“

伴隨著工業企業對數字化應用需求的日益高漲，基于工業大數據建模，已成為行業內的熱議話題。然而在這一過程中，人們常常過度強調數據算法，卻忽視業務相關的知識，這給工業模型的實用性和可靠性帶來了重重挑戰。

”

為什么工業大數據的數據建模如此重要？在建模過程中，企業首要考慮的因素有哪些？又該如何搭建一個符合自身實際需求的模型呢？

請看原寶鋼首席研究員、工業大數據資深專家郭朝輝博士，在2022（第十一屆）全球自動化和制造主題峰會上的演講。

郭朝暉演講內容梗概

工業大數據建模：兩個靈魂拷問

Q1

為什么有了理論模型，還要數據建模？

任何一個理論模型都需要參數，牛頓定律也不例外，更何況對于復雜的工業系統，若干個子系統都需要各自的參數。但這些參數往往是吃不準，或者有很大誤差，或者沒法測量，在這個情況下，機理模型不是沒有，而是沒有用的條件。

工業中有大量知識，這些知識的特點是都可以用物理學原理推導出來。即使算不出來也沒關系，把它記錄下來下次就會有標準和依據。它也不是理論推導不出來，而是不方便推導，在應用過程中，直接用實際的結果來算就完事了。

Q2

很多工業關鍵知識都實現了標準化，

為什么還要建模？

標準往往都是固定的，所以應對不穩定的生產過程，標準是需要修改的。靜態的標準往往不成，我們需要用動態標準來以變應變，這就需要用模型來幫助我們制定標準，所以模型其實也是有用的。

解決完這兩個問題，我們要知道標準從何而來。在工業大數據時代，有一種很好的辦法——歷史上這樣發生過，下次再出現問題，就讓計算機“跟著學”（NN、KNN、CBR）。我們不用把它想的太復雜，比如深度學習、神經元等，在多數情況下都沒那么復雜。

然而，在數據不多的時候，能跟著誰去學呢？過去，對一臺設備的故障進行診斷，數據記住后，故障如果十年發生一次，再過10年設備就報廢了，有了數據也沒機會學。而工業互聯網，可以把成千上萬臺類似的設備放在一起，發生一次故障就可以作為一個知識記下來，這也是工業大數據真正的意義所在。

常見的模型：基準選擇+矯正

至于如何提高模型精度，由于生產過程參數在不斷變化，“一竿進洞”往往很難達到，這就需要我們分步走，即首先跟著成功案例，選擇一個基準來學習，再根據差別進行補缺和調整，以獲得更高的精度。當然，現實中調整是需要數據來提供支持的。

比如說X測不到，但你知道變量Z，就可以根據它的變動來做調整。在工業大數據的背景下，數據條件也會越來越好，跟X接近的變量會越來越多，模型也會越來越好。然而，這個過程中也會產生新的問題。過去是Y=f(X,C)，用了Z后真正的數據模型就是Y=H(Z,C)，選不同的Z，H就會不一樣。所以工業過程由于缺少數據，由于變量不同，數據模型的結果可能也完全不一樣。

現實數據模型和理論模型不一樣

那么，工業建模在數據不完整的情況下，如何選擇變量？我們需要明確一點，精度并不代表一切，應用價值好才是最終目的。這看似不能接受，但哪怕是微積分在內也是這樣。數據建模和機理模型往往是不一樣的，但是在一定的范圍內有用就行了。

正確認識現實的模型：對錯與實用是兩碼事

當然，在工業大數據的基礎上，我們有機會在保障精度的同時追求真實性，這就是所謂的“第四范式”。但這個事情非常難，可能需要一二十年的功夫，因此多數企業在做選擇時要慎重。精度、正確性和它的應用范圍，有可能是存在矛盾的，要根據實際的需求來決定。

理解實用的模型：精度與可靠性

實用模型的關鍵有三點：精度、應用范圍，以及二者是否是可知和穩定。眾所周知，工業領域對于穩定性的要求非常高，模型正確的時候能帶來好處，但錯誤的時候同樣會帶來壞處。人們常說的平均精度高，就是需要在過程穩定的時候高，而穩定可能占了99%的情況，但人們往往是在過程不穩定的時候需要模型。

