Handleiding voor Digitale Tweelingbouwer (preview): Inleiding

Digital Twin Builder (preview) is een Microsoft Fabric-item voor het bouwen van operationele analysescenario's voor fysieke bewerkingen. Digital Twin Builder biedt een ervaring met weinig code/geen code die verschillende gegevensbronnen verbindt via Fabric en Azure IoT-bewerkingen, digitale dubbels bouwt en inzichten genereert zonder gespecialiseerde technische vaardigheden. Operationele medewerkers kunnen digitale tweelingen verkennen op basis van hun onderlinge relaties en tijdreeksanalyses uitvoeren in Fabric. Gebruik de resulterende inzichten om afval te verminderen, opbrengst te verbeteren, veiligheid te verbeteren en te voldoen aan duurzaamheidsdoelen.

Belangrijk

Deze functie is beschikbaar als preview-versie.

Deze zelfstudie begeleidt u bij het bouwen van een scenario ontologie in digital twin builder voor het fictieve energiebedrijf Contoso, Ltd. Het behandelt het modelleren en contextualiseren van gegevens uit meerdere bronnen en eindigt met een Power BI rapport waarmee de gegevens worden gevisualiseerd.

Vereiste voorwaarden

• Een werkruimte met een Microsoft Fabric-ingeschakelde capaciteit.
• Digital Twin Builder (preview) ingeschakeld voor uw tenant.

  • Fabric-beheerders kunnen in de beheerportal toegang verlenen tot digital twin builder. Schakel Digital Twin Builder (preview) in de tenantinstellingen in.

    

  • De huurder kan automatische schaalaanpassing voor Spark niet hebben ingeschakeld, omdat de digitale tweelingbouwer niet compatibel ermee is. Deze instelling wordt ook beheerd in de beheerportal.

• De nieuwste Power BI Desktop-app die op uw computer is geïnstalleerd. Zelfstudie, deel 5 (Een Power BI-rapport maken) vereist Power BI Desktop en werkt niet met de Power BI-service in Fabric.

Zelfstudiescenario: Contoso, Ltd. destillatie van bio-ethanol

Deze zelfstudie gaat over het fictieve energiebedrijf Contoso, Ltd., een producent van bio-ethanol dat digital twin builder (preview) wil gebruiken op zijn distillatielocaties om de efficiëntie te verbeteren, het energieverbruik te verlagen en de productkwaliteit te waarborgen.

Contoso, Ltd. ondervindt drie uitdagingen in zijn huidige distillatieprocessen:

• Efficiëntie: Bestaande distillatie-eenheden zijn niet geoptimaliseerd, wat leidt tot langere verwerkingstijden en hogere operationele kosten.
• Energieverbruik: De energie die nodig is om het distillatieproces te handhaven, is aanzienlijk, wat van invloed is op duurzaamheidsdoelstellingen.
• Productkwaliteit: Variaties in procesparameters maken het moeilijk om consistente productkwaliteit op verschillende sites te garanderen.

Om deze uitdagingen aan te pakken, moet Contoso, Ltd. het volgende doen:

• Verzamel gegevens en metagegevens uit meerdere bronnen, waaronder sensoren, besturingssystemen en laboratoriuminformatiebeheersystemen.
• Koppel assets door een semantische context te creëren die omvangrijke processen en assetgegevens vertegenwoordigt.
• Schaal de semantische context om gegevensgestuurde beslissingen te nemen op alle sites.

In het volgende diagram ziet u hoe het distillatieproces contoso, Ltd. is gestructureerd:

Digital Twin Builder integreert en contextualiseert gegevens uit deze bronnen in een uniforme weergave van het distillatieproces, zodat Contoso, Ltd. bewerkingen kan optimaliseren, het energieverbruik kan verminderen en de productkwaliteit kan verbeteren.

Voorbeeld ontologie die in deze zelfstudie wordt gebruikt

In deze zelfstudie wordt gebruikgemaakt van een deel van het distillatieproces van Contoso, Ltd. De volgende ontologie vertegenwoordigt die subset:

Samenvatting van zelfstudiegegevens

Contoso, Ltd. modelleert en standaardiseert distillatieprocessen op 10 locaties in Digital Twin Builder. Elke site is een exemplaar van het entiteitstype Proces .

Bronnen van onbewerkte gegevens die in deze tutorial worden gebruikt

Voor deze zelfstudie gebruikt u de volgende gegevensbronnen:

Gegevenstype	Gebruik
Assetgegevens	Assetdefinities voor Distiller, Condenser en Reboiler. Elk van deze entiteitstypen bevat 10 exemplaren die in de tabel zijn gedefinieerd.
Tijdreeks	Breed gevormde operationele gegevens.
Onderhoudsverzoeken	Onderhoudsaanvragen die zijn gekoppeld aan een bepaalde technicus en apparatuur.
Technici	SAP-gegevens over technici die op locaties werken.
Destillatieprocesgegevens	MES/procesgegevens voor meerdere sites, met begin- en eindtijden en afval-KPI's voor elke procesvermelding. Een klant brengt de MES-gegevens in en contextualiseert deze met asset- en gebeurtenisgegevens om elk proces te isoleren dat is opgetreden.

Operationele tijdreeksgegevens

Via een edge-systeem ontvangt Contoso, Ltd. tijdreeksgegevens van de sites. Alle sites voeren hetzelfde distillatieproces uit, dat de volgende activa omvat:

• Distilleerder: produceert tijdreeksgegevens voor RefluxRatio, MainTowerPressure, FeedFlowRateen FeedTrayTemperature.
• Condensator: produceert tijdreeksgegevens voor Pressure, Poweren Temperature.
• Reboiler: produceert tijdreeksgegevens voor Pressure, InletTemperatureen OutletTemperature.

Deze metingen helpen bij het bewaken en beheren van het distillatieproces, waardoor een efficiënte en veilige werking wordt gewaarborgd.

Wat u in deze tutorial gaat bouwen

In deze handleiding leert u:

• Stel uw omgeving in en implementeer een digital twin builder-item.
• Entiteitstypen maken en eigenschappen en tijdreeksgegevens toewijzen.
• Semantische relaties tussen entiteitstypen definiëren.
• Zoek en verken uw ontologie.
• Maak een Power BI-rapport met gegevens van digital twin builder.

In de volgende afbeeldingen ziet u het Power BI rapport dat u in zelfstudie deel 5 bouwt.

Volgende stap

Zelfstudie deel 1: Resources instellen