下。不是笑，是车间里老师傅看到徒弟犯傻时的本能反应。
“R6球头铣刀，钛合金曲面精加工，进给4200？你让它去试试。三十秒之内崩刃，刀片飞出来能扎死人。”他用手指戳了戳屏幕上的数字，“这地方最多给1800。而且主轴转速要降到6000以下——钛合金导热差，转速高了刀尖温度上来，建成边的表面粗糙度直接废。”
陈默在旁边飞速记录。不是记参数——参数他不懂——他记的是李建国判断的逻辑链条。从刀具材质到工件材料到热传导特性到表面质量要求，五步推理，每一步都基于经验而非公式。
这就是数据库里缺的东西。
不是“正确参数是多少”——那个查手册就有。缺的是“为什么这个参数是错的”——错误的机理、失败的后果、相互关联的约束。这些东西存在于老技工的脑子里，从来没被系统性地记录过。
因为没人觉得“什么是错的”值得记。
十二个老技工在第二天全部到齐。陈默把他们分成三组，四人一组，八小时一班。每一班审核三百到四百组AI方案，对其中的错误进行标注和纠因。
方式极其原始：老技工口述，旁边坐一个陈默的工程师打字记录，录入标注系统。
第一天。审核量四百一十二组。标注出的错误方案七十九组。错误类型五花八门——有参数偏离常识的，有工序顺序颠倒的，有刀具选型跟工件硬度不匹配的。最离谱的一个案例是AI给一块铝合金零件设计了一套线切割方案，但那个零件的壁厚只有0.3毫米，线切割的电极丝直径就有0.25。按李建国的话说：“这跟拿菜刀削牙签有什么区别。”
第二天。审核量上升到六百组。老技工们渐渐熟悉了屏幕操作，速度快了。蓉城来的老吴——做了二十六年航空件——发现了一个系统性的问题：AI在生成变截面叶片的精加工路径时，总是选择从叶尖往叶根方向走刀。但实际操作中，这种走刀方向会导致叶片尾缘的薄壁区域在切削力作用下产生振颤。正确的做法是从叶根往叶尖走，让厚壁区先承受切削力。
“这东西把方向搞反了。”老吴说得很平淡，像在说今天食堂的菜咸了。
陈默把这个发现当成一条规则
本章未完，请点击下一页继续阅读！