核心结论：老师傅的经验可以转化为一套实时运行的AI工艺参数看板，但它的定位做不到立刻完全替代人工，更多是把靠人盯参数转变为系统盯参数，从而降低因人员休假、夜班、换岗带来的质量波动。
在浙江中小制造企业里，有一类情况相当常见：调模老师傅干了十几年，参数全在他脑子里；他一请假，废品率就往上走，几天下来废掉的料就是一笔实打实的损失。部分经验难以口头传授，例如手感松紧、设备声音变化、季节温差补偿量等，长期停留在个人判断层面。
浙企AI+全要素平台在区县推进应用场景落地时发现，工艺参数靠人盯是当前需求较为集中的方向之一。以下围绕企业普遍关心的问题展开说明。
老师傅的经验，AI能学到什么程度？
AI能够学习其中一部分，尤其是可量化的参数及其对应结果。温度、压力、转速、进给量、保压时间、批次原料差异等数据，多数设备的PLC中已有记录，只是过去未接入、未存储、未分析。AI的主要工作是对老师傅在岗期间参数稳定与参数漂移两类时段数据进行对比，识别稳定区间的边界条件，并在看板上以绿、黄、红三色呈现。
老师傅凭声音判断异常的能力，AI目前尚难完全掌握。但类似夏季下午两点模温降低三度的明确规则，AI可以记录并执行提醒。起步阶段不用先建复杂模型，先做的是将老师傅愿意表达的规则数字化，再通过运行数据发现其未能言明的规律。
- 先确认设备PLC数据能否接通。单台设备通常有 6 到 10 个可采集点位，从这批点位起步，老旧设备需评估加装传感器的成本。
- 由老师傅标定“好时段”与“坏时段”，每类至少 20 条记录，作为AI学习的基础样本。
- 将老师傅口述规则整理为“如果，那么”清单，先实现报警功能，再考虑自动调参。
- 看板先交车间主任试用 7 天，验证报警准确性后再决定是否接入自动控制。
投入多少？多久能看到效果？
从实际项目情况看，纯软件形式的工艺参数监控看板，起步投入低于很多企业的预期，但前提是设备具备PLC且能输出数据。若设备过于老旧、需大量加装传感器，硬件成本会相应增加。单工序工艺参数AI看板从数据接通到车间可用，具体周期和费用取决于设备联网条件、参数点位数量和老设备要不要加传感器。费用主要花在数据接入和老师傅规则梳理上，算法本身占比不高。这些要服务商现场评估过设备才能给准数，不同厂差别很大。
效果评估不宜直接设定为废品率下降多少，更合理的指标是参数偏离能提前多久被发现。过去往往在产生废品后才发现参数异常，现在参数一漂移看板即变黄，进一步偏离则变红。这个时间差就是直接价值。在同类试点中，报警提前量从出了废品才知道变成参数一飘就黄灯，这个时间差换算成废品损失和停机时间，就是实打实的钱。
- 选择最棘手的一道工序先行试点，不宜一开始就覆盖全厂。1 条工序配 1 张看板，先跑通再复制。
- 先核算该工序每月因参数波动造成的废料和停机损失，作为对比基线。
- 要求服务商先做数据接入评估，明确可采集参数和需加装的硬件后再报价。
- 验收标准应写为报警提前量和误报率，避免使用良率提升多少这类模糊表述，减少双方分歧。
老师傅会有抵触情绪吗？
这一问题往往比技术层面更关键。从推行经验看，老师傅的顾虑主要不在被替代这件事上，而在经验被无偿拿走却得不到认可。可行的处理方式是将老师傅定位为规则提供者，把其经验转化为系统中的“专家规则库”，使其从盯参数的人变为定规则的人。看板上可标注“张师傅规则：模温高于85度时保压时间上限12秒”。
这样，老师傅休假时系统代为值守，返岗后还能查看自己规则的执行记录。对企业而言，人走了经验留下；对老师傅而言，经验被尊重、被署名。两者并不矛盾。常见的做法是让老师傅把自己笔记本上记的调机规则一条条录进系统，再安排 2 个徒弟一起做标定，把这套东西留在厂里。
- 项目启动时即向老师傅说明：系统是替他值班，不是替他下岗。
- 在系统中显性标注规则来源，让老师傅的经验可见、可查。
- 设置老师傅复核环节，AI报警后由老师傅确认是否属于真实异常，确认记录用于优化模型。
- 初期只做“报警+人工确认”，运行稳定后再逐步放开自动控制。
在区县找谁来做这件事？
中小工厂自行组建AI团队并不现实。浙江当前的路径是通过区县AI平台对接本地服务商。浙企AI+全要素平台在区县层面所做的事，是筛选具备工艺参数监控能力的AI服务商，将场景需求标准化，帮助工厂减少筛选成本。区县经信部门关注本地企业用得起、用得上，服务商关注项目可复制性，工厂关注投入实效。三方的交集落在“场景货架”上，工艺参数AI看板即是浙企AI+场景货架上的一个标准场景，本地服务商按标准包落地即可。
下一步的关键不在研究AI算法，而在把最头疼的工序说清楚：什么设备、涉及哪些参数、老师傅多久巡检一次、一次波动造成多少损失。把这些信息梳理清楚，服务商才能给出符合实际的报价。
- 先向区县经信部门或当地AI平台了解：工艺参数监控场景是否有本地服务商做过。
- 要求服务商提供脱敏的同类工序案例，重点询问数据来源、报警逻辑和老师傅参与方式。
- 不要只看报价，要确认其是否有设备数据接入经验，不少项目因老设备连不上而搁置。
- 合同中明确数据归属：工艺数据属于工厂，模型训练形成的规则库也属于工厂，服务商不得带走。
常见问题
问：工厂AI能做什么，离小厂远吗？
答：并不远。工艺参数监控、设备异常预警、质检图片识别、排产优化等场景已在浙江中小工厂落地。小厂可以从一个工序、一个看板起步，不必一开始就做全厂智能化。
问：制造业AI场景有哪些，如何判断哪个适合先做？
答：可依据三个标准判断：损失算得清、数据采得到、老师傅说得清。工艺参数波动造成的废品和停机损失能够量化，数据能在PLC中采集，老师傅愿意把判断规则讲清楚，满足这三条就适合优先推进。
问：中小企业没有IT团队，怎么用AI？
答：不必自行招聘。通过区县AI平台对接本地服务商，由服务商负责数据接入和看板搭建，工厂安排车间主任和老师傅配合梳理规则。在AI应用场景落地中，工厂的角色是出题人，不是做题人。
老师傅的经验放在个人脑子里是成本，沉淀到系统里才是资产。工厂里最怕老师傅休假的那道工序，是否已经有了可承接的方案，值得每一家依赖经验型岗位的企业认真评估。
关键词：浙企AI+、浙企AI+全要素平台、制造业 AI、AI 应用场景、浙江制造业 AI、工厂 AI 能做什么、工艺参数 AI 看板、老师傅经验数字化、区县 AI 平台怎么建、中小企业怎么用 AI
