工業大數據及智能制造培訓
講師:尹立慶 瀏(liu)覽次數:2660
課程描述INTRODUCTION
工業大數據及智能制造
日程(cheng)安排SCHEDULE
課程大綱Syllabus
工業大數據及智能制造
課程特色
從德國的工業4.0、*的智能制造戰略到英國的高價值戰略,工業大數據已成為主要工業國家搶占國際制造業的制高點。工業大數據作為當前產業變革的核心驅動和戰略焦點,意在推動制造業信息化、數字化、智能化。通過流程集成、數據挖掘、數字化等軟件技術,采集工廠各階段的數據,連接設備、整合供應鏈上的各個環節各種資源,進行互聯網產品設計、生產、制造、銷售,并實現工業大數據分析,因此云計算、通信技術、軟件技術、物聯網、大數據、人工智能是工業大數據實現的基礎,成為工業革命亦變革的技術力量。
云計算是利用分布式系統架構技術把超大規模規模服務器集群整合起來,為用戶提供靈活與快速的資源分配和任務調度能力。這里的超大規模、資源整合、靈活與快速都體現著云計算應對工業大數據和數據爆炸所帶來的問題的能力。云計算最為核心的兩大技術就是虛擬化、云計算管理平臺,這兩大技術實現了超大規模數據中心的運維管理;并且通過云計算管理平臺為用戶提供虛擬機租賃服務等。
接下來的課程為大家呈現云計算、通信技術、軟件技術、物聯網、大數據、人工智能等核心技術,為企業的IT戰略發展提供參考。
培訓目標
1、 使學員掌握工業大數據及智能制造等基本概念與思想;
2、 使學員了解工業大數據及智能制造等發展現狀與將來發展趨勢;
3、 使學員了解工業大數據及智能制造等企業實施路線、戰略規劃;
培訓對象
1、 對工業大數據及智能制造等感興趣的朋友;
2、 工業大數據及智能制造等從業者;
3、 系統架構師、系統分析師、高級程序員、資深開發人員;
4、 適合大型企業中高層管理人員;
課程大綱
第1個主題: 工業大數據及智能制造概述(介紹工業大數據及智能制造的提出背景、發展趨勢)
1、工業大數據的提出背景
2、工業發展瓶頸與問題:技術落后、產能過剩、缺乏高精技術、不能柔性化定制、市場變化快、產業鏈優化
3、大數據的成熟與應用趨勢
4、工業大數據輔助工業企業解決問題
5、工業大數據指導決策、指導市場、指導研發、指導生產
6、工業物聯網
7、工業與制造業的區別
8、制造業發展瓶頸與問題:靈活性差、柔性定制、高科技制造
9、制造業案例:富士康代工廠員工跳樓事件
10、低端生產制造、高端生產制造
11、手工制造、機械自動化制造、智能制造
12、人工智能技術的快速發展與應用
13、智能制造解決制造業的問題
14、工業大數據及智能制造相結合
第2個主題: 工業大數據(工業大數據)
1、工業大數據是工業生產制造技術與大數據技術結合的產物
2、工業大數據提升企業*設計能力
3、工業大數據的數據收集、采集、整合、清洗、轉換
4、數據存儲、數據挖掘、趨勢預測、戰略決策
5、產業鏈上下游數據采集
6、原材料、生產過程、運輸倉儲、使用過程
7、條形碼、二維碼、RFID、無線網絡
