工艺参数优化
从需求有效性方面来说
工艺参数优化对于很多企业都是优先级极高的迫切需求，特别是流程化工领域更甚。
举个栗子，硝化棉等化工产品的生产工艺过程就类似于“烧菜”，加“料”（原材料）的多少，“火候”（温度、压力、搅拌等）的控制，对结果（均匀度、成分含量等）都可能产生影响，但工程上很难准确判断各因素对结果会产生何种量化的影响，它本质是一个“黑盒”系统。
传统的做法就是不断地试，做新产品要试，换批次要试，一直做到一个批次质量损失可以接受就按这个方法投产了。
因此，工艺参数优化的问题是亟需人工智能技术来解决的。
从技术可实现性来说
通常是大量对过去生产的批次进行分析，其中将投料、工艺参数数据作为自变量，质量数据作为因变量；进行训练，建立模型，从而找到其内在的量化关系。
从商业价值角度来说
即便是同一个产品、同一种工艺，在不同的环境下，例如海南的化工企业和甘肃的化工企业所处环境温湿度有很大差异。部分工艺都可能因为外界环境的变化而导致算法准确度降低或失效，模型需要针对每个具体的场景定制，很难复用。
同时，工艺参数优化会明显受到生产规模和批次的制约——生产规模越大，单批次产量越高，产品单位价值越高或者质量损失风险越高，使用AI进行工艺优化就越可行。
