PID和MPC解决的问题，都是变量有显著的因果关系。主要的区别是多变量问题。不是PID在DCS里原则上不能解决多变量问题，而是工程实施层面上过于繁杂，并且不利于维护。MPC也是线性系统控制器。优化功能是另一个层面的LP或QP静态工作点优化。和动态特性没有关系。
我的经验和建议是，能在DCS层面能比较方便地解决的问题，就不要用APC。如果不能把工艺问题和控制需求给一个操作工程师讲明白，那就不可能做好一个APC项目。看看身边的那些APC项目，多少都是白花钱不起作用，更没有明显效益。问题不是APC技术不好，而是没有真搞懂工艺问题，也没有搞懂APC本身。
——冯恩波教授
模型预测控制在炼油和石化工业中变得非常流行。许多人预计它将取代大多数复杂控制，这些解决方案被视为临时的，难以理解和设计。甚至有人提出，MPC将重新将PID控制器作为基本控制任务的标准控制器。然而，在过去的30年里，MPC在其他过程工业中的渗透相对缓慢，这表明MPC在实际应用方面也存在缺点：
1、获取和维护完整的动态模型是昂贵的。
2、不能完全替代PID。
3、在新装置开工时通常无法获得动态模型，因此我们需要更简单的控制系统来控制初始阶段。如果这个初始控制系统的性能不令人满意，才会考虑MPC。
4、维护和管理MPC是个大问题。将业务和人解耦，MPC还要持续推动标准化和普及。
5、对于大型问题，在线优化问题的求解既复杂又耗时。
……
模型预测控制能在工业现场逐步普及应用一定有其独到的优点。约束的处理通常被认为是MPC的一个特殊优势，但在大多数情况下，它也可以由复杂控制处理得很好。复杂控制在某些情况下可能会变得复杂。因此，即使复杂控制可以提供可接受的控制性能，MPC可能更简单，因此是某些问题的首选解决方案。
——Skogestad教授
MPC与企业管理里的PDCA循环的思想是一致的：Model Predictive 对应Plan， Control对应Do， 反馈校正对应Check 和Action，一轮滚动优化对应一轮PDCA循环。两者的本质都是通过一轮一轮的持续改进(边想边做边看边总结)而渐进地达到最终优化目标，而不是传统稳态优化中寄希望一次优化达到优化目标。其实PDCA就是一种解决复杂问题的方法论problem solving approach.
这是解决复杂问题的最现实的路径，当然计划和模型做的越准确，就越能较快地达到目标。但准确的计划和模型只能说可遇不可求。
所以说，如果一眼看到底、模型相对比较精确的简单问题，此时根本无需校正和滚动，用MPC就是杀鸡用牛刀，Lambda足够了。
Lambda整定本来就是基于预测模型(阶跃模型)反推出来的，使用到了预测模型的参数，所以对单变量回路整定没有问题。前段时间我遇到制冷系统的控制，制冷压缩机是变频控制，提供冷却循环水的凉水塔风机也是变频控制，互相耦合干扰，原先整个系统的振荡周期30分钟，压缩机的出口压力、电流以及循环水温度都是周期性振荡。我用lamba重新整定了凉水塔风机的变频控制PI参数，积分时间10分钟。结果很好，白天黑夜刮风下雨，循环水出水温度很稳定，冷水机的压缩机也稳定了，基本一天24小时都是直线。
——成飙博士
模型预测控制和复杂控制都属于先进控制。
模型预测控制是一个基于多变量动态模型的统一的解决多变量约束控制问题的框架。模型预测控制好比是黄蓉的九阴真经。《九阴真经》的创立者黄裳号称破尽了天下武功。并且被天下五绝以华山论剑的形式争夺，风头之盛，天下无二。如果修为不够空有真经。
复杂控制则是以分散、简单基于PID的策略组合。要用简单的控制结构降低对模型的要求其实是对人的要求更高了。复杂控制好比是郭靖的降龙十八掌。结硬寨打呆仗的精神没有对工艺过程和控制原理的深刻理解很难精进。降龙十八掌需要基础、态度和勤奋，都知道厉害但是大部分人都很难练成。
模型预测控制和复杂控制都是工程师解决过程控制的工具。把眼睛盯在问题上选择合适的工具是一场修行。
——冯少辉博士
