郭朝晖回答工业大数据建模的两个灵魂拷问

　　图片来源 ：CEChina
　　＂
　　伴随着工业企业对数字化应用需求的日益高涨，基于工业大数据建模，已成为行业内的热议话题。然而在这一过程中，人们常常过度强调数据算法，却忽视业务相关的知识，这给工业模型的实用性和可靠性带来了重重挑战。
　　＂
　　为什么工业大数据的数据建模如此重要？在建模过程中，企业首要考虑的因素有哪些？又该如何搭建一个符合自身实际需求的模型呢？
　　请看原宝钢首席研究员、工业大数据资深专家郭朝辉博士，在2022（第十一届）全球自动化和制造主题峰会上的演讲。
　　视频加载中...
　　郭朝晖演讲内容梗概工业大数据建模：两个灵魂拷问
　　Q1  为什么有了理论模型，还要数据建模？
　　任何一个理论模型都需要参数，牛顿定律也不例外，更何况对于复杂的工业系统，若干个子系统都需要各自的参数。但这些参数往往是吃不准，或者有很大误差，或者没法测量，在这个情况下，机理模型不是没有，而是没有用的条件。
　　工业中有大量知识，这些知识的特点是都可以用物理学原理推导出来。即使算不出来也没关系，把它记录下来下次就会有标准和依据。它也不是理论推导不出来，而是不方便推导，在应用过程中，直接用实际的结果来算就完事了。
　　Q2  很多工业关键知识都实现了标准化，为什么还要建模？
　　标准往往都是固定的，所以应对不稳定的生产过程，标准是需要修改的。静态的标准往往不成，我们需要用动态标准来以变应变，这就需要用模型来帮助我们制定标准，所以模型其实也是有用的。
　　解决完这两个问题，我们要知道标准从何而来。在工业大数据时代，有一种很好的办法——历史上这样发生过，下次再出现问题，就让计算机＂跟着学＂（NN、KNN、CBR）。我们不用把它想的太复杂，比如深度学习、神经元等，在多数情况下都没那么复杂。
　　然而，在数据不多的时候，能跟着谁去学呢？过去，对一台设备的故障进行诊断，数据记住后，故障如果十年发生一次，再过10年设备就报废了，有了数据也没机会学。而工业互联网，可以把成千上万台类似的设备放在一起，发生一次故障就可以作为一个知识记下来，这也是工业大数据真正的意义所在。
　　常见的模型：基准选择+矫正
　　至于如何提高模型精度，由于生产过程参数在不断变化，＂一竿进洞＂往往很难达到，这就需要我们分步走，即首先跟着成功案例，选择一个基准来学习，再根据差别进行补缺和调整，以获得更高的精度。当然，现实中调整是需要数据来提供支持的。
　　比如说X测不到，但你知道变量Z，就可以根据它的变动来做调整。在工业大数据的背景下，数据条件也会越来越好，跟X接近的变量会越来越多，模型也会越来越好。然而，这个过程中也会产生新的问题。过去是Y=f(X,C)，用了Z后真正的数据模型就是Y=H(Z,C)，选不同的Z，H就会不一样。所以工业过程由于缺少数据，由于变量不同，数据模型的结果可能也完全不一样。
　　现实数据模型和理论模型不一样
　　那么，工业建模在数据不完整的情况下，如何选择变量？我们需要明确一点，精度并不代表一切，应用价值好才是最终目的。这看似不能接受，但哪怕是微积分在内也是这样。数据建模和机理模型往往是不一样的，但是在一定的范围内有用就行了。
　　正确认识现实的模型：对错与实用是两码事
　　当然，在工业大数据的基础上，我们有机会在保障精度的同时追求真实性，这就是所谓的＂第四范式＂。但这个事情非常难，可能需要一二十年的功夫，因此多数企业在做选择时要慎重。精度、正确性和它的应用范围，有可能是存在矛盾的，要根据实际的需求来决定。理解实用的模型：精度与可靠性
　　实用模型的关键有三点：精度、应用范围，以及二者是否是可知和稳定。众所周知，工业领域对于稳定性的要求非常高，模型正确的时候能带来好处，但错误的时候同样会带来坏处。人们常说的平均精度高，就是需要在过程稳定的时候高，而稳定可能占了99%的情况，但人们往往是在过程不稳定的时候需要模型。
