Pl System在化工生產車間應用方式的探討

＊田靖南 張磊 胡曉浩 肖峰 孫磊

（南通醋酸纖維有限公司 江蘇 226008）

我國化工生產行業在安全、綠色、環保、職業健康等方面做出了很多努力，但是仍存在許多困難，比如安全隱患排查依舊需要安全、工藝管理和操作人員依靠專業知識技能通過流程分析與現場排查的方式開展，排查效果不僅跟個人、團隊的專業能力有關，還會受到參與人員主觀因素影響，很難精確界定是否存在風險。大數據的不斷發展和深入應用為各類事故提供了有效的分析，通過大量的安全生產事件、事故數據的匯總、梳理與分析，可以發現其中的特征規律，進而輔助安全生產企業的管理者們做好源頭預防與系統控制，提升企業安全生產水平。

化工生產具有工藝復雜、過程連續、物耗能耗大、公用介質要求高的特點，其生產流程機理復雜，最終產品各項指標除開受工藝本身影響外還會受到外部環境影響，有些難以簡單套用工藝原理公式進行結果預判。在近年大數據的使用探索中，研究者們將工藝原理與大數據分析二者相結合，從海量斑駁的信息中找到關鍵的影響因子，建立更加可靠的工藝流程模型，減少生產成本與物耗能耗，提高生產效率與產品質量[1]。

化工生產涉及大量的設備設施，包含工藝、安全、環保、輔助等各種應用功能。連續生產型企業對設備運維情況有著很高的要求，非計劃性停機引起的產量損失或安全問題會導致企業蒙受巨大的損失。除開定期的人工專業點巡檢方式外，可以利用大數據分析建立設備狀態模型[2]，借助各類數據應用程序實現設備的實時自動監控以提升設備運維水平，減少設備故障引起的損失。

1.Pl System者簡

PI System憑借其帶有擴展功能的標準接口，可以連接DCS、PCS等不同運行模式的監控或操作系統。結合組件對象模型技術，可以將PI System與檢驗、倉儲、辦公等各類系統聯通，建立具備實時存儲和傳輸功能的數據庫，彌補業務管理與生產控制之間的信息缺口，其功能強大的應用服務和客戶端工具，幫助用戶提高管理效率、提升產品質量。

PI System包含PI Data Archive（歷史數據歸檔）、PI Snapshot（實時數據快照）、PI Universal Data Server（通用數據服務器核心模塊）、PI PE（性能公式模塊）、PI SQL Server（數據查詢模塊）、PI Totalizer（總加器模塊）等服務器端結構、兼容400多種接口的PI-IN-OPC（PI標準OPC接口軟件和各具特色的PI Client（PI客戶端））。

PI客戶端工具形式多樣，其中利用PI Processbook（圖形用戶界面）可以建立圖形畫面形式的生產工藝流程，便于用戶查看與分析實時數據和歷史趨勢圖。制作完成的PI Processbook流程圖以文件形式存儲，可以被傳輸至其余連接進PI服務器的客戶端中查看。用戶根據自身需求，可以在PI Processbook中利用Visual Basic程序語言開發設計個性化功能應用。

PI Vision（可視化PI數據）作為PI Processbook之后的替代版本，以網頁為載體，通過瀏覽器查看的方式解決了查看長期數據時PI Processbook運行響應慢的問題。PI Vision減弱了對客戶端軟件的需求，除開PC外，用戶還可以通過手機等移動端登錄網址查看生產流程實時數據與歷史趨勢。

PI Datalink（PI數據表連接）與PI Processbook、PI Vision有所區別，是OSIsoft公司為連接PI Universal Data Server（通用數據服務器核心模塊）與Microsoft Excel等電子表格軟件而設計的專業程序。PI Datalink可以幫助用戶通過Excel直接訪問PI服務器中的實時數據庫。在此基礎上，PI Datalink結合Excel電子表格本身的數據統計分析功能，可以方便用戶對數據進行分析、監控[4]。

圖1 PI Datalink詳細功能模塊

2.PI應用場景

PI System的基礎是數據，從工控系統中讀取。工程師可以根據數據重要性和用戶需求差異設置不同的采集頻率。除開簡單的工藝、質量等實時數據或趨勢圖展示外，PI System還可以實現一些較為復雜的、工控系統難以實現的功能[5]。

(1)圖形化展示生產流程

圖形化展示是PI System的基本功能，PI Processbook與PI Vision都自帶有工藝流程相關的繪圖模塊，內置有設備、管道、閥門等典型的工業生產圖標。用戶可以方便的繪制工藝流程圖乃至全廠設備設施總覽圖。工藝參數的趨勢圖可以直接繪制在流程圖中，或是結合Visual Basic for Applications語言實現趨勢圖點擊打開的功能。除單個數據趨勢顯示外，還可以將多個相關參數加入同一趨勢圖中，便于用戶對比分析。

為方便排產調度與能耗統計分析，PI Processbook與PI Vision的圖形化展示功能還可以用于監控介質供應與消耗情況。針對需求的不同，用戶可以制作蒸汽供應總覽、水消耗總圖、供電總覽圖、化學品儲罐監控圖等。以化學品儲罐監控圖為例，在化學品罐區布置圖的基礎上加入化學品流量、壓力、液位、溫度等工藝參數與化學品罐，輸送管道附近的泄露檢測數值等安全指標。與工控系統不同的是，由于PI System整合了全公司甚至是集團的數據，PI Processbook與PI Vision的流程畫面不僅可以展示同一工控服務器的數據，還可以將上下游其他車間等數據進行整合展示，實現直觀的全流程畫面展示。

