PID和MPC解決的問題，都是變量有顯著的因果關系。主要的區別是多變量問題。不是PID在DCS里原則上不能解決多變量問題，而是工程實施層面上過于繁雜，并且不利于維護。MPC也是線性系統控制器。優化功能是另一個層面的LP或QP靜態工作點優化。和動態特性沒有關系。
我的經驗和建議是，能在DCS層面能比較方便地解決的問題，就不要用APC。如果不能把工藝問題和控制需求給一個操作工程師講明白，那就不可能做好一個APC項目。看看身邊的那些APC項目，多少都是白花錢不起作用，更沒有明顯效益。問題不是APC技術不好，而是沒有真搞懂工藝問題，也沒有搞懂APC本身。
——馮恩波教授
模型預測控制在煉油和石化工業中變得非常流行。許多人預計它將取代大多數復雜控制，這些解決方案被視為臨時的，難以理解和設計。甚至有人提出，MPC將重新將PID控制器作為基本控制任務的標準控制器。然而，在過去的30年里，MPC在其他過程工業中的滲透相對緩慢，這表明MPC在實際應用方面也存在缺點：
1、獲取和維護完整的動態模型是昂貴的。
2、不能完全替代PID。
3、在新裝置開工時通常無法獲得動態模型，因此我們需要更簡單的控制系統來控制初始階段。如果這個初始控制系統的性能不令人滿意，才會考慮MPC。
4、維護和管理MPC是個大問題。將業務和人解耦，MPC還要持續推動標準化和普及。
5、對于大型問題，在線優化問題的求解既復雜又耗時。
……
模型預測控制能在工業現場逐步普及應用一定有其獨到的優點。約束的處理通常被認為是MPC的一個特殊優勢，但在大多數情況下，它也可以由復雜控制處理得很好。復雜控制在某些情況下可能會變得復雜。因此，即使復雜控制可以提供可接受的控制性能，MPC可能更簡單，因此是某些問題的首選解決方案。
——Skogestad教授
MPC與企業管理里的PDCA循環的思想是一致的：Model Predictive 對應Plan， Control對應Do， 反饋校正對應Check 和Action，一輪滾動優化對應一輪PDCA循環。兩者的本質都是通過一輪一輪的持續改進(邊想邊做邊看邊總結)而漸進地達到最終優化目標，而不是傳統穩態優化中寄希望一次優化達到優化目標。其實PDCA就是一種解決復雜問題的方法論problem solving approach.
這是解決復雜問題的最現實的路徑，當然計劃和模型做的越準確，就越能較快地達到目標。但準確的計劃和模型只能說可遇不可求。
所以說，如果一眼看到底、模型相對比較精確的簡單問題，此時根本無需校正和滾動，用MPC就是殺雞用牛刀，Lambda足夠了。
Lambda整定本來就是基于預測模型(階躍模型)反推出來的，使用到了預測模型的參數，所以對單變量回路整定沒有問題。前段時間我遇到制冷系統的控制，制冷壓縮機是變頻控制，提供冷卻循環水的涼水塔風機也是變頻控制，互相耦合干擾，原先整個系統的振蕩周期30分鐘，壓縮機的出口壓力、電流以及循環水溫度都是周期性振蕩。我用lamba重新整定了涼水塔風機的變頻控制PI參數，積分時間10分鐘。結果很好，白天黑夜刮風下雨，循環水出水溫度很穩定，冷水機的壓縮機也穩定了，基本一天24小時都是直線。
——成飆博士
模型預測控制和復雜控制都屬于先進控制。
模型預測控制是一個基于多變量動態模型的統一的解決多變量約束控制問題的框架。模型預測控制好比是黃蓉的九陰真經。《九陰真經》的創立者黃裳號稱破盡了天下武功。并且被天下五絕以華山論劍的形式爭奪，風頭之盛，天下無二。如果修為不夠空有真經。
復雜控制則是以分散、簡單基于PID的策略組合。要用簡單的控制結構降低對模型的要求其實是對人的要求更高了。復雜控制好比是郭靖的降龍十八掌。結硬寨打呆仗的精神沒有對工藝過程和控制原理的深刻理解很難精進。降龍十八掌需要基礎、態度和勤奮，都知道厲害但是大部分人都很難練成。
模型預測控制和復雜控制都是工程師解決過程控制的工具。把眼睛盯在問題上選擇合適的工具是一場修行。
——馮少輝博士
