把老工程师的手艺放进芯片：专家经验数字化的落地陷阱与破局
上个月在南京浦口的智能制造产业园待了三天，跟着运维班组跑了四台进口挤压机。干了38年设备运维的张工蹲在电机边上，耳朵贴在保温层上听了半分钟，抬头说“三号轴承游隙超了，备料吧，后天停机换”。在线监测系统弹出的报表还显示一切正常，三天后拆下来，磨损程度跟他说的分毫不差。
张工明年退休，这门听声音辨故障的手艺，再没人能学全。这就是很多制造企业现在绕不开的坎。
电厂汽轮机运行专家经验标注界面
很多人默认，专家经验就是可以显性表述的书本知识，其实不是。人类认知里，超过七成的技能类经验都是默会知识——你会骑车，但是你说不清楚你保持平衡的具体力学参数，专家会判断故障，也说不清楚每一次判断的完整逻辑。硬把默会知识掰成一条条规则，本质上就是削足适履，能用到实际场景里的，不到十分之一。
智能制造设备故障专家经验标注样本库
这里必须讲清楚应用边界：这套方法只适合专家判断稳定、场景重复度高的工业领域，要是完全未知的新场景，专家自己都没遇过，这条路就走不通。要是需要创造性突破的研究领域，现在也别想，没人能把还没成型的灵感数字化。
不过话说回来，现在大部分企业需要沉淀的，本来就是这种重复场景下的成熟经验，这条路径刚好踩中了需求，成本也比原来攒规则库低了近一半，不用花一两年整理文档，三五个月就能上线跑起来。
比技术更棘手的，是产权与利益问题
我跑了快十个做相关改造的项目，七个死在技术之外，不是算法不行，是人谈不拢。专家凭什么把自己攒了一辈子的手艺拿出来？很多企业觉得，我养了你几十年，你的经验就是单位的，直接拿走就行。真到要专家配合采集数据、校正模型的时候，专家要么敷衍，要么藏着最核心的本事，最后出来的模型就是个样子货。
之前有个中药企业，想把老药工的饮片鉴定经验数字化，老药工根本不配合，说我吃饭的家伙，给了你我孩子连工作都没了。后来换了方案，企业给每一个参与的老药工发了技术入股凭证，模型对外提供鉴定服务的收益，按贡献分润，不到一年就攒够了三千多份样本，模型现在已经能覆盖八成常用饮片的鉴定，精度比人工抽检还稳。
还有一个绕不开的风险：产权归属说不清楚。退休专家把经验带走，在外头开公司做同类产品，原企业拿不出证据，官司都打不赢——经验在专家脑子里，你说它是你的，拿出来看看？提前做数字化沉淀，本质上也是把企业的无形资产落在实处，不光是练算法，更是做产权确权。
张工一开始也不愿意配合。企业一开始开口就是“你要为单位做贡献”，张工说我贡献一辈子了，临了把吃饭的家伙交出去，我图什么？后来企业改了方案，给他开了终身名誉顾问的聘金，还约定模型对外输出的收益拿千分之一给他做分红，他第二天就带着技术团队去机房了。
现在模型已经在产业园跑了三个多月，挤压机的非计划停机次数降了快三成，张工退休之后每个月过来转两次，给模型挑挑错，遛遛园区的桂花，日子比上班还舒服。
别吹什么万能技术。也别想着一蹴而就。慢慢来，把该解决的人的问题解决了，把该划清楚的边界划清楚，能解决实际问题，就是好东西。
那些上来就说能搞定所有经验的，不是坏就是蠢。对吧？
不是所有老师傅的直觉都能变成代码
不少做数字化改造的团队上来就拍胸脯，说把专家知识整理成规则库就行。真做起来才发现，八成以上的经验根本落不了纸。张工说刚才那种“声音发沉，带点嗡鸣”的感受，你让他写成量化指标，他写不出来。十几年摸下来刻在神经里的肌肉记忆，哪能拆解成一二三四。 之前接触过一个火电项目，甲方花了近两百万整理老值长的调峰经验，攒出三千多条判断规则，上线第一天遇到电网突发负荷调整，规则库覆盖不到，直接触发了安全停机，差点出事故。电厂汽轮机运行专家经验标注界面
