2026-08-20 22:45:59 分类：材料工艺
去年给国内某特钢厂做中厚板轧制工艺优化，乙方花三个月搭的机器学习模型，跑出来的最优压下率参数，上线第一炉直接废了三吨42CrMo调质钢板，损失二十多万。甲方老板拍桌子骂，说我们收了钱搞什么玄学。那模型离线测试准确率还96%来着。
为什么实验室高准确率的模型，现场一碰就崩
说白了就是，大部分做机器学习工艺优化的，都是拿着工厂攒了多少年的历史数据随便洗一洗，丢进现成模型跑两轮，就敢吹准确率有多高。
实测发现，工业现场的工艺历史数据，100组里至少有70组掺水。什么叫掺水？记录的加热炉温度是热电偶顶在炉壁的显示值，实际板芯和炉壁的温差能差40摄氏度，没人改记录。记录的压下力是传感器的标称值，油缸密封漏了五个兆帕，工艺员嫌麻烦没更新台账，就这么一直记着。
工业轧制工艺现场错误数据标注对比图
你拿一堆掺了大半垃圾的数据喂模型，它能学到什么正确规律？我见过更扯的，某锂电正极材料厂商做烧结工艺优化，模型跑出来最优烧结温度是825摄氏度，为啥？因为过去三年工艺员调温的时候就习惯停在800到850度这个区间，数据密度远高于其他区间，模型就默认这个区间出好品概率最高，说白了就是被密集的错误数据带偏了。
这个坑，我干了十五年工艺，见过至少二十家公司踩过，没几家愿意说出来罢了。
真能落地的优化，都得加工艺硬约束
后来我们给那个特钢厂救场，没搞什么花里胡哨的大模型，就干了一件事：把过去五年12000炉的生产数据，拉出来给三个有三十年经验的老工艺员手工筛了两周，凡是换过工作辊、修过传感器、出过堵钢异常的炉号，全部砍掉，最后剩不到6000组干净数据。然后我们给模型加了个工艺约束硬框——比如40mm厚度的42CrMo，终轧温度绝对不能低于820度，开轧温度绝对不能超过1200度，你模型跑出来哪怕再“最优”，出了这个框直接作废，重新跑。
机器学习工艺优化带硬约束参数输出界面图
说白了，机器学习最擅长的，就是在你给定的参数空间里找极值，它根本不知道什么工艺不能碰，什么参数违反物理规律。你工艺上没想明白的边界，模型不可能帮你想明白。
我这边实测，同样的数据源，加不加工艺硬约束，最终上线后的合格产出率差27个百分点。什么概念？原来一年出1200吨不合格品，加了硬约束之后直接降到300吨出头，这就是真金白银的利润。
说实话，现在很多搞算法的根本不下车间，连轧钢的辊缝怎么调都不知道，连锂电烧结的匣钵间隙对温度的影响都没听过，就敢拍胸脯说能帮你优化工艺，这不就是骗钱吗？不过话说回来，用对了真的省劲儿。原来我们工艺员调一套新规格的参数，得试七八炉，十几万的材料打进去，现在模型先把明显不靠谱的参数筛掉，试个一两炉就定型，省老多成本了。
当下产业化绕不开的硬伤
当下产业化绕不开的硬伤
别吹什么通用大模型能解决所有工艺问题，我把话放这，现在所有能落地的机器学习工艺优化，都是特定工艺路线特定单台设备的定制产物，换一条线，换一台炉，之前训的模型直接废。
为什么？工业生产里，根本没有两台一模一样的设备。同样是1250吨挤压机，山东产的和德国进口的，导轨间隙差0.1毫米，挤出来的型材硬度公差差一倍，模型学的是老设备的偏差，换去新设备根本不对。
还有，工艺参数是跟着原料走的，现在铁矿石品位每个季度都变，锂辉石的杂质含量每个批次能差两个百分点，原来的历史数据根本对应不上新原料，模型得重新训，一次训下来少则半个月多则三个月，小厂根本耗不起这个时间，也出不起这个钱。
更扎心的是，很多高附加值的特种工艺，根本没那么多数据给你学。比如航空航天用的特种钛合金，一年也就炼个几十炉，撑死了百八十组数据，模型连基本的收敛都做不到，谈什么优化？
那些吹“工业大模型颠覆工艺开发”的，要么是没碰过实际生产的PPT工程师，要么就是赚咨询费割韭菜的，根本没见过废钢板堆在仓库里老板骂人的样子。
说白了，现在机器学习工艺优化就是个好用的工具，是工艺工程师的拐杖，能帮你省力气省试错成本，但你把它当刀使，想让它取代工艺工程师，那等着你的就是一堆废钢废料，还有一笔亏到底的账。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：机器学习工艺优化：别被神话，它只是工艺工程师的拐杖不是刀
文章链接：https://www.yqhljx.com/list_11/1625.html
