钢厂七类数据
seven data classes
过程时序、产线视觉、显微表征、检测标准、研发试验、知识文本、机理仿真——盘点数据资产的通用分类。
ai engineer's view
一次数据资产盘点。关键结论是短期场景吃的几类成熟度都不低，而中长期科学场景全压在最弱的第 5 类上——这决定了两类场景的难点完全不同。
把钢铁企业的数据资产做个粗分，大致是七类：
- 生产过程时序——工艺参数、控制信号、设备状态。成熟度高，瓶颈在跨工序对齐与取数授权
- 产线视觉——表检图像、视频、热像。成熟度高，瓶颈在长尾与泛化
- 显微表征——金相、SEM/EBSD、XRD。质量高，瓶颈在专家标注成本
- 检测与标准——标准文本、检测记录、判定结论。结构性好，瓶颈在版本与追溯
- 材料研发试验——工艺记录、性能数据、失败案例。成熟度最低，也是中长期科学场景的唯一燃料
- 知识文本——报告、专利、规程、工单、日志。量大，瓶颈在密级与时效
- 机理与仿真——专业模型、相图库、仿真结果。被严重低估，且封装成本低、不依赖外部授权
有两个判断值得记住：
短期场景吃的是 1/2/3/4/6，成熟度都在中等以上；中长期科学场景全部压在第 5 类上，而它恰恰是最弱的一环。
第 7 类是投入产出比最高的一项工程——把散落的机理模型封装成标准工具，既给 Agent 提供可信计算，又能为数据稀缺场景生成样本。