在流程工业中,优化是提高效率的关键。而 效率 正是带来利润的源泉,使制造商能够生产更多,浪费更少。为了优化其流程,许多制造商使用时间序列数据历史记录系统和数据可视化软件的组合。dataPARC 和 PI 是这一领域的领导者之一,在本文中,我们将比较 dataPARC 与 Pi,并突出 dataPARC 作为过程信息管理系统相对于 PI 的一些优势。

查看 dataPARC 的实时过程数据分析工具,了解更好的数据如何带来更好的决策。
dataPARC 与 PI 对比:相似之处
dataPARC 和 PI 已经存在了几十年,并拥有以全球各大制造商为代表的庞大安装基础。
dataPARC 和 PI 均:
- 提供 实时数据历史记录系统
- 使用二进制、集群索引、平面文件存储历史记录
- 具备资产结构,以应对庞大且异构数据源的复杂性
- 提供众多预期的 分析 & 可视化工具:趋向、图形、报告
- 能够连接到各种控制系统,实时采集时间序列数据
- 具备数据连接丢失时的存储 & 转发功能
- 适用于非常大规模的标签计数系统
现在,让我们深入探讨它们之间的差异,看看 dataPARC 是如何脱颖而出的。
dataPARC 与 PI 对比:差异
成本
我们不妨从评估这两种数据历史记录系统和过程数据分析工具包时的一个关键考量因素开始。
简而言之,相较于其他“同类”行业解决方案, dataPARC 的总体拥有成本更低。无论是初始成本还是持续成本,均明显低于 PI 系统。
无限用户
原因之一在于 dataPARC 采用无限许可证模式,非常适合希望让各级决策者都能无后顾之忧地接触生产数据的组织。
PI 则采用按用户计费的定价模式。这种模式对于仅有少数人员需要访问平台的小型组织或许适用,但对于大型组织或企业级部署,成本会迅速增加。
借助 dataPARC,所有需要访问数据的人都能在无需额外付费的情况下获得权限,从而赋予每位员工基于数据做决策的能力。
寻找 PI 数据历史记录系统的替代方案?以远低于市场价的成本获取一款企业级工厂数据历史记录系统。了解 dataPARC 的 PARCserver 历史数据库。
用户体验
当向客户询问 dataPARC 的前 3 至 5 项优势时,易用性总是排在首位。dataPARC 系统的简化设计使得即使是最不擅长使用计算机的人也能快速开始创建内容并获取价值,从而使组织内部广泛采用这些工具。
虽然 dataPARC 功能丰富,但新用户只需几分钟就能学会搜索标签、绘制趋势图以及导航。在此基础上,用户很快会发现可以从右键菜单中查看趋势统计、管理报警事件、导出数据、创建 X/Y 图、直方图或帕雷托图等各种显示。
dataPARC 的趋势工具长期以来一直被客户公认为行业最佳。其趋势功能速度更快,质量远超同类产品,更符合实际应用需求。
无其他软件能像 dataPARC 一样快速构建趋势矩阵,可通过标签浏览器和显示界面快速拖放。

dataPARC 使得查找和绘制标签数据变得极为简便。
许多原本使用 PI 历史数据库和 ProcessBook 的组织后来选择在 PI 历史数据库之上叠加使用 dataPARC,仅仅因为 PARCview 的可视化工具和易用性就足以说明一切。
诊断分析
如前所述,dataPARC 的趋势应用被公认为业界最佳。不仅因为其易用性和快速访问分析工具的特性,还因其速度快。
趋势图
dataPARC 采用深思熟虑的数据速度策略和多个组件,包括嵌入式性能数据引擎 (PARCpde),以加速数据传递给用户。 目标是满足并超越用户的“思维速度”。 PARCpde 是整个 dataPARC 系统的基础部分。
比较 dataPARC 与 PI 和其他现代历史数据库的速度测试结果显示,dataPARC 在将大量或长期数据集返回给用户时,速度要快上 10 倍到 50 倍。
