对于造船企业而言，利用AI提升供应链的韧性、敏捷性和效率，不仅是应对风险的手段，更是将供应链从成本中心转化为价值驱动与战略核心的必由之路

授课方式

线下授课、案例剖析、实战工作坊

课程内容重点

01第一章：AI赋能造船供应链发展趋势

02第二章：AI技术体系

03第三章：AI赋能造船制造供应链场景规划

04第四章：AI赋能造船供应链实战

课程大纲

第一章：AI赋能造船供应链发展趋势

宏观视野与战略必要性

引言：造船供应链的特殊性与复杂性解析
超长周期、项目制生产、定制化程度高、零部件庞杂、全球协同等特点分析
传统管理模式痛点：需求波动、采购成本高、排产难、库存积压、风险不可见
第四次工业革命与智能供应链浪潮：从信息化、自动化到智能化的演进
AI为何是破解复杂供应链难题的关键技术
全球AI赋能供应链发展现状：西门子、GE、博世等领先企业战略布局
国家政策导向与新基建对智能供应链的推动作用
AI赋能的战略价值：从成本中心转向价值驱动与战略核心
讨论：AI如何提升供应链韧性、敏捷性和效率，增强核心竞争力

第二章：AI技术体系

技术基础与核心概念

学习目标：建立AI技术基本认知，理解应用逻辑，无需深入编程细节
AI技术全景图：机器学习、深度学习与优化算法概述
机器学习基本概念：监督学习、无监督学习、强化学习
深度学习原理：神经网络如何处理复杂非线性问题
核心赋能技术详解：预测与需求感知（时间序列分析、回归模型）
核心赋能技术详解：优化与决策（运筹学、线性规划、遗传算法在路径/排产中的应用）
核心赋能技术详解：认知与感知（NLP在舆情/合同审查，CV在仓储质检/物流监控）
核心赋能技术详解：智能自动化（RPA在流程性事务处理中的应用）
AI项目的基石：数据质量、数据治理与数据中台的重要性
如何为AI应用准备和整合供应链数据（ERP, WMS, MES, IoT数据）

第三章：AI赋能造船制造供应链场景规划

场景应用与案例剖析

3.1 AI赋能供应链寻源与供应商评估
应用场景：智能供应商发现与推荐（NLP爬取分析全球信息、自动匹配）
应用场景：供应商风险智能预警（多维度风险画像、动态监控）
应用场景：智能谈判与合约管理（历史数据分析、NLP合同审查）
案例：空中客车利用AI平台优化供应商选择与实时监控风险
3.2 AI赋能供应链运营（计划与物流）
应用场景：协同需求预测（融合多源数据实现精准预测）
应用场景：智能生产计划与排程（多重约束下的最优序列生成）
应用场景：智慧物流与履约（动态路径优化、IoT在途可视化）
案例：西门子安贝格数字化工厂的AI生产调度与数字孪生应用

第四章：AI赋能造船供应链实战

从理论到实践

实战工作坊：AI供应链转型路线图设计
第一步：诊断与优先级排序
工具介绍：供应链痛点矩阵、AI应用价值-可行性评估矩阵
小组讨论：识别并筛选出本企业1-2个最值得用AI解决的供应链痛点
第二步：场景设计与方案构思
针对选定痛点设计AI解决方案雏形（问题定义、数据需求、技术选型、预期价值）
第三步：可行性评估与实施路径
评估数据、技术、组织上的准备度
规划6-12个月的初步实施路径（概念验证PoC → 试点 → 规模化推广）

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

制造业汽车行业医药医疗电力能源互联网科技

查看讲师主页

课程差异说明

本课程页面围绕《AI赋能造船供应链》重点呈现课程定位、适合对象、核心收益和 4 个主要模块，便于快速判断培训匹配度