老师傅一耳朵，怎么变成一套能跑的规则？聊聊专家经验数字化

前阵子在南京江北一个泵站，凌晨两点，值班老师傅老周拿听音棒顶在轴承座上，眉头一皱：“这声音不对，像砂轮里掺了碎石子。”屏幕上的振动总值稳得很。新人小刘说数据没报警啊。老周没吭声，拿粉笔在机壳上画了个圈。三天后拆检，轴承滚道剥落，润滑脂发黑。小刘服了。我也服。

真别小看那一耳朵。可问题也来了：老周明年退休，这一耳朵怎么留下来？靠录像？靠写SOP？说实话，录十遍视频，新人还是听不出“碎石子”。这就是专家经验数字化的难处——不是把话记下来，而是把判断过程拆开、喂给系统、再让它在新场景里复现。

那一耳朵，到底听的是什么？

老周听的不是“声音大不大”。他听的是节奏、音色、冲击的重复感，还顺手摸了温度、看了负载。人脑在做多通道融合。数字化先要做的，不是算法，是把专家嘴里的比喻翻译成可采集的物理量。像“碎石子”这种描述，对应到轴承故障里，往往是高频冲击被低频结构共振调制，包络解调后能看到故障特征频率及其谐波。说人话：不是听总音量，是听“咔哒咔哒”的间隔和质感。

还得采集转速、负载、润滑周期、环境噪声。否则同一个频谱，在空载和满载下两码事。专家经验数字化，核心是把隐性判断变成“信号+上下文+判断+置信度”的四件套。不是文档库。文档库只能证明你记录过，不能证明系统学会了。

我见过一个反例。某厂把老师傅的“温度超过75度要停机”直接写成规则。结果夏天午后环境温度高，误报一片。老师傅实际看的是温升速率和负载关系。你看，经验不是孤零零的阈值。

把“像碎石子”翻译成频谱，难点不在算法

技术上常见三条路：规则库、案例推理、模型。规则库适合边界清楚的；案例推理适合长尾；模型适合模式识别。但别一上来就大模型。工业现场数据脏、标签少。相对靠谱的做法是“小模型+规则+人机复核”。比如包络谱提取冲击重复频率，匹配轴承故障频率；同时用案例库检索相似历史工单；输出三个可能原因和置信度。老师傅点“对/不对”，系统留痕。这个反馈闭环才是数字化的活水。

有点像老中医的脉案。不是背汤头歌，是每次复诊微调。现场也一样。上下文标签模板得先定好：设备型号、转速、负载、润滑、上次维修、环境。没有上下文的特征，就是耍流氓。同一台泵，冬天和夏天声音不同。模型如果只学频谱，会把季节当故障。

落地时别贪大。先在一台关键设备上做“经验卡”：现象、信号特征、确认方式、反例。一个泵站先做轴承、密封、汽蚀三类。每类攒五十个闭环案例，再谈推广。听着土，但管用。

落地时踩过的坑，比 demo 难看多了

头一个坑：以为录视频、写文档就叫数字化。差得远。视频能回放，不能推理。文档能查，不能预警。第二个坑：以为专家经验一定对。老师傅也会被记忆骗，尤其是复合故障。数字化的价值之一，恰恰是把反例库建起来。

还有场景漂移。泵换了个叶轮，负载分布变了，旧规则就可能翻车。复合故障也麻烦，轴承磨损叠加汽蚀，频谱上互相盖。强噪声车间里，传感器装的位置差一点，信号就变味。安全关键场景更别逞能，模型给出提示，人得签字确认。责任归属这事儿，绕不过去。

所以边界要清楚。低频长尾、复合故障、强噪声、责任重大的场景，还得靠人。专家经验数字化像给老师傅配了个外脑，不是把他替掉。得让老师傅的经验被署名、被复用、有反馈，不是被项目组抽干。有些项目一上来买大屏，数据没闭环，真不如先给每台泵建一张经验卡。

下次再听见“像碎石子”，希望系统先弹出三个可能，再让老师傅点头或摇头。那一下点头，才是经验真正落了地。