1. 课程导入
在流程工业、离散制造与能源行业中，数据早已不是“附属产物”，而是与设备、工艺、人员同等重要的生产要素。一个中型炼化企业每天产生的过程数据点可达数十万乃至上百万，若缺乏统一的采集、存储、建模与运维体系，这些数据会迅速退化为“沉睡资产”。本课程以 AVEVA PI System（原 OSIsoft PI System）为核心对象，围绕工业数据治理与运维工程展开，帮助学员建立从数据接入、建模、质量管控到长期稳定运行的系统能力。
一、学习目标：从“会用PI”到“会治理PI”
本课程不是单纯的 PI 工具操作课，而是面向工业数据治理与运维工程的能力构建课。完成学习后，学员应达到以下目标：
- 理解定位：能说清 PI System 在工业数据架构中的位置，以及它与 MES、ERP、SCADA、数据中台之间的边界与协作关系。
- 掌握核心对象：熟悉 PI Data Archive、PI Interface、PI Asset Framework（AF）、PI Vision、PI Web API 等组件的职责与数据流。
- 具备治理能力：能设计点位命名规范、位号模型、数据质量规则与权限体系，避免“数据能采不能用”。
- 具备运维能力：能完成接口健康检查、归档管理、备份恢复、性能调优与常见故障排查。
- 形成工程方法：能按“接入—建模—发布—监控—优化”的闭环推进一个 PI 数据治理项目。
二、PI系统在工业数据治理中的定位
工业数据治理通常涉及四层：现场控制层、数据采集层、数据服务层与业务应用层。PI System 的核心价值集中在数据采集层与数据服务层之间，承担“高时效过程数据的统一汇聚与语义化服务”职责。它向下通过 PI Interface 连接 DCS、PLC、SCADA、OPC Server、 historians 与关系数据库；向上通过 AF、PI Vision、PI Web API 向报表、看板、先进控制、机器学习与数据中台提供数据。
需要特别区分的是：PI 不是 MES，不负责工单与批次执行；也不是 ERP，不负责财务与供应链；更不是数据中台，不负责跨域数据资产目录。它的专长是时间序列数据的高压缩存储、快速检索与资产化建模。理解这一边界，才能避免“把 PI 当万能数据库”的常见误区。
三、整体课程框架与学习路径
课程共 30 章，按“认知—建设—治理—运维—进阶”五段递进。前 6 章建立整体认知与基础环境；第 7 至 14 章聚焦数据接入与资产建模；第 15 至 21 章进入数据质量、权限与发布治理；第 22 至 27 章覆盖日常运维、故障排查与性能优化；最后 3 章面向高可用、云化与智能化进阶。
| 阶段 | 章节范围 | 核心任务 | 关键产出 |
|---|---|---|---|
| 认知奠基 | 第 1–6 章 | 理解 PI 定位、组件、许可与基础架构 | 系统架构图、环境清单 |
| 数据接入 | 第 7–14 章 | 接口配置、点位规划、AF 建模 | 接口清单、位号规范、AF 模板 |
| 治理发布 | 第 15–21 章 | 数据质量、权限、可视化与 API 发布 | 质量规则、权限矩阵、发布目录 |
| 运维保障 | 第 22–27 章 | 监控、备份、故障排查、性能调优 | 运维手册、应急预案 |
| 进阶扩展 | 第 28–30 章 | 高可用、云化部署、智能分析集成 | 演进路线图 |
四、典型场景：一个“数据能采不能用”的复盘
某化工厂上线 PI 后，接口运行正常，Data Archive 中已有 80 万点位。但生产部门反馈：想看“常减压装置加热炉出口温度趋势”，却找不到对应位号。排查发现：点位命名采用 FIC101.PV 这类无装置前缀的短名，AF 中也没有建立装置层级，PI Vision 只能按点名搜索。最终团队补建了 AF 模板与命名规范，才让数据可用。
# 典型问题点位命名（缺乏语义）
FIC101.PV
TI205.PV
PIC308.PV
# 治理后命名（装置_单元_位号_参数）
CDU_FURNACE_FIC101_PV
CDU_FURNACE_TI205_PV
CDU_FURNACE_PIC308_PV五、学习方法与建议
- 先建地图：每学一个组件，先画清它在整体架构中的位置与上下游关系。
- 动手验证：在测试环境完成接口配置、AF 建模与 PI Vision 发布，形成最小闭环。
- 以运维视角学习：每配置一个对象，都问“它将来怎么监控、怎么备份、怎么排障”。
- 积累规范：把命名、权限、质量规则沉淀为团队可复用的模板与清单。
接下来，课程将从 PI System 的基本概念与组件构成开始，逐步展开这套体系的完整工程方法。