8、傳感器、嵌入式設備、SoC、無線網絡、互聯網
9、案例剖析:移動、電信、聯通應該走制定電信標準路線,自主可控
10、加大研發投入,中國已經進入高精尖的競爭
11、利用大數據指導產品研發,如鋼材質量
12、案例剖析:中國鋼材生產遼寧艦航空母艦甲板
13、案例剖析:遼寧艦航空母艦生銹事件
14、案例剖析:日本鋼材生產,鋁焦煤
第3個主題: 工業大數據(深入剖析、系統論述工業大數據)
1、工業大數據的提出背景
2、物聯網
3、工業大數據的概念
4、工業大數據的特征
5、工業大數據的應用用途
6、工業大數據的認識誤區
7、工業大數據的未來發展趨勢分析
8、工業大數據的價值剖析
9、工業大數據的核心技術
10、工業大數據與大數據、云計算整合
11、工業大數據的關鍵領域
12、工業大數據解決的核心問題
13、數字化、網絡化、智能化
14、透明化工廠
15、柔性自動化生產線
16、產業鏈
17、整合產業鏈,高效低成本
18、消費者參與創新,定制化,智能制造
19、核心產業為主導,產業鏈頂端企業為主導
20、如何架構數字化工廠
21、工業大數據典型應用場景
第4個主題: 智能制造剖析(深入剖析智能制造)
1、案例剖析:C919航電系統,發動機,起落架,輪胎
2、案例剖析:埃及航空,獅航
3、數據挖掘分析平臺、人才團隊、商務智能團隊、權力人物
4、市場趨勢預測,庫存靈活調撥
5、良性循環,即時感知市場需求、快速做出決策、設計新產品、快速投入市場、適應市場的快速變化,停掉或者減少過剩產能
6、頂層設計+實驗
7、工業互聯網
第5個主題: 工業大數據通信技術(介紹工業大數據通信技術)
1、工業大數據對通信技術的需求
2、通信技術發展歷史介紹
3、物聯網技術
4、傳感器技術
5、射頻技術
6、移動智能設備
7、網絡通信技術
8、嵌入式系統技術
9、智能芯片
10、短距離無線通訊和無線網絡基礎
11、模擬/數字電路和傳感器設計基礎
12、物聯網相關微波射頻技術基礎
13、傳輸層技術(3G/4G/5G/GPRS/GSM/以太網)
14、網關技術
15、高級射頻技術
第6個主題: 大數據發展趨勢及現狀(深入剖析大數據發展趨勢及現狀,讓學員系統性的了解大數據)
1、 大數據興起的背景
2、 大數據發展歷史
3、 大數據國內外發展現狀
4、 大數據發展趨勢
5、 什么是大數據
6、 大數據的特征
7、 大數據應用現狀
8、 去IOE
9、 大數據時代的思路
10、 思維變革
11、 大數據思維方式剖析
12、 大數據企業應用障礙分析
13、 企業大數據實施路線圖
14、 大數據應用場景分析
15、 大數據價值鏈體系介紹
16、 大數據優勢
17、 大數據的核心技術,海量數據、基礎設計、分布式技術、數據挖掘、領域知識、應用創新
18、 大數據分布式技術體系Hadoop、Spark、Storm
19、 大數據分布式存儲技術
20、 大數據分布式計算技術
21、 大數據分布式挖掘算法
22、 大數據規劃實施路線圖
23、 實例分享:如何做大數據才能成功?如何做是失敗的?
