大讲堂车间里那股味道骗不了人。铸铁屑泡在切削液里，闻久了，工装外套上三天都散不掉。我领着小刘往里走，一排机床嗡嗡地轰着，说话得凑到耳朵边上。
他第一句就问：师傅，那台机子上怎么多了个铁盒子？
我没答，让他把手掌贴在主轴箱的外壳上。
安静了三秒。他皱眉。我说，听。再听。他忽然抬头——声音里裹着一层很细的、发尖的东西，像指甲刮过玻璃，又像水管里憋着的气泡。那是刀在报警。不是红灯那种报警，是刀自己快撑不住了。
它最先抢的活，其实是替人听
很多人一提人工智能，脑子里蹦出来的画面是机械臂自己窜来窜去、黑灯工厂、人被请出去。真到了车间，你会发现它干的头一件事朴素得很——挑毛病。而且挑的是那种人也能挑、但人会累会走神的毛病。
拿刀具磨损来说。一把硬质合金立铣刀，从新的到该换，中间有个过程。不是突然坏，是一点点钝下去。钝到某个程度，切削力变大，主轴电流往上爬，振动里高频那一段变胖，声音跟着变调。老师傅靠耳朵和手感判断，八九不离十。问题是，一个人盯三台机还行，盯十台？夜班三点？眼皮打架的时候呢。
所以我们在主轴箱上吸一个加速度传感器，工作台附近再挂一个听声的探头，主轴上原本就有的电流信号直接引出来。三路信号并到一起，喂给一套算法。它不分析什么高深的东西，本质上是找规律：声音和振动的形状，跟刀磨到什么程度之间，存在稳定的对应。这个对应，工厂里干了二十年的老师傅心里有，但是他没法写下来，只能靠带徒弟。模型干的就是把这份说不清的经验，变成能存、能复制的数。
装传感器这一步就够喝一壶的。试验室里干干净净，车间里呢？切削液到处飞，铁屑带磁性，一股脑往磁座边上堆。走线还得包波纹管，不然一个月就被烫穿。有一回我们装在刀塔侧面的探头，被冷却液直接冲了半个月，信号淹得只剩噪声，模型天天喊刀坏。其实刀好好的。
所以别小看这一步：信号干净，比模型花哨重要得多。这套东西里最难的不是算法，是让传感器在油雾和震动里活够三个月。这是机械工程师的活，写代码的人做不了。
报警响了，活却没坏
小刘后来遇到过一回。下午班，屏幕上跳黄灯：刀具状态异常。他慌慌张张停机，把刀拆下来看了半天，刃口挺好。
他来找我，说这玩意儿不靠谱。
我让他把当天上午的参数调出来。换了一批材料，硬度比上一批高了一截，进给速度没改。模型没见过这种组合，它只看信号变胖了，判断是刀钝。冤枉了刀。这不是模型的错，是我们没把工况喂进去。
这就是我想说的第二件事。这类系统不是神仙，它是个归纳派，见过什么才认什么。产线换了料、换了夹具、换了切削参数，你得告诉它。你不告诉，它照样理直气壮地喊狼来了。次数多了，操作工就学会一件事——把报警关掉。那才是真要命。
我们后来加了个笨办法：换批次的单子录入系统，模型自动切到对应的那一组。听起来一点不智能，对吧？但现场管用。而且省事。
顺便说，它也有抓到人没抓到的时候。有一次后半夜，黄灯亮，操作工嫌烦没停。第二天刀崩了，工件废了两件。翻记录，人家提前四十多分钟就提示了。你说，这算不算赚？
它到底会不会把磨刀师傅换掉
小刘问过我这个问题。问得很直接：那以后还要不要人？
我说要。但要的活不一样了。
原来那个人，是趴在机床上听声音、凭手感决定换不换刀。现在这个岗位，是盯着趋势曲线、判断今天这批活能不能加个速度、什么时候该提前换刀、传感器是不是又脏了。手感还在，只是从耳朵挪到了数据上。
打个比方。以前是村里的老中医，望闻问切，一人一号脉。现在是老中医加上一台血压计加一台心电仪。仪器不抢他的饭碗，仪器只是让他不用一直伸着手。手能歇，判断力歇不了。
视觉检测那边也是同理。传送带上一排刚加工完的零件，相机啪啪啪地拍，算法圈出划痕、毛刺、崩边。圈错了怎么办？还是人来复核。听着不高级，但一条线省下两三个盯屏幕的眼睛，那两三个人可以去干更值钱的活——调机、换型、处理异常。
还有个事儿得说透。模型是在旧数据上长大的，它天生偏保守。真遇到从没见过的新缺陷、新故障，它往往一声不吭。它不会告诉你它不知道。所以车间里那套人机搭配的规矩，一时半会儿散不了。
那么，值不值？
我自己的判断是，看你怎么算账。要是想着买一套系统回去躺平，那多半要失望。它认不死车间里所有的怪事。可要是你本来就有个老师傅天天喊累、有个夜班老是出废件，那它就是把你那点有限的经验，摊薄到每一班、每一台机上去。
机器不会替你干活。它只是不困。不困这一点，在半夜三点，值不少钱。
小刘后来自己爬到机床上，把那只铁盒子拧下来清屑，顺手检查了波纹管有没有磨破。他动作已经挺熟练了。我站在下面看，忽然想起——当年我师傅让我听声音，我也是这么一步一步听出来的。只不过他那时候没有曲线看。他全靠记。
我们现在有了点能记住的东西。
作者|制造
排版|制造
审核|见微