數(shù)智化時代的質量提升實戰(zhàn)

【課程收益】

掌握1套思維框架，將所有數(shù)字化轉型技術串聯(lián)起來

盤點數(shù)字化技術對產(chǎn)品質量提升的四個階段

理解人工智能的2大底層原理和6大底層套路

建立數(shù)據(jù)思維，解封你未曾意識到的資源和力量

展望人工智能加持下的質量問題終局

了解大量相關案例，以及背后的經(jīng)驗與教訓

利用數(shù)智化思維，研討質量提升新方案

【課程特色】夠專業(yè)，內容前沿且正確；講俗話，將復雜技術具象清晰有趣化；重互動，巧妙設計提升參與感；能落地，反復驗證的方法及真實案例。

【課程對象】制造業(yè)質量總監(jiān)、部長等質量條口的中高層管理者。

【課程時間】1天（6小時/天）

【課程大綱】

一、數(shù)字化的頂層思維

1、數(shù)字化概念導入

?  從十四五規(guī)劃看數(shù)字經(jīng)濟

?  數(shù)字經(jīng)濟的核心：數(shù)字化轉型和數(shù)據(jù)要素

?  數(shù)字化轉型：數(shù)字化是業(yè)務和IT的深入融合

概念導入小互動：如果你在跟心儀的女神約會…

2、數(shù)字化頂層思維框架

?  精益思維：梳理業(yè)務，發(fā)現(xiàn)數(shù)字化入手點

?  編程思維：掌握計算機的語言，提升數(shù)字化項目成功率

?  數(shù)據(jù)思維：讓數(shù)據(jù)產(chǎn)生價值，展望數(shù)字化轉型的終局

案例：精益趣解-“一個強迫癥和控制狂的發(fā)病史”，從“月暈”中掌握數(shù)據(jù)思維。

小互動：在指路問路中掌握編程思維

3、我們應該關注哪些數(shù)字化技術

?  基礎設施：解除計算機的能力封印

?  數(shù)據(jù)應用：搬金磚VS挖金礦

案例：谷歌云計算，華為5G，某外貿(mào)公司營收預測

4、數(shù)字化轉型有哪三個必經(jīng)階段

?  Digitization：無紙化

?  Digitalization：高效化

?  Digital transformation：無人化

?  每個階段的關鍵技術以及數(shù)字化的決勝技術

案例：人員績效智能評估系統(tǒng)

5、數(shù)字化轉型的兩大核心半場

?  信息化：固化流程/信息流轉/數(shù)據(jù)積累

?  人工智能：找準價值“點”/匹配“針”對性技術

案例：從頂尖運動員看企業(yè)數(shù)字化轉型之路

二、數(shù)智化時代的質量提升

1、質量概念導入

?  互動：居家隔離洗碗質量提升

?  廣義的質量問題定義

?  廣義的質量提升方法

2、使用內部數(shù)據(jù)促進產(chǎn)品質量提升

?  墨菲定律：質量問題的根源是人

?  定責任

?  建標準

?  采數(shù)據(jù)

?  弱化人

案例：中國航天質量管理

3、利用外部數(shù)據(jù)促進用戶體驗質量提升

?  什么是“大”數(shù)據(jù)

?  如何打通全域數(shù)據(jù)

?  建立消費者畫像

?  數(shù)據(jù)驅動的用戶體驗評估

?  數(shù)據(jù)驅動的用戶體驗提升

案例：一汽集團數(shù)智化用戶體驗提升

三、智能化的底層原理

1、人工智能的2大底層原理

?  邏輯固化：師傅“教”徒弟

?  知識抽?。簬煾怠皫А蓖降?/span>

案例：預測男生是否會受女生歡迎

2、人工智能的6大底層套路

?  X-Ypairs：知識抽取

?  Y→X：生成萬物

?  X1-X2 pairs：推薦匹配

?  X only：聚類算法

?  Y only：超越人類

?  Dot & Line：知識圖譜

?  人工智能發(fā)展的終點

案例：百度智能客服，谷歌藥物預測系統(tǒng)，淘寶推薦系統(tǒng)，清華數(shù)字虛擬人，谷歌核聚變控制系統(tǒng)，美軍自動駕駛戰(zhàn)機

3、人工智能的6步落地法

?  價值驅動 or 數(shù)據(jù)驅動

?  機器學習 ≠ 江湖算命

?  數(shù)據(jù)模型 VS 機理模型

?  大數(shù)據(jù)   ∪ 深度學習

?  行業(yè)專家 ||  客觀事實

?  行政可行 ≈  最大門檻

案例：產(chǎn)線良品率提升，大型工程機械故障預測，工業(yè)智能無損檢測，自動駕駛系統(tǒng)，AI量化交易-年化收益率1000%

四、AI技術加持下的質量問題終局展望

1、如何從“備貨型”向“訂貨型”轉變

?  AI銷量/需求預測

?  供應商智慧管理

?  倉庫智慧管理

案例：某著名汽車品牌銷量預測，亞馬遜VS京東倉儲機器人對比，麥肯錫供應商智慧遴選方案。

2、如何從“標品”向“定制化”轉變

?  AI自動化研發(fā)/設計

?  AI智能排產(chǎn)

案例：某跨國機械廠商AI加速研發(fā)案例，某工業(yè)跨國公司智能排產(chǎn)案例，

3、如何從“人工流水線”向“機器自動化”轉變

?  重點設備故障預測

?  易耗品壽命預測

?  機器人安全巡檢

?  AI智能質量檢測

案例：西門子焊接缺陷診斷項目，大型生產(chǎn)設備預測性維護項目，生產(chǎn)線耗品壽命預測項目，工廠智能巡檢項目

4、質量問題的終局展望

?  生產(chǎn)力極大釋放

?  生產(chǎn)關系極端簡單

?  徹底的“無人化”

住：前四部分為授課形式，第五部分為研討形式。

五、運用數(shù)智化思維，研討質量提升新方案

1、工作坊流程串講：先發(fā)散再收斂

2、以價值為導向的頭腦風暴

?  痛點問題羅列

?  痛點問題排序

3、數(shù)據(jù)準備階段的可行性收斂

?  數(shù)字化項目機理分析

?  數(shù)字化項目數(shù)據(jù)關聯(lián)性分析

?  數(shù)字化項目數(shù)據(jù)質量分析

4、數(shù)據(jù)使用階段的可行性收斂

?  誰可以成為AI的“師傅”

?  我們能否請得起這個“師傅”

5、行政可行性收斂

?  橫向行政跨越分析

?  縱向行政跨越分析

6、方案展示及討論

?  專業(yè)可行性提升

?  行業(yè)可行性提升

授課方式：分組對抗闖關式推進，將方案形成過程拆解為若干“關卡”，授課老師會為每組提供1V1微資訊，方案展示時每組均需要面對來自其他組行業(yè)專家的“挑戰(zhàn)”。每組分數(shù)由其他組互評給出。