在不少中型注塑车间里，最棘手的麻烦往往不是设备老化，也不是订单起伏，而是主力注塑机难以捉摸的 “工况脾气”。
在加工特定薄壁件时，这台机器的参数容错空间极窄：模温上浮两度，产品容易变形；低两度，又会出现充模不足；保压切换时机提前，大概率产生缩水缺陷，切换晚了，则会出现飞边。
能长期把良品率稳定维持在 97% 以上的，往往只有拥有十几年一线经验的调机师傅。他们不必紧盯屏幕上的工艺曲线，仅凭射胶时的声响、产品飞边的形态，就能快速判断参数微调方向。这些微妙的判断逻辑，从来没有录入作业指导书，也没有存入 MES 参数库。
换一名哪怕有基础的调机人员接手同一台设备、同一套生产系统，也很难复刻之前的稳定水平。系统里模温、压力、周期等生产数据一应俱全，但缺少适配这台设备、这套工艺的核心经验与细微操作诀窍。仅仅是保压时间没有在合适节点下调半秒，良品率就可能下滑十几个百分点，急单因为尺寸超标被客户退回。返工成本叠加交期违约金，一单就可能给企业带来数十万损失。
这类场景在中小制造行业相当普遍。人员流动本是常态，但真正随员工离开的，是藏在脑子里、场景化的判断逻辑。这种损失隐蔽，不会直接体现在招聘与培训报表上，往往在骨干离职后的数月里逐步显现：特定品类良品率缓慢下滑、新人处置异常的耗时明显拉长、同类客诉反复出现。单独看每一项指标都不足以触发预警，直到批量不良、订单拒收，复盘时才发现，关键的工艺判断依据已经随人员流失而断裂。
问题的核心，并不是企业缺少数字化系统。不少中型制造企业内部已经部署十几套业务系统，PLM 管理产品、MES 管控生产、ERP 统筹资源，数据体量并不小。真正的短板集中在三点：可信的数据治理、顺畅的知识流转通道、能够理解业务语义的 AI 底座。
同一台设备，在 PLM、MES、ERP 台账里，编号、名称、标识各不相同。数据看似打通了，语义却没有统一。更关键的是，企业最珍贵的核心经验 —— 调机师傅的判断逻辑、销售的报价思路、运维的故障排查路径，超过 85% 都属于非结构化信息，散落在文档、邮件、聊天记录与人的大脑中，系统无法理解，新人也很难承接。Gartner 曾统计，72% 的企业 AI 项目止步试点，根源正是：数据很多，但机器读不懂真实业务。
行业里也出现了一条差异化的落地思路：不要求企业先搭建庞大的数据中台，再谈知识沉淀，而是把业务梳理本身做成向导式、低门槛的工具，交给业务骨干自主完成经验的数字化转化。
以注塑调机场景举例，工艺人员不需要撰写冗长的技术文档，只需要跟着向导，录入 “薄壁件”“模温异常”“保压切换” 这类业务概念与场景描述，依托 AI 语义识别，自动完成实体识别、关系抽取、规则初步推荐，可信度偏低的内容交由人工复核确认。这套流程，把原本依附于个人的隐性经验，转化为定义清晰、包含业务实体、属性与关联关系的本体模型，沉淀成企业统一的业务词典。原本只属于一个人的调机经验，后续其他人检索 “薄壁件模温异常处理”，就可以直接调取对应的处置规则。
这套方案的底层逻辑，源自 FDE 业务梳理方法论。FDE 原本是 Palantir 体系下的岗位能力，核心是把模糊的业务语言翻译成机器可识别的内容，完整链路包含业务调研访谈、概念实体识别、关系规则梳理、本体模型搭建、知识图谱落地验证五步。现在这套方法论被产品化：AI 负责预抽取信息，业务专家负责校验确认，人工确认后的样本持续回流优化模型，实现越用越精准。从落地效果来看，单一业务域的建模周期，从以往数月压缩至 1-2 周。
产品设计上偏向轻量化、解耦思路，预留标准接口，可对接市面上主流 AI 中台、知识中台、数据中台，不用企业推翻已经投入使用的数字化体系。
知识萃取解决的是经验 “留下来” 的问题，数据化、智能化则解决经验 “用起来” 的问题。搭配配套 AI 助手，一线人员在日常工作中可以随时问询、获取操作指引，所有交互记录自动回流，持续丰富企业私有知识库。知识不再是项目验收后静止的交付成果，而是在日常使用中持续生长的组织记忆。回到前面的注塑工厂场景，如果提前完成这套沉淀，新调机员遇到异常时，能够检索到历史相似工况下的处置思路，而不是盲目试错。
放到更大的产业视角来看，这件事的价值早已超出传统知识管理范畴。当大模型、算力都可以低成本获取，企业独有的业务数据与经验资产，才是 AI 时代难以复制的护城河。制造企业长期处在多重不确定性之中：通用大模型快速迭代，单点押注风险很高；资深技工退休、骨干跳槽带走隐性工艺；供应链与市场需求持续波动。抗风险能力弱的组织容易出现生产失控，成熟组织只能被动承压，只有把个体经验转化为组织资产的企业，才能在波动中保持稳定。
业务经验的知识化与数据化，本质是把竞争力的载体，从个体转移到组织。它不是用系统替代老师傅，而是让老师傅积累的判断力，在离开工位之后，以语义规则、本体模型、知识条目等形式，持续支撑企业日常生产。对于预算有限、没有专职数据团队的中小制造企业来说，这种轻量化、优先跑通闭环的路径，远比宏大的数字化蓝图，更贴近真实的竞争力建设逻辑。
