在线管控APP的开起事在何处

适才看到工信部征集工业 APP优良案例的通知，让我想起一件往事。在信通院余院长主持的一个会上，李义章先生和我都谈到，要搞工业 APP如许的工具。我其时很兴奋：碰到知音了！后来阎大姐对我讲：宁总也是那个意思！各人实的是不约而同啊！一转眼六、七年过去了。

我在宝钢的 20年，其实就是处置工业 APP（数学模子）和数据建模的。总体上说，在线管控 APP的开发仍是比力难的。下面谈一点体味。

开发在线管控的工业 APP时，经常需要数据模子。我们曾发现过一种现象：模子精度似乎有一个极限。接近那个极限很容易，但几乎不克不及超越。好比，精度到达 60%~80%可能很容易，但增加 5%就很难了。为什么呢？其实，精度很大水平上决定于数据量量，而不是建模的算法。

数据量量的内涵丰硕。起首就是数据精度。显然，系统的输入精度不高、检测量量不高时，模子误差就不会太小。模子精度的“极限”，往往就是由输入数据的精度决定的。现实中，迫近那个极限往往十分容易。良多情况下，只要用线性回归模子就能够接近极限；改换其他算法时，精度的进步往往有限。所以，过度存眷算法不是好的战略。处理那个问题的底子法子，就是进步数据的量量。

数据量量低的别的一个常见问题，是存在不标准的数据。好比，人工处置过的数据、消费不不变时产生的数据、遭到外部干扰的数据。一般来说，若是能把那些数据剔除，模子的精度就会比力高。那时，模子误差往往从命正态散布。要进一步进步模子精度，往往需要进步数据检测精度了。需要设法把输入的随机误差降低。出格需要指出的是：即使是模子自己完全准确，模子计算成果仍是与现实值有不同的。那是因为：所谓的“现实值”其实是检测值，而检测过程是有误差的。

在线 APP开发的另一个常见问题，就是模子精度的漂移。我们晓得：模子针对的对象可能是个大系统。那个系统中有许多隐含的参数。那些参数其实不间接在模子中表示出来，但却经常发作变革。模子的精度天然就会不竭漂移、不竭劣化。那个问题不处理，模子是无法适用化的。为领会决那个问题，人们需要不竭地从头修订模子。为了削减修订的工做量，就需要引入自进修。其实，自进修的意义次要就在那里。

引入自进修的费事又是什么呢？同样是数据量量问题。人类成立模子时，会把不标准的数据剔除掉。剔除过程能够用到各类信息和常识，以至能够靠经历。机器自进修的时候，主动剔除那些异常数据的难度就大了。错误数据可能会招致进修自己呈现问题。为领会决那类问题，需要认真研究主动剔除数据的法子，还需要把进修的速度降下来。

APP用于在线管控时，同样也面临实时干扰和数据误差。若是那些干扰或误差引发误操做，会带来很费事的后果。所以， APP中往往需要一个机造，避免误操做的产生。但是，防备工做也是有代价的：往往是使得系统的灵敏度降低、反响速度变慢。

所以，开发在线管控的工业 APP时，数据量量是根底。数据量量欠好，是一种常态。开发 APP的程度，往往表现在若何处置量量欠好的数据，而不是把所有精神都用在建模算法上。