课程定位

以PDCA和QCC方法为内核，连接AI数据处理与复杂生产问题改善的实战课。

学习收获

• 培养结构化思考与AI协同能力。
• 建立共同的问题解决语言，改进协作与项目推进。
• 提升对客户及合作伙伴的问题处理表达。
• 系统开展调查、原因、对策与数据来源分析。
• 在复杂场景中定位关键问题并运用AI辅助推进。
• 练习AI辅助分析、图表生成及报告撰写。

课程特色

• 贯穿教师代练、小组共创与学员自练，分阶段形成问题清单、调查报告、主因验证、甘特图和标准化文档。

课程模块

一.第一节：认识问题

• 1. 问题共识：问题在工作中和生活中普遍存在
• 2. 问题定义：目标与现状之间的差距
• 3. 问题分类：
• 3.1.良构问题（结构化）、劣构问题（半结构化）、病构问题（非结构化）
• 4. 课程约定：本次课程主要聚焦病构问题（非结构化）
• 5. 练习：工作、生活中有哪些问题，分别属于哪一类问题
• 6. 成果输出：完成个人问题分类清单，建立问题类型识别能力

二.解决病构问题的痛点

• 1. 研讨：你在工作中、生活中是如何解决病构问题的
• 2. 共识：解决问题的通用方法论-PDCA ，解决病构问题的常用方法-QCC 十步法
• 3. 痛点：问题定义不聚焦、调查对象不清晰、目标设定没依据、分析原因不准确、制定对策不可靠等
• 4. 讨论：如何运用 AI工具解决上述痛点
• 5. 成果输出：识别个人解决病构问题的核心痛点，明确AI应用方向

三.第三节：AI 的基础认知

• 1. AI定义：像人一样能运用知识解决问题的智能体
• 2. 交互原则：结构化表达 + 作业分解 + 有效迭代 + 明确要求
• 3. 典型结构：RTGO （Role，Task，Goal，Objective）
• 4. 角色设定：
• 4.1.专家模式：问题界定与策略共创型，解决病构问题（非结构化）
• 4.2.工程师模式：需求解析与解决方案生成型，解决劣构问题（半结构化）
• 4.3.助理模式：指令执行与结果交付型，解决良构问题（结构化）
• 5. 常用 AI及延伸工具介绍：DEEPSEEK 、豆包、Echarts、Xmind
• 6. 练习：RTGO 提示词模型练习，完成一个复杂提示词撰写
• 7. 成果输出：掌握 RTGO 提示词模型，产出符合要求的复杂问题提示词

第一章：AI 在现状调查中的应用

• 一.课题选择
• 1. 选题维度：基于价值导向，选择具有挑战性但可解决的病构问题
• 2. 选题痛点：维度识别不准确，权重设定不客观
• 3. 应对策略：
• 3.1.AI专家模式：梳理维度 → 全面挖掘评价标准
• 3.2.AI工程师模式：生成方案→ 构建并计算决策矩阵
• 3.3.AI助理模式：输出结果 → 整理最终对比报告
• 4. 练习：基于练习案例，老师代练；小组共创，学员自练
• 5. 成果输出：运用 AI完成课题决策矩阵，选定符合价值导向的改善课题
• 二.AI 驱动问题描述
• 1. 意义：清晰阐明问题的重要性
• 2. 工具：4W1H 描述
• 3. 痛点：结构完整但重点不突出，系统性不足
• 4. 新方法：
• 4.1.AI专家模式：通过提问，从混沌信息中识别4W1H 核心要素，明确缺失与模糊点
• 4.2.AI工程师模式：将零散描述系统化填充，优化成结构完整、重点突出的问题陈述
• 4.3.AI助理模式：将最终问题描述整理成清晰、精炼的正式文档或简报
• 5. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 6. 成果输出：产出结构完整、重点突出的 4W1H 问题描述文档
• 三.AI 驱动现状调查
• 1. 意义：基于现有资料把握事实真相
• 2. 方法：检查表发散 + 层别法归类 + 柏拉图聚焦
• 3. 痛点：数据收集不全面、归类分析不准确、工具使用僵化
• 4. 新方法：
• 4.1.AI专家模式：基于问题预判关键领域，构建动态检查清单，确保调查方向前瞻性与完备性
• 4.2.AI工程师模式：运用分析模型对杂乱数据进行自动清洗、归类与计算，转化为有洞见的指标
• 4.3.AI助理模式：将分析结论自动转化为直观图表（如柏拉图），精准定位核心要因
• 5. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 6. 成果输出：生成现状调查分析报告，包含柏拉图等可视化图表
• 四.AI 驱动目标设定
• 1. 意义：以终为始定方向、要事第一做执行
• 2. 设定原则：符合 SMART 原则
• 3. 痛点：目标过大或过小，导致资源浪费或效果不彰
• 4. 新方法：
• 4.1.AI专家模式：基于现状数据，精准锚定目标设定范围
• 4.2.AI工程师模式：基于范围制定符合 SMART 原则的具体指标
• 5. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 6. 成果输出：制定符合 SMART 原则的量化改善目标

