Apa itu AWS IoT TwinMaker?

AWS IoT TwinMaker adalah AWS IoT layanan yang dapat Anda gunakan untuk membangun kembar digital operasional sistem fisik dan digital. AWS IoT TwinMaker menciptakan visualisasi digital menggunakan pengukuran dan analisis dari berbagai sensor dunia nyata, kamera, dan aplikasi perusahaan untuk membantu Anda melacak pabrik fisik, bangunan, atau pabrik industri Anda. Anda dapat menggunakan data dunia nyata ini untuk memantau operasi, mendiagnosis dan memperbaiki kesalahan, dan mengoptimalkan operasi.

Kembar digital adalah representasi digital langsung dari suatu sistem dan semua komponen fisik dan digitalnya. Ini diperbarui secara dinamis dengan data untuk meniru struktur, keadaan, dan perilaku sistem yang sebenarnya. Anda dapat menggunakannya untuk mendorong hasil bisnis.

Pengguna akhir berinteraksi dengan data dari kembar digital Anda dengan menggunakan aplikasi antarmuka pengguna.

Cara kerjanya

Untuk memenuhi persyaratan minimum untuk membuat kembar digital, Anda harus melakukan hal berikut.

• Model perangkat, peralatan, ruang, dan proses di lokasi fisik.

• Hubungkan model ini ke sumber data yang menyimpan informasi kontekstual penting, seperti umpan kamera data sensor.

• Buat visualisasi yang membantu pengguna memahami data dan wawasan untuk membuat keputusan bisnis dengan lebih efisien.

• Buat kembar digital tersedia bagi pengguna akhir untuk mendorong hasil bisnis.

AWS IoT TwinMaker mengatasi tantangan ini dengan menyediakan kemampuan berikut.

• Grafik pengetahuan sistem komponen entitas: AWS IoT TwinMaker menyediakan alat untuk perangkat pemodelan, peralatan, ruang, dan proses dalam grafik pengetahuan.

  Grafik pengetahuan ini berisi metadata tentang sistem dan dapat terhubung ke data di lokasi yang berbeda. AWS IoT TwinMaker menyediakan konektor bawaan untuk data yang disimpan di AWS IoT SiteWise dan Kinesis Video Streams. Anda juga dapat membuat konektor khusus ke data yang disimpan di lokasi lain.

  Grafik pengetahuan dan konektor bersama-sama menyediakan satu antarmuka untuk menanyakan data di lokasi yang berbeda.

• Scene composer: AWS IoT TwinMaker Konsol menyediakan alat komposisi adegan untuk membuat adegan dalam 3D. Anda mengunggah model 3D/CAD yang dibuat sebelumnya, dioptimalkan untuk tampilan web dan dikonversi ke format.gltf atau.glb. Anda kemudian menggunakan komposer adegan untuk menempatkan beberapa model dalam satu adegan, menciptakan representasi visual dari operasi mereka.

  Anda juga dapat melapisi data dalam adegan. Misalnya, Anda dapat membuat tag di lokasi adegan yang terhubung ke data suhu dari sensor. Ini mengaitkan data dengan lokasi.

• Aplikasi: AWS IoT TwinMaker menyediakan plug-in untuk Grafana dan Grafana Terkelola Amazon yang dapat Anda gunakan untuk membangun aplikasi dasbor bagi pengguna akhir.

• Alat pihak ketiga: Mendix bermitra dengan AWS IoT TwinMaker untuk memberikan solusi lengkap untuk IoT industri. Lihat lokakarya Lean Daily Management Application dengan Mendix dan AWS IoT TwinMaker untuk memulai dengan menggunakan Mendix Low Code Application Development Platform (LCAP) dengan AWS layanan seperti, Kinesis AWS IoT TwinMaker Video Streams dan. AWS IoT SiteWise

Konsep dan komponen kunci

Diagram berikut menggambarkan bagaimana konsep-konsep kunci AWS IoT TwinMaker cocok bersama.

catatan

Tanda bintang (*) dalam diagram menunjukkan one-to-many hubungan. Untuk kuota untuk masing-masing hubungan ini, lihat AWS IoT TwinMaker titik akhir dan kuota.

Bagian berikut menjelaskan konsep yang diilustrasikan dalam diagram.