多家公司转而使用 dataPARC,部分原因是数据速度。 dataPARC 架构中还采用了聚合归档和汇总归档,极大地减少了解决问题或调查机会时所浪费的时间。
从趋势图中,用户可以启动快速统计网格、生成新的 X/Y 图或直方图显示。每个图表都会自动拉取趋势图中的标签,用户无需再次在标签浏览器中搜索。
X/Y 图设置两个标签进行比较,并可以生成最佳拟合线(线性、多项式等)。拟合公式可以被引入到趋势图或其他显示中。PI 也可以生成 X/Y 图,但必须从零开始创建,且不生成最佳拟合线。
Excel 加载项
dataPARC 的 Excel 加载项 在设计时高度注重易用性和速度。
PI 和 dataPARC 都具有可以直接将数据拉入 Excel 的单元格函数。dataPARC 插件还有多种其他功能。
有一张工作表可以同时拉取同一时间段内多个标签的数据,无需处理公式。用户可以从已创建的 dataPARC 显示中导入标签列表,无需再次搜索标签。
除了对传统 Excel 加载项工具的价值提升外,dataPARC 的 Excel 加载项还有以下亮点:
- 将来自多个数据源的标签/数据组拖放到 Excel 中
- 根据多个标签值筛选数据
- 生成交叉相关性/R2 矩阵
- CUSUM & MSR 图表绘制
此外,用户还可以将 Excel 中的基于时间序列的数据显示到 PARCview 的趋势图和显示中。这使得外部数据能够与过程数据并排进行趋势分析或对比。
运营管理
实时运营管理 对于保持工厂处于最高效率运行状态、及时应对导致计划外停机或产品损失的过程偏差至关重要。
dataPARC 通过多种方式实现这一点:
- 图形化过程显示
- KPI 和实验室数据仪表板
- 手动数据录入 (MDE) 工具
- 自动报表
- 过程报警 & 通知
- & 更多
对比 dataPARC 与 PI,两者均可创建动态、信息丰富的图形仪表板,但只有 dataPARC 具备中心线显示。
中心线
中心线是 dataPARC 独有的强大监控工具。这是一个实时显示,报告基于标签运行的统计数据。运行可以基于等级或时间,统计数据包括时间平均值、标准差、CpK、最小值、最大值等。

中心线显示各时间段或各运行的数据,确保过程条件在每次运行中保持一致。
中心线显示的目的是帮助确定生产的最佳操作设置,并确保这些设置在生产过程中正常使用。
中心线是 dataPARC 强大的数据分析工具之一,PI 中并无类似功能。
报警与通知
dataPARC 的报警与通知系统 可在检测到或关闭报警时发送电子邮件、短信通知或触发工作流程。一旦检测到报警,就会创建一个报警事件。这些事件可以在趋势、中心线、图形或报警列表中查看和确认。用户可以通过从原因树状图中分配原因和/或向事件添加备注来确认事件。在 dataPARC 中,可以使用帕雷托图快速分析,确定报警的最主要原因或创建按原因排序、所有备注可见的表格报告。
同样,PI 可以创建事件框架并发送通知。一旦检测到事件框架并分配了原因,用户可以在 PI Vision 中看到以表格形式呈现的数据,但进一步分析或报告需要在 PI Excel 加载项 DataLink 中进行。
下文将进一步探讨 dataPARC Excel 加载项的更多功能。
手动数据录入 (MDE)
dataPARC 的 MDE 显示 配置快捷,允许用户将手动数据录入到数据库而非纸张或 Excel 中。
手动录入的数据以标签形式表示,因此它们可以像任何其他标签一样用于 PARCview 趋势、仪表板和显示中。
想要为您的工艺工程师提供更好的数据?查看我们的 实时流程分析工具 ,了解更好的数据如何带来更好的决策。
计算
当用户缺少有助于管理过程的完美标签时,往往会使用计算标签或 MDE。dataPARC 和 PI 都能够执行简单的计算,如标签加法、If/Then 语句或单位转换。
