Was ist AWS IoT TwinMaker?

AWS IoT TwinMaker ist ein AWS IoT Service, mit dem Sie betriebsbereite digitale Zwillinge aus physischen und digitalen Systemen erstellen können. AWS IoT TwinMaker erstellt digitale Visualisierungen mithilfe von Messungen und Analysen aus einer Vielzahl von realen Sensoren, Kameras und Unternehmensanwendungen, damit Sie den Überblick über Ihre physische Fabrik, Ihr Gebäude oder Ihre Industrieanlage behalten. Sie können diese realen Daten verwenden, um den Betrieb zu überwachen, Fehler zu diagnostizieren und zu korrigieren und den Betrieb zu optimieren.

Ein digitaler Zwilling ist eine digitale Live-Repräsentation eines Systems und all seiner physischen und digitalen Komponenten. Er wird dynamisch mit Daten aktualisiert, um die tatsächliche Struktur, den Zustand und das Verhalten des Systems nachzuahmen. Sie können es verwenden, um Geschäftsergebnisse zu erzielen.

Endbenutzer interagieren mithilfe einer Benutzeroberflächenanwendung mit Daten aus Ihrem digitalen Zwilling.

Funktionsweise

Um die Mindestanforderungen für die Erstellung eines digitalen Zwillings zu erfüllen, müssen Sie wie folgt vorgehen.

• Modellieren Sie Geräte, Geräte, Räume und Prozesse an einem physischen Ort.

• Connect diese Modelle mit Datenquellen, die wichtige Kontextinformationen speichern, wie z. B. Kamera-Feeds mit Sensordaten.

• Erstellen Sie Visualisierungen, die Benutzern helfen, die Daten und Erkenntnisse zu verstehen, damit sie Geschäftsentscheidungen effizienter treffen können.

• Stellen Sie Endbenutzern digitale Zwillinge zur Verfügung, um Geschäftsergebnisse zu erzielen.

AWS IoT TwinMaker geht auf diese Herausforderungen ein, indem es die folgenden Funktionen bereitstellt.

• Wissensgraph für Entitätskomponentensysteme: AWS IoT TwinMaker bietet Tools zur Modellierung von Geräten, Geräten, Räumen und Prozessen in einem Wissensgraphen.

  Dieser Wissensgraph enthält Metadaten über das System und kann eine Verbindung zu Daten an verschiedenen Orten herstellen. AWS IoT TwinMaker bietet integrierte Anschlüsse für Daten, die in AWS IoT SiteWise und Kinesis Video Streams gespeichert sind. Sie können auch benutzerdefinierte Konnektoren für Daten erstellen, die an anderen Speicherorten gespeichert sind.

  Der Knowledge Graph und die Konnektoren bilden zusammen eine einzige Schnittstelle für die Abfrage von Daten an unterschiedlichen Orten.

• Scene Composer: Die AWS IoT TwinMaker Konsole bietet ein Tool zur Szenenkomposition zum Erstellen von Szenen in 3D. Sie laden Ihre zuvor erstellten 3D-/CAD-Modelle hoch, die für die Webanzeige optimiert und in das .gltf- oder .glb-Format konvertiert wurden. Anschließend verwenden Sie den Scene Composer, um mehrere Modelle in einer einzigen Szene zu platzieren und so visuelle Darstellungen ihrer Funktionen zu erstellen.

  Sie können auch Daten in der Szene überlagern. Sie können beispielsweise ein Tag an einer Szenenposition erstellen, das eine Verbindung zu Temperaturdaten eines Sensors herstellt. Dadurch werden die Daten dem Standort zugeordnet.

• Anwendungen: AWS IoT TwinMaker bietet ein Plug-in für Grafana und Amazon Managed Grafana, mit dem Sie Dashboard-Anwendungen für Endbenutzer erstellen können.

• Tools von Drittanbietern: Mendix arbeitet mit ihnen zusammen AWS IoT TwinMaker , um Komplettlösungen für das industrielle IoT anzubieten. Sehen Sie sich den Workshop Lean Daily Management Application with Mendix AWS IoT TwinMaker an und erfahren Sie, wie Sie die Mendix Low Code Application Development Platform (LCAP) mit AWS Diensten wie AWS IoT TwinMaker Kinesis Video Streams und nutzen können. AWS IoT SiteWise

Wichtige Konzepte und Komponenten

Das folgende Diagramm zeigt, wie die Schlüsselkonzepte AWS IoT TwinMaker zusammenpassen.

Anmerkung

Sternchen (*) im Diagramm weisen auf Beziehungen hin. one-to-many Die Kontingente für jede dieser Beziehungen finden Sie unter AWS IoT TwinMaker Endpunkte und Kontingente.

In den folgenden Abschnitten werden die im Diagramm dargestellten Konzepte beschrieben.

