AI在供应链、质量、生产管理中的应用

AI在供应链、质量、生产管理中的应用：业务场景…会打开第一轮讨论，业务任务、工具适配与使用边界与流程嵌入：提示词、数据输入与输出校验负责把练习结果接到后续工作

2天，12小时 供应链管理
授课讲师： 陈庆兰 · 供应链全流程管理实战专家
获取课程方案 查看课程大纲

课程大纲

课程总览

内容重点
  • 导入： 2024 年企业 AI 使用情况调查报告

AI于企业的应用趋势分析

一、AI的发展与趋势
  • 1. 24年AI重大事件
  • 2. AI产业发展趋势
二、AI布局关键三问
  • 1. 选什么模型
  • 图：大模型排名
  • 2. 开源OR闭源
  • 3. AI+业务
三、端侧AI的普及
  • 1. AI到手机到PC到眼镜
  • 2. AI从自动驾驶到造人形机器人
  • 3. AI对桌面客户端的渗透
四、AI在企业的应用
  • 思考：为什么Gartner、德勤等都看好Agent?
  • 图：企业AI应用四大价值
  • 1：Gartner-AI居战略趋势的首位
  • 2. IBM-智能体AI将变革组织业务
  • 3. 德勤-代理AI 解放重复性任务
  • 4. 四类厂商AI的商业化助力
  • 5. 企业采选AI的一些思考
五、企业应用AI的场景分析
  • 1. AI Agent 通用技术框架
  • 2. 企业AI应用的探索路径
  • 3. 企AI落地的四大困境
  • 4. 超级个体与超级组织
  • 5. 制造业AI用户场景应用分析
  • 6. 人机交互从图形转向自然语言
  • 案例：YQ公司的GPT-BI颠覆传统 问答即洞察
  • 案例：YH公司AI设备维修助手
  • 案例：YB公司能源设备生产厂商智能客服机器人
  • 案例：L公司AI自助完成审批任务
六、AI+与+AI的选择
  • 1. 两者核心区别
  • 2. 两者阶段和资源选择路径
  • 3. 制造业的应用挑战
  • 4. 选择考虑两个因素
  • 5. 未来趋势

AI在供应链管理中的应用

一、AI供应链可视化控制塔的构建
  • 1. 认识智能供应链控制塔
  • 1. AI智能供应链控制塔概念
  • 示例：AI供应链业务控制分析塔
  • 示例：AI供应链控制塔的应用
  • 2. AI供应链控制塔的主要作用
  • 3. AI供应链控制塔的主要特点
  • 2. AI供应链控制塔应用场景
  • 1. 企业业务前端应用层
  • 2. 供应链业务场景分析
  • 3. 数据仓库建模与分析
二、供应链管理AI应用价值
  • 1. 业务人员从被动等待到自主分析
  • 2. IT人员从重复开发到高效赋能
  • 3. 管理者从经验决策到数据洞察
三、实施方式AI+BI的深度融合
  • 1. 智能分析能力降低技能门槛
  • 2. 实现业务场景化敏捷的搭建
  • 3. 激发企业智能知识库的效能
  • 4. 提升跨部门协作供应链效率
四、AI于供应链业务节点的应用
  • 1. 让AI穿透供应链业务各环节降本增效
  • 2. 让AI提升效率的同时进行风险的管控
  • 示例：AI大模型+数据实现品类治理
  • 3. 让AI提升供应链需求计划预测准确率
  • 示例：DH公司应用AI提升需求预测准确率
  • 4. 让AI提升采购与供应商管理的绩效
  • 示例：AI采购需求和计划预测与任务自动分派
  • 示例：招投标AI智能管理
  • 示例：合同的AI智能管理
  • 示例：结算付款的AI应用

AI在质量管理中的应用

一、质量管理的传统挑战
  • 1. 人工检测的局限性（检测速度、检测精度、检测时长、检测数量）
  • 2. 数据处理与分析难题
  • 3. 质量数据价值的挖掘
二、AI给质量管理带来的变革
  • 1. 提高检测效率和精度
  • 2. 实现数据驱动的决策
三、AI在质量管理中的五大应用
  • 1：自动化质量检查
  • 示例：质量检验的AI智能应用
  • 2. 设备预测性维护
  • 3. 质量数据分析
  • 4. 供应链质量管理
  • 5. 客户反馈分析
四、智能质检技术的原理
  • 1. 工业相机+AI算法
  • 1. 图像采集与预处理
  • 2. 特征提取与模型训练
  • 3. 缺陷分类与识别
  • 案例：FK公司的AI 视觉检测系统
  • 2. 缺陷识别关键指标
  • 案例：HE公司5G+AI实现360°产品检测，不良品拦截率提升40%
五、质量根因分析与预警
  • 1. 生产过程数据的收集与整合
  • 1. 数据来源（生产设备传感器、质量检测设备、ERP 系统）
  • 2. 数据整合与清洗
  • 案例：FT公司产品的质量预测系统
  • 2. 售后投诉数据挖掘（文本AI分析投诉高频词）
  • 案例：QC公司用AI追溯批次质量问题降低质量成本25%
六、AI 在质量管理应用中的挑战
  • 1. 数据安全与隐私问题
  • 1. 质量数据的保密
  • 2. AI 系统数据传输和存储的安全
  • 2. 技术人才短缺
  • 1. 懂 AI 技术+质量复合型人才
  • 2. 市场人才供给相对匮乏
  • 3. 系统集成与兼容性问题
  • 1. 现有质量管理系统与 AI 系统兼容性
  • 2. 系统集成技术难题和实施风险
  • 示例：AI供应链控制塔于质量管理中的应用

