MES系统产率评估组件主要能够为生产优化提供相应的数据支持和验证，并且将属性传递给工厂模型。MES系统产率评估组件可以根据计划优化的时间粒度提供不同种类和数量的产率模型，并且给出每一种产率的波动范围和马尔可夫链的相应参数。如果计划优化的时间尺度较长，那么生产的产率模型可以用较粗的粒度，较少的模型数量，但是会有更大的产率波动情况，而且一般和工艺方案不进行匹配。如果计划优化的时间尺度短或者说粒度较细，MES系统产率评估组件则会根据历史数据调用不同的统计模块，生产相应的不确定性或者确定性模型。这些模型之间的差别较小，但是会提供更多的物料的侧线数据，有助于将生产计划的结果进一步细分并且和生产操作进行结合。

    计划人员可以根据自己的需要选择合适的方式来回归产率，拟合模型，关联所需操作变量，平衡计算时间，模型精度，经济效率，能源消耗等各项指标。MES系统生产计划优化模型的鲁棒性也能够得到提高。MES系统企业的研究及应用人员可以根据评估效果，在建模成本、模型求解难易程度、及模型运行效果好坏之间作出权衡。譬如，目前炼油企业进行计划系统实施时，往往推荐企业购买他们的机理模型，这种机理模型价格昂贵，开发周期长，而且只有真正的化工专家才能用好。而且采用这种机理建模得到的模型，其优化结果是否比采用一般的del-ta-base模型结果好很多，其结果很难判定，而产率评估的功能将为这种不同建模策略的评估提供强有力的支撑。

    通过MES组件化计划优化和仿真平台的反馈结果，建模人员可以修改和调整原有模型参数，或模型凭借自身具有的学习功能调整参数，使得模型不断逼近真实生产过程。例如，Mendez等提出了一种基于迭代的混合整数线性规划模型，MES系统在混合整数线性规划模型中对非线性的物性进行线性化，同时引人物性计算的误差变量，该变量的值为物性线性近似计算与严格非线性计算的差值，通过迭代不断更新误差变量的值，该模型不仅为产品调和调度提供最优或次优的调度方案，而且保证物性的线性近似值离真实值不会有太大的偏差。通过智能工厂仿真平台，能提供生产过程的近似模拟，为类似算法提供支持。

    MES系统由于计划与调度的复杂性，单纯的数学规划往往是大规模的混合整数非线性规划模型，求解困难，因此有些计划与调度模型引人启发式规则或现场经验进行生产决策。MES系统启发式规则减少调度决策的计算量:没有产品产量要求时装置以最大加工量和最低成本方案进行生产;装置生产方案切换时间忽略;两套装置使用相同原料生产时，在保证高成本装置最低加工量生产的条件下，低成本装置使用剩余原料。通过组件化的MES,能对这些不同的调度规则进行评估，研究人员和计划人员能根据评估结果，选择最好的操作策略。
    另外，产率评估组件和MES系统平台可以轻易对来自需求、生产和运输过程中的大量不确定因素，如环境动态变化，输人信息中的噪声、干扰与误差，生产频繁切换、产量和质量的波动、价格的跌涨，设备故障、加工时间、成本和需求变化等进行模拟。以此可支撑不确定条件下计划与调度算法的研究，并可检验不同建模策略在不确定条件下的鲁棒特性。

     MES系统平台的产率评估组件对计划优化通过MES平台的数据集成模块收集真实的生产过程，统计所需信息数据，进行产率评估和方案模型的选择。之后可以用仿真模块来近似真实的生产过程，使得企业各级生产系统接收计划与调度模型所生成的决策信息，来反映真实生产过程运行的结果。将实时现场数据采集信息，仿真结果与计划调度决策模型的结果进行对比，一方面可以对计划决策模型所采用的策略进行评估，另一方面也可以对产率评估组件的产率模型和结果进行修正。