Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Digital tvillingbygger (forhåndsvisning) er et Microsoft Fabric element for å bygge operasjonelle analysescenarier for fysiske operasjoner. Digital twin builder gir en low-code/no-code-opplevelse som kobler sammen ulike datakilder gjennom Fabric og Azure IoT Operations, bygger digitale tvillinger og genererer innsikt uten spesialiserte tekniske ferdigheter. Driftsansatte kan utforske tvillinger basert på deres relasjoner og kjøre tidsserieanalyser i Fabric. Bruk de resulterende innsiktene til å redusere avfall, øke avlingen, øke sikkerheten og nå bærekraftsmål.
Viktig!
Denne funksjonen er i forhåndsversjon.
Denne veiledningen guider deg gjennom å bygge en scenarioontologi i Digital Twin Builder for det fiktive energiselskapet Contoso, Ltd. Den dekker modellering og kontekstualisering av data fra flere kilder, og avsluttes med en Power BI-rapport som visualiserer dataene.
Forutsetninger
- Et arbeidsområde med en Microsoft Fabric-aktivert -kapasitet.
- Digital twin builder (forhåndsvisning) aktivert på leieren.
Fabric-administratorer kan gi tilgang til digital twin builder i administrasjonsportalen. Aktiver Digital Twin Builder (forhåndsversjon) i leierinnstillingene.
Leieren kan ikke aktivere autoskalafakturering for Spark , siden digital twin builder ikke er kompatibel med den. Denne innstillingen administreres også i administrasjonsportalen.
- Den nyeste appen Power BI Desktop installert på maskinen din. Veiledning del 5 (Lag en Power BI rapport) krever Power BI Desktop og doesn't fungerer med Power Bi-tjeneste i Fabric.
Opplæringsscenario: Contoso, Ltd. bioetanoldestillasjon
Denne veiledningen presenterer det fiktive energiselskapet Contoso, Ltd., en bioetanolprodusent som ønsker å bruke digital twin builder (forhåndsvisning) på sine destillasjonsanlegg for å forbedre effektiviteten, redusere energiforbruket og sikre produktkvalitet.
Contoso, Ltd. står overfor tre utfordringer i sine nåværende destillasjonsprosesser:
- Effektivitet: Eksisterende destillasjonsenheter er ikke optimalisert, noe som fører til lengre behandlingstider og høyere driftskostnader.
- Energiforbruk: Energien som kreves for å opprettholde destillasjonsprosessen er betydelig, noe som påvirker bærekraftsmålene.
- Produktkvalitet: Variasjoner i prosessparametere gjør det vanskelig å sikre ensartet produktkvalitet på tvers av ulike steder.
For å møte disse utfordringene må Contoso, Ltd.:
- Samle inn data og metadata fra flere kilder, inkludert sensorer, kontrollsystemer og systemer for administrasjon av laboratorieinformasjon.
- Relatere eiendeler ved å skape semantisk kontekst som representerer store prosesser og eiendelsdetaljer.
- Skaler semantisk kontekst for å ta datadrevne beslutninger på tvers av områder.
Følgende diagram viser hvordan Destillasjonsprosessen for Contoso, Ltd. er strukturert:
Digital twin builder integrerer og kontekstualiserer data fra disse kildene til et samlet bilde av destillasjonsprosessen, slik at Contoso, Ltd. kan optimalisere driften, redusere energiforbruket og forbedre produktkvaliteten.
Eksempelontologi brukt i denne veiledningen
Denne veiledningen bruker en delmengde av Contoso, Ltd.s destillasjonsprosess. Følgende ontologi representerer denne delmengden:
Sammendrag av veiledningsdata
Contoso, Ltd. modellerer og standardiserer destillasjonsprosesser på tvers av 10 steder i Digital Twin Builder. Hvert sted er en instans av Prosess-entitetstypen.
Rådatakilder brukt i denne veiledningen
For denne opplæringen bruker du følgende datakilder:
| Datatype | Bruk |
|---|---|
| Aktivadata | Aktivadefinisjoner for Destiller, Condenser og Reboiler. Hver av disse enhetstypene har 10 forekomster definert i tabellen. |
| Tidsserie | Bredformaterte driftsdata. |
| Meldinger | Vedlikeholdsforespørsler knyttet til en bestemt tekniker og utstyr. |
| Teknikere | SAP-data som beskriver teknikere som arbeider på områder. |
| Destillasjonsprosessdata | MES/ prosessdata for flere områder, som inneholder start- og sluttidspunkt og avfalls-KPI-er for hver prosessoppføring. En kunde henter inn MES-dataene og kontekstualiserer dem med aktiva- og hendelsesdata for å isolere hver prosess som oppstod. |
Operasjonelle tidsseriedata
Gjennom et edge-system mottar Contoso, Ltd. tidsseriedata fra sine nettsteder. Alle stedene utfører samme destillasjonsprosess, som inkluderer følgende eiendeler:
-
Destiller: Produserer tidsseriedata for
RefluxRatio,MainTowerPressure,FeedFlowRateogFeedTrayTemperature. -
Kondensator: Produserer tidsseriedata for
Pressure,PowerogTemperature. -
Reboiler: Produserer tidsseriedata for
Pressure,InletTemperatureogOutletTemperature.
Disse målingene bidrar til å overvåke og kontrollere destillasjonsprosessen, noe som sikrer effektiv og sikker drift.
Hva du bygger i denne veiledningen
I denne opplæringen:
- Sett opp miljøet ditt og bruk en digital tvillingbygger-gjenstand.
- Lag entitetstyper, og kartlegg egenskaps- og tidsseriedata til dem.
- Definer semantiske relasjoner mellom entitetstyper.
- Søk og utforsk ontologien din.
- Lag en Power BI-rapport med data fra digital twin builder.
Følgende bilder viser Power BI-rapporten du bygger i veiledning del 5.
Power BI rapportside 1, som viser kondensator-aktivadetaljer over tid.
Power BI rapportside 2, som viser relasjonsinstansdata for vedlikeholdsordre.