در بسیاری از صنایع، داده‌های لحظه‌ای تنها بخشی از واقعیت را نشان می‌دهند. آنچه امکان تحلیل رفتار تجهیزات، کشف الگوهای خرابی و پیش‌بینی آینده را فراهم می‌کند، تاریخچه کامل عملکرد تجهیزات است. این دقیقاً همان وظیفه‌ای است که سامانه‌های Historian بر عهده دارند.

Historian یک پایگاه داده تخصصی برای ذخیره‌سازی داده‌های زمانی (Time-Series Database) است که اطلاعات تولیدشده توسط PLC، DCS، SCADA و تجهیزات ابزار دقیق را با دقت بالا، در بازه‌های زمانی بسیار کوتاه ذخیره می‌کند. برخلاف پایگاه‌های داده معمولی، Historian برای ثبت میلیون‌ها رکورد در روز، فشرده‌سازی داده‌ها و بازیابی سریع اطلاعات مهندسی طراحی شده است.

در پلتفرم KeepAI، Historian مهم‌ترین منبع داده برای آموزش مدل‌های هوش مصنوعی محسوب می‌شود؛ زیرا مدل‌های یادگیری ماشین تنها زمانی قادر به شناسایی رفتار طبیعی و غیرطبیعی تجهیزات هستند که به حجم زیادی از داده‌های گذشته دسترسی داشته باشند.

Historian دقیقاً چه داده‌هایی ذخیره می‌کند؟

تقریباً تمام متغیرهای فرآیندی کارخانه می‌توانند در Historian ثبت شوند، از جمله:

• فشار (Pressure)
• دما (Temperature)
• دبی (Flow Rate)
• سطح مخازن (Level)
• ارتعاش (Vibration)
• جریان و ولتاژ موتور
• سرعت دوران تجهیزات (RPM)
• وضعیت شیرها (Valve Position)
• وضعیت روشن/خاموش تجهیزات
• آلارم‌ها و رویدادها (Events & Alarms)
• Set Pointها و تغییرات اپراتور

این داده‌ها معمولاً هر ۱۰۰ میلی‌ثانیه تا چند ثانیه ثبت می‌شوند و تصویری دقیق از عملکرد واقعی کارخانه ایجاد می‌کنند.

چرا Historian برای هوش مصنوعی حیاتی است؟

هوش مصنوعی بدون داده‌های تاریخی، تنها وضعیت فعلی تجهیزات را مشاهده می‌کند؛ اما با استفاده از Historian می‌تواند روند تغییرات را تحلیل کند.

برای مثال:

یک پمپ API 610 در حال حاضر دمای ۷۰ درجه دارد.

آیا این مقدار طبیعی است؟

اگر فقط داده لحظه‌ای وجود داشته باشد، پاسخ مشخص نیست.

اما Historian نشان می‌دهد:

• سه ماه قبل دما ۵۵ درجه بوده است.
• طی دو ماه گذشته به‌آرامی افزایش یافته است.
• همزمان ارتعاش نیز روند صعودی داشته است.
• جریان موتور نیز افزایش یافته است.

هوش مصنوعی با تحلیل این روند متوجه می‌شود که تجهیز به احتمال زیاد در حال نزدیک شدن به خرابی یاتاقان یا کاهش راندمان هیدرولیکی است

این همان چیزی است که از یک سیستم مانیتورینگ ساده، یک سامانه Predictive Maintenance می‌سازد.

نقش Historian در معماری KeepAI

در معماری KeepAI، Historian قلب لایه داده محسوب می‌شود داده‌ها از PLC، DCS و SCADA وارد Historian شده و سپس توسط موتور هوش مصنوعی پردازش می‌شوند.

مراحل پردازش عبارت‌اند از:

1. استخراج داده‌های تاریخی
2. پاکسازی داده‌های نامعتبر
3. همگام‌سازی زمان بین تجهیزات مختلف
4. حذف نویز
5. ساخت Featureهای مهندسی
6. آموزش مدل‌های یادگیری ماشین
7. پیش‌بینی سلامت تجهیزات
8. محاسبه Remaining Useful Life (RUL)

داده‌های Historian چگونه وارد KeepAI می‌شوند؟

KeepAI قابلیت اتصال مستقیم به اکثر Historianهای صنعتی را دارد، از جمله:

• OSIsoft PI System (AVEVA PI)
• AVEVA Historian
• Aspen InfoPlus.21 (IP.21)
• GE Proficy Historian
• Canary Historian
• Wonderware Historian
• Siemens Process Historian
• Ignition Historian
• سایر Historianهای مبتنی بر OPC UA، SQL و REST API

این ارتباط بدون ایجاد تغییر در ساختار کنترل کارخانه انجام می‌شود.

فرمت داده‌های مورد استفاده

پس از دریافت داده‌ها، KeepAI آن‌ها را به قالب استاندارد تحلیل تبدیل می‌کند.

نمونه ساختار داده:

پس از آن داده‌ها به صورت Feature Matrix برای مدل‌های هوش مصنوعی تبدیل می‌شوند.

ارزش افزوده Historian برای KeepAI

استفاده از داده‌های تاریخی مزایای متعددی ایجاد می‌کند:

• پیش‌بینی خرابی پیش از وقوع
• شناسایی روندهای پنهان عملکرد تجهیزات
• کاهش توقف‌های ناخواسته
• تحلیل علل ریشه‌ای خرابی (Root Cause Analysis)
• آموزش دقیق‌تر مدل‌های هوش مصنوعی
• بهبود مستمر دقت پیش‌بینی
• امکان مقایسه عملکرد تجهیزات در بازه‌های زمانی مختلف
• ایجاد Digital Twin مبتنی بر داده‌های واقعی

جمع‌بندی

Historian صرفاً یک مخزن ذخیره‌سازی داده نیست؛ بلکه حافظه عملیاتی کارخانه است. ارزش واقعی این داده‌ها زمانی آشکار می‌شود که با هوش مصنوعی ترکیب شوند. در KeepAI، داده‌های تاریخی به دانشی تبدیل می‌شوند که می‌تواند رفتار آینده تجهیزات را پیش‌بینی کرده، زمان مناسب تعمیرات را مشخص کند و تصمیم‌گیری نگهداری را از حالت واکنشی به رویکردی هوشمند، مبتنی بر داده و پیش‌بینانه ارتقا دهد.