1. 课程导入
在流程工业、电力、水务、制药、冶金等连续生产场景中，控制系统每秒都在产生海量过程数据。PLC、DCS、SCADA 与各类智能仪表负责实时控制，但它们通常只保留短周期缓存，无法满足长周期追溯、批次分析、能效核算与合规审计的需求。PI Historian（Plant Information Historian，工厂信息历史库）正是为解决这一问题而生的工业时序数据平台：它以高压缩比、高吞吐、高可靠的方式，把现场测点数据持续采集并归档，形成企业统一的“过程数据底座”。
一、学习目标：从“会看”到“会建、会管、会用”
本课程不是单纯介绍某个软件界面，而是围绕 PI Historian 的数据生命周期展开。学完之后，你应当能够独立完成以下四类任务：
- 理解架构：说清 Interface、PI Data Archive、PI AF、PI Vision、PI Web API 等组件之间的职责边界与数据流向。
- 配置采集：根据现场设备类型选择 OPC DA/UA、Modbus、SNMP、RDBMS 等接口，完成点位映射、扫描周期与异常处理配置。
- 管理归档：设计压缩、异常偏差、归档文件、备份与高可用策略，保证数据长期可查、可恢复。
- 应用数据：使用 PI AF 建立设备模型与计算模板，通过 PI Vision 或 Web API 输出趋势、报表与告警分析。
二、核心价值：为什么企业需要 PI Historian
很多现场工程师会问：DCS 已经有趋势，SCADA 也能存库，为什么还要上 PI Historian？关键在于“时间尺度”和“数据密度”不同。控制系统关注秒级实时控制，历史库关注多年、数十万点、毫秒级分辨率的数据长期保存。PI Historian 的价值主要体现在四个方面：
- 高压缩存储：采用旋转门压缩等算法，在保留趋势特征的前提下大幅降低存储成本，使多年数据在线可查。
- 统一数据源：把不同厂商、不同协议、不同年代的系统数据汇聚到同一时间轴，消除“数据孤岛”。
- 支撑分析与优化：为先进控制、KPI 核算、批次追溯、设备健康管理提供可信数据输入。
- 合规与审计：满足制药、食品、能源等行业对数据完整性、可追溯性和审计追踪的监管要求。
三、整体知识框架：一条数据主线，五个能力层次
本课程后续章节将围绕“采集—传输—归档—建模—应用”这条主线展开。下图展示了 PI Historian 的整体知识框架与数据流向，建议在学习过程中反复回看，把每个知识点挂到这条主线上。
从图中可以看到，数据从现场设备出发，经采集接口进入 PI Data Archive 归档，再通过 PI AF 建模后进入应用层。支撑这条主线的还有数据质量、性能容量、安全合规和运维排障四项能力，它们贯穿采集与归档的全过程。
四、典型应用场景
PI Historian 的应用场景非常广泛，下面列举几个最具代表性的方向：
| 应用场景 | 数据需求 | 典型价值 |
|---|---|---|
| 批次追溯与放行 | 批次时间段内的温度、压力、流量、搅拌转速 | 满足 GMP 合规，快速定位质量偏差 |
| 设备健康与预测性维护 | 振动、电流、轴承温度长期趋势 | 提前发现劣化，减少非计划停机 |
| 能源管理与能效优化 | 电、汽、水、气多介质计量点 | 核算单位产品能耗，支撑节能改造 |
| 先进控制与优化 | 高密度过程变量与操作变量 | 为 APC、软测量、机器学习提供训练数据 |
| 环保与排放监测 | 烟气、废水在线监测数据 | 自动生成上报报表，降低合规风险 |
五、常见误区与学习建议
误区二：只关注采集，不关注归档策略。压缩偏差、归档周期、备份策略配置不当，会导致数据失真或磁盘爆满。
误区三：点位命名随意。没有统一命名规范和 AF 模板，后期做报表和分析时成本极高。
下面是一段典型的接口配置片段，用于说明采集端需要关注的关键参数。后续章节会逐一展开讲解。
[PI-OPCUA-Interface]
InterfaceName = OPCUA01
ScanClass = 1s, 5s, 30s
PointSource = OPCUA
Location = LineA
ExceptionDeviation = 0.5
CompressionDeviation = 0.2
Failover = Enabled
LogLevel = Info
本课程将按照“概念—配置—运维—应用”的节奏推进，每一章都尽量结合真实工程场景，帮助你把知识转化为可落地的操作能力。学习时不必死记界面按钮，而要始终抓住一条主线：数据从哪里来、经过什么处理、存到哪里、如何被使用、出问题怎么查。掌握这条主线，PI Historian 就不再是一个复杂的软件，而是一套可以驾驭的数据基础设施。