适用对象：风电、光伏设备及钢结构制造企业管理层
课程目标 ：
1. 深度理解AI技术：掌握AI在新能源装备制造中的核心应用场景与技术逻辑。
2. 实战案例解析：结合企业产品（塔筒、光伏组件、风电设备等），学习AI落地方案。
3. 战略规划能力：制定企业AI技术应用路线图，应对未来竞争与行业变革。
4. 风险预判与规避：识别AI实施中的技术、管理与挑战。
大纲：
一、AI技术基础与制造业变革
1. AI技术全景解析
（1）机器学习、深度学习、计算机视觉、数字孪生等核心概念。
（2）AI与工业互联网、物联网（IoT）的协同效应。
2. 全球制造业智能化趋势*
（1） 新能源装备制造的“智能化拐点”：从德国工业4.0到中国“灯塔工厂”。
（2）行业痛点：效率瓶颈、质量控制、供应链波动、能源成本压力。
二：AI在新能源装备制造的核心应用场景
1. 生产流程智能化*
（1）智能设计与仿真：AI优化塔筒结构设计，降低材料浪费（参考风电设备设计案例）。
（2）柔性自动化产线：光伏组件生产中的机器人协同（隆基12秒/组件案例）。
（3） AI质检与追溯：机器视觉检测钢结构焊缝缺陷，精度提升40%+（类比光伏隐裂检测技术）。
2. 设备运维与能效管理
（1）预测性维护：风电齿轮箱故障预警，减少停机损失（基于振动与温度数据分析）。
（2）能源优化：AI动态调控车间能耗，实现单位能耗降低20%（参考隆基案例）。
3. 供应链与物流升级
（1）智能仓储调度：AGV与AI算法协同，优化塔筒原材料库存周转率。
（2）需求预测与排产：基于市场数据的动态生产计划（如应对光伏装机季节性波动）。
三：AI技术实施路径与工具选择
1. 技术落地四步法
（1）数据采集与治理：工业传感器部署与数据标准化（风电设备运行数据为例）。
（2）算法模型选择：分类、回归、聚类算法在质量检测与预测维护中的适用场景。
（3）系统集成：AI平台与企业ERP/MES系统的无缝对接。
（4）迭代优化：基于反馈数据的模型持续训练（如光伏组件良率提升闭环）。
模块四：未来趋势与行业颠覆*
1. 政策与市场驱动
（1） 国家“双碳”目标与《光伏制造行业规范条件（2024年本）》的智能化要求。
（2）全球竞争格局：从“制造代工”到“智能服务商”转型（如特斯拉储能网络模式）。
2. 技术突破方向
（1）边缘计算与实时决策**：风电设备端AI芯片的应用潜力。
（2） AI+绿色制造**：碳排放监测与智能减排（参考光伏工厂节能案例）。
（3）人机协作2.0**：AR/VR辅助钢结构装配，提升工人效率与安全性。
3. 商业模式创新
（1）产品即服务（PaaS）：基于AI的风电机组全生命周期服务（如运维订阅制）。
（2）数据资产变现：生产数据用于碳交易、供应链金融等衍生价值挖掘。
授课老师
苗东利 22年电力行业从业及管理实战经验
常驻地：北京
邀请老师授课：13439064501 陈助理