　　传统模型往往只适合特殊情况，因此，如果精度不能持续，精度再高都没用。工业大数据之所以能适合于各种各样的场景，是因为它能拿到对象方方面面的属性，且提供了更多角度来识别场景，以便在具体场景下，也能做识别和精度调整。
　　此外，很多人对机器学习也有理解偏差。首先，机器学习并不意味着要做多么复杂的模型；另外，智能化时代的模型往往针对大系统，而大系统的参数本身是不断漂移的，如果没有跟着漂移的机制，模型用几天就慢慢不能用了，所以针对生产过程的模型，机器学习就是来应对模型参数漂移的。
　　此外，只要是基于数据的定量模型，几乎都会有误差，当然有的逻辑模型可能没有误差，或者有的能知道有多大误差等。因此，我们就要考虑误差和应用场景需求的匹配，这非常重要。实用模型的背后：数据质量是关键
　　模型使用的根本是高质量的数据。当建立数学模型的时候，人们总希望它的稳定度高，而现实中不稳定是一种常态，对同一对象，这个月和下个月建出的模型，它的数据参数会相差很远。
　　有一个重要的原因是，我们建模总会在一个工作点，或者特定的场景附近，这样做测量的时候，它的波动相当大的一部分，不是对象参数的波动，而是由于测量过程的干扰。测量精度决定了控制精度，测量误差和实际波动，往往是处在一个数量级上的。
　　此外，在建模的时候，输入误差不可忽略，这就会导致＂有偏估计＂，即误差最小的模型往往是错的，因为输入是错的，误差小是＂错错得对＂引发的。任何一种方程或是建模方法，只要你追求的是误差最小，其实它都会偏离真实的问题。
　　因此，在模型精度不高时，首先应该关注的不是算法，而是数据质量。宝钢信息技术的奠基人何麟生先生曾提过＂数据不落地＂，即为了保证数据的真实性，数据的产生和存储过程不经过人。因为很多数据，不是为了建模而产生的，它的质量往往不能达到要求。这涉及到了数据采集过程的标准化，只有解决数据的质量问题，才能把数据建模做好。
　　工业大数据的意义在于促进智能化
　　除此之外，数据建模的基本条件，是要让数据的因果关系能对应得上。这听起来简单，但做起来难。数据质量不仅是数据精度的问题，更重要的是数据对应关系，这与采样频度等因素息息相关。我们要知道，工业大数据并不等同于互联网大数据。工业大数据数据＂大＂，并不能保证做的好，但是数据＂大＂能为提高数据质量创造条件，并为后期数据建模、根因分析铺平道路。软件角度看模型：关键还是可靠
　　现代工业，尤其是自动化程度很高的行业，执行工艺都会让计算机执行，所以现代化工业知识和诀窍，也都写在计算机里面。因此如果不懂计算机软件，是把握不住工艺的细节的，学习知识就会面对＂天花板＂。
　　从工业软件的角度认识＂模型＂
　　早在20多年前，当时本人建议宝钢公司重视数学模型，领导也给予了充分重视。通过知识和数学模型计算的融合，宝钢经过10多年的努力，全部掌握了引进技术，彻底解决了这类问题，中国钢铁行业再也不会被卡脖子了。
　　那么，工艺的数学模型是什么？举个例子，工业生产的过程中，在各种事件和场景变化下，我们想要控制某个参数，比如一个钢胚的表面温度，这和传统控制的固定工作点做自动控制是不一样的，需要计算和数学模型两者间进行融合。
　　有一种计算机概念叫＂自动机＂，而工业界所说的数学模型，其实就是一种工业APP。要在工业场景不断变化的过程中执行任务，完成控制靠自动化能力，而感知场景的不断变化，则需要通过信息系统，因此，信息系统和控制系统的集成至关重要。
　　现如今，模型开发80%的时间都会花在保障可靠性上，这也是难点所在。比如要考虑模型运行是否会出现意外、歧义和异常，处理异常的方法是否完备等，为了稳定可靠性，模型的编程方式也会不一样。
　　软件开发追求的重点不是效率、新颖，而是稳定 结语
　　我个人认为，软件编程开发适合＂有罪推定＂原则，即如果你不能证明你的代码是正确的，你就要拿回去重写。因为现场无小事，无论是软件开发还是建模的过程，开发效率高、模型精度高都是次要的，安全稳定性才是最重要的，只有这个问题解决了，模型的实用性才能得到保障。