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
- 访问物理系统数据:确保数据获取的准确性和实时性。
- 创建生动的数字映射:构建高保真度的数字模型。
- 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
- 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)。
- 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。
- 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)。
- 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
- 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。
- Entity/Component Modeling:定义实体和组件,表达实体间关系,引入数据存储schema。
- 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。
- 创建3D model and Scene:导入3D模型,放置资产,添加数据绑定。
- 创建Web应用:为操作人员创建定制化控制台。