บทช่วยสอนสําหรับตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง): บทนํา

ตัวสร้างฝาแฝดดิจิทัล (พรีวิว) เป็นรายการ Microsoft Fabric สําหรับการสร้างสถานการณ์การวิเคราะห์การดําเนินงานสําหรับการดําเนินงานทางกายภาพ ตัวสร้างฝาแฝดดิจิทัลมอบประสบการณ์แบบ low-code/no-code ที่เชื่อมต่อแหล่งข้อมูลที่แตกต่างกันผ่าน Fabric และ Azure IoT Operations สร้างฝาแฝดดิจิทัล และสร้างข้อมูลเชิงลึกโดยไม่ต้องมีทักษะทางเทคนิคเฉพาะทาง เจ้าหน้าที่ฝ่ายปฏิบัติการสามารถสํารวจฝาแฝดตามความสัมพันธ์และเรียกใช้การวิเคราะห์อนุกรมเวลาภายใน Fabric ใช้ข้อมูลเชิงลึกที่ได้เพื่อลดของเสีย ปรับปรุงผลผลิต เพิ่มความปลอดภัย และบรรลุเป้าหมายด้านความยั่งยืน

บทช่วยสอนนี้จะแนะนําคุณเกี่ยวกับการสร้างออนโทโลยีสถานการณ์ในตัวสร้างฝาแฝดดิจิทัลสําหรับบริษัทพลังงานสมมติ Contoso, Ltd. ครอบคลุมการสร้างแบบจําลองและบริบทของข้อมูลจากหลายแหล่ง และจบลงด้วยรายงาน Power BI ที่แสดงภาพข้อมูล

ข้อกําหนดเบื้องต้น

• พื้นที่ทํางาน ที่มีความจุ ที่เปิดใช้งาน Microsoft Fabric
• ตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง) เปิดใช้งานบนผู้เช่าของคุณ

  • ผู้ดูแลระบบผ้า สามารถให้สิทธิ์เข้าถึงตัวสร้าง Twin แบบดิจิทัลใน พอร์ทัลผู้ดูแลระบบได้ ใน การตั้งค่าผู้เช่า ให้เปิดใช้งาน Digital Twin Builder (ตัวอย่าง)

    

  • ผู้เช่าไม่สามารถเปิดใช้งาน การเรียกเก็บเงินการปรับขนาดอัตโนมัติสําหรับ Spark เนื่องจากตัวสร้างคู่แบบดิจิทัลไม่สามารถใช้งานได้ การตั้งค่านี้ยังได้รับการจัดการในพอร์ทัลผู้ดูแลระบบ

• แอป Power BI Desktop ล่าสุดที่ติดตั้งบนเครื่องของคุณ บทช่วยสอนส่วนที่ 5 (สร้างรายงาน Power BI) ต้องใช้ Power BI เดสก์ท็อป และ doesn't ทํางานกับ บริการของ Power BI ใน Fabric

สถานการณ์การสอน: Contoso, Ltd. การกลั่นไบโอเอทานอล

บทช่วยสอนนี้นําเสนอบริษัทพลังงานสมมติ Contoso, Ltd. ซึ่งเป็นผู้ผลิตไบโอเอทานอลที่ต้องการใช้ตัวสร้างฝาแฝดดิจิทัล (ตัวอย่าง) ในไซต์การกลั่นเพื่อปรับปรุงประสิทธิภาพ ลดการใช้พลังงาน และรับประกันคุณภาพของผลิตภัณฑ์

Contoso, Ltd. เผชิญกับความท้าทายสามประการในกระบวนการกลั่นในปัจจุบัน:

• อย่างมีประสิทธิภาพ: หน่วยกลั่นที่มีอยู่ไม่ได้รับการปรับให้เหมาะสม ซึ่งนําไปสู่เวลาในการดําเนินการนานขึ้นและต้นทุนการดําเนินงานที่สูงขึ้น
• การใช้พลังงาน: พลังงานที่จําเป็นในการรักษากระบวนการกลั่นมีจํานวนมาก ซึ่งส่งผลต่อเป้าหมายด้านความยั่งยืน
• คุณภาพของผลิตภัณฑ์: การเปลี่ยนแปลงของพารามิเตอร์กระบวนการทําให้ยากต่อการรับรองคุณภาพของผลิตภัณฑ์ที่สอดคล้องกันในไซต์งานต่างๆ

