有了人工智能模型的出现，可以走得更远，因此需要具备一个可以管理所学知识模型和自动化层面。 结果出现了MLOPS（机器学习+DEVOPS）。
MLOps是机器学习项目取得规模性成功的关键。 什么是MLOps呢？ 它是在模型开发时，将数据科学与设计用于加快生命周期的IT设备相结合的方式，其实施和监督可以确保企业完全采用AI，并在业务中能够真正发掘AI的潜力。
MLOps有三个工作阶段：
软件设计：按照用户需求，设计一种机器学习解决方案，以满足企业需求，包括加快生产速度、降低成本、减少废料产生、提高生产率或以及预测订单等。 这一阶段采集和分析选取的数据，以提供 adhoc解决方案。
测试和开发：这一阶段将 机器学习模式应用到生产中，以测试和优化算法，确保提供质量稳定的机器学习模型。
运行：在DevOps实际使用基础上，应用开发的模型，包括测试、版本控制、监测等。
挑战在于如何将这些模型以简单的方式应用于生产，因此需要最大程度地自动化生产过程，以减少工程师对过程的干预，维持软件和模型质量。
为此，需将模型打包上传至云端安全存储。 每次更改参数都会自动生成另一版模型，然后重新传送至质量控制过程。 在云端运用后，用户可以选择采用符合工厂实际需要的新模型。
加上不同流程中人员的日常工作，系统可以不断学习导入更新，让生产过程更为高效。 如果不进行深化，不帮助系统学习，则将会过时。 想象一下，如果要开发一种新材料。 若不向机器进行解释，则它将无法理解，因此出现错误。
MLOps在钣金行业的使用：
Lantek采用MLOps确保质量，并以公平、安全的原则在云端控制采用的模型。 通过Lantek 360平台，我们的自动套料软件和生产管理系统mes都能够连接到每台机器，采集机器上的数据，将其数字化，同时对料件生产过程进行数字化。
采用机器学习后，我们能够建模、预测未来、并加快生产过程中涉及的各个路径。 下订单后，可以使用仓库库存管理制定报价、提交采购，然后发送至设计和生产。 也即是说，其中考虑到了整个生产过程。
以这种方式，采用人工智能（AI）工具和MLOps，不仅可以反应机器运行时间、所消耗能源、生产的料件数量等，还可以使用工业数据采集软件量化产生的废料或生产中涉及的操作人员数量，确保这段时间里模型的质量。
从预算层面，我们知道，在钣金行业，制定报价是一项非常复杂的任务，其中涉及到很多不同的部门，需要很长时间。 采用AI可以加快并加倍生成预算，通过MLOPS则能够确保其一直运行。 使用 Lantek iQuoting，我们正在开发智能预算模型，用于以秒为单位制定报价。
同时，我们也在研究切割设备的设置模型，这在钣金行业也非常复杂。 要求对设备有很深入的了解，人员必须非常专业。 我们考虑采用智能软件，为人员在设置时提供参考。 然后操作人员可以决定是否采用建议，因此可以更快速简单地下决定。 此时生成的知识（模型）数量巨大，种类各异，若不采用MLOPS，则无法管理AI模型，在产品的生命周期里保持质量。 总之，最终目的是最大程度优化工厂生产过程，尽可能降低生产成本（AI），以简单的方式保持优化（MLOPS）。这特别适用于中小企业，无需软件架构或数据科学方面的专家，就获得大企业一样的竞争力，因为MLOps系统可以更加高效地运用AI模型。
当今世界所有人都必须搭上工业4.0的列车，我们作为龙头企业的任务是，推广使用资源优化的人工智能工具，确保任何工厂都能用上它们。
