【课程背景】
注重实体经济发展是我国的经济特色,工业作为实体经济的重要组成部分,一直受到国家及各级政府的关注和支持。“工业自动化”、“工业信息化”、“工业互联网”、“智能制造”
数字化转型与智能化改造的概念虽然一直被热炒,却很难完成落地。相信您并不是第一次听到“数字化”和“人工智能”这样的名词,但却很少有人能够具象清晰地把这些名词解释清楚。。
在数字/智慧政务市场至少有传统软件集成企业(如浪潮、数字政通等)、互联网巨头(如华为、百度、阿里及腾讯等)和新型AI独角兽(如商汤、旷视等)三类供应商。这些供应商有 哪些成功的数字/智慧政务案例,这些案例背后有哪些经验和教训,不同政府部门又该如何选择自己的数字化/智能化转型之路?
所有问题的答案将在课上揭晓!
【课程收益】
Ø 掌握1套思维框架,将所有数字化转型技术串联起来
Ø 理解人工智能的2大底层原理和5大底层套路
Ø 了解与您部门相关的数字/智慧政务案例,以及背后的经验与教训
Ø 认识到您部门所在的数字化转型阶段,并收获相关的建议和忠告
Ø 手把手带你用“6步落地法”,找到最合适部门的试点突破口并形成方案
【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】各级政府的各层领导。
【课程时间】1天(6小时/天,时长可定制)
【课程大纲】
一、怎样用一套逻辑梳理所有数字化技术
1、数字化转型是什么
Ø 政务中的流程与人类的神经
Ø 政务中的信息与人类的神经信号
Ø 数字化:在数字世界中帮助政府构造神经系统
2、数字化顶层思维框架
Ø 感知:获取原始数据
Ø 认知:抽取关键信息
Ø 推理决策:形成计划
Ø 反馈动作:实施计划
小互动:如果你在跟心仪的女神约会……
3、我们应该关注哪些数字化技术
Ø 基础设施:解除计算机的能力封印
Ø 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、什么是“政务经脉”和“AI针灸”
Ø 信息化:固化流程/信息流转/数据积累
Ø 人工智能:找准价值“点”/匹配“针”对性技术
5、数字化转型有哪三个必经阶段
Ø Digitization:无纸化
Ø Digitalization:高效化
Ø Digital transformation:无人化
Ø 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
二、工业数字化技术的应用现状
1、工业数字化的发展阶段
Ø 发展阶段总述:点→线→面→点
Ø DCS PLC:如何控制好单点设备
Ø MES ERP:如何管理好整条产线
Ø 工业互联网:如何串联企业中的各个条线
Ø 智能制造:回归价值点的多维突破
2、数字孪生与工业数字化转型
Ø 数字孪生的三个层次:看、拆、动
Ø 看起来像:外观孪生
Ø 拆开来像:结构孪生
Ø 动起来像:机理孪生
Ø 数字孪生的实现难点
Ø 数字孪生为工业数字化带来的机遇
案例:某国家示范工程中的数字孪生。
3、工业软件与工业数字化转型
Ø 工业软件的核心原理:知识固化
Ø 工业软件的层次:秒级、分钟级、小时级
Ø 秒级:与设备打交道
Ø 分钟级:与产线打交道
Ø 小时级:与领导打交道
Ø 工业软件的实现难点和解决办法
案例:生产管控类工业软件案例,安全管理类工业软件案例,资产管理类工业软件案例。
4、工控安全与工业数字化转型
Ø 便捷高效和安全稳健是永恒的反义词
Ø 工控安全事故盘点
Ø 工控安全技术/产业盘点
Ø 工控安全问题个性化解决建议
案例:2010年伊朗布什尔核电站遭受攻击事件(全球首例),2011美国伊利诺州城市供水系统遭受攻击事件,2015年乌克兰电力工业遭攻击致大面积停电,2017年沙特某天然气工厂受病毒攻击致工厂停运,2020年温哥华公交系统受勒索软件攻击停运两天,2020年台湾两大炼油厂受勒索软件攻击致所有系统关闭。
5、不同类型工厂的数字化转型建议
Ø 工厂分类依据:种类&规模
Ø 流程工业数字化转型建议
Ø 离散工业数字化转型建议
Ø 龙头企业数字化转型建议
Ø 一般规上企业数字化转型建议
Ø 小微企业数字化转型建议
案例:三一重工北京灯塔工厂案例,京博石化灯塔工厂案例,金风科技数字化转型成功案例。
三、人工智能的2大底层原理和5大底层套路是什么
1、人工智能的2大底层原理
Ø 逻辑固化:师傅“教”徒弟
Ø 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5大底层套路
Ø Dot & Line:知识图谱
Ø X-Ypairs:知识抽取
Ø X1-X2 pairs:推荐匹配
Ø Y→X:生成万物
Ø Y only:超越人类
Ø 人工智能发展的终点
案例:联通智能客服,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
Ø 价值驱动 or 数据驱动
Ø 机器学习 ≠ 江湖算命
Ø 数据模型 VS 机理模型
Ø 大数据 ∪ 深度学习
Ø 行业专家 || 客观事实
Ø 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,某著名汽车品牌销量预测,工业智能无损检测,滴滴/百度/矿山自动驾驶系统,AI量化交易-年化收益率1000%
四、工业智能化的发展和挑战
1、从备货型向订货型转变
Ø 核心问题:消灭库存
Ø AI销量/需求预测
Ø 供应商智慧管理
Ø 物流路径最优化
Ø 转运过程自动化
Ø 仓库智慧管理
案例:某著名汽车品牌销量预测,亚马逊VS京东仓储物流机器人对比,冷链物流路径优化案例,麦肯锡供应商智慧遴选方案。
2、从标品向定制化转变
Ø 理想状态:研产供销服全面定制化
Ø AI精准营销
Ø AI自动化研发/设计
Ø AI智能排产
Ø AI智能客服
案例:一汽大众智能营销案例,博凯机械AI加速研发案例,北美石化公司智能排产案例,中国南方电网智能客服案例。
2、从人工流水线向机器自动化转变
Ø 重点设备故障预测
Ø 易耗品寿命预测
Ø 机器人安全巡检
Ø AI智能质量检测
案例:国投雅砻江水电站预测性维护项目,刀具寿命预测项目,国电智能巡检项目,西门子焊接缺陷诊断项目
五、如何在3小时内,找到工业数智化突破口并形成方案
1、以价值为导向的头脑风暴
Ø 痛点问题罗列
Ø 痛点问题排序
2、X方向的可行性收敛
Ø 成因分析
Ø 关联性分析
Ø 样本质量分析
3、Y方向的可行性收敛
Ø 标签客观性
Ø 标签经济性
4、行政可行性收敛
Ø 横向行政跨越
Ø 纵向行政跨越
5、方案展示及讨论
Ø 专业可行性提升
Ø 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。