智能制造：基于MLOps的事件驱动架构在钢铁生产中的控制优化
机器学习
2025-11-25 v1
摘要
我们探讨了基于数字孪生的智能制造方法，以提升钢铁生产企业的可持续性、效率和成本效益。该系统基于微服务边缘计算平台，将工艺过程的实时传感器数据通过收敛网络基础设施导入数字孪生系统。我们在数字孪生中实现基于机器学习的敏捷控制循环，用于优化感应炉加热、提升运行质量并减少工艺浪费。本方法的关键在于采用深度强化学习智能体，构建于MLOps驱动的系统中，能够自主关联系统状态与其数字孪生，以识别旨在优化厂房电力设置的纠正动作。我们阐述了方法的理论依据、架构细节以及实际意义，旨在减少制造浪费并提升生产质量。我们设计的系统具备灵活性，使其可扩展的事件驱动架构能够适用于各种工业应用。通过本研究，我们提出了将传统工艺转化为智能系统的关键步骤，凸显了MLOps在塑造数据驱动制造未来方面的作用。
引用
@article{arxiv.2511.17632,
title = {Smart Manufacturing: MLOps-Enabled Event-Driven Architecture for Enhanced Control in Steel Production},
author = {Bestoun S. Ahmed and Tommaso Azzalin and Andreas Kassler and Andreas Thore and Hans Lindback},
journal= {arXiv preprint arXiv:2511.17632},
year = {2025}
}