1. 课程导入与生产事件全景

在流程工业、电力、油气、制药、水处理等连续生产场景中，每天都有大量来自 DCS、PLC、SCADA、LIMS、MES 以及人工巡检的数据被持续采集。PI System 作为工业数据基础设施，长期承担着"把现场测点变成可查询、可计算、可追溯的时间序列"这一职责。但仅仅把数据存下来并不等于能解释生产现场发生了什么。当一条产线出现批次不合格、能耗异常升高、设备非计划停机或安全联锁触发时，工程师真正需要的不是"某个测点在 14:32 的数值"，而是"这段时间里，哪些事件发生了、它们以什么顺序发生、彼此之间是否存在因果或时间上的关联"。这正是 PI System 事件框架要解决的问题。

所谓事件框架，可以理解为 PI System 中围绕"事件"这一核心对象建立的一套建模、采集、关联、存储与展示机制。它把原本分散在 PI Data Archive 中的连续时间序列、散落在 PI AF 中的资产与属性、以及来自外部系统的报警、工单、批次记录、实验室结果等离散信息，统一组织成"有开始、有结束、有上下文、有归属"的事件对象。事件框架的定位不是替代 PI Data Archive 或 PI AF，而是站在它们之上，提供一层面向业务语义的事件抽象：数据点回答"值是多少"，事件回答"发生了什么、影响谁、持续多久、和什么有关"。

理解事件框架的价值，需要先看清生产事件分析在真实场景中的典型诉求。下面这张图从"数据来源—事件框架—分析输出"三个层次，勾勒出生产事件全景中各要素的位置与流向，帮助建立整体认知。

从图中可以看到，事件框架处在承上启下的位置：向上承接多源异构数据，向下支撑时间线回放、根因分析、KPI 核算与预警闭环。它既不是单纯的报警系统，也不是简单的报表工具，而是把"离散事件"与"连续过程数据"缝合起来的中枢。

生产事件分析的典型行业场景

不同行业对事件分析的具体诉求差异很大，但底层逻辑高度一致。在电力行业，一台机组从"负荷指令变化"到"给煤量调整"再到"主蒸汽温度波动"，往往在几分钟内形成一条事件链，运行人员需要判断哪一步是扰动源、哪一步是响应。在油气管道场景中，负压波报警、阀门动作、流量突变可能同时出现，事件框架可以把 SCADA 报警与 PI 中的压力、流量趋势对齐到同一时间轴，辅助判断是否为真实泄漏。在制药行业，批次记录中的"灭菌温度偏离"事件需要与 PI 中的温度曲线、LIMS 中的无菌检验结果关联，才能完成偏差调查。在水处理厂，加药泵故障事件与出水浊度超标事件之间的时间差，是评估应急响应是否及时的关键依据。

这些场景的共同点是：事件不是孤立的点，而是有上下文、有前后顺序、有资产归属、有业务影响的实体。如果只靠人工在趋势图上"找时间点"，效率低且容易遗漏；如果只靠传统报警列表，又缺少与过程数据的关联。事件框架正是为弥合这一缺口而设计。

课程学习路径

本课程共 30 章，整体按照"认知—建模—采集—关联—分析—落地"的路径展开。前几章先建立事件框架的整体概念与术语体系，明确事件、事件帧、事件属性、事件类型等基本对象；随后进入 PI AF 中的事件定义与触发条件配置，学习如何用分析、通知、属性映射把过程数据转化为事件；再进一步讲解事件与资产、批次、工单的关联方法，以及事件在 PI Vision、PI DataLink、第三方工具中的展示与查询方式；最后通过典型行业案例与排障场景，把前面各章的能力串成完整的分析闭环。

学习过程中建议始终带着一个真实问题：你所在工厂最近一次非计划停机或质量偏差，如果要用事件框架复盘，需要哪些数据、定义哪些事件、关联哪些对象？把这个问题贯穿始终，比单纯记忆配置步骤更有价值。

关键术语速览