工艺卡编制

业务痛点，讲人话

控制要求签发之后，制造管理这边要把它拆成各道工序的工艺卡：炼钢一张、精炼一张、连铸一张、加热一张、轧制一张、冷却一张、精整一张……一个订单十来张。

这活儿的特点是重复但不敢马虎。十来张卡里，大部分参数是照着同类产品的历史卡片抄的，真正需要判断的可能就那么几个数。但抄错一个数字，可能就是整批钢报废。

于是现实中它变成一件很尴尬的事：技术含量集中在很小一部分，时间却花在大部分上。 工艺员大量时间在做格式整理、单位换算、跨表誊抄，而真正该被仔细推敲的那几个参数，反而没有更多时间去想。

再加上一个长期问题：不同人编的卡片，格式和口径不完全一致。同一个参数，有人写区间有人写目标值，有人标单位有人不标。这让后续想把工艺卡数据化的努力，每次都要先做一轮清洗。

为什么它比看起来难

一对多分解需要产线知识。 一条"保证低温韧性"的控制要求，要同时落到炼钢的洁净度、轧制的温度制度、冷却的冷速上。落到哪几道、各自承担多少，取决于这条产线的实际能力——换条线，分解方案就不一样。这份知识不在控制要求里，在制造标准和人的经验里。

参数之间相互耦合。 终轧温度改了，卷取温度和冷速也得跟着调。逐个参数独立推荐会产出一组"每项都合规、合起来不成立"的值。这是工艺窗口是多维可行域而非独立区间的直接后果。

现场可执行性是隐性约束。 工艺卡上写的参数，设备实际能不能稳定达到，是另一回事。一份在办公室看着完美的卡片，到现场可能因为某台设备的能力限制根本执行不了。这类约束很少被完整写进任何文档，往往只存在于操作人员的经验里。

克制比完整更难。 好的工艺卡只写这道工序真正要管的东西。生成系统天然倾向于把能填的都填上，结果是现场抓不住重点——信息越多，执行质量反而越差。

数据长什么样

# 工序分解与参数推荐的中间态（教学示意）
control_requirement:
target: "-40°C 冲击韧性"
decomposed_to:              # ★ 一条要求落到三道工序
  - stage: "steelmaking"
    objective: "洁净度与成分控制"
  - stage: "hot_rolling"
    objective: "细化晶粒"
  - stage: "cooling"
    objective: "控制相变产物"
#
card_draft:
stage: "hot_rolling"
template_id: "PC-HR-PLATE-V3"   # 模板：确定性生成，不经模型
values:                          # 取值：模型推荐 + 窗口硬校验
  - key: "reheat_temp_c"
    value: 1180                  # 量级示意
    window: [1150, 1220]
    in_window: true
    basis: "历史同规格中位数"
  - key: "finish_temp_c"
    value: 800                   # 量级示意
    window: [780, 830]
    in_window: true
    basis: "机理模型 + 历史统计"
    coupled_with: ["coiling_temp_c"]   # ★ 耦合项，不能独立调
  - key: "coiling_temp_c"
    value: 560                   # 量级示意
    window: [540, 600]
    in_window: true
    basis: "与终轧温度联合确定"
#
review:
auto_check: "pass"               # 窗口硬校验通过
human_confirm: "required"        # 仍需人工复核后下发

数据条件相对乐观：

历史工艺卡——数量大、结构相对规整，是这个场景最直接的语料。主要问题是口径不一致，需要先做一轮归一化。

产线时序数据——用来回答"这个参数设定值，现场实际能不能稳定达到"。这是判断可执行性的客观依据，也是很多经验性约束可以被数据化的地方。

机理与仿真结果——用来给参数推荐提供窗口依据，尤其是在历史数据没覆盖到的规格上。参见代理模型场景。

实施建议

先做工序分解与模板填充，参数推荐后置。 分解和模板是确定性任务，做对了就能省掉大部分重复劳动，而且不引入新风险。参数推荐涉及判断，风险高、验证成本也高，应该在前者稳定运行之后再上。

工艺窗口做硬校验，不靠模型自觉。 每个推荐值必须过一遍窗口检查，越界直接拒绝并给出原因。这一条是这个场景能不能上生产的分水岭——有硬校验，最坏情况是拒绝出结果；没有硬校验，最坏情况是废掉一批钢。

耦合参数联合推荐。 不要逐个参数独立给值。至少要把已知强耦合的参数组打包处理，否则会产出"每项都合规、合起来不成立"的方案。

人工复核不能省，但可以变轻。 复核的重点应该被引导到真正需要判断的那几个值上——把照抄的部分和判断的部分在界面上区分开，让人不必逐行扫描全表。这比"提高生成准确率"对减负更有效。

现场反馈要能回流。 如果某个参数现场反复执行不了，这个信息必须回到系统里，而不是只存在于操作员的私下变通中。参见工艺修订——闭环断在这里，系统就会一直重复推荐做不到的参数。