2. PI系统基础
在开展PI数据分析与设备KPI工程之前，必须先建立对PI System整体架构的清晰认知。PI System并不是单一软件，而是一套由采集、存储、建模、可视化与开发接口共同组成的工业数据平台。只有理解各组件之间的职责边界与数据流向，才能在后续的KPI计算、设备状态分析和报表开发中做出正确的技术选型。
一、核心组件及其职责
PI System的核心组件可以按“数据从哪里来、存在哪里、如何被理解、如何被使用”四个层次来划分：
- PI Interfaces（接口层）：负责从DCS、PLC、SCADA、OPC服务器、关系数据库或手工录入源采集数据，并将数据写入PI Data Archive。常见接口包括OPC DA/UA接口、PI Modbus接口、PI UFL（通用文件接口）等。接口层解决的是“数据接入”问题。
- PI Data Archive（数据归档层）：是PI System的时间序列数据库核心，以压缩方式存储带时间戳的过程数据。它管理PI Point（位号）、时间戳、质量码和归档文件，是设备KPI计算所需原始数据的最终落点。
- PI Asset Framework（AF，资产建模层）：在Data Archive之上建立设备、工艺单元、管线等资产模型，将位号组织为具有层级关系的资产树，并支持属性、模板、计算分析和事件框架。AF解决的是“数据如何被业务理解”的问题。
- PI Vision（可视化层）：面向浏览器和移动端的可视化工具，基于AF模型和Data Archive数据构建趋势、仪表盘、KPI卡片和报警看板，供运行、设备和管理人员使用。
- PI Web API / PI SDK / AF SDK（开发接口层）：为外部系统、Python脚本、报表平台和自定义应用提供数据访问能力，是KPI工程自动化的关键通道。
二、数据流架构：从现场信号到KPI看板
PI System的数据流遵循“采集—归档—建模—计算—展示”的主线。现场仪表或控制系统产生的信号首先由PI Interface读取，写入PI Data Archive形成时间序列；随后AF通过数据引用（Data Reference）将位号映射为资产属性；AF分析或外部计算引擎基于这些属性计算设备KPI；最终PI Vision或报表工具读取结果并呈现给用户。
三、关键机制：位号、属性与数据引用
理解PI System，必须区分三个容易混淆的概念：
| 概念 | 所在组件 | 作用 | 示例 |
|---|---|---|---|
| PI Point（位号） | PI Data Archive | 存储单个时间序列的物理标签 | FIC101.PV |
| Attribute（属性） | PI Asset Framework | 资产模型上的业务字段，可绑定位号或计算 | 泵A.出口压力 |
| Data Reference（数据引用） | PI Asset Framework | 定义属性如何从DA或其他源取值 | PI Point Data Reference |
在设备KPI工程中，通常先在AF中建立“装置—设备—部件”的资产层级，再为每个设备模板定义KPI属性，例如运行时长、启停次数、平均负荷、能耗单耗等。这些属性通过数据引用绑定到Data Archive中的位号，或通过AF Analytics表达式计算得出。
四、典型场景：泵设备KPI的数据流
以“泵运行时长KPI”为例，完整数据流如下：
- 现场PLC中的泵运行状态信号（0/1）由OPC接口采集，写入PI Data Archive，位号为P101_RUN。
- 在AF中建立“P-101A泵”资产，模板为“离心泵模板”，属性“运行状态”通过PI Point Data Reference绑定到P101_RUN。
- 在AF Analytics中创建分析表达式，按小时统计运行状态为1的累计时长，输出到属性“日运行时长”。
- PI Vision读取AF属性，在设备KPI看板中展示当日运行时长、启停次数和负荷率。
- 外部Python脚本通过PI Web API定期拉取KPI结果，写入企业报表数据库。
关键点：KPI的准确性取决于“位号质量—数据引用—计算表达式—展示口径”四层一致性。任何一层出现偏差，最终看板上的KPI都会失真。
五、常见误区与复盘
误区一：把PI Data Archive当业务数据库用。Data Archive擅长时间序列存储，但不适合复杂关联查询。设备KPI的维度、层级和业务规则应放在AF中建模，而不是在DA中堆砌位号命名。
误区二：跳过AF直接在Vision中拼位号。短期看似快速，长期会导致KPI口径分散、复用困难、设备新增时重复劳动。正确做法是先建AF模板，再批量实例化。
误区三：忽视接口层的数据质量。如果接口采集频率、时间戳对齐或质量码处理不当，后续KPI计算会出现“假停机”“假运行”等问题。建议在接口层配置合理的扫描周期和异常值过滤。
掌握PI System各核心组件的职责与数据流架构，是后续进行设备KPI设计、计算和可视化的基础。在实际项目中，应坚持“接口保采集、归档保存储、AF保建模、Vision保展示、接口层保扩展”的分层原则，让每一类组件只做自己最擅长的事。