数字孪生在智能工厂的创新实践

数字孪生作为物理系统的数字化表示形式，能够动态更新以模拟其结构、状态和行为，并驱动业务收益。其核心价值在于成本节省、智能决策、安全保障及远程问题解决。

数字孪生的需求与要求

• 需求：成本节省、智能决策、安全保障、远程问题解决、更好的交互体验。
• 要求：
  • 保真度：高保真度模拟物理系统。
  • 扫描频率：根据设备变化频率确定。
  • 数据延迟与连接：实时性要求高，需确保数据延迟低且连接稳定。
  • 模型：3D模型、详细视图、遥测数据叠加。
  • 技术支持：扫描仪、传感器、物联网设备。
  • 安全性：远程位置的安全性、身份验证、访问控制及可用性。

构建数字孪生的关键挑战

1. 访问物理系统数据：确保数据获取的准确性和实时性。
2. 创建生动的数字映射：构建高保真度的数字模型。
3. 驱动最佳收益：通过数字孪生优化运营效率。

Amazon IoT TwinMaker解决方案

Amazon IoT TwinMaker通过以下功能解决上述挑战：

• 轻松创建数字孪生：优化操作，随时随地访问数据。
• 准确建模：对物理环境进行精确建模。
• 三维视图：创建身临其境的3D视图。

应用案例

• 网联工人视角优化生产运营：通过数字孪生远程查明需现场关注的区域，提高生产力和效率。
• 集成西门子Xcelerator：提供从简单到复杂的数字孪生解决方案。
• Carrier公司楼宇管理：为楼宇业主和运营商提供3D可视化，简化决策和纠正行动。

Amazon IoT TwinMaker工作原理

• 数据来源：运营规划、历史数据、实时流程数据、实时IoT传感器数据、CAD/BIM模型、点云扫描、视频源、地理空间元数据。
• 模型集成：基于统计学和物理学的模型集成的资产模型。
• 最终应用：3D视图及见解，支持最终用户应用程序。

功能模块

1. 数据连接器：
   • 支持多来源数据融合（IoT传感器、视频、文档等）。
   • 内置连接器（Amazon IoT SiteWise、S3、Kinesis Video Streams）。
   • 支持自定义连接器（其他Amazon服务或第三方数据源）。
2. 模型构建：
   • 灵活建模框架，创建知识图谱。
   • 使用通用元数据添加上下文。
   • 单一API接口访问所有数据存储。
   • 无需移动数据，轻松管理变化。
3. 场景创作：
   • 导入3D模型（CAD/BIM、点云扫描）。
   • 简单构图和定位工具。
   • 动态实例化和放置绑定。
   • 添加交互式数据（图表、视频、传感器数据等）。
4. 应用工具集：
   • 低代码应用（Amazon Managed Grafana）。
   • 开发者SDK（自定义应用开发）。
   • 开源GitHub资源（示例代码、教程）。

参考架构

• 数据采集：企业数据中心通过边缘计算收集工业设备数据。
• 数据传输：数据中心服务器将元数据和遥测数据发送至Amazon IoT服务（IoT SiteWise、Kinesis Video Stream、Timestream、S3）。
• 数据连接：通过Lambda连接器将数据连接至Amazon IoT TwinMaker。
• 数据同步：Lambda函数同步数据至TwinMaker。
• 可视化呈现：TwinMaker将数据呈现为可视化形式。
• 场景映射：Scene Composer将遥测数据映射至实体。
• 应用集成：Grafana展示数据，并设置与TwinMaker场景的可视化集成。

工作流

1. 创建Workspace：包含所有数字孪生资源，如物理系统模型、数据存储连接器、流媒体应用等。
2. Entity/Component Modeling：定义实体和组件，表达实体间关系，引入数据存储schema。
3. 增加流式洞察：使用分析引擎增加洞察（ML、模拟），存储结果至数据存储。
4. 创建3D model and Scene：导入3D模型，放置资产，添加数据绑定。
5. 创建Web应用：为操作人员创建定制化控制台。