智能制造与全流程数字化质量管理

课程大纲

前瞻引领：智能化工厂实施规划

一、智能化工厂构建

1. 智能化工厂三大核心支柱
1. 族类化设计
2. 自动化生产
3. 数字化转型
2. 智能化工厂基础建设重要性
1. 组织、职责与人才
2. 标准化、精益化基础建设
3. IT信息化系统集成开发
3. 智能制造成熟度评估
1. 国家工信部智能制造成熟度评估模型

二、智能制造的实施概述

1. 智能制造的实施七大路径
1. 路径一：作业标准化
2. 路径二：运营精益化
3. 路径三：产品族类化
4. 路径四：生产自动化
5. 路径五：管理信息化
6. 路径六：决策数字化
7. 路径七：工厂智能化
2. 智能化工厂落地10大步、86小步
3. 智能制造落地实施四大阶段关键特征

三、智能化工厂思考

1. 要不要构建智能化工厂？
2. 构建智能化工厂如何切入实施？
3. 要不要投入自动化设备？设备通用性又如何解决？
4. 企业如何根据实际状况上信息系统？要上哪些信息化系统？
5. 智能制造实施综述【没有精益化，就没有数字化；没有数字化，就没有智能化】
1. 智能制造：智能化工厂
2. 数字化转型：数字化工厂
3. 精益变革：卓越运营管理体系构建

四、智能制造成就时代企业

1. 工业4.0与智能制造
2. 互联工厂、灯塔工厂、智能化工厂简述
3. 未来工厂的最高境界：生态型可视化互联工厂
4. 互联工厂的三大关键要素
1. 客户个性化定制
2. 智能化工厂
3. 工厂大规模制造
5. 没有成功的企业，只有时代的企业
1. 传统企业高质量发展之路
2. 智能制造打造新质生产力

数字决策：数据自动采集、传输与呈现推进数字化转型

一、数字化转型认知

1. 数字化转型：不是选择题，是必答题
1. 德鲁克：预测未来最好的方法，就是去创造未来！
2. 戴明：除了上帝，任何人都必须用数据来说话
2. 标准解析：数字化车间的通用标准要求
3. 数字化转型的组织保障和团队分工

二、数字化转型转什么

1. 数据采集途径更高效
2. 数据传播速度更快捷
3. 数据解析逻辑更合理
4. 数据呈现方式更方便

三、数字化转型工作准备

1. 数字化转型---团队建设
2. 数字化转型---目的确定
3. 数字化转型---进化路线
4. 数字化水平---现状评估
1. 四个一级指标
2. 16个二级指标
3. 数字化水平等级划分
5. 数字化车间建设实效模型分析（3+2模型）

四、数字化转型蓝图规划

1. 数字化五大板块需求评测
1. 企业核心资源：ERP应用
2. 供应链执行：遵循先内后外的原则
3. 产品驱动：产品生命周期管理
4. 客户拉动：客户关系管理与服务管理
5. 数字掘金：决策支持与绩效管理
2. 运营系统规划
1. 产品生命周期管理平台：PLM
2. 供应链运营平台：APS、SRM、ERP、MES
3. 营销平台：CRM

五、信息化系统集成技术

1. 信息化系统集成
1. 务联网技术
2. 物联网技术
3. 互联网技术
2. 计划/执行/控制三层之间的信息集成
3. ERP、MES、控制层之间的信息流

六、数字化转型落地实施

1. 落实实施四大阶段
1. 准备阶段：标准化、精益化
2. 第一阶段：信息化
3. 第二阶段：数字化
4. 第三阶段：智能化
2. 数字化转型经济效益
3. 数字化转型综述
1. 没有精益化，就没有数字化
2. 没有数字化，就没有智能化

AI应用：人工智能赋能企业重构，实现工作质效提升

一、生成式AI是我们这个时代最大的机遇

1. 制造业面临多重压力
2. 企业亟需解决的问题
3. 新时代AI人工智能的发展
4. AI的本质：世界级的超级大脑
5. 生成式AI是什么
1. 生成式AI与判别式AI的区别
2. AI的演变： PGC→UGC→AIGC
6. AI将会把世界重新推平
7. AI时代管理者的两大核心能力

二、生成式AI在企业中的应用

1：AI在制造业企业机遇分析
2. AI应用于办公场景与传统工作方式的对比
1. 传统模式
2. AI赋能模式
3. AI辅助信息精准获取
4. AI增强各类知识库与系统的查询
5. AI提升文档智能处理精准性
6. AI优化企业全局决策大脑

