王明哲:数智化时代的质量提升实战

【课程收益】

▪  掌握1套思维框架，将所有数字化转型技术串联起来

▪  盘点数字化技术对产品质量提升的四个阶段

▪  理解人工智能的2大底层原理和6大底层套路

▪  建立数据思维，解封你未曾意识到的资源和力量

▪  展望人工智能加持下的质量问题终局

▪  了解大量相关案例，以及背后的经验与教训

▪  利用数智化思维，研讨质量提升新方案

【课程特色】

够专业，内容前沿且正确；讲俗话，将复杂技术具象清晰有趣化；重互动，巧妙设计提升参与感；能落地，反复验证的方法及真实案例。

【课程对象】

制造业质量总监、部长等质量条口的中高层管理者。

【课程时间】

1天（6小时/天）

【课程大纲】

一、数字化的顶层思维

1、数字化概念导入

▪  从十四五规划看数字经济

▪  数字经济的核心：数字化转型和数据要素

▪  数字化转型：数字化是业务和IT的深入融合

概念导入小互动：如果你在跟心仪的女神约会…

2、数字化顶层思维框架

▪  精益思维：梳理业务，发现数字化入手点

▪  编程思维：掌握计算机的语言，提升数字化项目成功率

▪  数据思维：让数据产生价值，展望数字化转型的终局

案例：精益趣解-“一个强迫症和控制狂的发病史”，从“月晕”中掌握数据思维。

小互动：在指路问路中掌握编程思维

3、我们应该关注哪些数字化技术

▪  基础设施：解除计算机的能力封印

▪  数据应用：搬金砖VS挖金矿

案例：谷歌云计算，华为5G，某外贸公司营收预测

4、数字化转型有哪三个必经阶段

▪  Digitization：无纸化

▪  Digitalization：高效化

▪  Digital transformation：无人化

▪  每个阶段的关键技术以及数字化的决胜技术

案例：人员绩效智能评估系统

5、数字化转型的两大核心半场

▪  信息化：固化流程/信息流转/数据积累

▪  人工智能：找准价值“点”/匹配“针”对性技术

案例：从顶尖运动员看企业数字化转型之路

二、数智化时代的质量提升

1、质量概念导入

▪  互动：居家隔离洗碗质量提升

▪  广义的质量问题定义

▪  广义的质量提升方法

2、使用内部数据促进产品质量提升

▪  墨菲定律：质量问题的根源是人

▪  定责任

▪  建标准

▪  采数据

▪  弱化人

案例：中国航天质量管理

3、利用外部数据促进用户体验质量提升

▪  什么是“大”数据

▪  如何打通全域数据

▪  建立消费者画像

▪  数据驱动的用户体验评估

▪  数据驱动的用户体验提升

案例：一汽集团数智化用户体验提升

三、智能化的底层原理

1、人工智能的2大底层原理

▪  逻辑固化：师傅“教”徒弟

▪  知识抽取：师傅“带”徒弟

案例：预测男生是否会受女生欢迎

2、人工智能的6大底层套路

▪  X-Ypairs：知识抽取

▪  Y→X：生成万物

▪  X1-X2 pairs：推荐匹配

▪  X only：聚类算法

▪  Y only：超越人类

▪  Dot & Line：知识图谱

▪  人工智能发展的终点

案例：百度智能客服，谷歌药物预测系统，淘宝推荐系统，清华数字虚拟人，谷歌核聚变控制系统，美军自动驾驶战机

3、人工智能的6步落地法

▪  价值驱动or数据驱动

▪  机器学习 ≠ 江湖算命

▪  数据模型VS机理模型

▪  大数据  ∪ 深度学习

▪  行业专家|| 客观事实

▪  行政可行 ≈ 最大门槛

案例：产线良品率提升，大型工程机械故障预测，工业智能无损检测，自动驾驶系统，AI量化交易-年化收益率1000%

四、AI技术加持下的质量问题终局展望

1、如何从“备货型”向“订货型”转变

▪  AI销量/需求预测

▪  供应商智慧管理

▪  仓库智慧管理

案例：某著名汽车品牌销量预测，亚马逊VS京东仓储机器人对比，麦肯锡供应商智慧遴选方案。

2、如何从“标品”向“定制化”转变

▪  AI自动化研发/设计

▪  AI智能排产

案例：某跨国机械厂商AI加速研发案例，某工业跨国公司智能排产案例，

3、如何从“人工流水线”向“机器自动化”转变

▪  重点设备故障预测

▪  易耗品寿命预测

▪  机器人安全巡检

▪  AI智能质量检测

案例：西门子焊接缺陷诊断项目，大型生产设备预测性维护项目，生产线耗品寿命预测项目，工厂智能巡检项目

4、质量问题的终局展望

▪  生产力极大释放

▪  生产关系极端简单

▪  彻底的“无人化”

住：前四部分为授课形式，第五部分为研讨形式。

五、运用数智化思维，研讨质量提升新方案

1、工作坊流程串讲：先发散再收敛

2、以价值为导向的头脑风暴

▪  痛点问题罗列

▪  痛点问题排序

3、数据准备阶段的可行性收敛

▪  数字化项目机理分析

▪  数字化项目数据关联性分析

▪  数字化项目数据质量分析

4、数据使用阶段的可行性收敛

▪  谁可以成为AI的“师傅”

▪  我们能否请得起这个“师傅”

5、行政可行性收敛

▪  横向行政跨越分析

▪  纵向行政跨越分析

6、方案展示及讨论

▪  专业可行性提升

▪  行业可行性提升

授课方式：分组对抗闯关式推进，将方案形成过程拆解为若干“关卡”，授课老师会为每组提供1V1微资讯，方案展示时每组均需要面对来自其他组行业专家的“挑战”。每组分数由其他组互评给出。

授课老师

王明哲老师的课程大纲