Självstudie om digital tvillingbyggare (förhandsversion): Introduktion

Digital twin builder (förhandsversion) är ett Microsoft Fabric-objekt för att skapa omfattande driftanalysscenarier för fysiska åtgärder. Med digital-tvillingbyggarens lågkods-/utan kodupplevelse kan företag ansluta till olika datakällor via Fabric och Azure IoT Operations, bygga omfattande digitala tvillingar och generera insikter utan behov av hög teknisk specialiserad kompetens. Med digital tvillingbyggare kan driftpersonalen utforska tvillingar baserat på deras relationer och utföra analys i tidsserier, allt inom Microsoft Fabrics analysplattform allt-i-ett. Kunder kan sedan använda insikter från dessa erfarenheter för att driva driftförbättringar som att minska avfall, förbättra avkastningen, förbättra säkerheten och uppnå hållbarhetsmål.

Den här självstudien beskriver hur du skapar ett scenario med ontologi i digital tvillingbyggare för det fiktiva energiföretaget Contoso, Ltd. Den fokuserar på digitala tvillingskapares funktioner för modellering och kontextualisering av data från flera källor och avslutas med en Power BI-instrumentpanel för att visualisera data.

Förutsättningar

• En arbetsyta med en Microsoft Fabric-aktiverad kapacitet.
• Digital twin builder (förhandsversion) aktiverad i din klientorganisation.

  • Infrastrukturadministratörer kan bevilja åtkomst till Digital Twin Builder i administratörsportalen. I klientinställningarna aktiverar du Digital Twin Builder (förhandsversion).

    

  • Hyresgästen kan inte ha Autoskalningsfakturering för Spark aktiverad eftersom digital twin builder inte är kompatibel med den. Den här inställningen hanteras också i administratörsportalen.

• Den senaste Power BI-skrivbordsappen på datorn (steg 5 i självstudien kräver användning av skrivbordsappen, inte Power BI-tjänsten i Fabric). Du kan hämta den här: Ladda ned Power BI.

Förstå energiscenariot Contoso, Ltd.

Den här tutorialen fokuserar på det påhittade energibolaget Contoso, Ltd.

Contoso, Ltd är ett ledande energiföretag som har åtagit sig att producera bioetanol, en hållbar och förnybar nonfossil bränsleprodukt. För att uppnå sina mål att förbättra effektiviteten, minska energiförbrukningen och säkerställa produktkvaliteten beslutar Contoso, Ltd. att implementera en lösning med hjälp av digital tvillingbyggare (förhandsversion) på sina destillationsställen.

Contoso, Ltd. står inför flera utmaningar i sina nuvarande destillationsprocesser:

• Effektivitet: De befintliga destillationsenheterna är inte optimerade, vilket leder till längre bearbetningstider och högre driftskostnader.
• Energiförbrukning: Den energi som krävs för att upprätthålla destillationsprocessen är betydande, vilket påverkar företagets hållbarhetsmål.
• Produktkvalitet: Det är svårt att säkerställa konsekvent produktkvalitet på olika platser på grund av variationer i processparametrar.

För att mildra dessa utmaningar behöver Contoso, Ltd.:

• Samla in data och metadata från flera källor, inklusive sensorer, kontrollsystem och laboratorieinformationshanteringssystem. Den här omfattande datainsamlingen möjliggör en holistisk vy över destillationsprocessen.
• Relatera tillgångar genom att skapa semantisk kontext för att representera stora processer och tillgångsinformation. Den här semantiska kontexten hjälper dig att förstå relationerna mellan olika tillgångar och deras roller i den övergripande processen.
• Skala semantisk kontext för att fatta datadrivna beslut på olika platser.

Följande diagram visar hur deras destillationsprocess är strukturerad:

Digital twin builder kan hjälpa Contoso, Ltd. att transformera sin verksamhet. Plattformen gör det möjligt för dem att sömlöst integrera och kontextualisera data från olika källor, vilket skapar en enhetlig vy över deras destillationsprocess. Med den här holistiska metoden kan Contoso, Ltd. få värdefulla insikter, optimera sin verksamhet och fatta välgrundade beslut som driver effektivitet, minskar energiförbrukningen och förbättrar produktkvaliteten.

Exempel på ontologi

Den här handledningen handlar om en delmängd av destillationsprocessen som beskrivs i föregående avsnitt. Processen visas i följande ontologi:

Datakällor

Contoso, Ltd. vill modellera och standardisera destillationsprocesser på sina platser. För att modellera processen på digital tvillingbyggare börjar de med att representera 10 platser, där varje plats är en instans av entitetstypen Process .

Rådata för handledning

I den här självstudien använder du följande datakällor:

Operativa data

Via ett gränssystem tar Contoso, Ltd. emot tidsseriedata från olika platser. Alla platser utför samma destillationsprocess som innehåller 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.

Självstudiesteg

I den här självstudien skapar du förhandsversionen av lösningen för digital tvillingkonstruktion för Contoso, Ltd.

Mer specifikt lär du dig att:

Här är Power BI-rapporten som du skapar i den här självstudien.

Nästa steg