很多人默认，专家经验就是可以显性表述的书本知识，其实不是。人类认知里，超过七成的技能类经验都是默会知识——你会骑车，但是你说不清楚你保持平衡的具体力学参数，专家会判断故障，也说不清楚每一次判断的完整逻辑。硬把默会知识掰成一条条规则，本质上就是削足适履，能用到实际场景里的，不到十分之一。
从“人写规则”到“模型学行为”的路径转向
说实话，最近两年能落地的项目，都换了思路。不再追着专家问“你为什么这么判断”，而是盯着专家“你是怎么判断的”，把专家的行为、选择、结果直接数据化，再用小样本模型对齐专家的决策逻辑，不用专家自己拆解逻辑。 张工这个项目就是这么做的。技术团队没让他写手册，只是给他常用的测振仪加了动作采集模块，他每次判断故障，在哪段频谱停留、放大几倍、最终标记什么故障，全部自动记录下来，攒了四个月，不到一百五十个样本，训练出来的轻量模型，嵌在车间的边缘网关里，准确率比原来基于规则的系统高了27个百分点。智能制造设备故障专家经验标注样本库
这里必须讲清楚应用边界：这套方法只适合专家判断稳定、场景重复度高的工业领域，要是完全未知的新场景，专家自己都没遇过，这条路就走不通。要是需要创造性突破的研究领域，现在也别想，没人能把还没成型的灵感数字化。
不过话说回来，现在大部分企业需要沉淀的，本来就是这种重复场景下的成熟经验，这条路径刚好踩中了需求，成本也比原来攒规则库低了近一半，不用花一两年整理文档，三五个月就能上线跑起来。
比技术更棘手的，是产权与利益问题
比技术更棘手的，是产权与利益问题
我跑了快十个做相关改造的项目，七个死在技术之外，不是算法不行，是人谈不拢。专家凭什么把自己攒了一辈子的手艺拿出来？很多企业觉得，我养了你几十年，你的经验就是单位的，直接拿走就行。真到要专家配合采集数据、校正模型的时候，专家要么敷衍，要么藏着最核心的本事，最后出来的模型就是个样子货。
之前有个中药企业，想把老药工的饮片鉴定经验数字化，老药工根本不配合，说我吃饭的家伙，给了你我孩子连工作都没了。后来换了方案，企业给每一个参与的老药工发了技术入股凭证，模型对外提供鉴定服务的收益，按贡献分润，不到一年就攒够了三千多份样本，模型现在已经能覆盖八成常用饮片的鉴定，精度比人工抽检还稳。
还有一个绕不开的风险：产权归属说不清楚。退休专家把经验带走，在外头开公司做同类产品，原企业拿不出证据，官司都打不赢——经验在专家脑子里，你说它是你的，拿出来看看？提前做数字化沉淀，本质上也是把企业的无形资产落在实处，不光是练算法，更是做产权确权。
张工一开始也不愿意配合。企业一开始开口就是“你要为单位做贡献”，张工说我贡献一辈子了，临了把吃饭的家伙交出去，我图什么？后来企业改了方案，给他开了终身名誉顾问的聘金，还约定模型对外输出的收益拿千分之一给他做分红，他第二天就带着技术团队去机房了。
现在模型已经在产业园跑了三个多月，挤压机的非计划停机次数降了快三成，张工退休之后每个月过来转两次，给模型挑挑错，遛遛园区的桂花，日子比上班还舒服。
别吹什么万能技术。也别想着一蹴而就。慢慢来，把该解决的人的问题解决了，把该划清楚的边界划清楚，能解决实际问题，就是好东西。
那些上来就说能搞定所有经验的，不是坏就是蠢。对吧？