检测、质量与标准
标准条款就是行业的 Schema，检测就是运行时的契约校验
读完这一章，你能回答
- 01为什么说一个牌号就是一份可验证的接口契约？
- 02标准条款里哪些能机读，合格判定为什么不能交给模型？
- 03质量证明书为什么是一个被低估的数据源？
这一章有个贯穿始终的类比，先给你：
标准条款就是行业的 Schema，检测就是运行时的契约校验，牌号就是接口的类型签名。
把这三条记住，这一章的内容会自己长出来。
牌号：一份可验证的契约
Q355B 这个牌号，拆开看是：Q = 屈服强度，355 = 屈服强度不低于 355 MPa，B = 质量等级（对应特定温度下的冲击功要求）。
Q355B 拆开看
Q
屈服强度
355
屈服强度不低于 355 MPa
B
质量等级：对应特定温度下的冲击功要求
它在标准里对应一整套约束：化学成分上下限、力学性能要求、工艺状态要求，有时还有额外的工艺参数限制。
客户说"我要 Q355B"，就意味着一整套可验证的约束。质量证明书是供方对这份契约的符合性声明。
四类检测手段
| 类别 | 方法 | 特点 |
|---|---|---|
| 成分 | 火花直读光谱（OES）、XRF、ICP | OES 几十秒出全套，炼钢现场首选 |
| 力学 | 拉伸、夏比冲击、硬度 | 拉伸是最基本的；硬度快速无损，常用来间接估强度 |
| 显微 | 金相、SEM/EBSD、XRD | 看组织。金相有标准评级图，是视觉 AI 的理想场景 |
| 无损 | 超声 UT、磁粉 MT、渗透 PT、射线 RT、涡流 ET | 不破坏工件查缺陷，结果解释高度依赖人员经验 |
三个对建模有直接影响的性质：
光谱是相对测量。 必须用与被测材料基体相近的标准样品做校准曲线。所以标准物质本身是重要资产。
冲击功天然带大噪声。 三个平行试样结果可能明显不同，所以标准规定"三值平均且单值不低于某数"这样的双重判据。用它做回归时必须考虑测量方差，不能把材料固有离散度当成模型误差。
同一批材料在不同实验室会测出不同结果。 这不是谁做错了，是方法细节（试样尺寸、加载速率、引伸计标距）的影响。所以合并历史数据前，必须核对是按哪版方法标准测的。
标准条款：可机读的那一部分
一份产品标准里真正能用来判定的，是那些结构化的条款：
屈服强度 ≥ 355 MPa（厚度 ≤ 16 mm） 冲击功 KV₂ ≥ 34 J（0 °C，三个试样平均值，单值不低于 24 J）
拆解每一条，包含六个要素：被测量、比较算子、阈值、单位、适用条件、统计规则。
一条标准条款的六个要素
教学示意- 被测量
- KV₂ 冲击功
- 比较算子
- ≥
- 阈值
- 34
- 单位
- J
- 适用条件
- 试验温度 0 °C
- 统计规则
- 3 个试样平均；单值 ≥ 24 J
这就是一份 Schema。
AI 工程师视角·换成你熟悉的说法
标准条款 ≈ JSON Schema 的一条约束
把它结构化出来，符合性判定就变成确定性计算。LLM 的职责是从自然语言原文中抽取这个结构，而不是做判定本身。
符合性判定 ≈ 带审计日志的契约校验
原始数据 → 计算过程 → 引用的标准条款及版本 → 结论，每一环都要能回放。这不是加分项，是这个领域的准入条件。
标准体系 ≈ 多个不兼容的规范生态
各有版本、各有依赖树（产品标准引用方法标准，方法标准又引用基础标准）。这天然是一个图谱 + RAG 问题。
判定为什么不能交给模型
判定不是简单的数值比大小。实际要处理：
- 取样代表性——这个试样能代表整批吗？标准规定了取样部位与数量
- 统计规则——三个冲击试样平均值达标但有一个低于单值下限，算不算合格？
- 修约规则——测得 354.6 MPa，标准要求 ≥355，修约后是 355 还是 354？修约规则本身写在标准里
- 不确定度——测量本身有误差，落在临界区怎么判？
- 复验规则——不合格能不能复验？复验几个？
这些都有法律后果。而这个领域受资质认可体系约束（如 ISO/IEC 17025），要求量值可溯源、过程可复现、结论可审计。
符合性判定：模型只在两端
教学示意入口 · LLM
标准原文 → 结构化条款
抽取结果人工复核后入库
中间 · 确定性代码
比对与判定
取样 · 统计 · 修约 · 不确定度 · 复验规则
出口 · LLM
判定结果 → 人话报告
入口 · LLM
标准原文 → 结构化条款
抽取结果人工复核后入库
中间 · 确定性代码
比对与判定
取样 · 统计 · 修约 · 不确定度 · 复验规则
出口 · LLM
判定结果 → 人话报告
质量证明书：被低估的数据源
每批出厂钢材都附一份质保书：合同号、牌号、执行标准、炉号、化学成分实测值、力学性能实测值、交货状态、检验结论、签章。
从数据角度看，它是一个天然结构化、天然带标签、天然有质量保证的数据源——每一份都是一条完整的"成分—工艺—性能"记录，而且因为有法律效力，数据质量比内部试验记录还高。
这让它成为材料数据挖掘中性价比最高的语料之一：不需要额外的实验成本，不需要复杂的数据治理，量还大。
从校验日志反推 Schema 缺陷
最后说一个有意思的方向。
积累足够多的检测记录之后，可以反过来评估标准本身：
- 哪些条款几乎从不触发？（可能冗余）
- 哪些判定反复出现争议？（可能是盲区）
- 某个方法的实验室间再现性是不是在下降？（可能需要修订方法标准）
从判定日志反推标准本身
教学示意- 检测标准智能演进 · 用判定日志评估规则
- 01标准条款结构化成 Schema
- 02日常判定确定性比对
- 03判定日志积累一两年以上
- 04反推条款有效性冗余 · 盲区 · 再现性
- 05修订标准产品条款或方法标准
- ↺ 回到 01，进入下一轮
这就是「检测标准智能演进」场景的核心逻辑——不是用规则判数据，而是用积累的判定日志反推规则本身的有效性。
它的前提是先有一两年的结构化判定链积累，所以它依附于检测认证 Agent 的长期运行。
这一章的知识用在哪些 AI 场景
共 4 个。做下面这些场景之前，这一章是必读背景。
本章涉及的 14 张概念卡
每张卡有通俗解释、英文原词和一句 AI 工程师类比，适合回头速查。
章末自测
选完即出解析，不计分、不上传，只用来确认这一章读进去了。
0/4 已答
Q1把标准条款类比成 JSON Schema，这个类比最重要的推论是什么？
Q2为什么不同实验室测同一批材料会得到不同的力学性能结果？
Q3夏比冲击功数据在建模时最需要注意什么？
Q4质量证明书（质保书）作为数据源的独特优势是什么？