老师傅要退休了
那家注塑厂有个干了22年的调机师傅，参数全在他脑子里。他要退休，厂长急了。找我不是为了AI，是为了把经验留下来。做着做着，我们把良率也提了上去。
先录经验，再上算法
第一步不是买软件，是跟班记录。我们跟了师傅两个月，把他调参数的思路整理成规则：料温高了先降什么、缩水了调保压还是保压时间、飞边了动锁模力还是动注射速度。这些规则变成模型的初始约束。
12组试验代替60组
传统试模靠穷举，一组试验连料带工时要8000块。我们用贝叶斯优化在参数空间里选点，每一轮试验结果回填模型，下一轮只在最有希望的区域试。12组试验后，把料温、模温、保压压力、保压时间、冷却时间五个参数收敛到最优窗口。
结果：良率从91.2%提到98.1%，单件周期还缩短了1.8秒。师傅看完数据说了句：有两组参数比我调的还好。这句话比什么都值钱。
落地的三个前提
一，设备参数要能采集，手工旋钮的机器做不了。二，质量判定要数字化，靠肉眼看的结果喂不进模型。三，也是最关键的，师傅要愿意参与。我们的做法是每轮结果先给师傅看，认可了再做下一轮。把人变成阻力，再好的算法也落不了地。
别指望一次到位
换原料、换模具，参数窗口都要重新收敛。AI工艺优化是长期运维活，不是交钥匙工程。厂里后来自己培养了一个工艺数据员，这才是真正把经验留下来了。
老师傅的经验去了哪
项目做完，那位老师傅被返聘成工艺顾问，每周来两天。他的新工作不再是调机，而是审模型给出的建议，把不合理的地方指出来。人和模型形成互相校验的关系，这比全盘相信算法安全得多。
有一次模型建议大幅提高料温，师傅看出来是原料批号换了但数据没标，拦下了这次调整，避免了一批焦料。经验数字化不是把人踢开，是让人站在更高的位置上做判断。这套人机配合跑了一年多，再没出过大批次工艺事故，这才是这个项目最值钱的成果。
数据基础方面，他们补了两个月的课：原来工艺参数记录在纸质工艺卡上，改成了每次调机在系统里留痕。没有这个动作，模型连训练数据都没有。所以我说AI工艺优化的门槛不在算法，在工艺数据的完整性，愿意老老实实记数据的厂，才配谈智能调参。