随着全球经济的不断下滑、数智化技术的快速发展以及人力成本的逐年提升，大型离散制造业的转型迫在眉睫，如何利用前沿数智化技术赋能集团模具加工、大规模机加、SMT、大规模组装等制程和齐套、排产、物流仓储等业务流程，成为集团提质增效和降本减存的关键。其中，以平台为核心赋能集团各项业务成为集团数智化转型的“钥匙”，包括对平台架构、组织、营运、管理机制的设计、先进工业AI用例及数字孪生和AR/VR等前沿技术解决方案的导入等措施，实现了集团高度的数据整合和系统整合，以达到整体运营效益和核心竞争力提升的目的。

演讲提纲：

1. 富士康转型战略和目标介绍
2. 集团数智化转型的机会和挑战
3. 如何利用数智化技术赋能集团各生产制程
4. 案例：数字孪生和仿真平台
5. 案例：AR/VR平台
6. 案例：AI工业质检平台
7. 案例：成型智能调参-传统与GenAI

听众受益点：

• 大型离散制造业企业数智化转型的现况与未来
• 大型离散制造业企业数智化转型实践

多工厂产能计划需要同时考虑原材料采购成本，产能约束以及成品配送成本。生产计划员很难推导出全局成本最优的排产计划。规划求解算法能快速的给出排产建议，计划时间从2天缩短到2小时，整体供应链成本优化5%-10%。

离散制造业经常为原材料准备库存。实际上不是所有原材料都需要配备库存。把原材料库存存放在2，3级供应商可能带来整体的库存优化。多级库存算法能够有效的帮助企业探索原材料库存的优化空间。

当前不存在一个完美的算法解决所有供应链的问题。如何有机的整合不同算法的能力需要基于业务实践的供应链优化架构。演讲最后会基于该框架总结之前的算法应用实例。

演讲提纲：

1. 算法在供应链业务中的应用趋势
2. 案例分享：多工厂产能优化
3. 案例分享：生产网络中的多级库存优化
4. 案例分享：入厂物流优化
5. 供应链优化框架

听众受益点：

• 算法在供应链优化实践
• 供应链优化方法论
• 算法工程化、产品化架构

清智优化平台以运筹学理论和最优化方法为理论基础，实现从客户需求至智能决策模型的映射输出。团队成员由清华大学运筹学与数据科学研究所、香港大学的校友构成，长达三十年的科研学术积累，具有国际化的研究视野，具备国内运筹学领域顶尖的创新能力和技术水平，将研究的创新成果与项目实践相结合，为全层级决策管理智能优化平台打下坚实的技术优势。

全层级决策管理智能优化平台采用运筹学理论和最优化方法为核心技术，由运筹领域国内技术顶尖的清智优化开发，可应用于包含复杂大规模问题、约束和目标的多行业多场景的智能决策。

演讲提纲：

1. 企业全层级决策管理智能优化平台介绍
2. 经典案例分享
3. 某知名烟草企业卷包排产
4. 电子元器件高级排产

听众受益点：

• 了解如何将复杂的业务场景用数学语言表示出来，建立模型设计算法，基于最优化理论实现智能决策。
• 了解如何将运筹优化运用到实际业务中。

工业 AI 质检，从能不能到快不快，到是否能更快。我们采用的解决方案是一体化方案，标准平台建设，云+端协同。

这个方案的思路，主要是联合头部标机客户，结合其在所属场景的数据优势，提供基于公有云/私有化服务集群的质检大模型训练服务，并与端侧单机软件打通，实现在质检行业呼唤已久“0 样本、秒换型、快应用”的新范式突破。

3C/锂电/光伏等复杂质检项目落地，工信部最佳实践，IDC 市场排名第一。

演讲提纲：

1. 算法基础
2. 场景实践
3. 方案介绍
4. 技术特性
5. 落地成果

听众受益点：

1. 最前沿的问题和挑战点
2. 最佳实践落地经验
3. 大模型在工业 AI 质检场景的落地方案