24、 大數據與云計算之間的關系剖析
25、 大數據與虛擬化之間的關系剖析
26、 大數據與供應商剖析
27、 大數據與成本投入的關系剖析
28、 大數據商業洞察案例
29、 大數據成功應用案例:馬云預測經濟危機案例剖析
30、 大數據成功應用案例:京東倉儲選址及庫存預測
31、 大數據實施經驗分享
32、 大數據企業應用案例:阿里大數據、Google大數據
33、 互動問答
第7個主題: 云計算技術(深入剖析云計算技術智能制造)
1、云計算誕生的歷史背景概述
2、云計算的發展趨勢
3、云計算對企業的價值與意義
4、云計算概念
5、云計算的理念
6、云計算的角色
7、云計算特征
8、云數據中心建設
9、云計算實現的核心技術
10、云原生應用技術
11、開源云管理平臺OpenStack介紹
12、國內云計算供應商剖析:阿里云、騰訊云、華為云
13、國外云計算供應商剖析:亞馬遜、微軟、IBM、Google
第8個主題: 工業大數據及智能制造的軟件架構技術(深入剖析工業大數據及智能制造的軟件技術架構)
1、互聯網時代的軟件技術
2、互聯網時代的特征:短、平、快
3、單體架構剖析
4、微服務架構
5、大數據平臺
6、Hadoop技術
7、Spark技術
8、分布式架構
9、敏捷項目管理
10、DevOps思想
11、虛擬化技術
12、容器技術
13、Docker技術
14、Kubernetes容器管理平臺
第9個主題: 人工智能(AI)概述(介紹人工智能(AI)的基礎知識、概念、發展歷史以及將來趨勢)
1、 案例研討:AlphaGo的基本原理,李世石與AlphaGo的對局分析
2、 人工智能(AI)時代
3、 人工智能提出的背景
4、 什么是人工智能
5、 人工智能的應用領域
a) 計算機視覺
b) 自然語言處理
c) 人機交互
d) 語音識別
e) 博弈、醫療
6、 人工智能當前發展水平
7、 人工智能未來趨勢預測
8、 人工智能發展的最終目標
9、 弱人工智能
10、 強人工智能
11、 機器學習
12、 深度學習
13、 神經網絡
14、 人工智能應用
a) 計算機視覺(Computer Vision)
b) 自動駕駛(Autonomous Vehicle)
c) 推薦系統(Recommendation System)
d) 自然語言處理(Natural Language Processing)
e) 個性化醫療(Personalized Medicine)
-乳腺癌細胞有絲分裂偵測-IDSIA
-預測新藥物的毒性-Johannes Kepler University
-理解基因突變預防疾病-University of Toronto iv、Credit: Carnegie Melon University
-語音冠心病診斷-Beyond Verbal
f) 機器人(Robot)
g) 無人直升機
h) 助理或殺手?(Assistant or Killer?)
i) 金融(Finance)智慧金融
-個性化保險政策
-信用卡反欺詐
-Google股價預測
-Anne Hathaway/機器交易
j) When Program becomes Programmer
15、 什么是人工智能(Artificial Intelligence)
16、 人工智能歷史和算法概述
17、 人工智能誕生標志:達特茅斯會議
18、 致力于使用概率方法AI
19、 符號主義學派的創始人
20、 人工智能簡史
a) 1940-1950AI啟蒙
b) McCullocPitts
c) 圖靈計算機器與智能
d) 1950-1970首次熱潮
e) Samue的象棋程序
f) Dartmouth會議
g) 1970-1990基于知識的AI
h) 專家系統
i) 神經網絡回歸(BP)
j) 2次明顯的AI冬季
k) 1990-現在統計方法
l) 概率圖模型(PGM)
m) SVBoosting
n) 2010-現在:AI春天
o) 神經網絡再次回歸(DeeLearning)
p) 強化學習:強人工智能(AGI)的拐點
q) 弱人工智能
21、 人工智能在大型企業的應用案例:
a) 中國航空工業應用案例
b) 呼叫中心應用案例
c) 電商平臺應用案例
d) 汽車自動駕駛應用案例
e) 醫療診斷應用案例
f) 導航系統應用案例
工業大數據及智能制造
轉載://citymember.cn/gkk_detail/253107.html
已開課時間Have start time
- 尹立慶
[僅限會員]
人工智能內訓
- 《AI領導力思維》 武建偉
- 《人工智能如何落地汽車行業 王明(ming)哲
- 《游戲規則改變--當制藥業 王明(ming)哲
- AI賦能企業增長的新紀元—
- 數智賦能—走在 AI 浪潮
- 《未來管理革新:ChatG 武建偉
- 信用卡直播,結合人工智能 武建偉
- 《鄉村振興金融新思維——A 武建(jian)偉
- 5G、物聯網、數字化轉型等 胡國慶
- AI商用訓練營——增加工作 武(wu)建偉
- 《數字化轉型中的仿真》 王明哲(zhe)
- 數智賦能—走在 AI 浪潮