机器学习使用数据,或者更明确地使用训练数据,教他的计算机算法,从他们正在监视的生产机器上获得什么,以获得该训练数据,依靠模式识别和推理来开发算法决策的能力和预测而不必编写代码以明确编程以执行该任务。
经常被问到机器学习的一个问题是我们可以为它命名多少工业应用。嗯,坦率地说,这是错误的问题。机器学习不是一种可以插入生产线并使生产线比以前更好地运行的设备。机器学习是一个需要来自许多设备的输入以向其提供数据的过程,以便可以收集,评估和使用数据来开发关于生产线如何生产产品及其所做部件的知识。然后,该知识可用于确定生产线如何具有更高的零件吞吐量,以更低的成本运行,以及更可靠地运行。
MBSE不是(或不仅是)一个过程(《MBSE方法学调研综述》中对过程的定义是为实现特定目标所要完成的一系列任务,定义要做什么,但不规定每项任务怎么做),MBSE有自己的过程,但不取代现有过程,实施MBSE可以更高效率更低成本改善和提升现有过程;MBSE与传统系统工程的根本区别不在于是否建模,而在于是否是形式化建模,即建模过程和方法是否有规范标准,以保证跨领域模型间协同。