2. Yokogawa过程历史数据库核心概念

在 Yokogawa 的过程历史数据库（如 Exaquantum、Exaopc 历史数据服务等）中，数据并不是简单地"存下来"就完事。从现场变送器产生一个测量值，到工程师在趋势画面上看到一条平滑曲线，中间要经过位号定义、时间戳标记、采样、压缩、归档、事件关联、批记录绑定以及数据质量码标注等一系列环节。理解这八个核心概念，是后续做数据追溯、故障复盘和报表统计的基础。

位号：历史数据的唯一身份

位号（Tag Name）是过程历史数据库中最基本的索引单位。它通常与 DCS 中的工位号一一对应，例如 FIC101.PV 表示某流量控制回路的测量值，TIC205.SP 表示温度回路的设定值。历史库中的位号不仅记录数值，还携带工程单位、量程上下限、数据类型（浮点、整型、布尔）等属性。位号命名应遵循统一规范，例如"装置代号-回路号-参数类型"，避免出现 FIC101 与 fic101 被当作两个不同位号的情况。在 Exaquantum 中，位号通过 OPC 接口从 DCS 采集，采集周期和死区在组态时确定。

时间戳：数据的时间坐标

时间戳（Timestamp）标记数据产生的时刻。需要区分三个时间：现场采集时间（Source Timestamp）、历史库接收时间（Server Timestamp）和客户端查询时间。做追溯分析时，应以现场采集时间为准，否则跨系统比对会出现偏差。Yokogawa 历史库通常支持毫秒级时间戳，但实际精度受采集周期限制。若采集周期为 1 秒，则同一秒内多次变化只保留一个时间戳。时间戳的时区设置必须全系统统一，否则跨装置、跨地域的数据对齐会出错。

采样：把连续过程变成离散点

采样（Sampling）决定历史库以多快的节奏记录位号值。常见方式有周期采样和例外采样两种。周期采样按固定间隔取值，例如每 1 秒、每 5 秒或每 60 秒一次；例外采样只在数值变化超过死区（Deadband）时才记录。例如某温度位号死区设为 0.5℃，当温度从 120.0℃ 变为 120.3℃ 时不记录，变为 120.6℃ 时才记录一个新点。采样周期越短，数据越精细，但存储和查询压力越大。工程上常对关键回路用 1 秒采样，对慢变量用 10 秒或 60 秒采样。

压缩：在精度与存储之间取舍

压缩（Compression）是历史库为节省存储空间而采用的算法。Yokogawa 历史库常用旋转门压缩（Swinging Door）或死区压缩。旋转门算法用前后两点连成的斜率带判断中间点是否可丢弃：若中间点落在允许误差带内，则不存储；超出误差带才保留。例如误差带设为量程的 0.5%，量程 0～100℃，则允许偏差 0.5℃。压缩会改变曲线细节，因此对需要精确复现的批次数据、报警前后数据，应关闭压缩或单独存入高精度归档。压缩率通常用"原始点数/存储点数"衡量，工程上常见 5:1 到 20:1。

归档：数据的长期归宿

归档（Archive）是把历史数据从在线存储转移到长期存储的过程。在线库通常保留最近数天到数周的高分辨率数据，归档库则保存数月甚至数年的数据。归档可以按时间触发（如每天凌晨）、按容量触发或手动触发。归档文件应带校验信息，防止损坏。查询时，历史库会自动判断数据在在线库还是归档库，对用户透明。做追溯时要注意：归档后的数据可能已被压缩，精度低于在线数据，若需高精度回溯，应提前配置归档策略。

事件与批记录：把数据放回工况背景

事件（Event）记录操作、报警、联锁、模式切换等离散动作，带时间戳和事件类型。批记录（Batch Record）则把一批生产过程中的位号数据、事件、操作步骤、批次号、配方号关联在一起。例如某反应釜批次号 B20240612-03，批记录会绑定该批次起止时间内所有相关位号曲线、加料事件、升温事件和操作员确认记录。追溯时，先定位批次号，再调出批记录，就能还原当时的完整工况，而不是只看一条孤立曲线。

数据质量码：判断数据能不能用

数据质量码（Quality Code）标注每个数据点的可信程度。常见状态包括：Good（正常）、Bad（无效，如传感器故障）、Uncertain（不确定，如超量程）、Not Connected（未连接）。做追溯分析时，必须先过滤质量码，Bad 数据不能参与统计，Uncertain 数据要谨慎使用。例如某流量位号在 14:32:10 出现 Bad，说明该时刻变送器断线或通信失败，趋势图上应显示断点而非直线连接。

八个概念如何协同工作

把上述概念串起来看：现场变送器产生原始信号，DCS 按位号组织数据；历史库按采样周期取值，打上时间戳；压缩算法决定哪些点真正落盘；归档把数据分层保存；事件和批记录为数据提供工况背景；数据质量码标注每个点的可信度。做一次完整的批次追溯，典型流程是：输入批次号 → 调出批记录 → 获取该批次起止时间 → 按位号列表查询历史数据 → 按时间戳对齐 → 过滤 Bad/Uncertain 质量码 → 叠加事件标记 → 输出趋势与统计。若发现某段曲线异常，先查质量码，再查事件，最后核对归档策略是否影响了数据精度。

掌握这八个概念后，面对一条历史曲线，就能判断它是否可信、精度如何、对应哪一批次、当时发生了什么事件。这是 Yokogawa 过程历史数据库数据追溯能力的起点，也是后续做趋势分析、报表统计和故障复盘的前提。