(2)輔助工藝控制

PI Processbook與PI Vision可以實現對生產流程畫面的整合和對生產數據的對比分析，但如果需要實現更深入的工藝過程監控預警，就需要利用到PI Datalink工具的數據處理分析功能。

圖2 PI Datalink數據讀取功能頁面

通過PI Datalink內置函數語句可以實現在Excel軟件中讀取PI數據庫中的當前值、存檔值等直接數據和均值、計數、變化范圍等經過簡單處理的數據及其對應時間點或時間范圍，用戶可以方便快捷的調取所需數據。在此基礎上，可以對讀取數據設定簡單上下限報警，利用Excel函數和VBA編程實現顏色變化提醒、彈窗提醒與聲音提醒。

對于更為復雜的工藝控制模型，需要綜合考慮多個相關數據，甚至是跨系統數據，結合Excel函數、VBA語句等對數據進一步處理和分析以實現對生產過程的自動實時判異，再通過編程將數據監控過程不斷重復，構建生產過程預警輔助系統，在生產過程出現異常時提醒生產操作人員及時處置。

(3)檢查操作合規性

與工藝參數的監控預警相比，人工現場操作合規性的監控和檢核的實現更為困難。按照一般做法，可以利用視頻監控檢查、管理人員現場抽查的方式完成，但是這種做法耗時耗力，需要浪費大量的人力資源，與減員增效的精益趨勢相違背。對于連續生產型車間，由于夜間也有作業，管理人員工藝檢查難以實施。為應對這些情況，可以通過PI Datalink調用數據庫中相關歷史數據，分析生產過程中人工操作引起的特征參數，如操作引起的溫度、壓力、流量等輸入或輸出參數變化，并確認這些參數不會受到或不會同時受到其他影響而發生相同變化。再利用PI Datalink對這些遠傳信號進一步特征篩選，找到操作開始、操作過程、操作結束的參數特征。最后，通過函數對特征變量數據進行處理與篩選，將人員操作行為數字化再現，實現現場操作的智能監控與智能檢核。

(4)監控設備狀態

最基礎的設備狀態監控可以通過PI Processbook與PI Vision實現，如全場設備的啟停流程圖，可以用于顯示設備實時運行狀態，確認關鍵介質供應設備是否正常運行，監控類似尾氣檢測儀表等環保設施、安全設施是否處于投用狀態。結合PI Datalink可以計算設備運行時間，用于設備故障次數率、平均故障間隔時間MTBF、平均故障修復時間MTTR和設備綜合效率OEE等設備管理指標的統計計算。

圖3 設備狀態監測畫面

進一步的設備狀態監控涉及到設備缺陷的判斷與設備狀態的預測。由于設備狀態監控儀表的投入與產出比相對較高，特別是對于更換或維修成本相對低的設備來說，企業管理者很難愿意投入更多資金用于提升設備在線監控水平，這就造成了設備狀態監控更依賴于操作人員與維修人員的現場點巡檢。在設備狀態監控的實際運用中，趨勢相對限值來說更加重要。特別在某些設備限值受多種因素干擾的情況，對設備狀態的監控就顯得尤為重要。

(5)預測產品、環保指標

傳統的生產流程末端輸出指標的預估方法有經驗分析、理論分析兩種。對于簡單的生產流程或傳統工藝，可以通過上述兩種方法預測產品質量等流程末端輸出指標。但隨著工業自動化、信息化與智能化的發展和精益管理對降本增效的需求逐步提高，在預測復雜的或是受干擾多的流程末端輸出指標時，傳統的經驗、理論分析無法滿足用戶實際需求。

利用PI實時數據庫與PI Datalink工具，在對相關工藝流程數據進行判異和篩選的基礎上，通過歷史數據與末端輸出指標的相關性分析、擬合，建立過程參數與末端輸出指標的擬合方程，并結合自學習程序不斷矯正、優化。建立可靠的經過驗證的擬合方程后，通過函數、編程實時從PI數據庫導出生產數據代入方程，根據擬合結果判斷生產末端指標的趨勢，從而實現對產品質量、環保排放等指標的實時預測。后續可以將預測工具整合進生產過程預警輔助系統，協助工藝操作人員實時調節過程參數，避免發生質量數據偏離、排放超標的問題。

(6)制作和推送生產日報表

生產車間每日數據有很多，除過程工藝參數外，還有安全生產、環保排放、質量控制、產量完成情況、能耗物耗、員工績效、設備運行狀況等等。數據量大、種類繁多，數據來源涉及的崗位多，每日數據檢查分析時間長、牽扯人員精力多。對于生產車間管理者來說，如何在每日上班后迅速掌握生產情況就尤為重要。

為實現快速掌握生產情況的目標，首先將相關數據進行篩選，根據關鍵度的不同確認所需數據，方便后續將數據錄入Excel表格，避免出現數據量過大加載速度慢或展示數據過多找不到關鍵指標的情況。接著需要區分數據中限值控制和需要趨勢圖展示的內容，按照種類和重要度對表格進行排版，完成報表的初步規劃設計。再使用PI Datalink錄入篩選出的關鍵參數，通過Excel函數或VBA編程等方式，將數據導出并處理至所需的展示形式。最后通過編程程序將電子報表以郵件、短信等形式每日定時發送至相關管理者處。

3.結語

隨著時代發展，智能工廠逐步推進，PI大數據軟件在工藝控制、環保排放、設備監測、生產管理等方面有了更豐富、更深入的應用[6]，為實際生產提供了更快捷、更可靠的分析、監控、預警等功能。如何更加深入的利用好PI系統及其各類應用作品，讓大數據更好的為化工生產服務，這不僅是各級管理人員的職責，也是每位一線員工應該思考的內容。