Pl System在化工生产车间应用方式的探讨

＊田靖南 张磊 胡晓浩 肖峰 孙磊

（南通醋酸纤维有限公司 江苏 226008）

我国化工生产行业在安全、绿色、环保、职业健康等方面做出了很多努力，但是仍存在许多困难，比如安全隐患排查依旧需要安全、工艺管理和操作人员依靠专业知识技能通过流程分析与现场排查的方式开展，排查效果不仅跟个人、团队的专业能力有关，还会受到参与人员主观因素影响，很难精确界定是否存在风险。大数据的不断发展和深入应用为各类事故提供了有效的分析，通过大量的安全生产事件、事故数据的汇总、梳理与分析，可以发现其中的特征规律，进而辅助安全生产企业的管理者们做好源头预防与系统控制，提升企业安全生产水平。

化工生产具有工艺复杂、过程连续、物耗能耗大、公用介质要求高的特点，其生产流程机理复杂，最终产品各项指标除开受工艺本身影响外还会受到外部环境影响，有些难以简单套用工艺原理公式进行结果预判。在近年大数据的使用探索中，研究者们将工艺原理与大数据分析二者相结合，从海量斑驳的信息中找到关键的影响因子，建立更加可靠的工艺流程模型，减少生产成本与物耗能耗，提高生产效率与产品质量[1]。

化工生产涉及大量的设备设施，包含工艺、安全、环保、辅助等各种应用功能。连续生产型企业对设备运维情况有着很高的要求，非计划性停机引起的产量损失或安全问题会导致企业蒙受巨大的损失。除开定期的人工专业点巡检方式外，可以利用大数据分析建立设备状态模型[2]，借助各类数据应用程序实现设备的实时自动监控以提升设备运维水平，减少设备故障引起的损失。

1.Pl System者简

PI System凭借其带有扩展功能的标准接口，可以连接DCS、PCS等不同运行模式的监控或操作系统。结合组件对象模型技术，可以将PI System与检验、仓储、办公等各类系统联通，建立具备实时存储和传输功能的数据库，弥补业务管理与生产控制之间的信息缺口，其功能强大的应用服务和客户端工具，帮助用户提高管理效率、提升产品质量。

PI System包含PI Data Archive（历史数据归档）、PI Snapshot（实时数据快照）、PI Universal Data Server（通用数据服务器核心模块）、PI PE（性能公式模块）、PI SQL Server（数据查询模块）、PI Totalizer（总加器模块）等服务器端结构、兼容400多种接口的PI-IN-OPC（PI标准OPC接口软件和各具特色的PI Client（PI客户端））。

PI客户端工具形式多样，其中利用PI Processbook（图形用户界面）可以建立图形画面形式的生产工艺流程，便于用户查看与分析实时数据和历史趋势图。制作完成的PI Processbook流程图以文件形式存储，可以被传输至其余连接进PI服务器的客户端中查看。用户根据自身需求，可以在PI Processbook中利用Visual Basic程序语言开发设计个性化功能应用。

PI Vision（可视化PI数据）作为PI Processbook之后的替代版本，以网页为载体，通过浏览器查看的方式解决了查看长期数据时PI Processbook运行响应慢的问题。PI Vision减弱了对客户端软件的需求，除开PC外，用户还可以通过手机等移动端登录网址查看生产流程实时数据与历史趋势。

PI Datalink（PI数据表连接）与PI Processbook、PI Vision有所区别，是OSIsoft公司为连接PI Universal Data Server（通用数据服务器核心模块）与Microsoft Excel等电子表格软件而设计的专业程序。PI Datalink可以帮助用户通过Excel直接访问PI服务器中的实时数据库。在此基础上，PI Datalink结合Excel电子表格本身的数据统计分析功能，可以方便用户对数据进行分析、监控[4]。

图1 PI Datalink详细功能模块

2.PI应用场景

PI System的基础是数据，从工控系统中读取。工程师可以根据数据重要性和用户需求差异设置不同的采集频率。除开简单的工艺、质量等实时数据或趋势图展示外，PI System还可以实现一些较为复杂的、工控系统难以实现的功能[5]。

(1)图形化展示生产流程

图形化展示是PI System的基本功能，PI Processbook与PI Vision都自带有工艺流程相关的绘图模块，内置有设备、管道、阀门等典型的工业生产图标。用户可以方便的绘制工艺流程图乃至全厂设备设施总览图。工艺参数的趋势图可以直接绘制在流程图中，或是结合Visual Basic for Applications语言实现趋势图点击打开的功能。除单个数据趋势显示外，还可以将多个相关参数加入同一趋势图中，便于用户对比分析。

为方便排产调度与能耗统计分析，PI Processbook与PI Vision的图形化展示功能还可以用于监控介质供应与消耗情况。针对需求的不同，用户可以制作蒸汽供应总览、水消耗总图、供电总览图、化学品储罐监控图等。以化学品储罐监控图为例，在化学品罐区布置图的基础上加入化学品流量、压力、液位、温度等工艺参数与化学品罐，输送管道附近的泄露检测数值等安全指标。与工控系统不同的是，由于PI System整合了全公司甚至是集团的数据，PI Processbook与PI Vision的流程画面不仅可以展示同一工控服务器的数据，还可以将上下游其他车间等数据进行整合展示，实现直观的全流程画面展示。