但在 PI Vision 中,PI 不再支持 VB 脚本。VB 脚本开启了定制解决方案的大门,dataPARC 利用 VB 脚本实现诸如数据库读取、文件解析、Web 服务调用等多种应用。
预测分析
dataPARC 的 PARCmodel 通过 PLS(偏最小二乘法)和PCA(主成分分析)建模能力提供一定程度的预测分析。
PLS
PLS(偏最小二乘法)软件包被全球顶尖实用建模工程师之一誉为“无可匹敌,比我以前见过的任何软件都要出色”。 在流程工业中,PLS 建模的一个应用是在构建推断属性预测器 (IPPs) 时发挥作用。
运营公司的控制工程师报告称,使用多种工具和离线活动为一个 IPP 生成 PLS 模型可能需要超过 8 小时(首次建模所需时间更长)。而 dataPARC 将这一切整合到一个工具中,重新建模的工作量可以 缩短至仅需 5 分钟。
这种快速的模型生成能力使得可以生成多个解决方案进行比较,从而找到最佳选项。快速重新建模的速度使得 PLS 的应用范围更广,效益更大。 实用工程方法甚至工艺“预感”现在都可以通过在 2 到 5 分钟内进行一次 PLS 数学验证得到快速证实。

dataPARC 的预测建模工具
dataPARC 大大节省时间、提供更好的学习环境、更好的协作环境以及更多有用的应用程序,这些都加速为公司关键业务驱动因素创造价值。
PCA
PCA 利用与 dataPARC PLS 提供的相同建模优势,使得模型生成变得简单易行。 两种建模方法的区别在于,PLS 旨在通过将邻近变量作为模型输入来建模和模拟单一变量。 而 PCA 并不模拟单一变量,而是模拟整个过程。
将当前流程与建模流程进行比较,就会发现其中的价值。 PCA 赋予用户判断当前过程何时偏离(与模型过程相比)及识别导致偏离的“罪魁祸首”过程变量的能力。
PCA 利用两个参数(同样可供 PLS 模型使用):DMODX(模型误差)和 HT2N(Hotelling T2 标准化-偏离正常值)。PCA 模型的输入变量都是分级的,工作人员可以清楚看到哪个(些)变量导致问题发生。 PCA 可以作为早期预警系统,帮助操作人员在问题发生前察觉。
PARCmodel 是单独授权的,但已集成到 PARCview 中,并可通过趋势右键菜单轻松访问。PI 不具备类似的分析工具。
正在寻找替代 ProcessBook 的方案吗? 了解为什么 PARCview 被视为 首选 ProcessBook 替代方案。
以客户为中心的开发与支持
在 dataPARC,首要关注的是客户及其非常实际、紧迫、实用的需求。dataPARC 的策略包括对客户需求高度关注以及快速解决问题。
dataPARC 拥有多位在行业内运营公司担任关键工艺工程技术支持角色的行业专家。多年来,dataPARC的用户功能和整体系统架构由行业专家和客户共同塑造。dataPARC 是为终端用户打造的终端用户工具。
在 dataPARC,我们销售的不仅仅是软件,还销售我们的服务,帮助构建趋势图、图形和其他显示,使您的系统迅速投入运行。我们的工程师和支持团队随时待命,协助实施新项目并提供持续支持。
若要在 PI 中创建相同的显示,客户必须外包给第三方。dataPARC 是一站式解决方案。
结论
dataPARC 与 PI 有许多共同之处,但在关键之处-用户体验、数据速度和成本上,dataPARC 占据上风。dataPARC 简单、快速、高效。
dataPARC 相对于 PI 的优势随着每项新功能和更新而不断增加。这些功能和更新均源自用户和客户的需求。
下载我们的概览数据表
点击以下链接,免费获取有关使用 dataPARC 将关键数据转化为可视化信息以进行及时决策的优势概述。
