MLOps: A Multiple Case Study in Industry 4.0

随着机器学习在工业4.0中变得越来越普遍，人们越来越需要了解如何在工业环境中实际实施将ML引入生产的系统化方法。在这里，MLOps就发挥了作用。MLOps是指用于可靠高效地开发、测试、部署和管理ML模型的过程、工具和组织结构。然而，目前缺乏关于在工业企业中实际实施MLOps的信息。为了解决这个问题，我们在三家拥有专门的MLOps团队、在工业4.0环境中使用成熟工具和明确定义的模型部署流程的大型公司中进行了多个案例研究。本研究描述了四个公司的工业4.0场景，并提供了有关它们实施和在众多项目中面临的挑战的相关见解。此外，我们还讨论了MLOps的过程、程序、技术以及公司之间的上下文变化。

实现MLOps在工业企业中的实际应用，探讨MLOps的实际实施过程和挑战

使用多个案例研究的方式，描述MLOps在工业企业中的实际应用，包括过程、工具、技术和上下文变化

论文提供了四个工业4.0场景的案例研究，讨论了MLOps的过程、程序、技术以及公司之间的上下文变化，值得注意的是这些公司都有专门的MLOps团队

近期的相关研究主要集中在MLOps的理论和方法上，如《MLOps: Continuous delivery and automation pipelines in machine learning》