(2)辅助工艺控制

PI Processbook与PI Vision可以实现对生产流程画面的整合和对生产数据的对比分析，但如果需要实现更深入的工艺过程监控预警，就需要利用到PI Datalink工具的数据处理分析功能。

图2 PI Datalink数据读取功能页面

通过PI Datalink内置函数语句可以实现在Excel软件中读取PI数据库中的当前值、存档值等直接数据和均值、计数、变化范围等经过简单处理的数据及其对应时间点或时间范围，用户可以方便快捷的调取所需数据。在此基础上，可以对读取数据设定简单上下限报警，利用Excel函数和VBA编程实现颜色变化提醒、弹窗提醒与声音提醒。

对于更为复杂的工艺控制模型，需要综合考虑多个相关数据，甚至是跨系统数据，结合Excel函数、VBA语句等对数据进一步处理和分析以实现对生产过程的自动实时判异，再通过编程将数据监控过程不断重复，构建生产过程预警辅助系统，在生产过程出现异常时提醒生产操作人员及时处置。

(3)检查操作合规性

与工艺参数的监控预警相比，人工现场操作合规性的监控和检核的实现更为困难。按照一般做法，可以利用视频监控检查、管理人员现场抽查的方式完成，但是这种做法耗时耗力，需要浪费大量的人力资源，与减员增效的精益趋势相违背。对于连续生产型车间，由于夜间也有作业，管理人员工艺检查难以实施。为应对这些情况，可以通过PI Datalink调用数据库中相关历史数据，分析生产过程中人工操作引起的特征参数，如操作引起的温度、压力、流量等输入或输出参数变化，并确认这些参数不会受到或不会同时受到其他影响而发生相同变化。再利用PI Datalink对这些远传信号进一步特征筛选，找到操作开始、操作过程、操作结束的参数特征。最后，通过函数对特征变量数据进行处理与筛选，将人员操作行为数字化再现，实现现场操作的智能监控与智能检核。

(4)监控设备状态

最基础的设备状态监控可以通过PI Processbook与PI Vision实现，如全场设备的启停流程图，可以用于显示设备实时运行状态，确认关键介质供应设备是否正常运行，监控类似尾气检测仪表等环保设施、安全设施是否处于投用状态。结合PI Datalink可以计算设备运行时间，用于设备故障次数率、平均故障间隔时间MTBF、平均故障修复时间MTTR和设备综合效率OEE等设备管理指标的统计计算。

图3 设备状态监测画面

进一步的设备状态监控涉及到设备缺陷的判断与设备状态的预测。由于设备状态监控仪表的投入与产出比相对较高，特别是对于更换或维修成本相对低的设备来说，企业管理者很难愿意投入更多资金用于提升设备在线监控水平，这就造成了设备状态监控更依赖于操作人员与维修人员的现场点巡检。在设备状态监控的实际运用中，趋势相对限值来说更加重要。特别在某些设备限值受多种因素干扰的情况，对设备状态的监控就显得尤为重要。

(5)预测产品、环保指标

传统的生产流程末端输出指标的预估方法有经验分析、理论分析两种。对于简单的生产流程或传统工艺，可以通过上述两种方法预测产品质量等流程末端输出指标。但随着工业自动化、信息化与智能化的发展和精益管理对降本增效的需求逐步提高，在预测复杂的或是受干扰多的流程末端输出指标时，传统的经验、理论分析无法满足用户实际需求。

利用PI实时数据库与PI Datalink工具，在对相关工艺流程数据进行判异和筛选的基础上，通过历史数据与末端输出指标的相关性分析、拟合，建立过程参数与末端输出指标的拟合方程，并结合自学习程序不断矫正、优化。建立可靠的经过验证的拟合方程后，通过函数、编程实时从PI数据库导出生产数据代入方程，根据拟合结果判断生产末端指标的趋势，从而实现对产品质量、环保排放等指标的实时预测。后续可以将预测工具整合进生产过程预警辅助系统，协助工艺操作人员实时调节过程参数，避免发生质量数据偏离、排放超标的问题。

(6)制作和推送生产日报表

生产车间每日数据有很多，除过程工艺参数外，还有安全生产、环保排放、质量控制、产量完成情况、能耗物耗、员工绩效、设备运行状况等等。数据量大、种类繁多，数据来源涉及的岗位多，每日数据检查分析时间长、牵扯人员精力多。对于生产车间管理者来说，如何在每日上班后迅速掌握生产情况就尤为重要。

为实现快速掌握生产情况的目标，首先将相关数据进行筛选，根据关键度的不同确认所需数据，方便后续将数据录入Excel表格，避免出现数据量过大加载速度慢或展示数据过多找不到关键指标的情况。接着需要区分数据中限值控制和需要趋势图展示的内容，按照种类和重要度对表格进行排版，完成报表的初步规划设计。再使用PI Datalink录入筛选出的关键参数，通过Excel函数或VBA编程等方式，将数据导出并处理至所需的展示形式。最后通过编程程序将电子报表以邮件、短信等形式每日定时发送至相关管理者处。

3.结语

随着时代发展，智能工厂逐步推进，PI大数据软件在工艺控制、环保排放、设备监测、生产管理等方面有了更丰富、更深入的应用[6]，为实际生产提供了更快捷、更可靠的分析、监控、预警等功能。如何更加深入的利用好PI系统及其各类应用作品，让大数据更好的为化工生产服务，这不仅是各级管理人员的职责，也是每位一线员工应该思考的内容。