案例分享 | AI赋能新型工业化--敏实集团:以“通识培训+工作坊”模式提升 企业全员AI 数字素养

新闻

作者：微信文章


一

背景与目标
全球汽车零部件行业竞争格局正在不断演变，人工智能主导的智能化竞争力已成为产业和企业新的发展高地和战略支点。敏实集团，面对日益增长的品质要求和生产效率挑战，作为全球领先的汽车零部件制造商的敏实集团，结合行业发展趋势以及自身战略需求，率先在集团开展全员AI教培及推广实践，结合研发、生产、营销、供应链等多个领域的痛点，助力于各个领域持续改善与优化。目前，全员AI“通识培训+工作坊”模式，吸引了全集团超过800位员工参与AI通识培训，共征集到64个课题，筛选出10个机器学习课题（数据）+7个深度学习课题（视觉），分别辅导、训练与落地并发表成果。

二

全员AI 实施路径

敏实集团的全员AI“通识培训+工作坊”模式，通过典型场景培养AI领域专家并在集团全面推广，围绕研发设计、生产制造、供应链等关键环节，通过工作坊的模式开展命题探索，将各领域的现状痛点描述转化成为AI命题，梳理数据来源及使用平台建立模型。模型搭建后，形成敏实专属AI知识库，将知识和经验在企业中进行传承。通过AI题目的探索积累企业AI人才库，后续持续赋能企业的AI建设。



图1 敏实AI全球推广图

（一）全员AI通识培训

敏实通过AI通识课程的设定，自上而下驱动，共同学习发展。整个培训有超过800人次报名，每堂课程线上线下都有超过400人次参与，课程资料上传敏学堂供大家平时学习。

表1 敏实集团通识AI 课程

序号	课程领域	课程名称	培训内容
1	机器学习	AI企业大脑的数字化转型实践-企业全员AI实现企业的决策自动导航	数据跟领域知识的结合、企业AI 大脑的路程、企业最佳实践案例分享、实现全员AI 的过程跟关键、动员/组织及文化；人才愿景等
2	深度学习	AI 实践助力企业加速数位转型	如何充分应用AI 等新技术实现降本增效、运营升级, 并通过数位人才赋能快速走向全员AI 的可持续发展转型经验
3	通用大模型	AI大模型的发展及应用实践	介绍AI 大模型的相关概念、发展历程和趋势、从典型案例出发剖析企业应用大模型遇到的挑战以及破局之道
4	企业AI 应用	高管AI 数智助理	如何运用AI 技术挖掘数据价值，并实现数据驱动
5	工业大模型	大模型在制造领域的探索和实践	将大模型的应用场景落实到制造领域，探索大模型如何与制造企业的研产供销服以及企业管理相结合并分享核心观点和落地思路

（二）AI工作坊实施路径

通过引入无代码机器学习平台和AI工作坊，实现培养AI种子用户，推动AI在企业的普及；针对企业痛点设计AI命题，验证其商业价值；优化业务流程，提高企业整体效率。AI工作坊每期全流程预计在3至4个月内完成，实施路径分为前期准备、培训实施和成果落地三个阶段，如图2所示。



图2 敏实AI推广路径

第一阶段：前期准备

横向扩展，向下扎根，建立AI推广团队, 成员由数字转型专家、资料科学家、领域专家组成, 通过项目对每个职能进行推广, 各职能再由各单位领域专家组成执行小组, 将AI应用向下扎根。在议题发掘环节，围绕业务痛点，设计AI命题，如预测设备异常、优化制程参数等，明确每个命题的数据来源和关键指标。在数据准备环节，收集与企业痛点相关的历史数据，整理数据并进行初步清理，确保数据质量满足建模需求。命题设计流程如图3所示。



