4. AVEVA资产框架与KPI映射

在AVEVA PI System中，AF（Asset Framework）是连接原始时序数据与业务KPI的中间层。PI Data Archive负责存储位号级的原始测量值，而AF则把这些散落的位号组织成有业务含义的资产对象，并在其上定义属性、计算模板和KPI逻辑。没有AF，KPI只能靠位号名硬编码拼凑；有了AF，KPI就变成资产模型上可复用、可继承、可批量实例化的计算单元。

AF的三层结构：数据库、元素与属性

AF的顶层容器是AF Database，一个数据库通常对应一个工厂或一个业务域。数据库之下是Element（元素），元素是资产的实例化表示，可以嵌套形成层级。例如：华东一厂 → 一号产线 → 灌装工段 → 灌装机A，这就是一条典型的四级元素路径。每个元素由Element Template（元素模板）定义其结构，模板规定了该类型资产应该拥有哪些Attribute（属性）、哪些子元素、以及哪些分析计算。

属性是AF中最小的数据承载单元。属性有三种常见类型：一是PI Point属性，直接绑定到PI Data Archive中的位号，如灌装机A.电机电流绑定位号PL1_FILLER_A_MOTOR_I；二是常量属性，用于存储设备额定参数，如额定产能 = 12000 瓶/小时；三是公式属性，通过表达式引用其他属性，如负载率 = 实际速度 / 额定产能。属性还可以设置UOM（单位）和Data Reference（数据引用），后者决定了该属性如何取值——是直接读位号、做PI计算，还是执行AF Analysis。

从设备到KPI：资产建模的映射逻辑

将生产设备、产线、工段映射为KPI计算对象，核心是回答三个问题：KPI在哪个层级计算？它依赖哪些底层属性？这些属性如何沿层级向上汇总？

以OEE（设备综合效率）为例。OEE = 时间开动率 × 性能开动率 × 合格品率。在AF中，这三个分项不应全部塞进最底层的设备元素，而应按层级拆分：

• 设备层（灌装机A）：计算自身的运行时间、停机时间、实际产量、废品数。这些属性直接绑定该设备的PI位号或由PI Analysis计算得出。
• 工段层（灌装工段）：通过Rollup（汇总）分析，将下属各设备元素的产量、停机时间求和，得到工段级OEE。
• 产线层（一号产线）：再向上汇总灌装、旋盖、贴标等工段的数据，形成产线级KPI。

这种分层映射的好处是：KPI计算逻辑定义在模板上，实例化时自动继承。新增一条产线时，只需基于模板创建元素树并绑定位号，所有KPI分析自动生效，无需重复编写公式。

KPI与资产节点的关联方式

在AF中建立KPI与资产节点的关联，通常有三种手段。第一种是属性直接绑定：KPI本身就是元素的一个属性，通过PI Point Data Reference或Formula Data Reference取值。第二种是AF Analysis：在元素上创建分析，定义输入属性、计算表达式和输出属性，AF引擎按周期执行并将结果写回PI Data Archive或AF属性。第三种是Event Frame：用于捕捉“停机”“换型”“批次”等有开始和结束时间的事件，KPI如MTBF、MTTR就依赖Event Frame的持续时间来计算。

实际工程中，推荐的做法是：在Element Template上定义KPI属性及其Analysis，模板中引用相对路径（如..\ActualSpeed）而非绝对路径。这样当模板被实例化到不同产线时，属性引用自动解析到当前元素的上下文，避免因路径硬编码导致的批量失效。

模板定义与实例化的关键细节

Element Template是AF建模效率的核心。一个设计良好的模板应包含：该类型资产的全部标准属性（含UOM和默认Data Reference）、标准子元素结构、以及标准Analysis。例如“灌装机”模板可以定义属性ActualSpeed、RatedSpeed、RunStatus，并定义AnalysisOEE_Calc，其表达式为：

OEE = (RunTime / PlannedTime) * (ActualSpeed / RatedSpeed) * (GoodCount / TotalCount)

其中RunTime由RunStatus的PI Analysis统计得出，GoodCount和TotalCount绑定到产量位号。模板中所有属性引用使用相对路径，如.\ActualSpeed或..\RatedSpeed，确保实例化后自动指向当前元素上下文。

实例化时，在产线元素下创建子元素并选择对应模板，然后逐一绑定PI Point。绑定完成后，AF Analysis会自动开始计算，KPI属性即可被PI Vision、PI DataLink或第三方看板读取。若某个位号绑定错误，该元素的KPI会显示“Bad”或“No Data”，此时应检查Data Reference配置和位号是否存在。

映射关系的验证与排障

建立映射后，需要验证KPI是否按预期计算。常用方法有三种：一是在AF Client中查看元素的属性值，确认KPI属性有实时数据且数值合理；二是使用PI System Explorer的“Preview Results”功能，查看Analysis的中间计算结果；三是通过PI Vision趋势图对比KPI与底层位号的变化趋势，确认逻辑一致。

常见问题包括：属性引用路径错误导致KPI为“No Data”；PI Point绑定到了错误的位号导致数值异常；Analysis计算周期与数据更新频率不匹配导致KPI滞后。排查时应从底层位号开始逐级向上检查，先确认原始数据正常，再检查Analysis输入属性，最后检查输出属性。

AF资产框架的价值在于把“位号”变成“资产”，把“公式”变成“模板”，把“单点计算”变成“层级汇总”。掌握元素、模板、属性、Analysis和Event Frame这五个核心概念，就能把生产设备、产线和工段稳定地映射为可复用、可维护的KPI计算对象。