第二章：AI 驱动原因分析

• 一.原因分析的方法论
• 1. 分析工具链条：头脑风暴（先发散）→ 亲和图（后分类） → 鱼骨图（再聚焦）
• 2. 痛点：分析逻辑不清晰，工具应用不准确（如头脑风暴边界不足、亲和关系逻辑错误）
• 3. 新方法：
• 3.1.AI专家模式：界定分析边界，通过智能提问引导思维发散，确保广度与逻辑性
• 3.2.AI工程师模式：将发散观点自动进行逻辑归类，生成结构清晰的亲和图与鱼骨图
• 3.3.AI助理模式：将分析结果转化为格式规范、重点突出的可视化图表
• 4. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 5. 成果输出：完成系统性的原因分析，产出亲和图与鱼骨图
• 二.确定主因
• 1. 工具链：决策矩阵初级筛选 + 过程验证识别主因（制定验证计划、实施验证过程、得出验证结论）
• 2. 痛点：决策矩阵评分不合理，验证计划设计不可靠
• 3. 新方法：
• 3.1.AI专家模式：介入决策矩阵构建，基于领域知识校准权重与评分标准
• 3.2.AI工程师模式：针对候选原因自动生成严谨、可操作的验证计划
• 4. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 5. 成果输出：确定根本原因并完成验证，产出主因验证报告

第三章：AI 对策实施

• 一.制定对策
• 1. 工具链：5W1H 描述对策 → 五点控制法分解对策 → 甘特图呈现计划
• 2. 痛点：对策描述不清晰、节点控制不准确、甘特图绘制效率低
• 3. 新方法：
• 3.1.AI专家模式：介入对策构思，通过结构化提问完善5W1H 描述，确保目标明确
• 3.2.AI工程师模式：运用专业方法论（如五点控制法）将对策转化为可控节点与任务
• 3.3.AI助理模式：依据任务节点自动生成精准、直观的甘特图（如使用Mermaid 或 HTML 格式）
• 4. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 5. 成果输出：制定完整的改善对策，产出包含甘特图的实施计划
• 二.验证结果
• 1. 工具链：统计数据（基于目标周期） → 数据对比（对比目标和改善前） → 改善结论（评估成功程度）
• 2. 痛点：数据统计困难、核算不准确、呈现不清晰
• 3. 新方法：
• 3.1.AI专家模式：校准数据统计维度与验证方法，确保评估逻辑严谨
• 3.2.AI工程师模式：自动完成数据清洗、统计计算与对比分析，精准核算改善效果
• 3.3.AI助理模式：将分析结果转化为专业图表（如Echarts）与简报，直观展示成果
• 4. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 5. 成果输出：完成改善效果验证，产出数据可视化的成果报告

第四章：AI 驱动闭环

• 一.标准化
• 1. 意义：在制造业中，标准化确保过程一致性，影响成果一致性
• 2. 对象：被验证过的可复制改善对策
• 3. 行为：制定标准、培训、监督、考核、评价
• 4. 痛点：标准不可推广，推广过程阻力大
• 5. 新方法：
• 5.1.AI专家模式：评审标准并预判阻力，结合组织架构输出优化方案
• 5.2.AI工程师模式：基于标准构建完整实施路径（培训计划、监督机制、考核方案）
• 5.3.AI助理模式：自动生成培训课件、作业指导书等标准化文档
• 6. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 7. 成果输出：制定标准化推广方案，产出标准化文档体系
• 二.项目总结与计划
• 1. 复盘：回顾项目过程中的成功点与改进点
• 2. 计划：项目的未尽事项或下一步计划
• 3. 痛点：复盘不准确，呈现不清晰
• 4. 新方法：
• 4.1.AI专家模式：运用复盘框架，通过系统性提问挖掘关键得失
• 4.2.AI工程师模式：将洞见转化为结构清晰的总结报告，生成可执行行动计划
• 4.3.AI助理模式：将报告精炼为可视化简报，突出核心成果与未来重点
• 5. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 6. 成果输出：完成项目复盘，产出总结报告与后续行动计划