Ruang kerja

Ruang kerja adalah wadah tingkat atas untuk aplikasi kembar digital Anda. Anda membuat kumpulan logis entitas, komponen, aset adegan, dan sumber daya lainnya untuk kembar digital Anda di dalam ruang kerja ini. Ini juga berfungsi sebagai batas keamanan untuk mengelola akses ke aplikasi kembar digital dan sumber daya yang dikandungnya. Setiap ruang kerja ditautkan ke bucket Amazon S3 tempat data ruang kerja Anda disimpan. Anda menggunakan peran IAM untuk membatasi akses ke ruang kerja Anda.

Ruang kerja dapat berisi beberapa komponen, entitas, adegan, dan sumber daya. Jenis komponen, entitas, adegan, atau sumber daya hanya ada dalam satu ruang kerja.

Model komponen entitas

AWS IoT TwinMaker menyediakan alat yang Anda gunakan untuk memodelkan sistem Anda dengan menggunakan grafik entity-component-based pengetahuan. Anda dapat menggunakan arsitektur komponen entitas untuk membuat representasi sistem fisik Anda. Model komponen entitas ini terdiri dari entitas, komponen, dan hubungan. Untuk informasi selengkapnya tentang sistem komponen entitas, lihat Sistem komponen entitas.

Entitas

Entitas adalah representasi digital dari elemen dalam kembar digital yang menangkap kemampuan elemen itu. Elemen ini bisa berupa peralatan fisik, konsep, atau proses. Entitas memiliki komponen yang terkait dengannya. Komponen ini menyediakan data dan konteks untuk entitas terkait.

Dengan AWS IoT TwinMaker, Anda dapat mengatur entitas ke dalam hierarki kustom untuk manajemen yang lebih efisien. Tampilan default dari entitas dan sistem komponen adalah hierarkis.

Komponen

Komponen menyediakan konteks dan data untuk entitas dalam sebuah adegan. Anda menambahkan komponen ke entitas. Masa pakai suatu komponen terkait dengan masa pakai suatu entitas.

Komponen dapat menambahkan data statis, seperti daftar dokumen atau koordinat lokasi geografis. Mereka juga dapat memiliki fungsi yang terhubung ke sistem lain, termasuk sistem yang berisi data deret waktu seperti AWS IoT SiteWise dan sejarawan awan deret waktu lainnya.

Komponen didefinisikan oleh dokumen JSON yang menggambarkan hubungan antara sumber data dan AWS IoT TwinMaker. Komponen dapat menggambarkan sumber data eksternal atau sumber data yang dibangun di dalamnya AWS IoT TwinMaker. Komponen mengakses sumber data eksternal dengan menggunakan fungsi Lambda yang ditentukan dalam dokumen JSON. Ruang kerja dapat berisi banyak komponen. Komponen menyediakan data ke tag melalui entitas terkait.

AWS IoT TwinMaker menyediakan beberapa komponen bawaan yang dapat Anda tambahkan dari konsol. Anda juga dapat membuat komponen kustom Anda sendiri untuk terhubung ke sumber data seperti telemetri timestream dan koordinat geospasial. Contohnya termasuk TimeStream Telemetri, komponen Geospasial, dan konektor ke sumber data pihak ketiga seperti Snowflake.

AWS IoT TwinMaker menyediakan jenis komponen bawaan berikut untuk kasus penggunaan umum:

• Dokumen, seperti manual pengguna atau gambar yang terletak di URL tertentu.

• Deret waktu, seperti data sensor dari AWS IoT SiteWise.

• Alarm, seperti alarm deret waktu dari sumber data eksternal.

• Video, dari kamera IP yang terhubung ke Kinesis Video Streams.

• Komponen khusus untuk terhubung ke sumber data tambahan. Misalnya, Anda dapat membuat konektor khusus untuk menghubungkan AWS IoT TwinMaker entitas Anda ke data deret waktu yang disimpan secara eksternal.

Sumber data

Sumber data adalah lokasi data sumber kembar digital Anda. AWS IoT TwinMaker mendukung dua jenis sumber data:

• Konektor hierarki, yang memungkinkan Anda untuk terus menyinkronkan model eksternal ke. AWS IoT TwinMaker

• Konektor deret waktu, yang memungkinkan Anda terhubung ke database deret waktu seperti. AWS IoT SiteWise

Properti

Properti adalah nilai, baik statis maupun deret waktu yang didukung, yang terkandung dalam komponen. Saat Anda menambahkan komponen ke entitas, properti dalam komponen menjelaskan detail tentang status entitas saat ini.

