Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
El generador de gemelos digitales (versión preliminar) es un elemento Microsoft Fabric para crear escenarios de análisis operativo para operaciones físicas. El generador de gemelos digitales proporciona una experiencia de poco código o sin código que conecta orígenes de datos dispares a través de Fabric y Operaciones de IoT de Azure, compila gemelos digitales y genera información sin aptitudes técnicas especializadas. El personal de operaciones puede explorar gemelos en función de sus relaciones y ejecutar análisis de series temporales dentro de Fabric. Utilice las conclusiones resultantes para reducir los residuos, mejorar el rendimiento, mejorar la seguridad y cumplir los objetivos de sostenibilidad.
Importante
Esta característica se encuentra en versión preliminar.
Este tutorial le guía a través de la creación de una ontología de escenarios en digital twin builder para la empresa ficticia de energía Contoso, Ltd. Abarca el modelado y la contextualización de datos de varios orígenes y finaliza con un informe de Power BI que visualiza los datos.
Prerrequisitos
- Un área de trabajo con una capacidad habilitada para Microsoft Fabric.
- Generador de gemelos digitales (versión preliminar) habilitado en el arrendatario.
Los administradores de Fabric pueden conceder acceso al generador de gemelos digitales en el portal de administración. En la configuración del tenant, habilite Digital Twin Builder (versión preliminar).
El cliente no puede tener habilitada la facturación automática por escalado para Spark, ya que el generador de gemelos digitales no es compatible con esta función. Esta configuración también se administra en el portal de administración.
- La aplicación Power BI Desktop más reciente instalada en el equipo. La parte 5 del tutorial (Crear un informe de Power BI) requiere Power BI Desktop y no funciona con el servicio Power BI en Fabric.
Escenario del tutorial: Destilación de bioetílico Contoso, Ltd.
En este tutorial se incluye la empresa ficticia de energía Contoso, Ltd., un productor de bioetílico que quiere usar el generador de gemelos digitales (versión preliminar) en sus sitios de destilación para mejorar la eficiencia, reducir el consumo de energía y garantizar la calidad del producto.
Contoso, Ltd. se enfrenta a tres desafíos en sus procesos actuales de destilación:
- Eficiencia: Las unidades de destilación existentes no están optimizadas, lo que conduce a tiempos de procesamiento más largos y mayores costos operativos.
- Consumo de energía: La energía necesaria para mantener el proceso de destilación es sustancial, lo que afecta a los objetivos de sostenibilidad.
- Calidad del producto: Las variaciones en los parámetros de proceso dificultan la coherencia de la calidad del producto en diferentes sitios.
Para abordar estos desafíos, Contoso, Ltd. debe:
- Recopile datos y metadatos de varios orígenes, incluidos sensores, sistemas de control y sistemas de administración de información de laboratorio.
- Relaciona los recursos mediante la creación de contexto semántico que representa procesos de gran tamaño y detalles de recursos.
- Ampliar el contexto semántico para tomar decisiones basadas en datos en todos los sitios.
En el diagrama siguiente se muestra cómo se estructura el proceso de destilación contoso, Ltd.
Digital Twin Builder integra y contextualiza los datos de estos orígenes en una vista unificada del proceso de destilación, por lo que Contoso, Ltd. puede optimizar las operaciones, reducir el consumo de energía y mejorar la calidad del producto.
Ontología de ejemplo usada en este tutorial
En este tutorial se usa un subconjunto del proceso de destilación Contoso, Ltd. La siguiente ontología representa ese subconjunto:
Resumen de datos del tutorial
Contoso, Ltd. modela y estandariza los procesos de destilación en 10 sitios del generador de gemelos digitales. Cada sitio es una instancia del tipo de entidad Process .
Orígenes de datos sin procesar usados en este tutorial
Para este tutorial, usará los siguientes orígenes de datos:
| Tipo de dato | Uso |
|---|---|
| Datos de recursos | Definiciones de activos para Destilador, Condensador y Reboiler. Cada uno de esos tipos de entidad tiene 10 instancias definidas en la tabla. |
| Serie temporal | Datos operativos de formato amplio. |
| Solicitudes de mantenimiento | Solicitudes de mantenimiento asociadas a un técnico y equipo concretos. |
| Técnicos | Datos de SAP que detallan técnicos que trabajan en sitios. |
| Datos del proceso de destilación | MES/datos de proceso para múltiples sitios, que contienen horas de inicio y finalización y KPIs de residuos para cada entrada de proceso. Un cliente incluye los datos MES y lo contextualiza con los datos de activos y eventos, con el fin de aislar cada proceso que se produjo. |
Datos de series temporales operativas
A través de un sistema perimetral, Contoso, Ltd. recibe datos de series temporales de sus sitios. Todos los sitios realizan el mismo proceso de destilación, que incluye los siguientes recursos:
-
Destilador: genera datos de serie temporal para
RefluxRatio,MainTowerPressure,FeedFlowRateyFeedTrayTemperature. -
Condensador: genera datos de serie temporal para
Pressure,PoweryTemperature. -
Reboiler: genera datos de serie temporal para
Pressure,InletTemperatureyOutletTemperature.
Estas medidas ayudan a supervisar y controlar el proceso de destilación, lo que garantiza un funcionamiento eficaz y seguro.
Lo que crearás en este tutorial
En este tutorial, usted hará lo siguiente:
- Configure su entorno e implemente un elemento de Digital Twin Builder.
- Cree tipos de entidad y asigne datos de propiedad y series temporales a ellos.
- Defina relaciones semánticas entre tipos de entidad.
- Busque y explore su ontología.
- Cree un informe de Power BI con datos de Digital Twin Builder.
En las imágenes siguientes se muestra el informe de Power BI que se compila en la parte 5 del tutorial.
