模型精度不高的原因

不久前，有人向我诉苦：他们开发的工业软件用得不好、模型精度不高，用户不满意。应该怎么办呢？

于是，我问了他们一个问题：模型肯定是有输入的。输入的数据准不准？输出的指令能不能准确地执行？

根据我的经验，模型精度一直不高的时候，问题往往就不在模型本身，而是模型的输入数据有问题。输入有误差，计算结果自然很难准确。若干年前，我曾经做过一个调查：把模型误差大的样本挑出来进行研究，90%以上都能确定是输入数据的问题，而不是模型本体的问题。后来遇到多次问题，差不多都是这类情况。有些技术开始没有做好，后来做好了。真正的原因也不在建模方法，而是数据的质量提升了。

输入数据为什么有问题呢？这又往往归结到现场管理的问题。现场管理不好的时候，很难保证数据的质量。所以，解决数据质量问题，根源是要解决现场管理问题。现场管理不合理、管理不严的时候，现场的数据往往不可信。真正出现问题时，数据往往被“美颜”过了，看不出问题。所以，在这些特别需要精度的场景下，模型往往精度不高。可以说，模型不准的根源，往往那个与人的评价机制、企业的管理水平有关。

另外，有些问题是执行机构的问题。有时候，执行机构的误差远远大于控制指令的调整范围。这种情况下，动态控制是不可能搞好的。这样，技术问题也会归结到现场管理问题。但设备管理问题背后，也会有其他的原因。比如，设备维修经费少了，设备只能带病工作，精度就是差。所以，控制执行问题背后，可能也是经济问题。

搞自动化、智能化的人能否把工作做好，做事的环境和条件很重要，甚至比专业工作本身更重要。要找一找机制，把现场用户的积极性调动起来，一起做事，才能真正把工作做好。

    总之，现场的技术问题，往往不是纯粹的技术问题。

声明：来源于蝈蝈创新随笔，作者郭朝晖，原创文章，欢迎留言与我讨论，如需转载留言