随着AI辅助人类效率提升十倍的时代到来，制造业正经历深刻的智能化变革。传统依靠经验的管理模式已难以应对复杂多变的生产环境，数据、模型与算法成为新的生产基石
课程基于4M1E（人、机、料、法、环）管理框架，结合Deepseek等大模型技术，探讨如何通过数据治理、过程监控与智能决策，解决生产现场的实际痛点，实现从数字化到智能化的跨越
1. AI驱动制造业变革与4M1E框架
2. AI管理基础与技术
3. AI在现场改善与4M1E管理中的应用
4. AI驱动下的生产现场改进与4M1E创新实践
随着工业4.0的深化推进，制造业对自动化、柔性化生产的需求持续攀升。传统人工质检因成本高、效率低、标准不一等问题，已成为产业升级的瓶颈
图像识别技术依托深度学习、边缘计算等核心突破，逐步渗透至缺陷检测、智能分拣、设备预测性维护等关键场景，成为驱动智能制造的核心引擎
本课程聚焦技术原理、系统搭建及落地实践，结合汽车、电子、食品等行业标杆案例，助力企业信息技术人员掌握技术选型与部署策略，实现降本增效与数字化转型的深度协同
1. 第一章 技术发展趋势与制造业应用背景
2. 第二章 技术原理与系统构成
3. 第三章 制造业典型应用场景
4. 第四章 技术导入实战与案例分析
全球船舶制造业正经历从传统制造向智能制造的关键转型期，质量管理作为核心竞争力，面临着从被动检验向主动预测、从局部控制向全生命周期协同的转变需求
随着工业大模型、机器视觉、数字孪生等技术的成熟，头部船企已开始探索AI在复杂工艺场景中的应用，但多数企业仍面临技术选型难、场景落地难、数据治理难等挑战
本课程基于现代重工、中船集团、芬坎蒂尼等标杆企业的实践经验，系统梳理AI赋能船舶质量管理的理论框架与实施路径，旨在为行业提供可复制的数字化升级方案
1. 第一章 AI赋能船舶质量管理概论
2. 第二章 数智技术在船舶质管中的应用
3. 第三章 标杆实践与落地路径
4. 问答与研讨
第四次工业革命背景下，全球航空发动机巨头如GE、普惠、罗尔斯·罗伊斯等纷纷布局AI技术，以应对日益复杂的制造挑战。航发制造具有高精度、高价值、多品种小批量的特点，传统制造模式在效率、质量控制及成本管理上面临瓶颈
人工智能技术为航发制造带来了新的驱动力，通过工艺优化、质量升维、成本重构及柔性生产四维驱动模型，推动行业从单点突破向产线协同乃至生态重构演进。然而，企业在落地过程中常面临数据孤岛、技术选型困难及复合型人才短缺等问题
本课程旨在填补理论与实践之间的鸿沟，结合数字孪生、工业大模型、小样本学习等前沿技术，提供可复用的AI转型方法论与实施路径，助力企业构建具备国际竞争力的数智化制造体系
1. 第一章 AI赋能航发生产制造概论
2. 第二章 AI技术体系：航发制造适配方案
3. 第三章 AI赋能航发制造核心场景
4. 第四章 实践蓝图与案例深挖
5. 第五章 问答时间
当前煤炭行业正面临从传统开采向智能化转型的关键期，未来趋势是构建覆盖地质勘探、规划设计、智能开采、安全监控、智能运输、智能洗选、设备运维及经营决策全流程的矿山智能体或智慧矿山操作系统
随着垂直AI应用深化与工业大模型的普及，AI技术已成为推动煤炭产业实现更安全、高效、清洁、可持续高质量发展的重要引擎。然而，技术与场景适配碎片化、数据质量参差不齐以及复合型人才短缺等问题，仍制约着AI在工业领域的深入应用
本课程旨在系统梳理AI技术体系，深入探讨Deepseek等大模型在工业领域的落地趋势，通过剖析多个真实案例，为煤炭企业提供可借鉴的AI导入实践路线与管理架构设计思路
1. AI赋能煤炭企业概述
2. AI技术体系与架构
3. AI在煤炭企业管理的场景应用
4. Deepseek在工业领域的应用
5. AI在煤炭企业的应用实践与挑战
随着工业4.0时代的到来，人工智能技术正深度融入制造业的采购供应链与设备管理体系。通过机器学习、计算机视觉和物联网等技术的融合，AI不仅实现了检测效率的指数级提升，更构建起覆盖产品全生命周期的智能质控网络
当前，中美科技角力加速了数字化与AI技术的登顶进程，Deepseek等大模型的横空出世为企业提供了新的技术抓手。传统的设备维修模式正从事后维修向预测性维护转变，旨在实现零缺陷管理
然而，许多企业在应用AI时面临数据治理难、场景选择模糊等挑战。本课程旨在厘清业务+AI与数据+AI的价值路线，通过真实案例解析，帮助企业打破技术迷雾，实现从感知、预测到决策的全面升级
1. AI赋能设备管理概论
2. AI技术体系与数据准备
3. AI赋能设备管理的技术架构
4. AI在采购供应链管理中的应用
5. AI赋能设备管理实践与挑战
随着德国工业4.0、美国数字制造及中国制造2025战略的推进，新技术层出不穷。然而，企业需回归经营本质，思考智能制造如何切实加强运营模式、带来竞争优势以及如何评估其成败
化工行业具有风险管理点多、设备投入高、系统集成度高等特殊性。在当前的市场环境下，如何利用新技术确保安全、提升运营效果、简化组织运营并挖掘新的利润源，是化工企业面临的核心课题
本课程旨在厘清智能制造背景，分析化工企业成功特性与智能制造的关系，解析相关关键技术，并通过先进企业案例赏析，指导企业如何从辅助业务成功的角度规划并推进智能制造落地
1. 一、智能制造概述与时代背景
2. 二、化工类企业智能制造架构与物联网技术应用
3. 三、化工企业的智能制造推进策略
人工智能正在深刻重塑钢铁制造业格局，通过提升生产效率、降低能耗成本、优化产品质量及实现预测性维护，推动企业向智能化深度转型。在中美技术博弈与工业大模型快速发展的背景下，掌握垂直AI深化应用已成为企业保持竞争力的关键
当前制造业普遍面临数据碎片化、技术与场景适配难、复合型人才短缺等挑战。许多企业在引入AI时缺乏系统性战略规划，导致试点项目难以规模化推广，无法真正释放数字化潜力
本课程基于业务+AI与数据+AI双轮驱动理念，结合工信部与国资委相关政策解读，系统梳理AI技术体系与钢铁行业六大核心应用场景，旨在帮助管理者理清实施路径，规避落地风险，实现从单点智能到全域智能化的跨越
1. 第一单元：AI技术在钢铁制造业应用概述
2. 第二单元：AI技术体系与数据基石
3. 第三单元：AI驱动钢铁制造业升级的六大应用场景
4. 第四单元：AI在钢铁制造业的应用落地实践
5. 第五单元：总结复盘
AI工具进入真实流程后，难点通常不在演示，而在任务选择、输出校验和协作边界。课堂从一、智能制造技术基础切入，再对齐二、智能制造典型场景与应用与课后复用方式。
1. 一、智能制造技术基础
2. 二、智能制造典型场景与应用
3. 三、智能制造技术创新与前沿探索
4. 四、智能制造的未来趋势与挑战
