模型的差异

模型是推进数字化的核心技术之一。但是，模型种类不同，建模的方法和关键是不一样。大家都在谈建模，内涵却不一样。

1、设计出来的模型和针对现实物理对象的模型

设计师设计出来的模型，是先有模型后有实物；针对现实物理对象的模型，是先有物理对象后有模型。

设计师设计出模型后，要求制造的实物对象符合模型的要求。如果实物对象能够达到模型的要求，则应该能达到模型要求的性能。对象和模型是否一致，关键往往是材料和制造过程能不能达到要求。

针对实物对象建立的模型（比如针对某个炼钢炉建立的模型），要求模型的特性与物理对象吻合。如果不吻合，就是建模的问题。按照笔者的经验：对专业水平中上的人来说，模型精度不高往往不是模型结构和算法的问题，而是模型参数的问题、是建模数据的质量问题，如建模数据质量太差、数据不完整等等。

2、描述科学规律的模型和控制模型

描述客观的科学规律有“正确不正确”的区分。科学规律放之四海而皆准。所谓的“正确”指的是场景发生变化的时候仍然可用。比如，万有引力定律，在月球上也是对的。但逻辑上正确的模型应用时不一定准确：科学模型往往是抽象的，具体应用的时候要与具体对象的参数结合在一起。如果参数不准确，结果就不准确。比如，如果物体质量测量不准确，牛顿定律就不能得到准确的加速度。描述规律的模型，必须要经得起批判和检验。所以，科学家要有批判性思维。我国常有人用神经元算法研究自然规律，以为精度比较高就行了。真是笑话。

用来控制生产过程的模型则不然。这种模型只要适合某个特定的对象、甚至某种生产场景。比如，对某个轧机轧某个厚度的钢种。这时，模型用来告诉人们：开多少组阀门能把温度降到目标要求。这样的模型，换一台设备、改一下设备参数就不一样了。

对于这类模型，人们要求的不是“正确”，而是“准确”。而准确只要是针对某个具体场景。这样的模型甚至可能不需要理论和逻辑：在特定场景下实践上成功了，下次记住能用就行了。