三、人机沟通：提示词ABCD法则，AI灵活高效

1. 完整提示词ABCD法则概述
1. A：Aim：明确任务目标，避免模糊表述
2. B：Background：背景、经历、上下文信息
3. C：Condition：条件、状况、条款，报告内容需求
4. D：Detail：强化细节描述，精雕细琢
2. 实例分析：ABCD法则编写提示词
3. 完整提示词的编写实操应用模板
4. AI应用：AI在精细化工行业的有效应用（产品研发、生产制造、质量保障、设备维保等）

数智应用：智能制造与数字化转型质量全流程管理

一、DQE（设计质量工程）：从经验配方到AI原生创新

1. 应用原理
1. 智能配方优化与成分分析
2. 虚拟仿真与工艺预验证
梳理一、DQE（设计质量工程）的适用场景、输入输出和使用边界
2. 经典案例：思念食品AI驱动的速冻食品研发体系

二、SQE（供应商质量工程）：从抽样审核到智能协同

梳理二、SQE（供应商质量工程）的适用场景、输入输出和使用边界
1. 供应商绩效智能评估
2. 供应链风险实时预警
3. 质量数据不可篡改追溯
2. 经典案例，雀巢天津供应商智能管控平台

三、IQC（来料质量控制）：从人工抽检到AI全检

梳理三、IQC（来料质量控制）的适用场景、输入输出和使用边界
1. X射线智能异物检测
2. 高光谱成像品质分选
3. 多模态数据融合检验
2. 经典案例：日联视界X-ray智检赋能调味品企业

四、PQE（过程质量工程）：从事后检验到实时智控

梳理四、PQE（过程质量工程）的适用场景、输入输出和使用边界
1. AI视觉在线巡检与缺陷检测
2. 工艺参数智能优化
3. 数字孪生产线监控
2. 经典案例：雀巢天津AI视觉在线质检系统

五、PQC（过程质量控制）：从人工巡检到智能防错

梳理五、PQC（过程质量控制）的适用场景、输入输出和使用边界
1. 多源传感器数据融合监控
2. 区块链双向质量追溯
3. 预测性质量预警
2. 经典案例：蒙牛高科智乳数链全过程智能风控

六、OQC（出货质量控制）：从抽样放行到智能全检

梳理六、OQC（出货质量控制）的适用场景、输入输出和使用边界
1. X射线灌装终检
2. AI视觉包装完整性检测
3. 智能感官品质评估
2. 经典案例：日联视界灌装终检X光智检系统

AI赋能：品质内建自工序完结实现品质零缺陷

一、认识自工序简介

1. 自工序完结定义
2. 自工序完结起源
1. 工序内造就质量
2. 品质内建原则
3. 自工序完结活动
3. 自工序完结理念
1. 自工程完结本质
2. 自工序完结境界

二、自工序完结与丰田精益屋

1. 丰田精益屋
1. 准时化：JIT生产方式
2. 自働化：丰田精益屋两大核心支柱之一，品质保障机制
3. 精益屋的基础
4. 精益屋的目的
5. 丰田生产方式的核心精髓
2. 丰田质量理念
1. 构建自働化，在制造中的品质确保
2. 如何理解TPS自働化
3. 自働化的三大核心机能

三、自工程完结的意义与作用

1. 传统作业品质管理
1. 作业流程机制（改善前）
2. 品质异常现象（问题）
2. 自工序完结作业品质管理
1. 作业流程机制（完善后）
2. 自工序完结的核心要素
3. 自工程完结的效果
3. 自工序完结与生产异常管理
1. 异常的标准是什么？
2. 出现异常现场作业员怎么办？

四、如何开展自工序完结

1. 自工序完结流程
2. 自工序完结三大核心要素
1. 作业步骤
2. 良品条件
3. 判断基准
3. 良品条件确认
1. 设计要件
2. 生技要件
3. 制造要件
4. 人员素养

五、品质零缺陷管理核心、原则

1. 一个核心：第一次就把事情做对
1. 零缺陷管理的核心思想
2. 质量是政策和文化的结果
2. 二个基本点：有用的和可信赖的
1. 有用的和可信赖的意义
2. 管理的基本工作要求
3. 三个代表：客户、供应商和员工

