Introduction technique · Perspective d’ingénierie · Publié : 29 septembre 2026
Table of Contents
Points clés à retenir
- Un data historian est le système de référence pour tout ce qui change dans un processus au fil du temps. Il collecte des données de processus horodatées depuis des capteurs, des PLC, des systèmes DCS et SCADA — généralement via des protocoles tels que OPC UA ou Modbus — et enregistre chaque mesure sous forme de paire tag-valeur avec un horodatage et un code de qualité [1].
- La compression est ce qui rend abordable le stockage à haute fréquence sur plusieurs années. Avec 10 000 tags enregistrant une fois par seconde, le stockage brut atteint environ 27 Go par jour (environ 10 To par an non compressés), et la compression swinging-door réduit généralement cela d’un facteur de 10 à 20 [2].
- Dans les installations d’eau, les bases de données SCADA historian consignent les données de processus continues — turbidité, résidu de chlore, valeurs CT, performance des filtres — aux intervalles exigés par les règles de l’EPA sur l’eau potable, dans le 40 CFR Part 141, ce qui explique pourquoi les inspecteurs demandent de plus en plus l’enregistrement du historian plutôt que le registre papier [3].
- Un trou dans l’archive doit rester visible. Un intervalle pendant lequel aucune valeur valide n’a été collectée — collecteur en panne, communications perdues, source qui ne répond plus — ne doit jamais être interpolé discrètement comme si le signal était simplement resté stable [4].
- Le format de sortie existe déjà. Le Water Quality Exchange (WQX) de l’EPA est le cadre standard par lequel plus de 900 organisations fédérales, étatiques, tribales et autres soumettent des données de surveillance de la qualité de l’eau à l’entrepôt national de données [5].
- Vérification d’échelle : un service public de taille moyenne avec 100 000 compteurs intelligents générant des relevés horaires produit environ 8,7 millions de lignes de compteurs par jour, et l’ingestion quotidienne totale, y compris la télémétrie SCADA, peut dépasser 10 millions de lignes [6].
Ce qu’est un Historian — et ce qu’il n’est pas
Un data historian est un logiciel spécialisé conçu pour collecter, stocker et récupérer des données de processus horodatées provenant d’équipements industriels — capteurs, PLC, systèmes de contrôle distribués, SCADA. Il se connecte aux équipements d’usine via des protocoles industriels tels que OPC UA, OPC DA et Modbus, et enregistre chaque mesure sous forme de paire tag-valeur avec un horodatage et un code de qualité, en appliquant une compression industrielle afin que des séries temporelles à haute fréquence puissent être stockées et interrogées pendant des années. Dans les industries de process, y compris le traitement de l’eau, le historian est le système de référence pour tout ce qui change dans le processus au fil du temps [1].
Trois précisions évitent la plupart des confusions. Premièrement, un historian n’est pas le système de contrôle : le PLC décide et agit en quelques millisecondes, tandis que le historian mémorise. Deuxièmement, ce n’est pas une base de données métier à usage général. Les bases transactionnelles privilégient l’exactitude enregistrement par enregistrement ; un historian est conçu pour l’ingestion séquentielle à grande vitesse de valeurs ordonnées dans le temps et pour une récupération rapide sur des fenêtres temporelles. Troisièmement, ce n’est pas un data lake. Le historian conserve la vérité brute du process en unités d’ingénierie, et les plateformes d’analytics s’appuient dessus au lieu de le remplacer.
Pour la qualité de l’eau, cette distinction est importante parce que les mesures elles-mêmes — pH, conductivité, turbidité, résidu de chlore, oxygène dissous — constituent la base de preuve à la fois pour le contrôle du process et pour le reporting réglementaire. Là où se trouve cette preuve, et la manière dont elle est stockée avec honnêteté, déterminent ce que l’installation pourra prouver plus tard.
Compression, horodatages et codes de qualité : la mécanique de la preuve
Les historians gagnent leur place grâce à un schéma de filtrage en deux étapes qui mérite d’être expliqué à quiconque s’est déjà demandé pourquoi la tendance paraît « trop lisse » ou pourquoi l’archive n’a pas grossi pendant une décennie.
