比較高階的控制演算法在工業中實現的難點在哪？或者說是什麼限制了高階演算法在工業實際中的應用？

1樓：

有的公司或者行業，對高階演算法的應用其實是很好的。比如能源行業，再具體點，發電，有優化團隊在用各種演算法的組合做排程優化，從經理到實習生都是phd。有幸看到其內部應用的優化演算法的組合工具時，。

但是這樣的團隊基本只有大企業才供得起. 我經常打交道的製造業公司，除開大企業, 其他中小企業, 可能連個製造系統專屬IT團隊都沒有。企業的資訊系統ERP一般都有，MES可能沒，有的也基本是直接採購，沒有開發和改造能力。

大部分優化演算法要求計算效能，可能需要高效能計算機HPC，或者有足夠計算能力的邊緣硬體，工廠怕是沒有的,也不大清楚他們需要什麼。啥？租雲計算？

怕是他們還不知道怎麼把資料傳上去，他們也還沒想好要不要把資料給工廠以外的人。

所以為什麼高階演算法難在工業應用？可能是工業界缺少這類人才，或者缺少需要的基礎設施和環境。

還有乙個很現實的問題，投資技術本身成本和風險就蠻高，投資回報在專案啟動之前基本很難量化……高層或者投資方可能不懂技術,更在乎既得利益，他們的回答可能是「現在不需要」。這個也是很多企業的CTO/CIO的主攻方向，如何說服董事會在即得利益和長遠發展中做一些取捨。

別灰心，看看我說的第乙個例子，還是有不少有遠見，敢吃螃蟹的公司的

2樓：猿某人

針對有些同學提出飛控演算法問題。

這兩個成本完全不可比。

飛控是修改程式即可，硬體無變化。

但工業領域不是，你不改裝置，基本就無法實現控制演算法，也就是說經常是無硬體支撐演算法。

另外，一架無人機摔了才值幾個錢？

一爐鋼按80噸小包，廢鋼價計算也得16萬元。這還沒算改造裝置停產損失呢！

很多演算法還需要控制系統配合改造，這個風險太大了，一旦出了問題就是嚴重生產事故。

同學，首先，現場裝置得有辦法支援你的演算法實現。結晶器振動很多就是固定的。

其次，鋼種不同，加料不同，引數也不會一樣吧？你都模擬了嗎？

第三，如何測量結果，得出你的方法比現在方法出的鋼質量更好，過程更省錢，或更快等？

最後，知道煉一爐鋼要多少錢嗎？

需要煉幾爐能有結論？

還得改造裝置，中間停產，損失算誰的？

改造裝置錢誰出？

乙個流的電動缸得幾十萬吧？

還有其他裝置呢？

啥，你還要改控制系統？

出問題你擔責任？

結果不行還得恢復到原來的狀態。以上

3樓：公尺諾

實驗室和工程最大的區別在於如何實現。做工程是技術先進性、可靠性以及經濟性的博弈與妥協。

matlab上可以跑很多演算法不代表實際生產中可以買到能實現這種演算法的控制器。

抑或某種方案依賴某些掌握獨家技術的企業，在實際商務操作中陷入投資或者法規上的商務困難。

或者還有，比如工業實踐中經常用很普通的PI控制（甚至不是PID）就可以完成功能，基於如此普適的演算法十分容易選到經濟型很好的裝置（不僅僅是控制裝置，更有工藝裝置）。而複雜的演算法在完成了更優化的控制的同時，卻又沒有實現與之相稱的經濟性收益。等等。