信息系统，建立在过程设备和控制系统的基础之上，通过所提供的数据和工具，在整个生命周期内，帮助企业更好的了解运营过程的健康状态。这一切，需要从收集和保存实时过程数据开始；利用趋势工具、报告、数据表盘等工具，可以对这些数据进行分析。信息系统，是实现完全互联企业的第一步。
追踪实时过程状态
实施信息系统最常用的方式，就是从过程历史数据库开始。历史数据库能够自动从过程控制器收集数据，将其保存在数据库中，以备将来恢复使用。大多数过程数据库都配备趋势工具，以便监视实时和历史过程工况。这对过程工程师和维护人员非常有用：因其可以在过程波动发生后，查找造成波动的原因；经过训练的操作员利用这些数据，还可以在波动发生前识别出这些问题。
在部署实施过程历史数据库时，主要考虑的是数据的收集，包括实时数据点以及将这些数据存储在数据库中的时间间隔。大多数过程历史数据库的授权价格取决于历史数据库所能存储的数据点的多少。计算机硬件成本决定了数据存储的数据量以及存储的时间。
数据点取决于过程以及为了更好的了解过程工况所需要的数据类型；存储的时间长度以及数据数量，则可以通过历史数据库内置的数据压缩算法来管理。这种方法将存储到数据库中的数据，限制在发生变化的那些数据上，而不是周期性的存储所有的数据。
例如，原材料罐液位随时间变化缓慢，管道压力则随时可能升高到导致设备停机；因此液位的记录频率没有必要像管道压力的记录频率一样高。将历史数据库读取罐体液位数据的时间间隔，设置为30秒，在给定的时间内，相对于3秒钟的间隔，可以减少采集数据的量，同时还不会丢失太多的数据信息。使用数据压缩技术,在数据值变化1%时，才触发存储，可以进一步降低数据存储的需求。
智能自动化金字塔包括5个层级：从低到高依次为过程设备层、控制系统层、信息层、数据层和企业资源规划（ERP）层。本文所有图片来源：Corso系统公司
对于压力数据的读取，如果采集时间间隔为30秒，对故障诊断而言则很有可能忽略有价值的信息，因为压力变化非常快，压力的变化完全可能在这个时间内出现和消失。如果这导致两次读数间的过程波动，完全有可能在趋势曲线上留不下任何压力波动的痕迹，因此很难据此诊断出造成该事件的原因。相反，如果每秒钟读取一次数据，并且只有在数据变化0.5%时才存储数据，这样不但可以捕获压力变化，而且可以忽略正常运行工况时的微小波动，从而可以降低数据存储的需求。
使用数据压缩技术并不是必须的，也可以配置为每秒都存储数据。但是这会导致数据库数据激增，因此也就需要更多的硬盘空间来存储这些数据。因为它需要检索和显示大量未压缩数据，还会导致分析工具性能的降低。
将数据转化为信息
在从过程中收集数据以备未来使用方面，历史数据库做的非常好。但是当与控制系统之外的系统或设备，比如质量控制测试数据协同工作时，历史数据库则存在一定的限制；但是这些数据可以与其它数据库或系统匹配，以便将过程工况和手动采集数据联系起来。将多个数据源的数据组合起来， 可以提供丰富的信息，使其更易于理解过程工况和产品质量之间复杂的关系。
可以通过实验室信息管理系统（LIMS），从质量控制实验室收集数据，并将其存储在数据库中，一般情况下，这都是通过基于网络的接口实现的。从实验室信息管理系统数据库（与历史过程数据类似）中得到的数据，可以在一个视图或报告中显示：例如，在任何时间，过程工况是如何影响产品质量的。这一般被用于确定理想的过程设定值，从而可以保持产品质量的一致性。
历史数据库收集的信息，可供操作人员、维护人员和工程师使用，从而制定更好的决策，支持他们提出的关于任何操作参数的假定。
将产品数据和其它数据源高效集成和利用起来的另外一个例子，就是位于美国密西西比杰克逊的Jaxon 能源氢化处理工厂中正在使用的：利用从原材料罐和产品罐获得的体积数据，填写基于网络的发货和订单系统的相关数据项。在用泵将原材料输入到工厂或者从工厂输出时，利用历史数据库中罐体的初始体积和结束体积，自动填写表格，可以消除操作人员的人为错误。
在每天中的任意时间使用这些数据，都可以处理发货或接收单，而不需要操作员在值班时手动收集或记录这些罐体的液位。此外，质量控制数据和扫描文件与每个发货和接收单存储在一起，这样运行人员就可以追踪输入或输出工厂的所有材料来源和质量，而不必手动关联多个数据源的数据。
信息系统独自就可提供过程的健康状况信息。历史数据库收集的信息，可供操作人员、维护人员和工程师使用，从而制定更好的决策，支持他们提出的关于任何操作参数的假定。（作者：Alex Marcy）