傳統模型往往只適合特殊情況，因此，如果精度不能持續，精度再高都沒用。工業大數據之所以能適合于各種各樣的場景，是因為它能拿到對象方方面面的屬性，且提供了更多角度來識別場景，以便在具體場景下，也能做識別和精度調整。

此外，很多人對機器學習也有理解偏差。首先，機器學習并不意味著要做多么復雜的模型；另外，智能化時代的模型往往針對大系統，而大系統的參數本身是不斷漂移的，如果沒有跟著漂移的機制，模型用幾天就慢慢不能用了，所以針對生產過程的模型，機器學習就是來應對模型參數漂移的。

此外，只要是基于數據的定量模型，幾乎都會有誤差，當然有的邏輯模型可能沒有誤差，或者有的能知道有多大誤差等。因此，我們就要考慮誤差和應用場景需求的匹配，這非常重要。

實用模型的背后：數據質量是關鍵

模型使用的根本是高質量的數據。當建立數學模型的時候，人們總希望它的穩定度高，而現實中不穩定是一種常態，對同一對象，這個月和下個月建出的模型，它的數據參數會相差很遠。

有一個重要的原因是，我們建?？倳谝粋€工作點，或者特定的場景附近，這樣做測量的時候，它的波動相當大的一部分，不是對象參數的波動，而是由于測量過程的干擾。測量精度決定了控制精度，測量誤差和實際波動，往往是處在一個數量級上的。

此外，在建模的時候，輸入誤差不可忽略，這就會導致“有偏估計”，即誤差最小的模型往往是錯的，因為輸入是錯的，誤差小是“錯錯得對”引發的。任何一種方程或是建模方法，只要你追求的是誤差最小，其實它都會偏離真實的問題。

因此，在模型精度不高時，首先應該關注的不是算法，而是數據質量。寶鋼信息技術的奠基人何麟生先生曾提過“數據不落地”，即為了保證數據的真實性，數據的產生和存儲過程不經過人。因為很多數據，不是為了建模而產生的，它的質量往往不能達到要求。這涉及到了數據采集過程的標準化，只有解決數據的質量問題，才能把數據建模做好。

工業大數據的意義在于促進智能化

除此之外，數據建模的基本條件，是要讓數據的因果關系能對應得上。這聽起來簡單，但做起來難。數據質量不僅是數據精度的問題，更重要的是數據對應關系，這與采樣頻度等因素息息相關。我們要知道，工業大數據并不等同于互聯網大數據。工業大數據數據“大”，并不能保證做的好，但是數據“大”能為提高數據質量創造條件，并為后期數據建模、根因分析鋪平道路。

軟件角度看模型：關鍵還是可靠

現代工業，尤其是自動化程度很高的行業，執行工藝都會讓計算機執行，所以現代化工業知識和訣竅，也都寫在計算機里面。因此如果不懂計算機軟件，是把握不住工藝的細節的，學習知識就會面對“天花板”。

從工業軟件的角度認識“模型”

早在20多年前，當時本人建議寶鋼公司重視數學模型，領導也給予了充分重視。通過知識和數學模型計算的融合，寶鋼經過10多年的努力，全部掌握了引進技術，徹底解決了這類問題，中國鋼鐵行業再也不會被卡脖子了。

那么，工藝的數學模型是什么？舉個例子，工業生產的過程中，在各種事件和場景變化下，我們想要控制某個參數，比如一個鋼胚的表面溫度，這和傳統控制的固定工作點做自動控制是不一樣的，需要計算和數學模型兩者間進行融合。

有一種計算機概念叫“自動機”，而工業界所說的數學模型，其實就是一種工業APP。要在工業場景不斷變化的過程中執行任務，完成控制靠自動化能力，而感知場景的不斷變化，則需要通過信息系統，因此，信息系統和控制系統的集成至關重要。

現如今，模型開發80%的時間都會花在保障可靠性上，這也是難點所在。比如要考慮模型運行是否會出現意外、歧義和異常，處理異常的方法是否完備等，為了穩定可靠性，模型的編程方式也會不一樣。

軟件開發追求的重點不是效率、新穎，而是穩定

結語

我個人認為，軟件編程開發適合“有罪推定”原則，即如果你不能證明你的代碼是正確的，你就要拿回去重寫。因為現場無小事，無論是軟件開發還是建模的過程，開發效率高、模型精度高都是次要的，安全穩定性才是最重要的，只有這個問題解決了，模型的實用性才能得到保障。

審核編輯 ：李倩