Workspace

Ein Workspace ist ein Container auf oberster Ebene für Ihre digitale Zwillingsanwendung. In diesem Arbeitsbereich erstellen Sie einen logischen Satz von Entitäten, Komponenten, Szenenobjekten und anderen Ressourcen für Ihren digitalen Zwilling. Es dient auch als Sicherheitsgrenze für die Verwaltung des Zugriffs auf die digitale Zwillingsanwendung und die darin enthaltenen Ressourcen. Jeder Workspace ist mit dem Amazon S3 S3-Bucket verknüpft, in dem Ihre Workspace-Daten gespeichert sind. Sie verwenden IAM-Rollen, um den Zugriff auf Ihren Workspace einzuschränken.

Ein Workspace kann mehrere Komponenten, Entitäten, Szenen und Ressourcen enthalten. Ein Komponententyp, eine Entität, eine Szene oder eine Ressource existiert nur innerhalb eines Workspace.

Modell aus Entität und Komponente

AWS IoT TwinMaker stellt Tools bereit, mit denen Sie Ihr System mithilfe eines entity-component-based Wissensgraphen modellieren können. Sie können die Entity-Component-Architektur verwenden, um eine Darstellung Ihres physischen Systems zu erstellen. Dieses Entitätskomponentenmodell besteht aus Entitäten, Komponenten und Beziehungen. Weitere Informationen zu Entitätskomponentensystemen finden Sie unter Entitätskomponentensystem.

Entität

Entitäten sind digitale Repräsentationen der Elemente in einem digitalen Zwilling, die die Fähigkeiten dieses Elements erfassen. Dieses Element kann ein physisches Gerät, ein Konzept oder ein Prozess sein. Entitäten sind Komponenten zugeordnet. Diese Komponenten stellen Daten und Kontext für die zugehörige Entität bereit.

Mit AWS IoT TwinMaker können Sie Entitäten für eine effizientere Verwaltung in benutzerdefinierten Hierarchien organisieren. Die Standardansicht des Entitäts- und Komponentensystems ist hierarchisch.

Komponente

Komponenten stellen Kontext und Daten für Entitäten in einer Szene bereit. Sie fügen Komponenten zu Entitäten hinzu. Die Lebensdauer einer Komponente ist an die Lebensdauer einer Entität gebunden.

Komponenten können statische Daten hinzufügen, z. B. eine Liste von Dokumenten oder die Koordinaten eines geografischen Standorts. Sie können auch Funktionen haben, die eine Verbindung zu anderen Systemen herstellen, einschließlich Systemen, die Zeitreihendaten enthalten, wie AWS IoT SiteWise z. B. Cloud-Historikern für Zeitreihen.

Komponenten werden durch JSON-Dokumente definiert, die die Verbindung zwischen einer Datenquelle und AWS IoT TwinMaker beschreiben. Komponenten können externe Datenquellen oder Datenquellen beschreiben, in die integriert sind AWS IoT TwinMaker. Eine Komponente greift mithilfe einer Lambda-Funktion, die im JSON-Dokument angegeben ist, auf eine externe Datenquelle zu. Ein Workspace kann viele Komponenten enthalten. Komponenten stellen Daten über zugehörige Entitäten für Tags bereit.

AWS IoT TwinMaker stellt mehrere integrierte Komponenten bereit, die Sie von der Konsole aus hinzufügen können. Sie können auch Ihre eigenen benutzerdefinierten Komponenten erstellen, um eine Verbindung zu Datenquellen wie Timestream-Telemetrie und Geokoordinaten herzustellen. Beispiele hierfür sind TimeStream Telemetrie, Geodatenkomponenten und Konnektoren zu Datenquellen von Drittanbietern wie Snowflake.

AWS IoT TwinMaker bietet die folgenden Typen von integrierten Komponenten für allgemeine Anwendungsfälle:

• Dokument, z. B. Benutzerhandbücher oder Bilder, die sich unter bestimmten URLs befinden.

• Zeitreihen, z. B. Sensordaten von AWS IoT SiteWise.

• Alarme, z. B. Zeitreihenalarme aus externen Datenquellen.

• Video von IP-Kameras, die mit Kinesis Video Streams verbunden sind.

• Benutzerdefinierte Komponenten für die Verbindung mit zusätzlichen Datenquellen. Sie können beispielsweise einen benutzerdefinierten Konnektor erstellen, um Ihre AWS IoT TwinMaker Entitäten mit extern gespeicherten Zeitreihendaten zu verbinden.

Datenquellen

Eine Datenquelle ist der Ort, an dem sich die Quelldaten Ihres digitalen Zwillings befinden. AWS IoT TwinMaker unterstützt zwei Arten von Datenquellen:

• Hierarchiekonnektoren, mit denen Sie ein externes Modell kontinuierlich synchronisieren können AWS IoT TwinMaker.

• Zeitreihen-Konnektoren, mit denen Sie eine Verbindung zu Zeitreihendatenbanken herstellen können, wie z. AWS IoT SiteWise

Eigenschaft

Eigenschaften sind statische und zeitreihengestützte Werte, die in Komponenten enthalten sind. Wenn Sie Komponenten zu Entitäten hinzufügen, beschreiben die Eigenschaften in der Komponente Details zum aktuellen Status der Entität.