เพื่อจัดการกับความท้าทายเหล่านี้ Contoso, Ltd. จําเป็นต้อง:

• รวบรวมข้อมูลและเมตาดาต้าจากแหล่งข้อมูลหลายแหล่ง รวมถึงเซนเซอร์ ระบบควบคุม และระบบการจัดการข้อมูลในห้องปฏิบัติการ
• เชื่อมโยงสินทรัพย์โดยการสร้างบริบทเชิงความหมายที่แสดงถึงกระบวนการขนาดใหญ่และรายละเอียดสินทรัพย์
• ปรับมาตราส่วนบริบทความหมายเพื่อทําการตัดสินใจที่มีข้อมูลสนับสนุนทั่วทั้งไซต์

แผนภาพต่อไปนี้แสดงโครงสร้างกระบวนการกลั่นของ Contoso, Ltd.

ตัวสร้างฝาแฝดดิจิทัลผสานรวมและปรับบริบทของข้อมูลจากแหล่งเหล่านี้ให้เป็นมุมมองแบบครบวงจรของกระบวนการกลั่น เพื่อให้ Contoso, Ltd. สามารถเพิ่มประสิทธิภาพการดําเนินงาน ลดการใช้พลังงาน และปรับปรุงคุณภาพของผลิตภัณฑ์

ตัวอย่างออนโทโลยีที่ใช้ในบทช่วยสอนนี้

บทช่วยสอนนี้ใช้ชุดย่อยของกระบวนการกลั่น Contoso, Ltd. ออนโทโลยีต่อไปนี้แสดงถึงชุดย่อยนั้น:

สรุปข้อมูลบทช่วยสอน

Contoso, Ltd. สร้างแบบจําลองและสร้างมาตรฐานกระบวนการกลั่นใน 10 ไซต์ในเครื่องมือสร้างฝาแฝดดิจิทัล แต่ละไซต์เป็นอินสแตนซ์ของชนิดเอนทิตี กระบวนการ

แหล่งข้อมูลดิบที่ใช้ในบทแนะนําสอนการใช้งานนี้

สําหรับบทช่วยสอนนี้ คุณใช้แหล่งข้อมูลต่อไปนี้:

ข้อมูลอนุกรมเวลาปฏิบัติงาน

ผ่านระบบเอดจ์ Contoso, Ltd. ได้รับข้อมูลอนุกรมเวลาจากไซต์ของตน ไซต์ทั้งหมดดําเนินการตามกระบวนการกลั่นเดียวกัน ซึ่งรวมถึงสินทรัพย์ต่อไปนี้:

• เครื่องกลั่น: สร้างข้อมูลชุดข้อมูลเวลาสําหรับRefluxRatioMainTowerPressure, FeedFlowRate, และFeedTrayTemperature
• ตัวควบแน่น: สร้างข้อมูลชุดข้อมูลเวลาสําหรับ Pressure, PowerและTemperature
• Reboiler: สร้างข้อมูลชุดข้อมูลเวลาสําหรับ Pressure, InletTemperatureและOutletTemperature

การวัดค่าเหล่านี้ช่วยในการตรวจสอบและควบคุมกระบวนการกลั่นเพื่อให้มั่นใจถึงการทํางานที่มีประสิทธิภาพและปลอดภัย

สิ่งที่คุณสร้างในบทช่วยสอนนี้

ในบทช่วยสอนนี้ คุณ:

รูปภาพต่อไปนี้แสดงรายงาน Power BI ที่คุณสร้างขึ้นในบทช่วยสอนส่วนที่ 5

รายงาน Power BI หน้า 1 แสดงรายละเอียดสินทรัพย์คอนเดนเซอร์เมื่อเวลาผ่านไป

รายงาน Power BI หน้า 2 แสดงข้อมูลอินสแตนซ์ความสัมพันธ์สําหรับใบสั่งบํารุงรักษา

ขั้นตอนถัดไป