课程总览
内容重点
- 引入：智能制造下企业发展新形势
- 现代工业的发展：从工业1.0（机械时代），到工业4.0（智能化工厂时代）
- 智能制造发展形势-五大工程、十大领域、三步走策略
- 工业4.0与智能制造
- 未来工厂的最高境界：AI+可视化互联工厂
AI+精益：智能制造下的成本管控与降本增效实战-聚焦料、工、费、质、机”五大成本场景，构建的完整智能降本体系
制造业利润最大化的利器—AI驱动的全价值链精益…需要现场演练支撑，对象、步骤和检查点会在训练中逐步明确
授课讲师：
李希 · 智能制造与精益数字化转型专家
先补充业务任务、工具基础和参训对象，我们再整理客户管理方案版本
适合对象
建议由业务负责人、项目骨干、内训师和正在试点AI工具的团队共同参加，便于课后在同一套判断标准下继续推进
课程定位与主要问题
AI办公试点、数字化流程优化或团队效率提升项目中，参训团队可以先看清问题所在，再设计可执行动作
核心收益
- 思维转型，建立AI驱动的成本认知：打破对AI的高技术壁垒畏惧感，理解AI特别是机器学习、计算机视觉、预测分…
- 提示与校验更稳定： 利器，聚焦五大成本场景：重点掌握AI在料、工、费、质、机五大成本场景的核心…
- 降本增效，解决实际痛点
查看更多收益 收起更多收益
- 物料成本：学习如何利用AI实现精准库存预测与齐套管理，降低库存资金占用与缺料停线损失
- 人工成本：通过人机协同优化与工时智能分析，提升人员效率，降低单位产品人工成本
- 费用成本：了解AI在能耗监控、异常费用预警方面的应用，降低运营费用
课程背景与交付信息
在制造业竞争白热化与消费升级的双重夹击下，企业正面临一场成本生死战：原材料价格波动、人力成本飙升、客户对性价比的极致追求，倒逼企业从粗放式降本向全价值链精益化+智能化突围。传统砍预算、压费用的成本管控模式早已失效，而AI驱动的精益成本管理正在成为行业新标杆—它像一把手术刀，精准切入从研发设计、供应链协同到生产运营的全链路，通过数据驱动的实时预警与事前预测，剔除一切不创造客户价值的隐性浪费
本次培训应运而生，旨在回应这一时代命题。它将不再是泛泛而谈的AI概念普及，而是深度聚焦于AI技术在成本管控中的落地应用，结合料、工、费、质、机五大成本场景，为生产一线团队提供一套看得懂、学得会、用得上的AI赋能成本改善方法论和工具，助力企业在新一轮产业竞争中构建成本护城河
课程时间
1天，6小时
授课方式
课程讲授50%，实践演练、案例分析及小组研讨50%
课程内容重点
01课程总览：提炼可落地的方法、工具和跟进要点
02制造业利润最大化的利器—AI驱动的全价值链精益降本：提炼可落地的方法、工具和跟进要点
03AI赋能料—库存与物料成本精准管控：提炼可落地的方法、工具和跟进要点
04AI赋能工—人工成本智能优化：提炼可落地的方法、工具和跟进要点
课程大纲
制造业利润最大化的利器—AI驱动的全价值链精益降本
一、伴随经营环境变化制造业增加利润的三种方法
- 提高价格
- 增加销售量
- 精益降本改善
- 讨论：如何理解利润最大化 =（销售最大化 - 成本最小化）？在当前市场环境下，哪种方法最具可持续性？
二、AI驱动的成本管理革命—从事后核算到实时预警+事前预测
- 传统成本管理的三大困境
- 事后核算：问题发生后才知晓
- 经验驱动：依赖个人经验，缺乏数据支撑
- 局部优化：部门各自为战，缺乏全链协同
- AI赋能成本管理的三大价值
- 识别（Identify）：AI自动识别成本异常与浪费点
- 预测（Predict）：基于历史数据预测成本趋势与风险
- 优化（Optimize）：AI推荐最优资源配置与决策方案
- 课程全景图：料、工、费、质、机五大成本场景AI赋能路径
三、向改善要利润—精益降本的四大关键方法
- 消除七大浪费
- 过剩检验、产品缺陷、等待、搬运、低效率动作、过量生产、过多库存
- 削减三大管理不善成本
- 质量成本、效率成本、资金占用成本
- 自主改善意识改进
- 从要我降本到我要降本的文化转变
- 管理技术改进
- 从经验管理到数据驱动管理
- 在企业总成本里面，哪些是该花的成本？哪些是不该花的成本？
四、从局部降本到全价值链降本
- 传统降本的陷阱：90%企业困在局部降本
- 全价值链降本的六大环节
- AI如何打通全价值链成本数据孤岛
- 实战
- 演练：销量提升50%与精益降本10%对制造业利润贡献模拟
- 课堂
- 结合您所在企业的情况，谈谈当前成本管理中最让您头疼的问题是什么？
- 您认为AI能在哪些环节帮助解决这些成本问题？
AI赋能料—库存与物料成本精准管控
一、传统物料成本管理的痛点
- 库存积压与缺料并存的两难困境
