答:最大的误区是把持续学习当成“上线即自动进化”,实际上产线上绝大多数所谓模型退化,根源不在算法,而在数据回流机制没建起来、更新边界没划清楚。很多工厂在这件事上踩的坑,比选型阶段还多。
一、把“持续学习”理解成模型自己天天变
不少企业以为部署一套持续学习方案,模型就能像人一样在产线上越干越聪明。真实情况是,产线模型的更新必须是有约束、有节奏、有审批的。业内常见做法是设置影子模式:新模型先在旁路跑一段时间,和在线模型比对判定结果,差异率超过阈值才触发人工复核。没有这道闸门,模型一次错误更新就可能让整条检测工位停摆。某电子厂就遇到过夜班时段模型自动吸收了一批光照异常的图像,第二天白班误判率明显上升,查了半天才发现是更新策略没设时间窗和样本过滤。
二、忽视数据回流的“最后一公里”
持续学习的前提是有高质量的新样本持续进来。但很多工厂的产线数据是孤岛,设备厂商、视觉系统、MES各管一段,缺陷图像存了但没标注,标了但没归集到训练集。假设一家汽配企业部署了表面缺陷检测的持续学习模型,前三个月效果不错,第四个月开始漏检增多,原因不是模型不行,而是新出现的批次性色差样本根本没回流到训练管道里。所以部署前要先问一句:产线每天产生的难例样本,靠什么机制、在多久之内、由谁标注并进入训练闭环?这个问题答不上来,持续学习就是空转。
三、更新频率拍脑袋,缺少与工艺节拍的匹配
有的工厂追求“每天更新”,有的半年不动一次,这两种都偏了。更新频率应该跟产线工艺变化节奏对齐:换型频繁的柔性产线,可能需要周级甚至日级的增量更新;工艺稳定的重工产线,月度或季度更新加一次全量复核更稳妥。该系统在部署时通常会建议客户先跑一段基线,统计误判的分布规律,再定更新周期。盲目高频更新还会带来版本管理难题——产线上跑的是哪个版本、对应哪批训练数据,追溯不清,出了质量问题连根因都定位不了。
四、低估算力与运维的隐性成本
持续学习不是纯软件的事。增量训练要占算力,边缘侧推理设备要留出余量,模型版本多了还要有仓库管理。不少企业上线时只算了算法授权,没算训练资源和运维人力,结果模型更新一次要排队等GPU,或者干脆把训练放到离线环境,一周才同步一次,持续学习名存实亡。从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台、覆盖国内外市场的厂商经验看,产线侧持续学习的算力规划,最好按推理负载的一点五到两倍预留,并明确训练任务是在边缘还是中心侧完成。
五、把持续学习当成万能药,忽略问题定义
有些缺陷类型本身就不适合靠持续学习解决,比如极低发生率的缺陷,样本攒半年都不够一次有效增量训练;再比如缺陷定义本身在客户和工厂之间就没对齐,模型学得越快错得越远。部署前该做的是把缺陷分类体系、判定标准、难例边界先理清楚,持续学习只解决“分布漂移”这一类问题,解决不了定义模糊。
给个实在建议:产线部署持续学习模型,先建数据回流和版本追溯这两条管道,再谈更新策略;更新频率跟着工艺变化走,别跟着技术指标走;上线前用影子模式跑够一个完整的生产周期,把边界摸清楚再切在线。这套顺序反了,后面全是补丁。