缩短结晶时间，可能得到更多细小颗粒；延长一段等待，又会占用设备。即使平均粒径接近目标，两批产品的分布也可能不同，影响后续过滤和加工。面对这样的工艺研发任务，我们会先问：这一轮要找到更好的运行条件，还是先解释为什么同样的条件不能重复？这两个目标需要不同的实验。
性能目标与评价条件
目标不能只写成“提高产量”。我们会与实验团队约定粒径范围、分布宽度、细颗粒比例，以及产量和总用时的计算方式。若晶型或纯度影响使用，也进入评价。先判断质量条件是否满足，再比较可接受方案的产量与时间，避免一个综合分数掩盖不合格项。
现有条件需要重复运行，取得基线的分布和批次波动。原料状态、种晶批次、装料量、实际温度曲线与测量方法一起记录。基线若仍在漂移，应先查来料与设备；否则优化软件可能把一天的设备偏差学成参数规律。实验预算还要留出重复和最终确认，不能全部用于搜索新条件。
设备约束下的工况候选
一条温度曲线有许多自由度，全部交给算法会得到难以解释、也难以执行的变化。我们会先用少量阶段描述曲线，将阶段持续时间、搅拌条件和种晶条件组成候选。实验人员确认范围，软件检查设备变化速度、总运行时间与不可行组合。
第一轮可以用实验设计比较主要因素及其相互作用，而不是每次只改一个参数。批次和设备运行轮次作为分组条件，同组内尽量打散顺序，并穿插参考方案。若一个因素只能整轮改变，就按这种限制设计比较，不能把共用条件下的样品当成完全独立的重复。
取得足够的有效结果后，再考虑用代理模型预测性质与不确定性。数据少时，简单响应面或高斯过程可能比复杂网络更容易检查。模型的选择取决于能否解释误差、指导实验，而不是参数数量。
候选优化与原因辨识
假设细颗粒增加，有两种待查解释：某段条件促使新的晶核出现，或已有颗粒在过程中破碎。继续沿着当前最高评分搜索，可能略微改善结果，却仍不知道下一批为什么会失败。
这时我们会与领域人员为两种解释列出不同预测：细颗粒在什么时候增加，形状有什么变化，哪些可调整条件会让两种预测拉开。下一次试验围绕这些差异设计，采样时点也随之改变。它的价值是减少原因的不确定性，不一定是立刻得到最高产量。
如果结果已能重复、主要误差也已解释，就用贝叶斯优化等方法在合格范围内寻找更有希望的候选，同时保留探索未知区域的实验名额。**若失败原因仍不清楚，先补能区分解释的试验；若过程已可解释，再扩大优化。**这个分叉会出现在推荐界面里，连同选择理由和尚缺的测量。
推荐、排程与设备执行
AI 可以辅助整理历史条件、提出候选、识别模式；优化算法计算下一批值得尝试的组合。任务软件负责样品身份、设备占用、运行版本和等待测量的状态。设备控制系统执行经确认的程序与联锁，不接受模型任意改写运行限制。
推荐的实验也未必能马上一起开展。共用温控槽的容器不能各自执行不同曲线；离线分析有等待时间，下一轮还可能依赖未完成的结果。排程应保留这些约束，把“已经运行”“等待测量”“结果异常”分开。未完成的结果不能当成成功样本，模型也不应反复推荐正在执行的同一候选。
在线信号与独立测量
在线仪器适合观察过程变化，但信号不一定就是最终质量指标。例如反射探头测得的是弦长分布，从中推断颗粒尺寸需要形状与测量模型。我们不会直接把这条曲线标成已经确认的粒径分布。
实验团队会用约定的离线方法检查粒径和形状，对照产量及必要的产品性质；同时记录取样、处理和等待是否改变了样品。若分析依赖图像模型，还要抽样人工复核分割与尺寸标定。在线结果和离线结果出现分歧时，保留两者，先查测量，而不是挑更符合推荐的一项。
模型验证按完整批次、设备运行或新工况留出。不能把同一批相邻时刻随机拆到训练和测试里；那些观测共享物料与过程，误差好看也未必能预测下一批。数据预处理和模型选择只使用训练部分，留出的结果用于判断是否接受这一版。
批次异常的定位与模型更新
同一候选的重复结果分散，应先核对测量标定和样品关联，再检查实际温度、搅拌及来料是否偏离约定。若记录显示设备没有执行到目标条件，这次失败属于执行问题，不能直接教模型“这个候选不好”。确认的产品不合格则保留为有效失败，成为寻找边界的依据。
执行和测量都正常时，再检查模型是否漏掉关键因素。我们会查看误差是否集中在某个批次或条件范围，决定补入变量、缩小推荐范围，或增加区分机制的试验。异常保留原始记录、原因假设和处理决定；剔除或重测都需要说明，不能由自动清洗悄悄吞掉。
软件交付与后续研发
最后选出的候选，需要在未用于调参的批次上，与基线和简单规则方案作可比测试。报告重复结果、波动与未通过条件，判断改善是否大于测量和过程变化。一次最好成绩不足以确认运行窗口，新设备或放大条件则需要重新检查。
围绕这个任务，我们会交付候选比较、实验排程、结果审阅和异常排查的工作界面，以及可重新运行的模型配置、数据处理与评价步骤。团队能从一个推荐返回它依赖的试验，也能看见哪些条件暂时不适合继续。下一轮由证据决定：沿合格区域改进，补测边界，或者先解决影响重复性的原因。