Étape 1 — exception reporting. À l’interface, une nouvelle valeur n’est transmise en amont que lorsqu’elle diffère de la dernière valeur transmise de plus d’une zone morte configurée. Un signal plat génère presque aucun trafic ; un signal qui change signale chaque mouvement significatif.
Étape 2 — compression swinging-door. Dans l’archive, des algorithmes tels que la méthode de tendance swinging-door n’enregistrent un nouveau point que lorsque l’écart par rapport à la ligne droite reliant les points stockés précédemment dépasse une déviation de compression. Le résultat est une approximation linéaire par morceaux dont l’erreur est bornée par la tolérance configurée. Les calculs d’ingénierie publiés montrent l’ampleur de l’effet : 10 000 tags enregistrés une fois par seconde produisent de l’ordre de 27 Go de données brutes par jour, environ 10 To par an, et la compression swinging-door réduit généralement cela d’un facteur de 10 à 20 [2].
Deux réglages déterminent si cette mécanique renforce ou affaiblit un enregistrement de qualité de l’eau :
- La déviation de compression est un choix de fidélité. Pour les tags critiques pour la conformité, de nombreuses installations stockent chaque valeur sans perte et réservent la compression aux signaux non critiques à évolution rapide. Une mauvaise zone morte sur un tag de résidu de chlore peut aplatir une brève excursion qu’un régulateur voudrait voir.
- La sémantique d’interpolation détermine ce que signifie l’affichage d’une tendance. La plupart des historians peuvent renvoyer soit les valeurs enregistrées, soit des valeurs interpolées entre les points enregistrés. Les deux sont des vues légitimes, mais un rapport qui traite silencieusement des valeurs interpolées comme des mesures est un rapport qui finira par embarrasser son auteur.
Les codes de qualité sont le troisième pilier. Chaque valeur stockée porte un indicateur — bon, mauvais ou incertain [1] — et une installation rigoureuse fait de ces indicateurs une partie du dossier plutôt qu’un détail interne. Lorsqu’un capteur était en cours d’étalonnage à 02:00, les données de cette fenêtre doivent le dire pour toujours.
Où se situe le Historian dans la chaîne de données de qualité de l’eau
L’usine d’eau moderne est un système à plusieurs couches, et le historian occupe une couche précise dans ce système. Les capteurs de terrain mesurent ; les PLC et RTU contrôlent et tamponnent ; la couche SCADA alarme et supervise ; le historian archive ; les couches de reporting et d’analytics consomment. En pratique, les systèmes SCADA de l’eau se connectent aux instruments et aux contrôleurs via Modbus TCP/IP, DNP3 et OPC UA, et les bases de données SCADA historian consignent les données de processus continues — turbidité, résidus de chlore, valeurs CT, performance des filtres — aux intervalles requis par les règles de l’EPA sur l’eau potable, sous 40 CFR Part 141, ainsi que par des règles d’État comparables [3].
Les volumes justifient l’architecture. Un service public de taille moyenne avec 100 000 points AMI générant des relevés horaires produit environ 8,7 millions de lignes de données de compteurs par jour, et avec la télémétrie SCADA des usines et des stations de pompage incluse, l’ingestion quotidienne peut dépasser 10 millions de lignes — avant même de compter les capteurs de qualité de l’eau ou les échantillons de laboratoire [6].
| Couche de la chaîne de données | Responsabilité | Points de sélection importants |
|---|---|---|
| Capteurs et analyseurs de terrain | Mesurer et convertir en signaux ; origine de la qualité des données | Sortie numérique native (Modbus RTU/TCP ou équivalent) ; échantillonnage multi-paramètres simultané à partir d’une sonde ; états de défaut auto-déclarés |
| Couche PLC / RTU | Contrôle temps réel ; mise en tampon des communications | Store-and-forward en cas de perte de communication afin qu’aucun trou d’archive ne soit créé en aval |
| Couche SCADA / HMI | Alarmes, vue opérateur, consignes | Discipline de gestion des alarmes ; synchronisation temporelle entre sites |
| Data historian | Archive horodatée ; compression ; codes de qualité | Résolution (brut vs compressé par tag), horizon de rétention, stratégie de zone morte, visibilité des codes de qualité |
| Reporting, analytics, cloud | Moyennes, exports de conformité, modèles IA | Chemins d’export standard (SQL, REST) ; structures de données compatibles WQX ; synchronisation cloud gouvernée plutôt que chargements ad hoc |
Valeurs erronées, trous et règles qui gardent les dossiers honnêtes
Deux modes de défaillance expliquent la majeure partie des difficultés dans les enregistrements de qualité de l’eau basés sur des historians, et tous deux ont des réponses correctes bien établies.
