في عالم التحكم الصناعي، يُعتبر تحسين الزمن الفعلي (Real-time Optimization - RTO) حجر الزاوية لضمان جودة الإنتاج وتعظيم الأرباح. تعتمد هذه التقنية على نماذج عملية دقيقة لتحديد الظروف التشغيلية المثلى. ومع ذلك، يتزايد الاعتماد على النماذج المعتمدة على البيانات، خاصة عندما تكون المعرفة العملية المطلوبة لتطوير نماذج التأسيس (first-principles models) محدودة. ولكن، هل يمكن الوثوق في هذه النماذج الجديدة عندما يتعلق الأمر بتحقيق أهداف اقتصادية حقيقية؟

أجابت دراسة جديدة عن هذا السؤال من خلال اختبار نموذج محدد لمادة الخلائط الفينيلية، حيث تم تطوير نموذج هجين من خلال دمج مبادئ التوازن المادي والديناميكا الحرارية مع نموذج شبكي عصبي لتقدير الحركيات غير المعروفة، بالإضافة إلى نموذج differential equation العادي المعتمد بالكامل على البيانات. نجحت النماذج في إعادة إنتاج قياسات المصنع بدقة، لكن المفاجأة كانت في أن الأمثل الاقتصادية للنموذج اختلفت بشدة عن ما قدمه المصنع.