图3 命题设计流程

第二阶段：培训实施实践

培训实施期间，每1—2周安排1堂线下课程以及不定期线上交流，共8堂课，分为全员AI基础培训、分组讨论与建模、模型评估与优化三大模块。标准化培育领域部门的AI种子用户，全程不说编程、不教数学，只说故事、只谈应用、只讲制造业的语言。全员AI基础培训，帮助学员掌握建模基础，了解如何评估和优化模型，主要包括AI与自动化机器学习的基础知识；无代码机器学习平台的操作方法等课程。分组讨论与建模环节，种子用户在顾问指导下建立初步模型；每两周一次的小组讨论会，梳理业务痛点，将其转化为可解决的AI命题，探讨数据使用及模型应用方法。模型评估与优化环节，种子用户完成初版模型后，顾问团队协助优化；探索更多建模方法，以适配实际需求。



图4 AI议题实施全流程

第三阶段：成果巩固与扩散

成果书面化与展示，提炼工作坊成果，确保经验的可复制性。实施方式为：每组准备成果报告，描述痛点、建模过程及优化结果；举办成果发表大会，展示短期应用成果及未来规划。

构建企业AI知识库，将知识资产化，推动AI文化持续传播。实施方式为：整理命题与模型的实施经验，建立企业专属AI知识库；提供后续参考案例，助力其他部门快速上手AI应用。

全面推广与持续优化，实现AI从单点突破到多点扩散，再到体系化应用。实施方式是：复制成功经验至其他部门，扩展AI应用场景；定期组织进阶培训，持续优化模型性能与业务契合度。

三

全员AI 应用实例

敏实集团通过全员AI的推广，针对不同生产基地的独特需求，将实际痛点转化为AI课题，逐步在各工厂部署，确保每个场景的AI应用都能有效解决核心问题。截至目前已总计超过20个课题发表成果，共建立超过百余个AI算法模型，其中在研发设计环节，应用AI大大缩短研发周期，缩短测试时间15.2%，在生产制造环节，应用AI实现设备参数优化，提升产品品质16%，AI技术正在深刻地影响着敏实企业管理。



图5 敏实AI案例集

（一）电镀变形开裂预测案例

1.案例背景

针对电镀格栅饰条在生产和整车装配过程中的开裂、变形问题，利用AI对电镀工艺温度、湿度、材料特性等参数进行建模分析，提前预测并规避潜在风险。

2.成效收益

质量明显改善，开裂、变形的不良率从4%-5%降低至接近1%-2%，减少了返工和废品损失；客户满意度提升，提高产品交付稳定性，降低外部验证和客户投诉费用；团队建设增强，团队士气大幅提升，员工工作压力减轻。

3.案例结论

依托精益六西格玛框架，结合AI模型优化电镀工艺参数，显著降低破坏性实验的成本。

（二）铝熔炼过程中铝水与灰渣比例优化案例

1.案例背景

铝熔炼过程中的铝水与灰渣比例直接影响材料利用率和生产成本。通过AI建模优化工艺条件，提高铝液产出率，降低废渣和能耗。

2.成效收益

经济效益方面，减少金属辅料投入，每吨辅料成本降低3500欧元；环境效益方面，废渣堆放减少，生产过程更加环保；隐性效益方面，优化后的工艺提升了作业效率，减少了对高技能操作人员的依赖。

3.案例结论

通过实时监测光谱测量结果、炉温等数据，结合AI模型推荐最佳原料投入比例，优化铝液产出质量和成本。

四

价值及意义

在标杆创建方面，通过探索并走通了一条基于“通识培训+工作坊”模式的全员AI教培与推广实践方法，为汽车零部件生产企业甚至更广泛的制造业企业提供了可参考的工业AI创新开发与全员推广范式。

在效益提升方面，通过引入全员AI的推广，逐步实现跨国工厂的一体化管理，致力于在全球范围内实现工艺和标准的无缝传递，以应对区域差异带来的标准不一致问题。通过应用AI技术优化工作流程，提高效率，降低成本，提高创新能力和竞争力。

在应用推广方面，敏实集团在研发设计、生产制造、供应链等领域已开展了大量AI应用并不断拓展，这些经过工程实践检验的成果可以通过商业合作为本行业或其它行业的制造业企业赋能。

---

来源：宁波市智能制造专家委员会