课后作业 • 课题改善数智质造，转型变革，课题立项，增值改善

一、精益变革增值改善组织职责

1. 主导部门：制定精益变革《立项改善周滚动计划》
2. 实施部门：精益变革立项改善《改善周项目提报》
3. 主导部门：精益变革立项改善《改善周项目提报》评审与公告
4. 实施部门：编制精益变革立项改善《立项书》

二、精益变革增值改善活动实施

1. 确定精益变革课题项目
2. 明确精益改善目的
3. 成立项目组织，明确项目组长及项目组成员
4. 制定项目组组长、成员的工作职责
5. 量化制定精益变革立项改善的目标
6. 制定项目推进计划
7. 制定项目实施激励机制

三、成立推进室

1. 推进室场地布局规划
2. 项目组成员考勤机制
3. 项目启动项目组誓师大会
4. 制定改善实施计划

四、项目活动开展

1. 现状调研
1. 现场调研
2. 数据采集
3. 数据分析
4. 明确需改进的问题点
2. 制定现场问题点的改善举措、评估实施
3. 项目实施结果评审打分
4. 项目总结发布及激励机制
5. 标准化与推广应用
案例分享：精益立项变革改善，生产全流程分析实现绩效大突破，实操案例分享

适合对象

中高层管理人员总经理总监厂长经理主任工程技术人员等

课程定位与主要问题

《智能制造与全流程数字化质量管理》更强调任务场景、提示词设计、输出校验和风险边界与小组练习、过程记录和后续任务的连接

核心收益

场景边界更清楚：AI工具适用场景，明确可落地的提效任务和使用边界
提示与校验更稳定：AI工具选型、提示词设计、流程嵌入和结果校验的操作方法
流程复用更容易：任务演练把AI能力嵌入真实工作流程，减少试错成本
人工复核有抓手：团队复用的提示词、流程模板和质量检查要点

课程背景与交付信息

未来已来，工业互联网时代，基本特征ABC（AI人工智能、Big data大数据、Cloud云）。工业4.0、工业5.0号角响起，数字化工厂、智能化工厂、灯塔工厂建设如火如荼。世界制造发达国家，积极实施制造强国国家发展战略：德国于2011年提出【工业4.0】、美国2012年发布【先进制造业国家战略计划】、中国2015年推出【中国制造2025】、日本2016年推出【工业价值链计划】等，对应工厂运营的核心都是智能制造

智能制造的核心是人工智能、前提是数字化、基础是精益化。人工智能的实现是底层逻辑是统计学，统计学的基础是大数据，科学、真实、有效的生产数据，对智能制造的实现至关重要。数据不科学、数据失真、数据缺失等基础有问题的企业，要实施智能制造，必须要先进行流程梳理、工艺优化，完善产品生产工艺基础数据库建立，在标准化、精益化的基础上实现数字化、智能化

数字化+智能化=数智化，数字会说话，实现智能化。智能制造是制造业发展的趋势，没有成功的企业，只有时代的企业，时势造英雄，时代成就企业。企业应审时度势，积极拥抱时代，学习及推进数智化，做百年常青企业

课程时间

2天，12小时

授课方式

课程讲授70%，案例分析及小组研讨30%

课程内容重点

01前瞻引领：智能化工厂实施规划

02数字决策：数据自动采集、传输与呈现推进数字化转型

03智能化工厂构建

04智能化工厂三大核心支柱

05族类化设计

讲师介绍

崔军

智能制造与精益生产管理专家

智能制造与精益生产管理专家。前世界500强职业经理人，海尔智能制造研究院创始人。22年制造业经验，专注精益生产、智能制造与数字化转型，主导多家标杆工厂智能化改造项目，年均授课百余场

制造业电子行业电器行业汽车行业机械行业电力行业

查看讲师主页

课程差异说明

本课程页面围绕《智能制造与全流程数字化质量管理》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

课程常见问题

这门课适合哪些学员参加？

中高层管理人员总经理总监厂长经理主任工程技术人员等。

学习这门课可以获得什么收益？

识别AI工具适用场景，明确可落地的提效任务和使用边界；掌握AI工具选型、提示词设计、流程嵌入和结果校验的操作方法。

课程通常安排多长时间？

课程通常可按2天，12小时安排，具体节奏会结合企业培训目标、学员基础和现场安排确认

课程采用什么授课方式？

课程主要采用课程讲授70%，案例分析及小组研讨30%，强调理解、讨论、工具练习和业务场景应用

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配