4. PI System数据质量监控工具概览
PI System 并不是单一软件，而是一组围绕 PI Data Archive 与 PI Asset Framework（AF）构建的工具集合。做数据质量监控时，最容易犯的错误是“拿一把锤子找所有钉子”——用 PI Vision 做批量修复、用 PI DataLink 做实时告警、用 PI Web API 做人工巡检。要避免这种错配，先要理解每个工具在质量监控链路中的位置：它从哪里取数、以什么粒度呈现、能否写回、适合人看还是适合程序调用。
下面这张图把四类工具放在同一条质量监控链路上，标出它们的取数入口、典型用途和主要局限，可作为选型时的对照参考。
各工具的适用场景与边界
PI System Explorer 是 AF 建模与配置的主入口。质量监控中，它最典型的用途是检查 AF 属性的数据引用是否正确、模板是否统一、计算属性是否因输入坏质量而输出异常。例如某台泵的“运行状态”属性引用了不存在的 Tag，Explorer 中会直接显示配置错误或 Bad 质量。它的优势是能直接修改配置并写回，适合“发现结构性问题—修正配置”的闭环；局限是面向配置而非巡检，逐条查看效率低，不适合每天扫描上千个 Tag。
PI DataLink 把 PI 数据拉进 Excel，适合做离线质量统计。典型用法是用 PICompDat 或 PISampDat 函数取一段时间的数据，再用 Excel 公式统计坏质量占比。例如取某流量计过去 24 小时、5 分钟间隔的采样值，用 COUNTIF 统计质量码为 Bad 的点数，除以总点数得到坏质量率。它适合生成日报、周报和一次性分析，但依赖人工打开 Excel、刷新数据，无法做实时告警，也不适合大规模自动化。
PI Vision 是面向操作与监控的实时画面工具。质量监控中，它擅长把质量状态可视化：用趋势图叠加质量色标，用多状态符号显示“好/坏/不确定”，用表格列出当前坏质量 Tag。值班人员一眼就能看到哪些测点异常。它的局限在于交互式展示为主，批量修复、复杂统计和程序化调用能力弱，不适合作为质量治理的执行工具。
PI Web API 是程序化访问 PI 数据的 REST 接口。质量监控中，它适合做批量巡检和自动化任务：定时调用 /streams/{webId}/value 获取当前值及质量码，或调用 /streamsets 批量取数，把结果写入数据库或触发告警。例如每 15 分钟扫描 500 个关键 Tag，发现 Bad 质量就发邮件。它的优势是灵活、可集成；局限是需要开发与鉴权配置，且写回操作要格外谨慎，必须配合权限与审计。
选型对照与组合策略
| 工具 | 取数方式 | 典型质量监控用途 | 主要局限 |
|---|---|---|---|
| PI System Explorer | AF 配置与属性浏览 | 检查属性引用、模板一致性、配置错误 | 偏配置，不适合高频批量巡检 |
| PI DataLink | Excel 函数取数 | 离线统计坏质量率、生成报表 | 依赖人工刷新，难做实时告警 |
| PI Vision | 实时画面与趋势 | 可视化质量状态、值班监视 | 批量修复与程序化能力弱 |
| PI Web API | REST 接口调用 | 批量巡检、自动化告警、系统集成 | 需开发与鉴权，写回需审计 |
实际工作中，这四类工具通常组合使用：用 PI Web API 做定时批量扫描，发现异常后写入中间表；用 PI Vision 做实时看板供值班人员确认；用 PI DataLink 做周期性质量报表；用 PI System Explorer 做根因配置修复。选型时先问三个问题：是给人看还是给程序用？是实时还是离线？是否需要写回？答案会直接决定工具选择。