Le premier est le trou : un intervalle pendant lequel l’archive ne contient aucune donnée valide parce que la collecte s’est arrêtée — collecteur en panne, communications perdues, instrument hors ligne. Le traitement correct est explicite. L’archive doit signaler l’absence plutôt que de la combler, et la récupération à travers un trou ne doit jamais être interpolée discrètement comme si le signal était resté stable [4]. Un trou visible de manière honnête est un signal d’exploitation : ce qui a échoué, quand, et pendant combien de temps. Un trou lissé est un dossier fabriqué.
Le second est la mauvaise valeur : une lecture qui est bien arrivée mais qui est fausse, qu’il s’agisse de bulles au niveau du capteur, d’une sonde dérivante en cours d’étalonnage ou d’une valeur de communication figée. Le code de qualité du historian est le véhicule approprié [1]. Marquez la valeur comme incertaine ou mauvaise, conservez-la dans l’archive, excluez-la des moyennes en toute connaissance de cause, et consignez l’action de maintenance qui l’explique. La modification manuelle de données historiques de process pour combler des trous ou corriger des valeurs viole les attentes fondamentales d’intégrité des données et ne résisterait pas à un audit ; la correction doit se faire dans la configuration — capteurs redondants, basculement automatique de source, seuils de qualité — et non dans les données.
Récupérer les enregistrements : audits, rapports et cloud
Le bénéfice du historian se manifeste lorsque quelqu’un pose une question : un inspecteur, un ingénieur de process, un modèle IA. Les inspecteurs veulent de plus en plus des enregistrements de surveillance continue plutôt que des relevés ponctuels, car quelques entrées manuelles par équipe ne peuvent pas démontrer une conformité continue. Un historian transforme le rapport mensuel d’une tâche de compilation manuelle en une tâche d’export [3].
Pour le reporting environnemental et ambiant, le format de destination existe déjà. Le Water Quality Exchange de l’EPA définit un ensemble standard d’éléments de données auxquels les partenaires de données mappent leurs enregistrements avant de les soumettre à l’entrepôt national de données STORET, et des données de qualité de l’eau soumises par plus de 900 organisations fédérales, étatiques, tribales et autres y transitent [5]. Une installation dont le modèle de données interne — unités, horodatages, qualificateurs de résultats — reflète cette discipline trouve l’export trivial. Une installation qui invente ses propres conventions y voit un projet à part entière.
Les plateformes cloud s’insèrent en aval du historian, et non à côté de lui. L’archive reste proche du système de contrôle où résident ses rédacteurs ; des copies gouvernées, résumées ou en fidélité complète s’écoulent vers l’extérieur pour l’analytics. L’objectif de conception se résume le mieux en une phrase : des capteurs qui alimentent votre modèle IA d’eau, pas seulement votre tableau de bord. Cela exige que le modèle voie des données synchronisées, avec indicateur de qualité, multi-paramètres et horodatages honnêtes — exactement le contrat qu’un historian bien configuré fournit. Les analyseurs en ligne multi-paramètres de Shanghai ChiMay sont conçus comme des sources pour ce contrat, publiant une sortie numérique Modbus avec un échantillonnage simultané des paramètres ; la documentation produit est rassemblée sur la page d’analyseur d’eau multi-paramètres en ligne de Shanghai ChiMay.
Liste de contrôle de sélection
- Résolution par classe de tag. Décidez quels tags sont critiques pour la conformité et stockez-les sans perte ; compressez le reste de manière délibérée plutôt que par défaut.
