一、 精益改善痛点 + AI融合原理

1.精益改善闭环回顾（问题→根因→对策→固化）

2.传统瓶颈：漏报、靠经验、算不清、难持续

3.ABC模型与水平线理论通俗讲解

小组讨论：写出本企业改善中最头疼的一个问题

二、 数据质量与知识库入门

1.脏数据的危害（Garbage in, garbage out）

2.最简单的知识库：把历史A3/改善提案放进一个文件夹，让AI能检索

3.数据清洗三要素（去重、补缺、统一格式）

演示：一段脏Excel如何快速清洗

三、 AI智能发现问题

1.AI如何自动标注异常（等待、换线长、不良突增）

实操：用AI工具导入生产日报，自动输出《AI问题清单》

四、 标准化问题描述 + A3初稿生成

1. 问题描述模糊（“设备老坏”）→ 无法改善

2. 提示词基础：角色+任务+约束+格式
 实操：用自然语言描述问题 → AI生成标准化问题卡 → AI生成A3报告初稿

五、 AI辅助根因分析

1.人机协作：人提出假设→ AI检索历史同类问题→ AI验证数据相关性→ 人判断

2.AI生成5Why路径/鱼骨图

3.避坑：AI幻觉（交叉验证）

每组针对上午的问题清单中一个异常，用AI生成3条5Why路径，人工选出最可能的根因

六、 AI推荐改善方案 + ECRS

1.AI匹配历史案例库（B），基于ECRS原则生成改善建议

2.人的决策：判断可行性、修改提示词重新生成

3.输出《改善方案建议书》（含预计收益）

七、 AI量化改善效果 + 防反弹

1.AI自动抓取改善前后数据，计算OEE、不良率、工时节约、ROI

2.防反弹：AI监控新标准执行情况，异常自动预警

3.实操：导入改善前后两周模拟数据 → AI生成《改善效益报告》

每组完成一次效果量化演练

八、 落地计划 + 总结

1.完整闭环回顾

2.30天落地路径：

第1周：选一个试点，清洗1-2张报表
第2周：建立简单知识库（历史案例入库）
第3周：用AI完成一个真实改善闭环
第4周：复盘并固化
3.每组制定《30天落地计划》

交办：分组输出落地计划，讲师点评