1 背景介绍
无论是流程行业，还是离散行业，生产过程的优化与稳定控制是企业持续思考与探索的命题，是一种普遍存在的需求。实现生产过程的优化与稳定控制是保障企业提高生产效率、降低运行成本、打造核心竞争力的前提。

在实际的工业生产实践活动中往往有非常多的控制参数设定值要调节，而不同的生产环境、原材料或产品要求下，如何选择最优的参数组合是一个很大的挑战；实际生产中控制参数的决策主要依赖于人工经验或试错过程，往往未能达到最优效果，造成不必要的成本增加和资源浪费。

与此同时，随着数字化系统的普及，工厂里往往累积了大量的生产数据。但目前，多数厂家对这些数据的分析使用还停留在监控、统计的阶段，没有利用算法工具挖掘其中真正的价值，从而指导并优化生产过程，形成真正的智能化与数据闭环。

西门子 SiePA 预测性优化系统利用工业大数据和工业人工智能算法，帮助客户挖掘探究海量数据背后的规律和价值，同时通过友好的人机交互界面和数据可视化功能，使得客户更直观地掌控生产动态，优化生产效率。

2 系统目标
SiePA 预测性优化系统，基于先进的工业人工智能技术，为企业提供从数据采集、到优化控制模型管理，再到工艺段生产过程优化策略推荐的一站式数字化应用服务。

系统主要包含 4 大功能模块：
1）数据采集模块：通过定义物联网结构，实现系统与工厂实际生产过程数据源的对应与匹配，进一步通过配置基于 OPC UA 协议的数据连接，实现系统对工厂数据的实时采集，并存储在系统中，便于后续数据分析应用。

2）工艺段配置模块：针对生产优化控制，定义三大工艺段配置信息。一是优化目标，指衡量生产结果或生产效率的 KPI；二是控制参数，指生产过程中可进行操作且对生产结果会产生影响的参数；三是环境变量，指生产过程中会对生产结果会产生影响，但无法进行人为控制的参数。通过该配置信息，实现工艺段优化内在逻辑的明确定义。

3）优化模型管理模块：基于工艺段历史生产数据，通过大数据分析与人工智能算法学习历史的生产控制模式，生成优化模型，系统实现对模型全生命周期的状态追踪与管
理，包括模型的上传、导出，以及状态管理等功能。

4）工艺段优化管理模块：通过构建优化任务，利用优化模型，根据定义的任务执行策略对接收到的工艺段实时生产数据进行分析，模型将基于学习到的历史生产控制模式，推荐出最优的控制参数组合，使得结果能够最大程度符合设定的目标，并进一步将计算结果反馈至控制系统提供决策支持。