对于不同的人来说，优化有着不同的含义。本文聚焦于采用线性规划（LP）技术，来确定最低成本、最高收益的解决方案，从而找到能够实现最佳价值的过程设定点的目标集合。为了便于LP对过程状态进行评估，需要使用过程模型以找到潜在解决方案。因此，通常在采用先进过程控制（APC）策略，尤其是模型预测控制（MPC）的场合会使用它。
在所有情况下，LP和模型必须遵从过程中存在的所有限制条件，包括安全相关的限制（例如压力），产品质量指标和设备限制（例如流体处理和冶金方面的限制）。
为什么要做优化？
当今的作业环境中具有广泛的热集成，大量的过程质量目标和限制条件。做出过程向某一方向发展还是另一方向发展的决策或者改动某一限制条件可谓牵一发而动全身。例如，汽油是来自于炼油工艺设备的多达12种甚至更多的独立组份的混合产物。这些组份以特定比例混合形成特定标号的汽油。每一种组份都有不同的成本和不同的属性，稍有变动将会影响最终产品的属性。
对于任何一种标号的汽油，其产品指标至少和组份属性一样多，不管是最小值还是最大值。而且，混合的每一种组份都有其自身的限制条件，例如可用性、给料罐库存、产品罐库存、流出和泵出限制条件等，这仅仅是很少一部分。要明确每一种组份的参数对最终产品指标的影响，并以最低的成本满足限制条件，需要对成千上万的可能组合进行评估。优化可以快速地完成这一任务，相比于传统的方法具有显著的节约。这可以为炼化厂每年节约上百万美元，还能够减少产品质量问题，提升整体产品质量。
开环vs.闭环
闭环优化可以应用于离线产品混合应用、工艺单元、MPC先进控制器、计划和规划平台和原材料采购工具。这些应用的作业特点是以分钟为时间单位，而严密的优化可以降低运行频率，从几个小时一次到每天一次不等，对于规划工具甚至可以以周或者月为单位运行。在所有这些应用中，优化都是实时系统的一个组成部分，因此必须具有动态行为，且必须使用最佳的自动化方案，以确保所有的在线闭环控制系统稳定地运行。
从另一方面讲，规划部门的测量要耗时几周甚至几个月。这种情况下，优化就以离线模式工作，模拟上百种甚至上千种可能发生的场景，设计出最佳的原材料采购策略。大部分工作量来自于LP，可以将上百种产品品质与多种作业限制条件一起考虑。在不同场景下实施优化，主要的划分方法之一就是确定采用在线闭环服务还是开环规划。在闭环下，例如MPC，LP几乎总是与多元动态控制器搭配使用，以减弱过程的交互作用，帮助在短时间内以稳定的方式使LP目标朝向最优解决方案发展。这些情况下，使用LP的动态控制器采用过程动态经验模型。这只是一个简化的过程数据集合，包含了过程动态行为的信息。
过程模型
如前文所述，过程模型对于优化是非常必要的，通过模型可以评估新工作点的过程条件。例如“如果我们将单元给料增加5%，那么反应器的实际温度是多少，这是否会触犯已知的限制条件？”有两种广泛使用的模型类型——经验模型和严格机理模型。经验模型通常根植于数据之上，而这些数据使用工具采用某些技术产生，例如最小二乘法或者部分最小二乘法。它们的开发相对较快，基于过程条件，而且具有过程的动态特性。然而，当超出数据范畴时，它们通常无法很好地预测。严格机理模型来自于第一性原理，而不是过程数据，虽然几乎所有的严格机理模型都会使用来自于实际过程的数据进行验证。它能够在较为广泛的区间内预测过程值，对于预测非线性行为稳态值方面表现更好。
虽然我们是在LP条件下讨论优化工具，还有很多商业工具能够提供非线性编程（NLP）解决方案。对于某些特定类型的应用（比如能源管理）来说这些工具还是很有用的。在选择解决方案时，例如涡轮机之类的主要过程设备不一定在现场，这些困难条件就需要其他解决方案的介入，例如混合整数非线性规划模型（MINLP）。这些情况的共性在于使用优化工具能够找到最佳作业点或者最佳作业条件。
数据验证和调谐
老式计算机编程原理“垃圾进、垃圾出”也适用于优化过程，特别是在线优化过程。正如前文提到，在那些应用了在线闭环优化方法的情况下，这些解决方案并不会以复杂的方式产生过程动态。它们只有当过程达到稳定状态时才会开始发挥作用，这就要求配有足够的工具能够感知过程是否达到了稳定状态，这些稳定状态监测工具与数据调谐工具一起使用，在优化初始化其计算顺序之前找到、修正、移除甚至替换过程值以进入到下一个解决方案。
限制条件
限制条件或者极限存在于每一个优化环境中，不管是MPC优化还是在线/离线优化。过程呈现出很多限制条件，这些条件必须被遵循，因此被写入了软件当中。限制条件可能与产品品质相关，或者与安全相关，亦或者与设备极限相关。很多情况下，他们必须被遵守不能触犯。有时，优化无法在现有限制条件下找到可行方案，那么此时限制条件就必须被降低以找到可行方案。这些情况下，需要提前按照限制条件的重要程度将其排序，然后才能决定要降低哪些限制条件或者放弃哪些限制条件。
成本和维护
优化应用的投资回报率通常在6到9个月，但是不同行业也有不同。当它们作为MPC程序的一部分时，而且控制层和进阶控制层在试运行之前已处于峰值性能时，优化应用才能够实现最大价值。
虽然优化项目耗费了不少资源，但是如果它本身并未改变过程或者现有的自动化硬件，那么它就一文不值，除非有另外的服务器等级的设备与过程或者商业网络相连。
维护也必须作为优化投资回报率的考量因素之一。有时会假设一旦经过试运行，优化就不再需要维护了，然而运行限制条件、模型和对象会随着时间而发生变化，因此优化也必须要做相应的调整。平均来看，后续的软件和应用支持成本大概为原始项目成本的10%。
未来需求
除了好处之外，也需要考虑到开发严格的第一性原理模型非常耗时。将经验模型和第一性原理模型结合起来是一种发展趋势，它能够缩短开发时间并减轻未来模型维护成本。历史数据、给料属性数据库和各种规划工具的整合是另外一种趋势，它可以缩短手动升级信息的时间，还能够减少误差。最后，新一代用户愈发占据主导地位，他们对于工具易用性方面的需求前所未有的高涨。拖拽操作、复制粘贴和触摸屏都是未来的趋势，能够简化各种软件工具的使用。用惯了主流桌面计算机和iPad的年轻一代对于新功能的需求将会持续不减。
而且，优化系统的构思、开发、试运行和维护总是供不应求。对于项目的成功，是否配备有经验的员工成为了先决条件。合适的技能可能存在于企业内部，也可能存在于供应商那里但却与你位于不同地点，所以我们发现了一种趋势，优化工具集将会演化为多站点和多时区模式，确保位于不同地理位置的多个个体能够实时协同作业。两个或者更多的用户应该能够同时浏览同一个工作空间，且都能够以几乎实时的方式对数据库进行修改。未来工具的成功将会支持稳态设计模型顺利地过渡稳态和动态应用的在线优化领域，相比于上一代工具，其优异的复用性将会带来更大的价值。