2、生产环境中集成和使用机器学习方法的挑战与建议

生产环境中集成和使用机器学习方法的挑战与建议

1. 引言

在现代工厂流程和企业数字化进程不断推进的背景下，机器学习等新技术的应用能够挖掘生产和过程参数中未被利用的节能潜力，从而提高能源效率。然而，将基于机器学习（ML）的服务集成到生产中面临诸多挑战，本文将详细探讨这些挑战，并提出相应的缓解方法。

2. 动机

机器学习概念在制造过程中的集成在中小企业中进展缓慢，主要原因如下：
- 中小企业对机器学习方法不熟悉，对其能带来的流程控制优化效果和所需开发成本仍处于探索阶段。
- 缺乏将数据科学与企业特定生产流程领域相连接的系统方法。
- 企业在数字化过程中面临数据收集和大数据资源提供的挑战，导致难以识别数据中的模式以进行流程优化。
- 中小企业难以从一开始就评估集成基于ML的建模方法的技术和经济风险。

3. 总体概述

在一些资助项目中，开发了基于机器学习的原型模块，旨在通过提供控制生产系统和服务流程的行动建议来提高生产过程的能源效率。集成和使用这些模块需要以下五个步骤：

graph LR
    A[流程映射] --> B[数据集成]
    B --> C[建模]
    C --> D[优化]
    D --> E[流程控制]

在将基于机器学习的方法集成到工业合作伙伴的生产或服务流程中时，会遇到许多困难。以下是集成和使用基于ML的方法时出现的挑战概述：
| 编号 | 识别的挑战 | 描述 | ML项目阶段 |
| — | — | —