【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 ≈  **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。