第一讲：AI能力初体验——从通用工具到岗位赋能的认知升级

1.AI是我们的工具 V.S. 我们是AI的工具？

1.1 AI比人类聪明吗？——制造业场景实战体验

AI数据分析能力体验：一份产线不良品数据统计表，让AI透过现象看良率根因

AI结构分解能力体验：从产品结构分解到核心工艺技术特性识别

AI根因判别能力体验：某企业运用AI辅助正交试验分析生产缺陷根因方法

AI运营计算能力体验: 某企业全自动来料检验与智能仓储运力AI爆算过程

1.2 AI真的聪明吗？——岗位视角下弱人工智能的局限

一次生产工艺优化的AI分析实战，体验岗位业务中AI的信息依赖与逻辑边界

2.AI到底是什么？——适合制造业的“全科神医”

2.1 全科神医——无所不知但需岗位化“医患配合”

临床诊治逻辑：症状现象过去病历现状数据解决方案验证调整

AI决策模型与制造业岗位工作的匹配逻辑（如

工程岗故障分析、计划岗排产）

2.2 弱人工智能的三大特征（岗位应用视角）：

比我们知识多，但不知岗位工作核心需求

比我们记忆强，但不知企业的工艺规则与数据

比我们逻辑清，但不与岗位工作流程同频共振

结论：不结合岗位业务与企业特性的AI，价值有限

3.如何召唤岗位专属的AI大神？

3.1 AI大神的超能力——制造业岗位落地

存储~持续记忆各岗位的业务数据、工艺参数、工作规则

归集~持续学习各岗位的工作规律（如运营岗排程逻辑、工程岗故障处理流程）

分析~持续运算岗位工作中的因果关系（如工艺参数与产品质量、订单与产能匹配）

决策~持续模拟岗位工作的未来态势（如计划岗订单交付、设备岗故障预判）

3.2 从开放AI算力到岗位专属智能体养成记

私有化部署岗位数据整理企业模型训练~岗位智能体生成的全过程

以大模型为基座的制造业岗位级AI系统拓扑结构

第二讲：AI治疗工厂四大痛症——制造业定制化解决方案

1.客户为什么会购买我们的商品？——AI赋能价值营销

1.1 工业品价值营销的核心：技术壁垒、品控能力、交付效率

1.2 价值设计的痛点：

技术专家不懂客户应用场景，面对“既要又要还要”需求无从下手

产品设计与量产工艺脱节，开发完成后“覆水难收”

技术要求模糊且难以达成，量产时产供销“苦不堪言”

1.3 基于技术风险闭环管理的产品设计开发过程

用AI搭建风险闭环的技术管理智能体系统结构与价值

2.内忧外患下工厂能不能赚钱？——AI赋能降本增效

2.1 商品成本构成：原材料、设备折旧、工艺损耗、人工成本

2.2 降本增效的痛点：同质化技术与竞争导致成本趋同下的核心差异点

2.3 基于增值比的管理过程化~案例：产线QRQC过程演示

用AI搭建工作任务调度智能体系统结构与价值（如产线工艺优化、设备调度）

3.多品小批市场中企业靠什么存活？——AI赋能柔性交付

3.1 行业隐形成本浪费解析~某制造企业成本变革案例（定制化订单排产、物料浪费）

3.2 运营交付的痛点：定制化订单频繁插单、物料流转堵滞、工艺复杂导致进度挡工

3.3 基于多品种小批量交付状态的滚动产销计划

用AI搭建滚动生产运营智能体系统结构与价值

4.铁打营盘流水的兵，员工凭什么跟着你拼命干？——AI赋能岗位激励

4.1 制造业员工状态痛点：技术岗难量化、生产岗难激励

4.2 实现多劳多得+优者更优的分配机制~行业化OEE衡量方法

4.3 基于智能三色灯模式的最小作业单元智能体系统结构与价值

第三讲：AI赋能五大核心岗位——制造业定制化应用方法

1. AI赋能产品工程师（职能+市场岗）

核心定位：产品需求与市场的“智能桥梁”，破解客户需求模糊、价值提炼难痛点

AI应用方法：

•结构化指令AI，快速生成客户需求分析表、竞品SWOT、产品价值FAB矩阵

•AI速读行业研报与竞品动态，自动整理需求趋势，搭建岗位专属知识库

•AI自动生成产品提案、技术说明书，高效审核合同技术条款

岗位AI落地场景：输入客户项目参数，AI拆解核心需求并生成适配方案；实时监控竞品动态，自动输出分析报告。

2. AI赋能研发工程师（开发+工程岗）

核心定位：研发工作的“智能助手”，破解技术风险隐蔽、参数优化效率低痛点

AI应用方法：

•AI辅助梳理技术路线，挖掘风险点，生成DFMEA报告与改善建议

•AI处理研发实验数据，可视化参数与性能关系，辅助正交试验设计

•AI自动生成研发文档，整理技术知识库，支撑知识复用

岗位AI落地场景：输入研发方向，AI生成技术路线分析报告；输入实验数据，AI优化工艺参数并输出验证方案。

3. AI赋能制造工程师（工程+运营岗）

核心定位：生产工艺的“智能优化师”，破解SOP标准化慢、良率低痛点

AI应用方法：

•输入设备与工艺要求，AI一键生成标准化操作SOP与工艺流程图

•输入生产异常信息，AI推测故障根因并提供排查建议

•AI分析工艺参数与良率关系，提出针对性优化方案

岗位AI落地场景：针对产线良率波动，AI分析根因并输出参数优化方案；输入设备信息，AI生成标准化SOP与管控要点。

4. AI赋能质量工程师（运营+工程岗）

核心定位：质量管控的“智能分析师”，破解异常处理慢、根因分析难痛点

AI应用方法：

•AI结合质量工具，自动分析质量问题根因并提出改善措施

•AI自动生成质量检测报告、不良品分析报告，高效统计质量数据

•AI识别质量异常趋势，实现风险预判与提前管控

岗位AI落地场景：输入质量异常数据，AI结合FMEA分析根因并输出改善方案；自动汇总质量数据，生成可视化报告与预警。

5. AI赋能计划工程师（运营岗）

核心定位：生产计划的“智能调度师”，破解插单频繁、排产效率低痛点

AI应用方法：

•AI整合订单、产能、物料数据，自动生成最优生产排产计划

•动态监控生产状态，AI快速响应异常并调整排程，最小化交付影响

•AI分析物料齐套性，提前预警缺料风险，保障生产连续性

岗位AI落地场景：面对紧急插单，AI自动重新排产并分析物料齐套性。