AWS IoT TwinMaker mendukung tiga jenis properti:

• Nilai tunggal, non-time-series properti — Properti ini biasanya pasangan nilai kunci statis dan langsung disimpan AWS IoT TwinMaker dengan metadata entitas terkait.

• Properti deret waktu — AWS IoT TwinMaker menyimpan referensi ke toko deret waktu untuk properti ini. Ini default ke nilai terbaru.

• Properti hubungan — Properti ini menyimpan referensi ke entitas atau komponen lain. Misalnya, seen_by adalah komponen hubungan yang mungkin menghubungkan entitas kamera ke entitas lain yang secara langsung divisualisasikan oleh kamera itu.

Anda dapat menanyakan nilai properti di seluruh sumber data heterogen dengan menggunakan antarmuka kueri data terpadu.

Visualisasi

Anda gunakan AWS IoT TwinMaker untuk menambah representasi tiga dimensi dari kembar digital Anda, dan kemudian melihatnya di Grafana. Untuk membuat adegan, gunakan CAD yang ada atau jenis file 3D lainnya. Anda kemudian menggunakan hamparan data untuk menambahkan data yang relevan untuk kembar digital Anda.

Adegan

Adegan adalah representasi tiga dimensi yang menyediakan konteks visual untuk data yang terhubung. AWS IoT TwinMaker Adegan dapat dibuat dengan menggunakan gltf tunggal (GL Transmission Format) atau model glb 3D untuk seluruh lingkungan, atau dengan menggunakan komposisi beberapa model. Adegan juga menyertakan tag untuk menunjukkan tempat menarik dalam adegan.

Adegan adalah wadah tingkat atas untuk visualisasi. Sebuah adegan terdiri dari satu atau lebih node.

Ruang kerja dapat berisi beberapa adegan. Misalnya, ruang kerja dapat berisi satu adegan untuk setiap lantai fasilitas.

Sumber daya

Adegan menampilkan sumber daya, yang ditampilkan sebagai node di AWS IoT TwinMaker konsol. Sebuah adegan dapat berisi banyak sumber daya.

Sumber daya adalah gambar dan glTF berbasis, model tiga dimensi yang digunakan untuk membuat adegan. Sumber daya dapat mewakili satu peralatan, atau situs yang lengkap.

Anda menempatkan sumber daya ke dalam adegan dengan mengunggah file.gltf atau .glb ke pustaka sumber daya ruang kerja Anda dan kemudian menambahkannya ke adegan Anda.

Antarmuka pengguna yang diperbesar

Dengan AWS IoT TwinMaker Anda dapat menambah adegan Anda dengan hamparan data yang menambahkan konteks dan informasi penting, seperti data sensor, ke lokasi di tempat kejadian.

Node: Node adalah contoh tag, lampu, dan model tiga dimensi. Mereka juga bisa kosong untuk menambahkan struktur ke hierarki adegan Anda. Misalnya, Anda dapat mengelompokkan beberapa node bersama-sama di bawah satu simpul kosong.

Tag: Tag adalah jenis node yang mewakili data dari komponen (melalui entitas). Tag dapat dikaitkan dengan hanya satu komponen. Tag adalah anotasi yang ditambahkan ke posisi x,y,z koordinat tertentu dari sebuah adegan. Tag menghubungkan bagian adegan ini ke grafik pengetahuan dengan menggunakan properti entitas. Anda dapat menggunakan tag untuk mengonfigurasi perilaku atau tampilan visual item dalam adegan, seperti alarm.

Lampu: Anda dapat menambahkan lampu ke adegan untuk membawa objek tertentu ke dalam fokus, atau melemparkan bayangan pada objek untuk menunjukkan lokasi fisik mereka.

Model tiga dimensi: Model tiga dimensi adalah representasi visual dari file.gltf atau .glb yang diimpor sebagai sumber daya.

catatan

AWS IoT TwinMaker tidak dimaksudkan untuk digunakan dalam, atau terkait dengan, pengoperasian lingkungan berbahaya atau sistem kritis apa pun yang dapat menyebabkan cedera tubuh yang serius atau kematian atau menyebabkan kerusakan lingkungan atau properti.

Data yang dikumpulkan melalui penggunaan Anda AWS IoT TwinMaker harus dievaluasi keakuratannya yang sesuai untuk kasus penggunaan Anda. AWS IoT TwinMaker tidak boleh digunakan sebagai pengganti pemantauan manusia terhadap sistem fisik untuk tujuan menilai apakah sistem tersebut beroperasi dengan aman.