1. 跨工厂数据汇聚的挑战与PI System定位

在集团化制造企业中，数据往往不是"没有"，而是"散落在各处、彼此不通"。一个典型的场景是：华东工厂的DCS历史库记录着反应釜温度，华南工厂的SCADA系统保存着包装线节拍，而集团能源管理平台又单独采集了各厂的电表读数。三套数据各自完整，却无法回答一个最简单的问题——"上周三全集团哪条产线单位产品能耗最高"。这正是跨工厂数据汇聚要解决的核心矛盾。

四类典型挑战

数据孤岛是最直观的一层。每个工厂在建设期独立选型，历史数据被锁在各自的实时数据库、关系库甚至Excel台账中。孤岛不仅是物理隔离，更是语义隔离：同一台"1#空压机"，在A厂编码为AC-001，在B厂可能叫KYJ_01，汇聚时必须先解决"这是不是同一个对象"。

异构系统是第二层。底层控制系统品牌众多，OPC DA/UA、Modbus、IEC 104、MQTT、专有API并存；上层应用又可能是MES、EMS、LIMS。数据模型、时间戳精度、量纲单位、采样频率都不一致。例如DCS以秒级采样、工程单位℃，而电表以15分钟为周期、单位kWh，直接拼接会产生严重失真。

网络隔离是第三层，也是最容易被低估的。生产网与办公网之间通常有工业防火墙或单向网闸，跨厂区往往通过专线或VPN互联。这意味着汇聚架构不能假设"任意两点可直连"，必须明确数据流向、穿越边界的位置，以及断线时的缓存与补传策略。

数据一致性是第四层。当同一测点经多条路径到达中心时，需要定义唯一可信源；当网络中断后恢复，需要保证不重不漏；当各厂时钟存在偏差，需要统一到同一时间基准，否则"同一时刻"的对比分析毫无意义。

PI System 的定位：实时数据基础设施

面对上述挑战，PI System 的定位不是"再建一个数据库"，而是充当集团级的实时数据基础设施。它由几个协同工作的组件构成，理解它们的分工比记住产品名更重要。

PI Interface 负责"接入"。它部署在靠近数据源的位置，通过OPC DA/UA、Modbus、RDBMS、CSV等多种协议把工厂侧数据采集上来。关键设计点是：接口应尽量靠近源系统，减少对生产网的侵入；同时支持断点续传，网络恢复后自动补传缓存数据。

PI Data Archive 负责"存储"。它是专为时序数据优化的历史库，采用压缩存储，能长期保存秒级甚至亚秒级数据。它不关心数据的业务含义，只忠实记录"某测点在某时刻的值"。

PI Asset Framework (AF) 负责"建模"。这是解决语义孤岛的核心。AF 用元素模板定义设备类型，用层级结构表达"集团—工厂—产线—设备—测点"的关系，用属性承载测点引用、单位、量纲和计算表达式。当A厂的AC-001和B厂的KYJ_01都被映射到同一个"空压机"模板下，跨厂对比才成为可能。

PI Vision 与 PI Web API 负责"消费"。前者提供可视化看板，后者把数据以REST接口暴露给MES、EMS或自研平台，使PI System成为数据供应链的上游。

汇聚架构的关键设计原则

结合上述组件，跨工厂汇聚架构应遵循几条原则。第一，分层汇聚：先在厂级完成采集与初步建模，再向集团中心汇聚，避免所有接口直连中心造成单点压力。第二，边界清晰：明确哪些数据穿越网闸、以什么频率、走什么协议，并在边界处设置缓冲。第三，语义先行：在AF中先定义统一的资产模板和命名规范，再接入数据，否则后期返工成本极高。第四，时间统一：所有接口和服务器应同步到同一NTP源，时间戳统一为UTC或明确的本地时区，并在AF中记录时区属性。