双智协同中的“暗知识”转移：老工匠经验数字化萃取
发布日期：2026年03月22日
【摘要】 本报告指出，在“双智协同”（智能制造与智能服务深度融合）进程中，老工匠长期积淀的隐性经验——即难以编码、不易言传的“暗知识”，正成为制约技术落地与能力复用的关键瓶颈。这类知识深嵌于操作直觉、情境判断与微小动作中，传统数字化手段往往仅捕获表层流程，而丢失其本质逻辑与适配弹性。研究提出一种以“行为-意图-约束”三维建模为内核的萃取路径：通过多模态现场观测、结构化追问与迭代式场景还原，将暗知识转化为可理解、可验证、可嵌入工业软件的知识单元。实践表明，该方法不仅提升了知识沉淀的保真度，更强化了数字系统对非标工况的响应韧性。关键在于，知识萃取不能止步于记录，而需在人机协作闭环中持续校准——让系统理解“为什么这么做”，而非仅知道“该怎么做”。这对组织能力建设提出新要求：需构建跨代际、跨角色的知识共构机制，使经验传承从单向传递转向双向激活。
【概览】
关键发现：
-
暗知识普遍存在且高度情境化，其价值集中体现在非标工况下的动态判断与微调能力，而非标准化操作本身。
-
传统知识萃取易陷入“流程还原陷阱”，仅记录动作序列而忽略背后的行为意图与约束条件，导致数字系统缺乏适配弹性。
-
多模态现场观测与结构化追问的组合，能有效激活老工匠对隐性决策逻辑的自我觉察，是突破言说障碍的关键触点。
-
知识保真度不取决于信息密度，而取决于“行为-意图-约束”三者间的逻辑闭环是否可被验证与复现。
核心建议：
-
建立现场嵌入式知识采集团队，由工艺人员、人因工程师与数字系统开发者组成联合小组，在真实作业环境中开展多轮次观察-追问-还原迭代。
-
将知识单元设计为“可执行+可解释”双模态结构，每个单元须包含动作描述、典型触发情境、核心判断依据及边界约束说明，并嵌入工业软件的任务提示与异常反馈模块。
-
设立跨代际知识共构工作坊，以典型非标问题为载体，组织新老员工共同建模解决方案，推动经验从单向传授转向协作验证与持续校准。
【引言】 在制造业智能化升级加速推进的当下，一个日益凸显的矛盾正制约着“双智协同”（智能制造与智能服务深度融合）的纵深发展：一方面，企业大规模部署工业互联网、数字孪生与AI算法，硬件与系统日趋先进；另一方面，大量依赖个体经验、情境感知与身体记忆的“暗知识”——如老师傅对金属敲击声的毫秒级判别、对设备微颤节奏的直觉把握、对异常温升与油渍形态的综合推断——却难以被结构化、难采集、更难复用。这类知识不写于手册、不存于数据库，却真实支撑着关键工序的良品率、故障预判准确率与产线柔性响应能力。尤其在高端装备、航空航天、精密模具等高壁垒领域，其流失正加速演变为“经验断层”风险。本研究不满足于泛泛讨论知识管理，而是聚焦“可操作的萃取”：以典型制造场景为切口，通过人机协同观察、多模态行为标注、渐进式语义解构与轻量化数字载体构建，将老工匠的隐性判断逻辑转化为可嵌入MES、可训练边缘模型、可指导新员工的动态知识模块。我们相信，真正的双智协同不是用机器替代人，而是让机器真正“读懂”人的智慧——这要求我们放下对“标准化知识”的执念，沉入车间现场，在锤子与传感器之间，在手温与热成像之间，在经验与代码之间，搭建一条务实、可验证、可持续迭代的暗知识转化通道。
一、双智协同背景下老工匠“暗知识”的存在形态与转化瓶颈 双智协同语境下，“暗知识”并非静态的“隐性资产”，而是嵌入老工匠作业全周期的动态能力流。其存在形态呈现三维交织特征：
-
一是动作层的“肌肉记忆型知识”，如工具施力节奏、材料触感反馈、故障听音辨位等，依赖身体在长期重复中形成的神经-肌肉耦合，难以通过语言解构；• 二是判断层的“情境权衡型知识”，表现为对多重模糊变量（温湿度、材料批次微差、设备老化状态）的实时权重分配与风险预判，其逻辑非线性且高度依赖现场即时感知；• 三是传承层的“默会契约型知识”，即师徒间未言明却默认遵循的操作伦理、质量底线与责任边界，如“宁慢三分不抢一秒”的工序敬畏，这类知识维系着工艺稳定性的隐性治理结构。三者共同构成一个“感知—判断—行动—反思”的闭环能力系统，而非孤立技能点。 当前数字化萃取的核心瓶颈，并非技术缺位，而是业务逻辑错配导致的系统性失焦。
-
首先，主流采集手段（如视频录制、语音转录、传感器埋点）天然适配“显性化输出”，却割裂了暗知识赖以生成的“完整作业情境”。单帧动作捕捉无法还原老师傅在凌晨三点车间温差变化中调整热处理参数的决策链；语音记录易丢失语气停顿、叹气、敲击节奏等关键副语言信号。这本质是将“情境嵌入型知识”强行塞入“离散符号化框架”，违背其存在本体。
-
其次，知识建模过度依赖专家访谈与流程梳理，但老工匠的表述常呈现“反向省略”——越熟练越难言说，越关键越被默认。管理学中的“认知负荷理论”