1. 课程导入与PI System全景认知

在流程工业中，DCS、SCADA、PLC 每秒都在产生海量过程数据，但这些数据往往散落在不同系统、不同历史库中，形成"数据孤岛"。PI System（Plant Information System）正是为解决这一问题而生的工业数据基础设施：它把全厂分散的实时与历史数据统一采集、长期归档，并在此基础上提供资产建模、可视化分析与接口服务，让"实时监控"和"运营分析"真正落到同一套数据底座上。

理解 PI System，关键是理解它不是一个软件，而是一组协同工作的组件。下面这张全景图展示了各核心组件之间的数据流向与职责分工。

从图中可以看到，PI System 的数据流是一条清晰的链路：现场数据源 → PI Interface 采集 → PI Data Archive 归档 → PI AF 建模 → PI Vision / PI Web API 消费。每一层都有明确的职责，缺一不可。

核心组件逐一认识

PI Data Archive 是整个体系的"数据心脏"。它以 PI Point（位号）为基本单位存储时序数据，每个位号包含时间戳、数值和质量码。它采用专有的旋转门压缩算法，在保证趋势精度的前提下大幅降低存储量。例如一个以 1 秒为采集周期的温度位号，一天产生 86400 个原始值，经过压缩后实际存储点数可能只有几千个，但趋势曲线几乎看不出差异。理解"压缩"与"精度"的平衡，是后续做数据分析和报表时的重要基础。

PI AF（PI Asset Framework） 解决的是"数据有含义"的问题。PI Data Archive 里只有位号，比如 TIC101.PV，但工程师关心的是"1号反应器出口温度"。PI AF 通过元素（Element）、模板（Template）、属性（Attribute）把位号组织成与现场设备一致的层级结构，并支持在属性上定义计算表达式。例如可以定义一个"反应器效率"属性，其表达式引用入口流量、出口流量和温度位号，AF 会自动计算并缓存结果。这样，上层应用拿到的就不再是裸数据，而是带业务语义的资产模型。

PI Vision 是面向最终用户的实时监控与可视化工具。它基于浏览器运行，用户可以通过拖拽方式把趋势图、仪表盘、报警列表、KPI 卡片等组件组合成监控画面。与传统的组态软件不同，PI Vision 的画面直接绑定 AF 模型，当设备位号或层级调整时，画面可以自动适配，大大降低了维护成本。

PI Web API 是 PI System 对外的数据服务接口。它把 PI Data Archive 和 PI AF 中的数据以 RESTful 方式暴露出来，支持 JSON 格式的读写。这意味着 MES、ERP、报表平台、移动应用甚至 Python 数据分析脚本，都可以通过 HTTP 请求获取 PI 数据，而不需要安装专用的客户端软件。例如，一个简单的 GET 请求就可以获取某个位号在过去 8 小时内的插值数据，用于生成班次报表。

典型应用场景

PI System 在工厂中的价值，通常体现在以下几类场景中：

• 实时监控与报警管理：操作人员通过 PI Vision 画面实时查看关键工艺参数，结合报警状态快速判断工况。
• 历史趋势追溯与故障分析：当发生非计划停车或质量波动时，工程师调取相关位号的历史趋势，对比分析异常发生前后的参数变化。
• KPI 计算与运营报表：基于 AF 计算属性，自动生成班次、日、月的产量、能耗、收率等指标，替代人工抄表与 Excel 汇总。
• 系统集成与数据服务：通过 PI Web API 把实时数据推送到 MES、ERP 或数据中台，支撑更上层的排产优化与经营分析。

学习路径建议

本课程后续章节将沿着"数据采集 → 归档存储 → 资产建模 → 可视化 → 接口集成 → 运营分析"的主线逐步展开。建议的学习顺序是：先理解 PI Data Archive 的位号与归档机制，再掌握 PI AF 的建模方法，然后学习 PI Vision 的画面组态，最后通过 PI Web API 完成与外部系统的集成。每一部分都会结合实际工厂场景中的参数与操作过程，帮助你把工具能力转化为解决实际问题的能力。