Självstudie om digital tvillingbyggare (förhandsversion): Introduktion

Digital twin builder (förhandsversion) är ett Microsoft Fabric objekt för att skapa driftanalysscenarier för fysiska åtgärder. Digital twin builder ger en upplevelse med låg kod/ingen kod som ansluter olika datakällor via Fabric och Azure IoT Operations, skapar digitala tvillingar och genererar insikter utan särskilda tekniska kunskaper. Driftpersonal kan utforska tvillingar baserat på deras relationer och köra tidsserieanalyser inom Fabric. Använd de insikter som blir resultatet för att minska avfallet, förbättra avkastningen, förbättra säkerheten och uppfylla hållbarhetsmålen.

Viktigt!

Den här funktionen är i förhandsversion.

Den här självstudien beskriver hur du skapar ett scenario med ontologi i digital tvillingbyggare för det fiktiva energiföretaget Contoso, Ltd. Den omfattar modellering och kontextualisering av data från flera källor och avslutas med en Power BI rapport som visualiserar data.

Förutsättningar

  • Den senaste Power BI Desktop-appen installerad på datorn. Självstudiekurs del 5 (Skapa en Power BI-rapport) kräver Power BI Desktop och fungerar inte med Power BI-tjänsten i Fabric.

Självstudiescenario: Contoso, Ltd. bioetanoldestillation

Den här självstudien handlar om det fiktiva energiföretaget Contoso, Ltd., en bioetanolproducent som vill använda Digital Twin Builder (förhandsversion) vid sina destillationsanläggningar för att förbättra effektiviteten, minska energiförbrukningen och säkerställa produktkvalitet.

Contoso, Ltd står inför tre utmaningar i sina nuvarande destillationsprocesser:

  • Effektivitet: Befintliga destillationsenheter är inte optimerade, vilket leder till längre bearbetningstider och högre driftskostnader.
  • Energiförbrukning: Den energi som krävs för att underhålla destillationsprocessen är betydande, vilket påverkar hållbarhetsmålen.
  • Produktkvalitet: Variationer i processparametrar gör det svårt att säkerställa konsekvent produktkvalitet på olika platser.

För att hantera dessa utmaningar måste Contoso, Ltd.:

  • Samla in data och metadata från flera källor, inklusive sensorer, kontrollsystem och laboratorieinformationshanteringssystem.
  • Relatera tillgångar genom att skapa semantisk kontext som representerar stora processer och tillgångsinformation.
  • Skala semantisk kontext för att fatta datadrivna beslut på olika platser.

Följande diagram visar hur Contoso, Ltd. destillationsprocessen är strukturerad:

Diagram som visar strukturen för Contoso, Ltd:s destillationsprocess över platser, inklusive destilleringstillgångarna Distiller, Condenser och Reboiler och deras dataflöden.

Digital Twin Builder integrerar och kontextualiserar data från dessa källor till en enhetlig vy över destillationsprocessen, så att Contoso, Ltd. kan optimera driften, minska energiförbrukningen och förbättra produktkvaliteten.

Exempel på ontologi som används i den här självstudien

Den här självstudien använder en del av Contoso, Ltd.:s destilleringsprocess. Följande ontologi representerar den delmängden:

Diagram som visar Contoso, Ltd. destillationsprocessen som representeras som en ontologi, med entitetstyper som Process, Distiller, Condenser och Reboiler och de semantiska relationerna mellan dem.

Sammanfattning av handledningens data

Contoso, Ltd. modellerar och standardiserar destillationsprocesser på 10 platser i Digital Twin Builder. Varje plats är en instans av entitetstypen Process .

Rådatakällor som används i den här självstudiekursen

I den här självstudien använder du följande datakällor:

Datatyp Användning
Tillgångsdata Tillgångsdefinitioner för Distiller, Condenser och Reboiler. Var och en av dessa entitetstyper har 10 instanser definierade i tabellen.
Tidsserier Bredformaterade driftdata.
Underhållsbegäranden Underhållsbegäranden som är kopplade till en viss tekniker och utrustning.
Tekniker SAP-data som beskriver tekniker som arbetar på platser.
Destillationsprocessens data MES/processdata för flera platser, som innehåller start- och sluttider och slösar bort KPI:er för varje processpost. En kund tar in MES-data och kontextualiserar dem med tillgångs- och händelsedata för att isolera varje process som inträffade.

Tidsseriedata för drift

Via ett gränssystem tar Contoso, Ltd. emot tidsseriedata från sina platser. Alla platser utför samma destillationsprocess, vilket omfattar följande tillgångar:

  • Distiller: Producerar tidsseriedata för RefluxRatio, MainTowerPressure, FeedFlowRateoch FeedTrayTemperature.
  • Kondensator: Genererar tidsseriedata för Pressure, Poweroch Temperature.
  • Reboiler: Genererar tidsseriedata för Pressure, InletTemperatureoch OutletTemperature.

Dessa mätningar hjälper till att övervaka och kontrollera destillationsprocessen, vilket säkerställer effektiv och säker drift.

Det du skapar i den här självstudien

I den här handledningen kommer du att:

  • Konfigurera din miljö och distribuera ett digital twin builder-objekt.
  • Skapa entitetstyper och mappa egenskaps- och tidsseriedata till dem.
  • Definiera semantiska relationer mellan entitetstyper.
  • Sök och utforska din ontologi.
  • Skapa en Power BI-rapport med data från Digital Twins-byggaren.

Följande bilder visar den Power BI rapport som du skapar i självstudien del 5.

Power BI-reportsida 1, som visar detaljer om kondensortillgången över tid.

Power BI rapportsida 2, som visar relationsinstansdata för underhållsbeställningar.

Nästa steg

Självstudie del 1: Konfigurera resurser

  • Last updated on