4. PI数据模型与命名规范
在PI System中，数据模型是治理与运维的“地基”。位号（Tag）不是一串随意字符，而是承载设备、测点、工艺位置、数据来源与语义层级的结构化标识。若命名混乱、类型随意、属性缺失，后续的接口映射、报表开发、资产分析、报警管理和历史数据追溯都会付出高昂代价。本节围绕位号命名规则、数据点类型、属性、模板与层次结构设计，给出可落地的原则与最佳实践。
一、核心原理：PI数据模型是“点—属性—模板—层次”的四层结构
PI数据模型的核心对象是数据点（Point），每个点由点类型（Point Type）定义其属性集合，属性值描述该点的工程单位、量程、数据源、压缩偏差、安全码等。多个点可共享一个模板（Template），模板是点类型的“实例化配置包”，用于批量创建同类设备测点。点与点之间通过层次结构（Hierarchy）组织，常见形式包括设备层级、区域层级、工艺段层级或资产层级。四层结构的关系可概括为：点类型定义“能有什么属性”，模板定义“同类点怎么配”，点实例承载“具体值”，层次结构定义“点在哪里、属于谁”。
二、位号命名规则：可读、可解析、可扩展
位号命名应遵循“结构化、语义化、唯一化”三原则。推荐采用分段式命名，例如：区域-装置-设备类型-序号-测点类型。以某化工厂为例：AR01-R101-PUMP01-VIB 表示“区域01-反应器101-泵01-振动”。这种命名既便于人工识别，也便于脚本解析。命名中应避免空格、中文、特殊符号，统一使用大写字母、数字和短横线或下划线。对于同一设备的不同测点，建议使用标准后缀：.PV（过程值）、.SP（设定值）、.OP（输出值）、.STATUS（状态）、.ALM（报警）。
- 是否包含区域、装置、设备、测点四类信息？
- 是否全局唯一，且不依赖大小写区分？
- 是否避免使用
#、%、空格、中文？ - 是否与DCS/PLC原始位号保持可映射关系？
- 是否预留了扩展段，便于未来增加新测点？
三、数据点类型与属性：选对类型，配好属性
PI中常见点类型包括：Float32（模拟量，如温度、压力、流量）、Float64（高精度模拟量）、Digital（开关量、状态）、String（字符串，如批次号）、Int32（整数计数）。选择点类型时，应优先考虑数据精度、存储成本和接口兼容性。属性配置中，零值（Zero）和量程（Span）决定工程单位换算，压缩偏差（CompDev）影响历史存储密度，数据源（Source）标识采集接口，安全码（Security）控制读写权限。属性缺失会导致报表单位错误、报警阈值失效、历史曲线失真。
| 属性 | 作用 | 常见误区 |
|---|---|---|
| Zero / Span | 工程单位换算与量程映射 | 直接使用原始码值，未配置量程 |
| CompDev | 压缩偏差，控制历史存储精度 | 统一设为0，导致存储爆炸 |
| Source | 标识数据来源接口 | 留空，排障时无法定位 |
| Security | 读写权限控制 | 全部开放，存在误写风险 |
| PointType | 决定属性集合与行为 | 模拟量误用Digital，丢失精度 |
四、模板与层次结构：批量治理的关键抓手
模板是PI数据治理中效率最高的工具之一。对于同类设备（如100台泵），可先定义一个PUMP_TEMPLATE，包含振动、温度、电流、运行状态等标准测点，再通过实例化批量生成。模板应遵循“最小完备”原则：只包含该类设备共有的属性，个性化属性在实例化后单独调整。层次结构设计则应遵循“业务可读、路径稳定、聚合自然”原则。推荐采用“企业—工厂—装置—设备—测点”五级结构，避免层级过深或过浅。层次结构一旦确定，应保持稳定，避免频繁调整导致报表和接口断裂。
# 模板实例化示例（伪代码）
Template: PUMP_TEMPLATE
Attributes:
PointType = Float32
Zero = 0
Span = 100
CompDev = 0.1
Source = OPC_IF_01
Security = ReadOnly
# 实例化
CreatePoint AR01-R101-PUMP01-VIB FROM PUMP_TEMPLATE
CreatePoint AR01-R101-PUMP01-TEMP FROM PUMP_TEMPLATE
CreatePoint AR01-R101-PUMP01-CURRENT FROM PUMP_TEMPLATE
五、案例与复盘：一次命名混乱引发的排障
某项目初期未制定命名规范，位号出现FIC101、FIC_101、FIC-101三种写法，导致接口映射时重复创建点，历史数据被分散存储。排障时无法快速定位同一测点的完整曲线，最终花费两周进行位号清洗与数据合并。复盘结论：命名规范必须在项目启动前冻结，并通过模板和脚本强制执行。另一个常见误区是层次结构“先建后改”，导致上层报表路径全部失效。建议在建模阶段先画出层次结构图，评审通过后再批量创建。
- 命名规范先行，冻结后通过脚本校验。
- 点类型选择以精度和接口兼容为准，不盲目追求高精度。
- 模板覆盖80%共性属性，20%个性属性实例化后调整。
- 层次结构保持稳定，变更需走评审流程。
- 所有点必须配置Source和Security，便于排障与安全控制。
PI数据模型与命名规范不是一次性工作，而是贯穿数据治理全生命周期的持续工程。只有把位号、类型、属性、模板和层次结构统一到一套可执行、可校验、可演进的规则中，后续的接口集成、报表开发、资产分析和智能运维才能建立在可靠的数据底座之上。