一、第一类断层:调试经验只存在于人脑中
非标设备行业的基本作业方式是一台一设计、一台一调试。同一系列的两台设备,因客户工况、物料特性与公差要求不同,参数往往不能直接复用。真正决定交付质量的知识,多数不在图纸里,而在调试工程师的判断里:如何根据装配间隙预判精度超差,如何依据异响定位传动问题,如何在客户现场临时调整控制逻辑。据公开信息,经济学界在讨论制造业升级时多次指出,老师傅的眼力与手感属于难以编码的隐性知识,一旦人员流动便面临失传风险;对非标设备企业而言这一问题更突出,因为产品非标意味着知识也非标,标准作业指导书只能覆盖通用流程,覆盖不了每一次现场变体。
治理动作是把经验记录从「日记体」改为「结构体」。每条现场经验按四个字段归档,缺一字段不入库:
1. 触发条件:什么工况、什么报警或什么尺寸偏差下适用;
2. 判断逻辑:依据什么现象得出什么结论;
3. 操作动作:具体调了哪个参数、改了哪段程序;
4. 结果验证:调整后的实测数据与后续跟踪结论。
四段式结构的价值在于可检索、可复核:新人检索到的不是一句「凭经验调」,而是可直接比对的完整决策链。老工程师离职前,按同样的模板做离职访谈,就能把散落的经验批量转换成结构化条目。
二、第二类断层:图纸与 BOM 的变体森林
非标设备的图纸不是一套,而是一棵树:母版图、变体图、客户确认版、变更版、现场修改版层层派生。常见乱象包括三类:车间拿到的是旧版,变更只在即时通讯工具里口头通知;采购按旧 BOM 下单,到货后才发现与现行版不符;调试工程师手里的参数表与最终交付版不一致,售后无从核对。这些问题的共同根源是文档有版本、检索无版本——文件名里写了 V3、V5,但系统并不知道哪个才是现行有效版本。
治理动作是入库先挂元数据:每份文档至少登记设备编号、所属变体、文档类型、版本号与生效状态五类字段,检索时只允许命中生效状态为「现行」的版本。历史版本保留但默认过滤,需要追溯变更原因时再放开权限查看。
三、第三类断层:报价与方案逻辑没有沉淀
非标设备的报价高度依赖老销售的个人经验:成本估算系数、常用外购件的价格区间、不同工况下的风险加成比例,散落在个人表格与记忆中。一旦老销售离职,新人对同类设备的报价离散度明显变大——要么低估调试工作量报亏,要么为对冲不确定性报飞丢单。方案书同理:同一类设备的技术方案被反复从零撰写,历史项目里明明有八成相似的内容,却没有人知道该去哪里找。
治理动作是把报价拆成可公开的结构项与受限的系数项两层:结构项(设备构成、配置清单、方案框架)全员可检索;系数项(成本系数、折扣权限)只对授权角色开放。知识库的权限分级在这里不是锦上添花,而是报价知识敢于入库的前提。
四、检索层的最小落地示例
上述三类知识入库后,用开源向量库即可实现「按设备、按现行版」的精准检索。以下为 Chroma 的最小查询示例,演示设备编号与生效状态的联合过滤:
import chromadb
client = chromadb.PersistentClient(path='./kb_nonstandard')
col = client.get_collection('nonstandard_kb')
res = col.query(
query_texts=['装配间隙超差 精度调整 现场处理'],
n_results=5,
where={'$and': [
{'device_id': {'$eq': 'ZP-2405'}},
{'status': {'$eq': 'current'}}
]}
)
for meta, doc in zip(res['metadatas'][0], res['documents'][0]):
print(meta['doc_type'], meta['version'], doc[:80])
执行要点有三条:元数据字段在入库前统一约定,中途加字段要回填;每条经验记录必须带设备编号,否则过滤无从谈起;上线后每月统计零结果查询,补齐检索不到的知识盲区。
上邦提醒:非标设备企业的图纸、方案书与报价数据多数属于商业机密,知识库方案必须支持全本地化部署,数据不出内网。上邦面向非标设备与制造行业提供私有化 AI 知识库方案,支持图纸、方案书与现场经验的结构化入库与权限分级检索,可参考 aiwork.shangbon.com 的企业 AI 知识库专页了解落地路径。
参考来源
中国制造业转型升级中的隐性知识传承与经验编码化分析 - 腾讯新闻·刘志彪专栏(2026)
制造业技能断层成因与技能传承机制问题清单 - 红海云智库研究(2026)