- 齐套率低导致生产停线，损失巨大
- 替代料未有效利用，错失降本机会
- 物料需求预测不准，采购计划被动
- 呆滞物料积压，资金占用严重
二、AI在物料成本管控中的解决方案
- 智能需求预测
- 动态安全库存优化
- 智能齐套管理
- 呆滞物料识别与处置
- 某电子企业通过AI需求预测模型，库存资金占用降低25%，缺料率下降40%
- 某汽车零部件企业实施智能齐套管理，停线时间减少60%
AI赋能工—人工成本智能优化
一、人工成本痛点
- 工时利用率低，无效工时占比高
- 人机协同效率差，设备等待人、人等待设备
- 技能与岗位匹配度不高，培训成本高
- 人员流动大，招聘与培训成本持续攀升
二、AI解决方案
- 工时智能分析
- 人机协同优化
- 技能匹配推荐
- 排班智能优化
AI赋能费—运营费用智能控制
一、费用成本痛点
- 能耗数据分散，缺乏实时监控与异常识别
- 动力费、修缮费、一般消耗品等费用难以归因
- 异常费用发现滞后，错失干预时机
- 费用预算与实际偏差大，管控乏力
二、AI解决方案
- 能耗智能监控
- 异常费用预警
- 设备启停优化
- 费用预算智能管控
- 梳理二、AI解决方案的适用场景、输入输出和使用边界
- 演练：料、工、费AI机会点挖掘
AI赋能质量成本优化
一、质量成本痛点
- 传统质检：人眼疲劳、标准不一、漏检率高
- 质量损失归因不清，内外部损失成本难以追溯
- 质量根因分析周期长，问题反复发生
- 客户投诉成本高，品牌损失难以量化
二、AI解决方案
- AI视觉质检
- 7. x24小时高一致性缺陷识别
- 应用场景：裂纹、划伤、色差、尺寸超差、装配完整性、包装完整性
- OCR字符识别与追溯
- 自动识别批次号、生产日期、规格型号
- 对接MES/ERP实现全流程质量追溯
- 质量根因分析
- AI自动关联工艺参数、设备状态与缺陷类型
- 快速定位问题根源，缩短分析周期
- 质量预测
AI赋能设备成本优化
一、设备成本痛点
- 非计划停机频繁，生产损失大
- 维修成本高企，备件库存不合理
- 设备状态监测滞后，故障发现晚
- 维修经验未沉淀，重复故障频发
二、AI解决方案
- 预测性维护
- 振动分析、油液监测、红外热成像
- 多维数据融合预测设备健康状态
- 设备健康度评估
- AI模型评估设备剩余寿命与故障概率
- 实现从定期维修到状态维修
- 维修知识库
- 常见故障库 + AI推荐历史维修方案
- 扫码调取，提升维修效率
- 备件智能优化
AI赋能成本管理体系构建与落地实践
一、AI+精益成本改善体系构建
- 精益与AI的融合逻辑
- 精益识别浪费，AI识别规律
- 精益定义标准，AI优化标准
- 精益推动改善，AI固化经验
- AI+精益成本改善实施路径
- 数据基建：IoT、MES、ERP数据打通，建立成本数据底座
- 场景选择：高价值、高频次、高复杂度优先，快速见效
- 模型开发与部署：从试点验证到规模化推广
- 持续优化机制：人机协同、模型迭代、知识沉淀
- 成本精细化核算与AI融合
二、常用AI工具在日常成本管理中的应用
- 国内常用AI大模型平台及其特点对比
- DeepSeek介绍与核心优势
- DeepSeek在日常成本管理工作中的应用
- 成本数据分析与可视化
- 异常成本报告自动生成
- 降本方案建议与可行性评估
- 成本会议纪要整理与待办跟踪
- 4. AI提示词优化方法
- 明确需求，结构化提问
- 提供背景信息与数据
三、实战工作坊：AI降本可执行清单输出
- 降本机会点：具体问题描述（如某产线漏检率高导致客户投诉成本大）
- 预期收益：量化目标（金额、效率、质量等）
- 实施步骤：试点范围、时间节点、责任人
- 风险与应对：数据获取、组织协同、技术可行性
- 输出形式：每组15分钟汇报，讲师点评 + 跨组互评
四、课程总结与回顾
- 课程核心知识点回顾
- AI+精益成本管理的三大转变
- 从事后到事前
- 从经验到数据
- 从局部到全链
- 后续落地建议：试点先行、小步快跑、持续迭代
- 答疑与交流
讲师介绍
李希
智能制造与精益数字化转型专家
李希，资深高级咨询师，智能制造与精益数字化转型专家。拥有近20年实战经验，擅长智能工厂规划、精益运营及AI赋能质量管理。累计服务800+企业，开展1000多场培训，致力于通过数智化手段推动制造企业降本增效与转型升级
查看讲师主页课程差异说明
本课程页面围绕《AI+精益：智能制造下的成本管控与降本增效实战-聚焦料、工、费、质、机”五大成本场景，构建的完整智能降本体系》重点呈现课程定位、适合对象、核心收益和 8 个主要模块，便于快速判断培训匹配度
