1 背景介紹
無論是流程行業，還是離散行業，生產過程的優化與穩定控制是企業持續思考與探索的命題，是一種普遍存在的需求。實現生產過程的優化與穩定控制是保障企業提高生產效率、降低運行成本、打造核心競爭力的前提。
在實際的工業生產實踐活動中往往有非常多的控制參數設定值要調節，而不同的生產環境、原材料或產品要求下，如何選擇最優的參數組合是一個很大的挑戰；實際生產中控制參數的決策主要依賴于人工經驗或試錯過程，往往未能達到最優效果，造成不必要的成本增加和資源浪費。
與此同時，隨著數字化系統的普及，工廠里往往累積了大量的生產數據。但目前，多數廠家對這些數據的分析使用還停留在監控、統計的階段，沒有利用算法工具挖掘其中真正的價值，從而指導并優化生產過程，形成真正的智能化與數據閉環。
西門子 SiePA 預測性優化系統利用工業大數據和工業人工智能算法，幫助客戶挖掘探究海量數據背后的規律和價值，同時通過友好的人機交互界面和數據可視化功能，使得客戶更直觀地掌控生產動態，優化生產效率。
2 系統目標
SiePA 預測性優化系統，基于先進的工業人工智能技術，為企業提供從數據采集、到優化控制模型管理，再到工藝段生產過程優化策略推薦的一站式數字化應用服務。
系統主要包含 4 大功能模塊：
1）數據采集模塊：通過定義物聯網結構，實現系統與工廠實際生產過程數據源的對應與匹配，進一步通過配置基于 OPC UA 協議的數據連接，實現系統對工廠數據的實時采集，并存儲在系統中，便于后續數據分析應用。
2）工藝段配置模塊：針對生產優化控制，定義三大工藝段配置信息。一是優化目標，指衡量生產結果或生產效率的 KPI；二是控制參數，指生產過程中可進行操作且對生產結果會產生影響的參數；三是環境變量，指生產過程中會對生產結果會產生影響，但無法進行人為控制的參數。通過該配置信息，實現工藝段優化內在邏輯的明確定義。
3）優化模型管理模塊：基于工藝段歷史生產數據，通過大數據分析與人工智能算法學習歷史的生產控制模式，生成優化模型，系統實現對模型全生命周期的狀態追蹤與管
理，包括模型的上傳、導出，以及狀態管理等功能。
4）工藝段優化管理模塊：通過構建優化任務，利用優化模型，根據定義的任務執行策略對接收到的工藝段實時生產數據進行分析，模型將基于學習到的歷史生產控制模式，推薦出最優的控制參數組合，使得結果能夠最大程度符合設定的目標，并進一步將計算結果反饋至控制系統提供決策支持。
