📚 课程目录第1章课程导入与平台定位

1. 课程导入与平台定位

在工业现场，设备状态监测系统往往并不缺“数据”：DCS、PLC、振动保护系统、电能管理、油液分析、红外测温、巡检终端都在持续产生数据。真正困难的是——这些数据分散在不同系统、不同时间尺度、不同命名规则中，无法形成一条可追溯的设备状态证据链。PI System（Plant Information System，工厂信息管理系统）正是为解决这一问题而存在的基础数据平台：它把来自多源、异构、跨时间尺度的实时与历史数据统一采集、归档、计算与发布，使设备状态监测从“看单点报警”走向“看趋势、看关联、看劣化过程”。

一、PI System 在运维数据平台中的角色

可以把设备状态监测与运维数据平台理解为一个分层结构：最底层是现场仪表与控制系统，中间层是数据采集与归档，上层是状态评估、预警与运维决策。PI System 处于中间层，承担“数据中枢”的角色，而不是替代 DCS 或振动保护系统。它的核心价值体现在四个方面：

统一时间基准：所有测点数据带时间戳归档，支持跨系统对齐，例如把振动通频值、轴承温度、负荷电流放在同一时间轴上比对。
高压缩比历史存储：PI Data Archive 采用旋转门压缩（Swinging Door）等算法，在保留趋势特征的前提下大幅降低存储成本，使秒级、分钟级数据可长期保存。
资产化组织：通过 PI AF（Asset Framework）把测点按“装置—机组—部件—测点”的层级组织，形成与设备台账一致的资产模型。
计算与发布：PI Asset Analytics、PI Vision、PI Web API 等组件把原始数据加工为状态指标、事件与可视化画面，供运行、点检、诊断人员使用。

因此，PI System 的定位可以概括为：设备状态的“数据底座”与“证据链平台”。它不直接给出“设备是否故障”的结论，但提供做出结论所需的完整、可信、可回溯的数据基础。

二、典型应用场景

PI System 在设备状态监测中的典型场景，通常围绕“趋势比对、阈值预警、事件回溯、跨专业关联”展开。举一个具体例子：某化工厂循环水泵机组，测点包括驱动端振动通频值（mm/s）、非驱动端轴承温度（℃）、电机电流（A）、出口压力（MPa）。在 PI AF 中建立“循环水泵 P-101A”元素，下设“电机”“泵体”“轴承”子元素，各测点作为属性挂接。通过 Asset Analytics 配置一条计算：当振动通频值在 30 分钟内从 2.8 mm/s 上升至 4.5 mm/s，且轴承温度同步上升超过 5℃，则触发“振动温升联合预警”事件。运行人员在 PI Vision 趋势画面上即可看到两条曲线同步抬升，并回溯到具体时间点，判断是联轴器对中问题还是润滑不良。

这类场景的价值在于：单看振动值 4.5 mm/s 可能仍在报警阈值以下，但结合温升趋势与时间关联，就能提前发现劣化征兆。PI System 提供的正是这种“多测点、同时间轴、可回溯”的分析能力。

三、整体学习路径

本课程后续内容将按“数据接入—资产建模—计算分析—可视化—运维闭环”的主线展开。学习时建议把握三条线索：

数据线：理解 PI Interface 如何把 OPC、Modbus、CSV 等数据接入 PI Data Archive，掌握时间戳、压缩、回填等基本概念。
模型线：掌握 PI AF 的元素模板、属性、层级关系，把测点组织成与设备台账一致的资产结构。
应用线：学会用 Asset Analytics 编写状态计算与事件，用 PI Vision 搭建状态监测画面，并让预警结果进入检修工单流程。

学习建议：每学一个组件，都回到“它解决设备状态监测中的哪个具体问题”来理解。例如 PI AF 解决的是“测点与设备对应关系混乱”的问题，Asset Analytics 解决的是“人工判断趋势效率低”的问题。带着问题学，比记功能清单更有效。

四、一个可执行的最小示例

为了便于后续章节衔接，这里给出一个最小可执行示例的配置思路（参数为教学示例，非现场实测值）：

PI AF 元素：P-101A 循环水泵
  属性：
    VIB_DE      = \\PISERVER\VIB_P101A_DE.PV    单位 mm/s
    TEMP_NDE    = \\PISERVER\TEMP_P101A_NDE.PV  单位 ℃
    CURRENT     = \\PISERVER\CUR_P101A.PV       单位 A
    PRESS_OUT   = \\PISERVER\PRESS_P101A.PV     单位 MPa

Asset Analytics 计算（示例）：
  变量 V1 = 'VIB_DE'，采样周期 1 min
  变量 T1 = 'TEMP_NDE'，采样周期 1 min
  条件：V1 在 30 min 内增量 >= 1.5 mm/s
        且 T1 在 30 min 内增量 >= 5 ℃
  动作：生成事件 "P-101A 振动温升联合预警"，写入 PI AF 事件框架

配置完成后，在 PI Vision 中建立趋势画面，把 VIB_DE 与 TEMP_NDE 放在同一时间轴，设置 30 分钟滚动窗口。当事件触发时，画面上会出现事件标记，点击可查看触发时刻的测点值与持续时间。判断依据是：若振动上升伴随温度上升，优先排查润滑与对中；若振动上升而温度平稳，则更倾向不平衡或松动。这个示例贯穿了采集、建模、计算、可视化四个环节，也是本课程后续章节反复使用的分析框架。

需要强调的是，PI System 本身不替代振动分析仪、油液检测或红外诊断，它做的是把这些专业数据统一到同一时间与资产维度下，让诊断人员能够快速调取证据、比对历史、形成结论。理解这一边界，才能在实际项目中合理设计数据接入范围与平台功能。