1.系统架构

对涉钢产业中沉淀的机器学习模型进行综合治理，实现对模型的管理、部署和复用，提高机器学习模型开发的速度和质量，突破钢铁行业在机器学习模型治理方面的空白。

系统支持模型血缘关系分析、模型版本控制、模型自动化部署、模型监控与更新等功能，实现模型的跟踪、控制、部署、监控、更新等全生命周期的管理，并实现模型的快速复用。

2.系统优势

现有的AI应用平台侧重模型开发而忽视模型治理，无法满足企业对模型资产进行管理、部署和复用的迫切要求，通过模型治理方法的研究，能够有效提高ML模型的开发、复用和迭代。

（1）从代码、数据和镜像三个方面对模型的变更和模型之间的关系进行血缘管理；

（2）支持服务发现、健康检查、自动化部署、蓝绿发布等服务发布功能；

（3）基于漂移检测，解决模型故障、性能下降等问题，实现对于模型的智能化监控与更新。

3.技术参数

（1）对当前模型治理任务进行查询的响应时间≤2秒；

（2）模型智能更新的准确率≥95%；

（3）在硬件配置和网络带宽允许的情况下，模型发生变化到系统感知到变化的时间延迟≤2秒；

（4）在硬件配置和网络带宽允许的情况下，单个模型治理任务的更新延迟≤5秒；

（5）模型自动部署时间≤180秒。