AI在生产管理中的应用

一、生产管理的传统困境
  • 1. 生产计划的安排难题
  • 2. 生产过程监控与优化挑战
二、AI给生产管理带来的变革
  • 1. 生产计划智能决策支持
  • 2. 自动化与智能化生产
三、AI在生产管理中的应用
  • 1. 智能生产调度
  • 1. 调度问题建模
  • 2. AI 算法求解
  • 案例：XM公司的智能生产调度系统
  • 2. 设备状态监测
  • 1. 设备状态智能监控
  • 2. 备件库存优化
  • 案例：PB公司AI预警波峰焊异常停机时间减少60%
  • 3. 优化生产过程与工艺
  • 1. 工艺参数智能调优

适合对象

企业中高层管理人员 课程风格： 源于实战

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

  • 场景边界更清楚：AI 应用趋势与策略
  • 提升多领域 AI 应用能力
  • 突破企业 AI 应用的困境
  • 增强企业竞争力与创新力

课程背景与交付信息

在当今快速发展的数字化时代，AI 技术正以前所未有的速度重塑企业的运营模式与竞争格局。2024 年企业 AI 使用情况调查报告显示，AI 在企业中的应用范围日益广泛，但仍面临诸多挑战。多数企业虽已意识到 AI 的巨大潜力，却在实际应用中遭遇难题，如难以精准选择适配的 AI 模型、无法有效将 AI 与核心业务融合、在端侧 AI 普及浪潮中错失创新机遇等

较多企业在供应链管理方面，信息流通不畅、需求预测不准，导致库存积压与缺货现象并存；质量管理依赖人工检测，效率低且易出错，难以满足高质量标准；生产管理中，生产计划安排不合理、设备维护不及时，制约着生产效率与产品质量的提升

本课程针旨在帮助企业管理人员、技术人员深入理解 AI 在企业中的应用趋势，掌握 AI 在供应链管理、质量管理、生产管理等核心领域的应用方法与技巧，解决企业在 AI 应用过程中遇到的实际问题，提升企业的智能化水平与市场竞争力，助力企业在 AI 驱动的商业变革中实现可持续发展

课程时间

2天，12小时

授课方式

讲师讲授、案例研讨、情景演练、互动答疑

课程工具

(节选部分)： 工具一：大模型排名图表 工具二：AI 供应链控制塔架构 工具三：智能质检技术 工具四：AI应用技术架构图 工具五：企业AI应用四大价值. 课程知识体系：

课程内容重点

01AI在供应链、质量、生产管理中的应用：业务场景、工具应用与质量检查
02场景识别：业务任务、工具适配与使用边界
03流程嵌入：提示词、数据输入与输出校验
04应用复盘：效率指标、风险控制与迭代计划

讲师介绍

陈庆兰 讲师头像

陈庆兰

供应链全流程管理实战专家

陈庆兰，供应链全流程管理实战专家，拥有23年实战经验。专注电力能源、制造及汽车行业，擅长采购成本控制、仓储物流精细化管理及绿色供应链建设。曾辅导近百家企业，服务南方电网等头部央企，助力实现供应链降本增效与数字化转型。本课程与其供应链管理方向相关

电力能源制造业汽车行业纺织服装烟草通信
查看讲师主页

课程差异说明

本课程页面围绕《AI在供应链、质量、生产管理中的应用》重点呈现课程定位、适合对象、核心收益和 5 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？

企业中高层管理人员 课程风格： 源于实战：课程内容基于企业实践经验，注重理论、实效、举一反三 逻辑性强：结构化思维，深入浅出解构现象、本质、工具、方法 价值度高：课程内容经过市场实战打磨，讲解的工具方法一学就会、好用有效 方法论新：专业知…。

学习这门课可以获得什么收益？

掌握 AI 应用趋势与策略；提升多领域 AI 应用能力。

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

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