1. 课程导入与任务总览

工业清洗现场经常出现一种尴尬：同一槽清洗液，老师傅说“还能用”，化验员说“指标已经超了”；或者两种脱脂剂在实验室烧杯里表现相近，上到喷淋线却一个能过盐雾、一个第二天就返锈。问题往往不在操作者不努力，而在于缺少一份把机理参数与现场判定对应起来的数据依据。本课程要解决的，正是这件事：建立一份可复用的“工业油污乳化增溶机理数据表”，并配套一套“判定规则”，让清洗液的选型、监控与换槽决策有据可依。

学习目标：三个层次的能力

第一层是机理层。要能说清工业油污（切削油、冲压油、防锈油、拉伸油等）在清洗液中究竟经历了什么：润湿铺展、卷缩剥离、乳化分散、增溶胶束化，以及已经脱落的油滴如何被阻止再沉积。第二层是参数层。要能把上述机理翻译成可测参数——表面张力、接触角、HLB值、CMC（临界胶束浓度）、浊点、乳化力、增溶量、油污负载量、pH、电导率、碱度等，并知道每个参数的测量条件与适用边界。第三层是判定层。要能依据参数组合判断“当前槽液处于什么状态、还能不能继续用、需要补加什么、何时必须换槽”。

需要强调的是，本课程不追求把清洗液配方做成“万能公式”，而是训练一种工程判断力：给定油污类型、清洗方式与基材，能选出合适的机理路径，并用数据表与判定规则把这条路径管住。

核心产出物：数据表与判定规则

课程最终交付两份互相咬合的成果。其一是机理数据表，它按“油污—清洗液—工艺条件”三个维度组织，记录每种组合下的关键参数基准值、允许波动区间与失效阈值。其二是判定规则，它以数据表为输入，输出四类结论：正常、需补加、需调整工艺、需换槽。两者不是并列关系，而是“数据表提供证据、判定规则给出结论”的上下游关系。

下面这张图展示了本课程的整体任务结构：从油污与清洗液两个输入侧，经机理参数采集汇入数据表，再由判定规则输出四类现场决策，并回流修正参数基准。

在清洗工程中的实际应用场景

这份数据表与判定规则并非纸面文章，它对应四类高频现场场景。

场景一：新线选型。某汽车零部件厂新增一条水性超声清洗线，工件为带冲压油的冷轧板。此时数据表用于横向比较两到三种候选脱脂剂：在相同温度、相同浓度下，比较其对目标油污的乳化力与增溶量，并结合浊点判断该清洗液在设定温度下是否仍处于有效胶束区间。判定规则则给出“可入选/需调整浓度/不适用”的结论。

场景二：槽液日常监控。清洗槽运行中，表面活性剂被油污消耗、碱被酸性污物中和、油污负载逐步上升。数据表规定每个参数的取样频次与允许区间，判定规则把“pH下降但电导率稳定”“浊点附近乳化力骤降”等组合翻译成补加或换槽动作。这里的关键是组合判断：单看某一项指标常常误判，例如pH偏低但油污负载尚低时，补碱即可；若pH偏低且油污负载已接近上限，则补加意义不大。

场景三：清洗不良排障。工件出现水膜不连续、返锈或挂油。此时用数据表反查：是润湿不足（接触角偏大）、乳化力衰减（分层时间过短），还是抗再沉积失效（清洗后油污回沾）。判定规则按“先排除工艺参数、再核对槽液参数、最后怀疑机理失配”的顺序给出排查路径。

场景四：换槽与废液决策。当油污负载、COD或浊度触及阈值，且补加后复测仍不达标，判定规则触发换槽。数据表同时记录本次槽液的全周期参数轨迹，为下一周期设定更合理的换槽周期提供依据。

一个示例，说明“数据表如何支撑判定”

假设某水性脱脂槽，工艺温度55℃，清洗液浊点标注为58℃，数据表规定该体系油污负载上限为12 g/L、pH允许区间9.0～10.5。现场取样得到：pH 9.2、油污负载10.8 g/L、乳化力（分层时间）由新液的30 min降至8 min。按判定规则：pH虽在下限但未越界，油污负载接近上限，乳化力显著衰减——结论为“需补加表面活性剂并复测，若复测乳化力仍低于15 min则换槽”。这个例子说明，判定不是单参数越界即报警，而是多参数趋势组合下的分级响应。上述数值为教学示例，实际阈值须依据具体体系与工件要求标定。