收尾

• 1. 讨论：什么场景下能用 AI？
• 2.讨论需要思考的场景中AI可发挥的辅助作用及使用边界。
• 3. 讨论：什么场景下建议用 AI？
• 4. 结论：认知边界 + 重复工作 + 可被完全替代场景
• 5. 公约：不懂就问（提问难点，而非完整问题）
• 6. 回顾：AI是能运用知识解决问题的智能体，需像与人交互一样使用AI。
• 7. 练习：基于练习案例，老师代练；小组共创个人案例，学员自练
• 8. 成果输出：建立个人 AI应用场景清单，形成持续应用的行动承诺

适合人群

生产管理、工艺工程、质量改善人员，项目管理、技术研发、运营优化等中基层管理者及希望融合AI工具的一线骨干。

师资信息

张老师
十余年制造业生产管理经验，熟悉制造业多行业
制造与改善专家
AACTP 美国培训认证协会促动师；
日本产业训练协会认证讲师；
国际 TRIZ 协会认证。
专业背景
曾先后供职多加外资企业，从基层工程师做到全面负责生产管理的运营经理。参与制定公司发展战略，参与公司重大决策，直接对经营负责。
在做工程师期间，主导过多项现场改善项目。负责产品质量，定期召开生产前、生产结束会议，巡视生产现场，稽核生产报表，在新产品导入阶段从成本、效率及品质角度发现并解决问题；运用 DMAIC 方法，分析改善制程能力；运用精益生产，6 Sigma, Kaizen 等改善工具，制定新产品标准作业指导书，改善生产现场。
在做生产主管和生产经理期间，主要对部门内的事宜进行综合管理与优化。统筹生产部整体运营管理工作，主导新产品工厂端引入与消化，维持生产运营正常进行，在降低生产周期情况下满足交期需要，满足全年生产目标及产品交期目标，支持年均1 亿以上产值。
在做运营经理期间，负责全面管理工作，包括生产效率的保证与提升，品质控制与保证，成本控制与优化，以及可持续的安全生产。 统筹公司整体运营管理工作，主导生产、仓储、设备及物流运营管理工作，全面负责生产运营管理工作，合理规划、分配工作任务，组织、指导、监督生产制造计划及车间生产过程，主导现场流程分析，操作分析，现场人员降低20% 以上。
专长领域
职业化素养：《职责与角色》、《七JJING 高效执行》、《高效能人士的七个习惯》、《Excel VBA从入门到进阶》、《问题分析与解决》、《群策群力工作坊》
领导式管理：《一线领导力与团队管理》、《培训与指导技术》、《基于情景的下属激励》、《基于信任的沟通》、《日常管理》、《“先己”领导力》
精益化现场：《精益生产与现场》、《5S 及目视化管理》、《现场改善实战训练》、《一页纸项目管理》
TTT ：《敏捷经验萃取工作坊》、《精妙教学设计工作坊》、《全维教材开发工作坊》、《课程精妙呈现》
人才发展：《任务模型工作坊》、《学习地图工作坊》、《课程地图工作坊》、《五型班组建设》
授课风格
幽默而不失严谨，轻松而不失历练。
以互动式的授课方式，语言幽默，风格极具亲和力，获得客户的广泛认可；授课激情投入，能有效激发学员，善于与学员沟通，营造轻松的培训氛围。善于使用学员案例进行分析，注重案例与互动，不断引导学员，达到使学员转变观点、掌握知识和技能的目的，注重学以致用。
服务企业
汽车行业： 中国中车、四川南充吉利、博西华、蔚来汽车、吉利汽车、武汉天合、 长春采埃孚、新大洲本田、北汽重卡
机械加工：ABB 高压电机、博威集团、中国建材、山东重工、成都发动机、卡特彼勒、 西门子能源、虹冈铸钢、中铝、中航工业、神钢压缩机
化工行业： 中海油集团公司、中海油多家子公司、优利德、晓星化纤、石大胜华、兴发集团、 普源化工、青岛东一胶带
食品行业：恒顺醋业、艾兰德、一鸣食品、味全食品、通用磨坊、中粮
纺织行业：浙江万舟集团、星宇手套、申洲纺织、安踏、鄂尔多斯纺织
医药行业：浙江民生药业、常州创生医疗、纽麦医疗器械
新能源：晶科、阿斯特、中环
芯片行业：中芯国际、常州承芯
家装行业：梦百合、老板电器
其他行业：招商重工、蓝箭航天、顺丰、上海造币厂、蔡司、杰麦多等

课程咨询与报名

了解本期课程安排、师资及报名事项，请联系新中华学习网：400-061-6586，也可使用本页下方的报名咨询表。具体开课安排以正式通知为准。

温馨提示：本文内容根据课程内容整理，各模块实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。