让一部分企业先学到真知识！
让一部分企业先学到真知识！
【课程背景】
在数字化与智能化浪潮的冲击下，研发质量管理正经历从“经验驱动”向“数据智能驱动”的范式转变。全球制造业研发投入年均增长12%，但质量问题导致的成本浪费仍占总研发预算的18%-25%。尤其对于业务多元、技术复杂的集团公司，跨部门协同低效、缺陷根因追溯困难、质量数据价值挖掘不足等问题，已成为制约研发效能提升的核心瓶颈。
与此同时，生成式AI与深度学习技术的突破为质量管理提供了全新解决方案——麦肯锡研究指出，AI驱动的质量管理系统可将缺陷识别效率提升60%，并降低30%以上的质量成本。在此背景下，本次《AI_Deepseek深度赋能：研发质量优化》培训应运而生，旨在通过“AI技术+质量方法论+场景化实践”的三维融合，助力企业构建智能化、前瞻性的研发质量管理体系。
本培训不仅是一次技术赋能，更是研发质量管理文化的革新起点。通过AI_Deepseek与质量工程的深度耦合，企业将率先迈入“预测-预防-自适应”的智能质量管理新阶段。
【课程收益】
Ø 了解新品开发流程(NPI)
Ø 了解其中的核心关联工具
Ø 了解NPI的关键点及质量管控点
Ø 能够运用AI工具进行研发设计以及质量管控
Ø 能供运用AI工具进行质量问题解析
【课程特色】
多年企业工程师从业经历、管理经历及创业经历使得老师能够从具体实施角度、宏观及可持续发展的角度去讲解课程，并做到理论与实践并重、循序渐进，善于从底层逻辑讲解。
张老师的课程脱离了模块化的通用培训或咨询逻辑，能够帮助学员快速识别、分析问题，并能结合企业当前阶段的实际资源及发展阶段制定“落地”的对策。
【课程时间】
1天 （6小时/天）
【课程对象】
质量/工艺/生产工程师、企业各部门基层、中层管理人员
【课程大纲】
第1单元：新产品导入流程（NPI）基础知识
1. 概念与定义
2. NPI战略价值与企业痛点分析
Ø NPI的核心价值与行业趋势
Ø 企业NPI典型痛点诊断
² 研发与生产脱节的表现
² 供应链协同问题
² 质量管控滞后
3. NPI部分关联工具
Ø 流程工具：APQP（先期产品质量策划程序）
Ø 需求管理工具：QFD（质量功能展开）
Ø 项目管理工具：甘特图
Ø 风险管理工具：FMEA（失效模式与影响分析）、风险矩阵
第2单元：NPI六大阶段概述及质量控制点
1. 概念与规划：
Ø 市场调研
² 功能需求
² 标准要求
² 目标价格
² 产量要求
Ø 可行性分析
² 技术可行性
² 质量可行性
² 财务可行性
² 制造可行性
Ø 项目立项
2. 设计与开发
Ø 需求冻结
Ø 设计方针
Ø 方针评审
Ø 开发设计
² 功能
² 图纸
² 标准
² BOM
² 工艺等
Ø DFX设计理念
3. 工程验证测试(EVT)
Ø 样本试做
Ø 功能验证与极限环境测试
Ø EVT测试结果输出
Ø 问题输出及闭环
4. 设计验证测试(DVT)
Ø 小批试产及量产工艺验证
Ø 可靠性测试
Ø 设计成熟度评估
Ø DVT测试结果输出
Ø 问题输出及闭环
Ø 成本优化
5. 生产验证测试(PVT)
Ø 批量生产
Ø 质量一致性测试
Ø PPAP（生产件批准程序）交付
6. 量产爬坡
Ø 持续改进
Ø 经验教训库
第3单元：AI_应用基础知识
1. AI的作用
2. 常见的AI平台
3. Deepseek平台概述
Ø 核心功能模块（数据管理、分析、协作）
Ø 适用场景与行业案例
² 质量预测与缺陷预防
² 知识管理与决策支持
4. Deepseek注意事项
Ø 避免使用结构化提示词
Ø 万能公式：4步提问法
² 身份：你是谁
² 任务：要解决什么问题
² 细节：限制条件
² 格式：要什么形式的结果
Ø 注意Deepseek的分析逻辑
第4单元：AI_deepseek在研发质量领域中的应用（实操与答疑）
注意：客户可以现场提供具体需求，现场实操演示
1. 案例1：生成技术可行性评估表
Ø 说明背景及要求
Ø 细化要求
2. 案例2：如何追寻某个具体缺陷的根本原因
Ø 如何提问
Ø 设定具体的解析维度
Ø 细化要求
3. 案例3~5：不同阶段缺陷案例解析
Ø 案例3：概念与规划阶段_功能可行性分析失败案例
² 问题、根因、改进措施
² 逐级细化要求
Ø 案例4：设计与开发阶段：工艺设计缺陷案例
² 问题、根因、改进措施
² 逐级细化要求
Ø 案例5：设计验证测试(DVT)：可靠性测试失败案例
² 问题、根因、改进措施
² 逐级细化要求
4. 案例6：数据分析案例(Cpk值的生成)
Ø 数据的导入
Ø 输入数据的注意事项
5. 案例7：某企业因质量问题无法拿回货款
Ø 输入限制维度
Ø 输入有利方
6. 案例8：某大型船厂年利润较低，应该如何提升效益？
Ø 应该如何输入内容
Ø 应该如何引导AI逐级解决问题
第5单元：总结
张胜