- Horizon de rétention. Faites correspondre ou dépassez la période de conservation exigée par votre régulateur, et vérifiez que les données archivées (et pas seulement en ligne) restent interrogeables.
- Interfaces. OPC UA ou DA et Modbus côté collecte [1] ; SQL, REST et exports de fichiers côté consommation ; structures compatibles WQX pour le reporting environnemental [5].
- Discipline temporelle. Une seule horloge pour SCADA, historians et instruments. L’incertitude d’horodatage est une corruption de données qu’aucun algorithme de compression ne peut réparer.
- Transparence des codes de qualité. Si le historian sait qu’une valeur est mauvaise, chaque consommateur — tendance, rapport, modèle — doit pouvoir le savoir aussi.
- Comportement en cas de trou. Vérifiez que le système affiche les trous comme des trous [4], et que les réglages d’exception et de compression sont documentés par tag [2].
Le historian est une infrastructure peu glamour, ce qui est précisément la raison pour laquelle il décide des résultats. Lorsque l’audit arrive ou que le modèle s’entraîne, l’installation capable de produire un enregistrement complet, honnête et horodaté l’emporte sur les faits.
Références
[1] boTec — Process Historian (glossaire). Définit le data historian comme un logiciel spécialisé qui collecte, stocke et récupère des données de processus horodatées provenant de capteurs, PLC, DCS et SCADA via des protocoles tels que OPC UA, OPC DA et Modbus, en enregistrant chaque mesure sous forme de paire tag-valeur avec horodatage et code de qualité.
https://botec.com/glossary/process-historian
[2] SYMESTIC — Industrial Data Historian : Time-Series DBs & Compression. Effectue les calculs de stockage pour 10 000 tags à un enregistrement par seconde : environ 27 Go par jour en brut et 10 To par an non compressés, réduits d’un facteur typique de 10 à 20 avec la compression swinging-door.
https://www.symestic.com/en-us/what-is/industrial-data-historian
[3] NFM Consulting — How SCADA Systems Work in Water Treatment Plants. Décrit les protocoles SCADA de l’eau (Modbus TCP/IP, DNP3, OPC UA) et note que les bases de données SCADA historian consignent les données de processus continues — turbidité, résidus de chlore, valeurs CT, performance des filtres — aux intervalles requis par l’EPA 40 CFR Part 141 et par les règles d’État.
https://www.nfmconsulting.com/knowledge/how-scada-works-water-treatment-plants
[4] Merobix — What Are Data Gaps in Historians? Explique qu’un trou de données est un intervalle où l’archive ne contient aucune donnée valide parce que la collecte s’est arrêtée, et que les trous doivent être enregistrés explicitement plutôt que discrètement interpolés comme si le signal était resté stable.
https://www.merobix.com/blog/what-is-a-data-gap-historian
[5] U.S. EPA — Water Quality Data / Water Quality Exchange (WQX). Décrit WQX comme le format universel pour partager des données de qualité de l’eau, avec des soumissions provenant de plus de 900 agences et organisations fédérales, étatiques et tribales.
https://19january2025snapshot.epa.gov/waterdata/water-quality-data
[6] TigerData — Water Utilities Database: How to Store and Query SCADA, AMI, and Quality Data at Scale. Estime un service public de taille moyenne avec 100 000 points AMI à environ 8,7 millions de lignes de compteurs par jour, l’ingestion quotidienne totale dépassant 10 millions de lignes lorsque la télémétrie SCADA est incluse.
https://www.tigerdata.com/learn/water-utilities-database-how-to-store-query-scada-ami-quality-data-at-scale
À propos de l’auteur : Rédigé par l’équipe éditoriale technique de Shanghai ChiMay — le groupe derrière la documentation des analyseurs de qualité de l’eau en ligne de Shanghai ChiMay, travaillant quotidiennement sur des projets de pH, de conductivité et de détection multi-paramètres où l’intégration au niveau Modbus et les données prêtes pour le historian font partie du produit, et non une réflexion après coup.
