3. PI系统基础
PI System 并不是一个单一软件，而是由数据采集、存储、建模、可视化与接口适配等多个组件协同构成的工业数据平台。理解各组件之间的分工与数据流向，是后续开展数据治理与运维工作的前提。本节围绕 PI Data Archive、PI AF、PI Vision、PI Interfaces 与 PI Connectors 五个核心组件展开，梳理它们的职责边界与协作关系。
一、核心原理：从现场信号到业务视图
PI System 的基本工作逻辑可以概括为“采集—存储—建模—呈现”四层链路。现场设备（DCS、PLC、RTU、仪表）产生的过程信号，首先由 PI Interfaces 或 PI Connectors 采集并写入 PI Data Archive；PI Data Archive 以时间序列方式高效存储海量测点数据；PI AF（Asset Framework）在数据之上建立资产模型与计算上下文，把“测点”组织成“设备—单元—装置”的业务结构；PI Vision 则面向最终用户，将数据与模型以趋势、仪表盘、事件画面等形式呈现。
这一链路的关键在于：PI Data Archive 解决“数据存得下、查得快”，PI AF 解决“数据看得懂、有上下文”，PI Vision 解决“数据用得上、能决策”。三者缺一不可，而 Interfaces 与 Connectors 则是数据进入平台的入口。
二、核心组件职责与关键术语
PI Data Archive 是 PI System 的数据存储核心，负责接收、压缩、存储和检索时间序列数据。其基本存储单元是 PI Point（测点），每个 PI Point 包含位号、工程单位、量程、压缩偏差等属性。PI Data Archive 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开销。运维中常关注的参数包括 Archive 文件大小、事件队列长度、快照（Snapshot）更新频率等。
PI AF（Asset Framework）是建立在 PI Data Archive 之上的资产建模层。它通过 Element（元素）、Attribute（属性）、Template（模板）和 Analysis（分析）将测点组织成具有业务含义的层级结构。例如，一个“锅炉”元素可以包含“给水流量”“主蒸汽压力”等属性，属性再绑定到具体的 PI Point。PI AF 还支持计算分析、事件框架和通知，是数据治理中“统一语义”的关键抓手。
PI Vision 是 Web 化的可视化与协作平台，用户可以通过拖拽方式创建趋势图、仪表盘、事件画面和 KPI 卡片。PI Vision 的数据来源既可以是 PI Data Archive 的测点，也可以是 PI AF 的元素属性，因此它天然支持“按设备看数据”的业务视角。
PI Interfaces 与 PI Connectors 是数据接入的两类主要方式。PI Interfaces 是传统接口，通常以 Windows 服务方式运行，支持 OPC DA、OPC HDA、Modbus、SNMP 等协议，配置灵活但需要逐点映射。PI Connectors 是新一代接入组件，面向 OPC UA、PI Web API、关系数据库等现代数据源，支持自动发现和资产层级同步，部署更轻量。两者可以共存，选择时需综合考虑数据源类型、点数规模、运维习惯和授权成本。
| 组件 | 核心职责 | 关键术语 | 运维关注点 |
|---|---|---|---|
| PI Data Archive | 时间序列存储与检索 | PI Point、Snapshot、Archive、压缩偏差 | 磁盘空间、事件队列、备份策略 |
| PI AF | 资产建模与计算上下文 | Element、Attribute、Template、Analysis | 模型一致性、属性绑定、分析性能 |
| PI Vision | 可视化与协作展示 | Display、Trend、Dashboard、Event Frame | 访问权限、显示性能、浏览器兼容 |
| PI Interfaces | 传统协议数据采集 | OPC DA、Modbus、接口实例、点映射 | 服务状态、采集延迟、点表维护 |
| PI Connectors | 现代数据源接入与资产同步 | OPC UA、PI Web API、数据源、资产层级 | 连接健康、同步周期、授权许可 |
三、典型场景：从测点到设备视图
假设某电厂需要监控一台给水泵的运行状态。现场 DCS 提供“给水泵电流”“出口压力”“轴承温度”等信号。运维人员首先通过 PI Interface 或 PI Connector 将这些信号采集到 PI Data Archive，形成若干 PI Point。随后在 PI AF 中创建“给水泵”元素，使用“泵模板”定义属性，并将属性绑定到对应 PI Point。最后在 PI Vision 中创建“给水泵监视画面”，将电流趋势、压力趋势和温度仪表组合展示。这样，操作员看到的不再是零散位号，而是一台完整设备的运行画像。
关键理解：PI Data Archive 管“数据”，PI AF 管“语义”，PI Vision 管“呈现”，Interfaces/Connectors 管“入口”。四者形成从现场到决策的完整链路。
四、常见误区与复盘要点
- 误区一：把 PI AF 当成数据库。PI AF 不存储原始时间序列，它存储的是模型和计算逻辑，原始数据仍在 PI Data Archive 中。
- 误区二：认为 Connectors 可以完全替代 Interfaces。两者面向的数据源和场景不同，传统 OPC DA 场景仍以 Interfaces 为主。
- 误区三：忽视 PI Point 命名规范。测点命名混乱会直接导致 PI AF 建模困难和后续治理成本上升。
- 误区四：只关注采集不关注压缩。压缩偏差设置不当会造成趋势失真或存储膨胀，需结合工艺精度要求调整。
运维建议：上线初期就应建立 PI Point 命名规范、PI AF 模板标准和 PI Vision 画面命名规则，这三项是后续数据治理能否顺利推进的基础。
# 典型 PI Data Archive 测点属性示例
Tag: PUMP01_CURRENT
PointSource: OPC
PointType: Float32
EngUnits: A
Zero: 0
Span: 500
CompDev: 0.5
Location1: 1
Location2: 0
Descriptor: 给水泵01电流