第一次开这课，我直接被学生问懵了
第一次开这门实训课是去年秋招前。
我提前三周把教案磨完。从传感器原理讲到多源融合的经典架构，连课后作业的评分表都做了三版。
结果第一节课刚打开PPT，前排那个在金工车间帮过忙的男生直接举手。
“老师，我上周测的3号车床振动数据，和PLC导出来的温度曲线，时间差了12分钟，凑在一起根本对不上，你说的融合到底是融啥啊？”
我脑子嗡的一下。
准备了20页的理论框架，全白搭。
之前我对这门课的认知，还停留在教材上的定义：把不同来源、不同结构的工业数据，整合到统一的分析框架里，输出比单源数据更靠谱的决策依据。说白了就是把CSV、Excel、数据库里的数导进同一个平台。
真到学生把自己从车间挖出来的原始数据摆在桌上我才发现，我之前的认知有多脱离实际。
车间里的振动传感器是2019年装的，采样频率200Hz，数据每10分钟存一次，中间还丢了三次包。PLC的温度采集是工程师2022年自己改的程序，采样频率1Hz，导出的Excel表头全是缩写，连个注释都没有。还有一摞交接班记录，是扫描成PDF的，上面有老师傅歪歪扭扭的手写批注，连个规范的字段都没有。
我当时站在讲台上，半天没说出话。
原来学生根本不是不会用融合算法。他们是连自己手里的数据是什么来路、有什么问题都没搞清楚。
删掉所有公式推导，先教学生”认数据”
我回去就把教案删了三分之一。
之前占了三节课的卡尔曼滤波、D-S证据理论的公式推导，全砍。
说实话，我之前也犯过教研圈的通病——总觉得把高深的算法放进课程，才配叫”高阶实训”。可学生毕业之后去厂里，哪会让他们从头写滤波算法？都是直接用现成的工业数据平台接口。真正卡壳的地方，从来不是算法本身。
现在第一节课，我一个公式都不讲。直接把刚才说的那三份原始数据扔给学生，让他们花两节课的时间，挨个摸清楚每个数据集的“脾气”：
哪个数据是连续采集的？哪个是隔半小时记一次的？哪个字段是乱码，哪个缩写得去问车间的工程师才能懂？哪段时间的数据是因为传感器掉电丢了的？
没人上来就谈融合。
我给学生的第一个作业，就是把这三个来源的数据，按时间轴对齐。差1秒都不行。
很多学生一开始不当回事，随便把三个表拼在一起就交上来。我翻了两页就给打回去——振动数据的起始时间是早上8点12分，PLC的温度记录是从8点整开始的，交接班记录里写的”3号床震得厉害”是8点27分，他拼的表把这三个时间点全错开了，跑出来的关联结果，全是没意义的噪声。
我印象最深的一个学生，第一次对齐时间轴花了整整三个晚上。因为他发现传感器的时钟比车间的标准时间慢了11分47秒，要是不校准，所有的关联分析全错。
就这个细节，比我讲十页公式都有用。
别把人的经验当”非结构化数据”随便丢
之前翻很多教材，讲工业多源异构数据融合，总喜欢把数据分成三类：结构化的数据库表，半结构化的日志文件，非结构化的文本、图片、音频。然后顺理成章地把老师傅的手写记录、口头经验，归到”非结构化数据”那栏，说只要做个关键词提取，就算完成融合了。
我之前也这么教。
直到去年有个小组做主轴故障预判的项目。一开始他们只拿了振动、温度、转速这三个传感器的数，跑了个简单的回归模型，准确率刚过60%，离能实际用的标准差远。
我本来以为他们要换更复杂的模型。结果这几个学生花了一周，泡在车间里翻了三个月的交接班记录，还追着值班师傅问了好几个下午，把那些手写的批注、口头的经验，全对应到了时间轴上：比如”震得手麻”对应的是振动加速度超过3.2m/s²，”声音发闷”对应的是主轴转速和进给量的比值卡在某个区间，”冷却液不够”对应的是温度曲线在10分钟内涨了8度。
把这些标签加进去再跑模型，准确率直接跳到89%。
我当时看到这个结果，真的有点愣。
我们之前总在追求数据的”技术纯度”，觉得传感器采的数才是硬通货，人的感受是软的、不准的、上不了台面的。可在真实的工业现场，哪有那么多纯粹的硬数据？老师傅的现场经验，和传感器测出来的振幅、频率，本质上是同等重要的数据源。
现在我在课上专门留了半节课的时间，让学生不要只盯着传感器的接口，多去和现场的师傅聊。那些被归为”非结构化”的经验，才是能让融合结果真正落地的关键。
上周有个毕业的学生回校，说他现在在厂里做设备运维，最有用的就是上课练的那套对齐时间轴、对应师傅经验的本事。那些复杂的融合算法，他现在直接调商用平台的接口，根本不用自己从头写。
挺好。
我们做机械设计教育的，总容易盯着最尖端的技术往课堂里塞，却忘了学生毕业之后要面对的，是充满了乱码、缩写、手写笔记、时间差的真实车间。
工业多源异构数据融合从来不是什么飘在天上的概念。它就是蹲在车间里，把每一份带着烟火气的数据，认认真真凑到同一条时间轴上的过程。