AWS IoT TwinMaker unterstützt drei Arten von Eigenschaften:

• Einzelwert, non-time-series Eigenschaften — AWS IoT TwinMaker Bei diesen Eigenschaften handelt es sich in der Regel um statische Schlüssel-Wert-Paare, die direkt in den Metadaten der zugehörigen Entität gespeichert werden.

• Zeitreiheneigenschaften — AWS IoT TwinMaker speichert einen Verweis auf den Zeitreihenspeicher für diese Eigenschaften. Dies ist standardmäßig der neueste Wert.

• Beziehungseigenschaften — Diese Eigenschaften speichern einen Verweis auf eine andere Entität oder Komponente. seen_byIst beispielsweise eine Beziehungskomponente, die eine Kamera-Entität mit einer anderen Entität in Beziehung setzen kann, die direkt von dieser Kamera visualisiert wird.

Mithilfe der einheitlichen Datenabfrageschnittstelle können Sie Eigenschaftswerte aus heterogenen Datenquellen abfragen.

Visualisierung

Sie erweitern AWS IoT TwinMaker damit eine dreidimensionale Darstellung Ihres digitalen Zwillings und betrachten ihn dann in Grafana. Verwenden Sie zum Erstellen von Szenen vorhandene CAD- oder andere 3D-Dateitypen. Anschließend verwenden Sie Datenüberlagerungen, um relevante Daten für Ihren digitalen Zwilling hinzuzufügen.

Szenen

Szenen sind dreidimensionale Darstellungen, die den visuellen Kontext für die damit verbundenen Daten bieten. AWS IoT TwinMaker Szenen können mit einem einzigen GLTF- (GL Transmission Format) - oder GLB-3D-Modell für die gesamte Umgebung oder mithilfe einer Komposition aus mehreren Modellen erstellt werden. Szenen enthalten auch Tags, um interessante Punkte in der Szene zu kennzeichnen.

Szenen sind die Container der obersten Ebene für Visualisierungen. Eine Szene besteht aus einem oder mehreren Knoten.

Ein Workspace kann mehrere Szenen enthalten. Ein Workspace kann beispielsweise eine Szene für jede Etage einer Einrichtung enthalten.

Ressourcen

In Szenen werden Ressourcen angezeigt, die in der AWS IoT TwinMaker Konsole als Knoten angezeigt werden. Eine Szene kann viele Ressourcen enthalten.

Ressourcen sind Bilder und glTF basierte, dreidimensionale Modelle, die zur Erstellung einer Szene verwendet werden. Eine Ressource kann ein einzelnes Gerät oder eine komplette Site darstellen.

Sie platzieren Ressourcen in einer Szene, indem Sie eine .gltf- oder .glb-Datei in Ihre Workspace-Ressourcenbibliothek hochladen und sie dann zu Ihrer Szene hinzufügen.

Erweiterte Benutzeroberfläche

Mit können AWS IoT TwinMaker Sie Ihre Szenen mit Daten-Overlays erweitern, die wichtigen Kontext und Informationen wie Sensordaten zu Orten in der Szene hinzufügen.

Knoten: Knoten sind Instanzen von Tags, Lichtern und dreidimensionalen Modellen. Sie können auch leer sein, um Ihrer Szenenhierarchie Struktur zu verleihen. Sie können beispielsweise mehrere Knoten unter einem einzigen leeren Knoten gruppieren.

Tags: Ein Tag ist ein Knotentyp, der Daten aus einer Komponente (über eine Entität) darstellt. Ein Tag kann nur einer Komponente zugeordnet werden. Ein Tag ist eine Anmerkung, die zu einer bestimmten x,y,z Koordinatenposition einer Szene hinzugefügt wird. Das Tag verbindet diesen Szenenteil mithilfe einer Entitätseigenschaft mit dem Knowledge Graph. Sie können ein Tag verwenden, um das Verhalten oder das visuelle Erscheinungsbild eines Elements in der Szene zu konfigurieren, z. B. eines Alarms.

Lichter: Sie können einer Szene Lichter hinzufügen, um bestimmte Objekte in den Fokus zu rücken, oder Schatten auf Objekte werfen, um deren physische Position anzuzeigen.

Dreidimensionale Modelle: Ein dreidimensionales Modell ist eine visuelle Darstellung einer als Ressource importierten .gltf- oder .glb-Datei.

Anmerkung

AWS IoT TwinMaker ist nicht für den Einsatz in oder in Verbindung mit dem Betrieb gefährlicher Umgebungen oder kritischer Systeme vorgesehen, die zu schweren Körperverletzungen oder zum Tod führen oder Umwelt- oder Sachschäden verursachen können.

Die durch Ihre Nutzung von gesammelten Daten AWS IoT TwinMaker sollten entsprechend Ihrem Anwendungsfall auf ihre Richtigkeit hin überprüft werden. AWS IoT TwinMaker sollte nicht als Ersatz für die menschliche Überwachung physischer Systeme verwendet werden, um zu beurteilen, ob diese Systeme sicher funktionieren.