【课程背景】

推进信息化和工业化深度融合,是**国务院的战略部署,是工信系统的共同责任,是实现我国产业全面转型升级的必由之路,是抢占发展先机,争夺新的产业竞争制高点的重要抓手！

随着世界范围内，正掀起第四次工业革命"工业4.0\"，"中国制造2025\也随之登上舞台.由中国国情决定,两化融合是中国企业跟上世界脚步, 实现弯道超车,实现可持续发展的必由之路; 而两化融合管理体系是国家推出的规范、稳健推进两化融合的重要工具。

工业互联网管理体系是企业在信息化环境下进行战略制定, 战略实施以及目标管理, 实现和达成的方法论。针对两化融合管理体系目标管理, 从企业的实际目标管理过程出发,分析并探讨了企业两化融合管理体系的建立, 实施, 保持和改进的过程。

同时，也是从其战略梳理和目标制定结果出发, 围绕其目标指标, 在信息化环境下进行实施和落地的过程。将两化融合管理体系通用方法论与企业的战略落地, 目标管理过程结合, 规范两化融合的相关过程并使其持续受控, 帮助企业打造其识别出来的信息化环境下的新型能力, **终实现企业既定目标的管理和达成。

两化融合管理体系与其他如质量, 环境，职业健康安全等管理体系有何不同？ 实际上就体系而言，都是一套完整的管理体系范畴，可相互借鉴。区别在于两化融合管理体系的定位，属于战略层面; 而质量,环境,职业健康安全等管理体系的应用范围都侧重于某一专业领域; 其管理对象相对固定; 目的在于规范特定专业领域的管理。

现今我国企业面临着竞争激烈的问题, 大部分企业处于产业低端现状。推动企业建立两化融合管理体系尤为重要！企业一般主要以建立, 依据和改进两化融合管理机制，来对企业未来引导发展起到重要的作用。为了更好的落实工业化发展要求, 推动企业全方位规范管理活动和管理进程, 加强战略一致思想, 达到预期成效. 更好的解决信息化与管理方面的问题。

【课程收益】

Ø 了解“工业互联网”的定义与内涵

Ø 了解“工业互联网”对企业商业模式与其运营带来的影响

Ø 熟悉“工业互联网”的核心科技领域以及落地关键举措

Ø 了解“工业互联网”在产业生态链中的价值与当前要务

Ø 了解“工业互联网”在推动中，如何识别瓶颈与风险，及其关键对策

【课程特色】

Ø 实用性：本课程提供实用的“工业互联网”建构方式和科技理念，而不是单纯理论的传授，具有极强的实用性；

Ø 可行性：本课程中用到的各种方法和工具，均经过企业实践的检验，具有非常强的可行性；

Ø 实践性：本课程课堂安排了学员的心得分享，以保证学员能够真正掌握所学的方法和技巧，具有很强的实践性；

Ø 全面性：本课程涵盖了“工业互联网”构建涉及的方方面面，如：工业互联网的技术领域、框架设计、生态建设架构与侧重点等内容，内容全面；

Ø 针对性：本课程期望学员带着与“工业互联网”相关的问题和困惑来上课，并安排专门的答疑环节予以解答，具有很强的针对性。

【课程对象】企业领导人，COO（首席运营官），CIO（首席信息官），CTO（首席技术官），CMO（首席市场营销官），信息科技部门相关主管与骨干成员，战略规划主管与骨干成员，工程技术团队主管与相关骨干成员，企业运维团队骨干成员

【课程时间】6小时

【课程大纲】

一、 “工业互联网”的定义与内涵为何？

a) “工业互联网”的定义

b) 四大基本功能

c) 四大特征

d) 三大核心能力

二、 “工业互联网”的主要商业模式为何？

a) 围绕“物”的联接构建商业模式

b) “满足应用需求”应为**高优先

c) 成为“数字化转型”的关键基础建设

d) 成为新形态“工业软件解决方案”的提供者

e) “聚焦行业”“深耕细作”

f) 提供“如何上云联网”的实践范式

g) 提供数据/人工智能应用（数智化）的前沿方向

三、  建设“工业互联网”需要具备哪些关键科技领域？

a) 智能制造

b) 基础建设功能体系

i. 网络基建

ii. 平台建设

iii. 安全治理与管理

c) “端、网、云、用”的集聚生态构建

i. 智能感知

ii. 互联互通

iii. 业务数据平台（中台）

iv. 模式创新

四、 落实“工业互联网”的关键举措为何？

a) 聚焦优秀解决方案的汇集

b) 细分行业的工业互联网实施路径图的规划

c) 推动关键产业链自主研发的解决方案的试点落地

d) 构建产业链的技术能力地图

五、  “工业互联网”的发展趋势为何？

a) 两化融合与工业网络升级

b) 传统行业对“信息化”有更高的落地需求

c) “个性定制化”将成为产业新业态

d) 物流体系建设将保持领先态势

e) “工业机器人”的发展迅猛

f) 政策指引工业互联网实践创新

六、  “工业互联网”推动中面临的瓶颈，与可能的对策为何？

a) 设备联网难，工业数据采集能力薄弱

b) 数据不好用，工业大数据建模分析能力薄弱

c) 模型跟不上，行业机理模型沉淀能力不足

d) 应用数量少，现象级工业Apps培育能力欠缺

e) 建议对策

i. 夯实基建

ii. 建生态

iii. 重测试

七、 课程总结 & 答客问