Che cos'è AWS IoT TwinMaker?

AWS IoT TwinMaker è un AWS IoT servizio che puoi utilizzare per creare gemelli digitali operativi di sistemi fisici e digitali. AWS IoT TwinMaker crea visualizzazioni digitali utilizzando misurazioni e analisi da una varietà di sensori, telecamere e applicazioni aziendali del mondo reale per aiutarvi a tenere traccia della vostra fabbrica fisica, edificio o impianto industriale. È possibile utilizzare questi dati del mondo reale per monitorare le operazioni, diagnosticare e correggere errori e ottimizzare le operazioni.

Un gemello digitale è una rappresentazione digitale in tempo reale di un sistema e di tutti i suoi componenti fisici e digitali. Viene aggiornato dinamicamente con dati per imitare la struttura, lo stato e il comportamento reali del sistema. Puoi usarlo per promuovere i risultati aziendali.

Gli utenti finali interagiscono con i dati del tuo digital twin utilizzando un'applicazione di interfaccia utente.

Come funziona

Per soddisfare i requisiti minimi per la creazione di un gemello digitale, è necessario effettuare le seguenti operazioni.

• Modella dispositivi, apparecchiature, spazi e processi in un luogo fisico.

• Connect questi modelli a fonti di dati che memorizzano importanti informazioni contestuali, come i dati dei sensori, i feed delle telecamere.

• Crea visualizzazioni che aiutino gli utenti a comprendere i dati e le informazioni per prendere decisioni aziendali in modo più efficiente.

• Rendi disponibili i gemelli digitali agli utenti finali per promuovere i risultati aziendali.

AWS IoT TwinMaker affronta queste sfide fornendo le seguenti funzionalità.

• Entity Component System Knowledge Graph: AWS IoT TwinMaker fornisce strumenti per modellare dispositivi, apparecchiature, spazi e processi in un Knowledge Graph.

  Questo knowledge graph contiene metadati sul sistema e può connettersi a dati in diverse posizioni. AWS IoT TwinMaker fornisce connettori integrati per i dati archiviati in AWS IoT SiteWise e Kinesis Video Streams. Puoi anche creare connettori personalizzati per i dati archiviati in altre posizioni.

  Il knowledge graph e i connettori insieme forniscono un'unica interfaccia per interrogare i dati in posizioni diverse.

• Scene Composer: la AWS IoT TwinMaker console fornisce uno strumento di composizione delle scene per creare scene in 3D. Carichi i modelli 3D/CAD creati in precedenza, ottimizzati per la visualizzazione sul Web e convertiti in formato.gltf o .glb. Utilizzate quindi il compositore di scene per inserire più modelli in un'unica scena, creando rappresentazioni visive delle loro operazioni.

  È inoltre possibile sovrapporre i dati nella scena. Ad esempio, è possibile creare un tag in una posizione della scena che si collega ai dati di temperatura di un sensore. Questo associa i dati alla posizione.

• Applicazioni: AWS IoT TwinMaker fornisce un plug-in per Grafana e Amazon Managed Grafana che puoi utilizzare per creare applicazioni dashboard per gli utenti finali.

• Strumenti di terze parti: Mendix collabora AWS IoT TwinMaker per fornire soluzioni complete per l'IoT industriale. Guarda il workshop Lean Daily Management Application with Mendix e AWS IoT TwinMaker per iniziare a utilizzare la Mendix Low Code Application Development Platform (LCAP) con AWS servizi come Kinesis AWS IoT TwinMaker Video Streams e. AWS IoT SiteWise

Concetti e componenti chiave

Il diagramma seguente illustra come i concetti chiave di AWS IoT TwinMaker coincidono.

Nota

Gli asterischi (*) nel diagramma indicano le relazioni. one-to-many Per le quote per ciascuna di queste relazioni, vedi AWS IoT TwinMaker endpoint e quote.

Le sezioni seguenti descrivono i concetti illustrati nel diagramma.

Workspace

Un workspace è un contenitore di primo livello per l'applicazione digital twin. Crei un insieme logico di entità, componenti, risorse di scena e altre risorse per il tuo gemello digitale all'interno di questo spazio di lavoro. Funge anche da limite di sicurezza per gestire l'accesso all'applicazione digital twin e alle risorse in essa contenute. Ogni spazio di lavoro è collegato al bucket Amazon S3 in cui sono archiviati i dati dell'area di lavoro. Utilizzi i ruoli IAM per limitare l'accesso al tuo spazio di lavoro.

Uno spazio di lavoro può contenere più componenti, entità, scene e risorse. Un tipo di componente, un'entità, una scena o una risorsa esiste solo all'interno di un'area di lavoro.

Modello entità-componente

AWS IoT TwinMaker fornisce strumenti che è possibile utilizzare per modellare il sistema utilizzando un entity-component-based Knowledge Graph. È possibile utilizzare l'architettura entity-component per creare una rappresentazione del sistema fisico. Questo modello di componenti di entità è costituito da entità, componenti e relazioni. Per ulteriori informazioni sui sistemi a componenti di entità, vedere Sistema di componenti di entità.

Entità

Le entità sono rappresentazioni digitali degli elementi di un gemello digitale che catturano le funzionalità di quell'elemento. Questo elemento può essere un'attrezzatura fisica, un concetto o un processo. Alle entità sono associati dei componenti. Questi componenti forniscono dati e contesto per l'entità associata.

Con AWS IoT TwinMaker, puoi organizzare le entità in gerarchie personalizzate per una gestione più efficiente. La visualizzazione predefinita dell'entità e del sistema di componenti è gerarchica.

Componente

I componenti forniscono contesto e dati per le entità in una scena. Si aggiungono componenti alle entità. La durata di un componente è legata alla durata di un'entità.

I componenti possono aggiungere dati statici, come un elenco di documenti o le coordinate di una posizione geografica. Possono anche avere funzioni che si collegano ad altri sistemi, inclusi sistemi che contengono dati di serie AWS IoT SiteWise temporali come altre serie storiche del cloud.

I componenti sono definiti da documenti JSON che descrivono la connessione tra un'origine dati e. AWS IoT TwinMaker I componenti possono descrivere fonti di dati esterne o fonti di dati integrate in AWS IoT TwinMaker. Un componente accede a un'origine dati esterna utilizzando una funzione Lambda specificata nel documento JSON. Un'area di lavoro può contenere molti componenti. I componenti forniscono dati ai tag tramite entità associate.

AWS IoT TwinMaker fornisce diversi componenti integrati che è possibile aggiungere dalla console. Puoi anche creare componenti personalizzati per connetterti a fonti di dati come la telemetria del flusso temporale e le coordinate geospaziali. Ne sono un esempio la TimeStream telemetria, i componenti geospaziali e i connettori a fonti di dati di terze parti come Snowflake.

AWS IoT TwinMaker fornisce i seguenti tipi di componenti integrati per casi d'uso comuni:

• Documenti, ad esempio manuali utente o immagini che si trovano in URL specifici.

• Serie temporali, come i dati dei sensori provenienti da AWS IoT SiteWise.

• Allarmi, come allarmi con serie temporali provenienti da fonti di dati esterne.

• Video, da telecamere IP collegate a Kinesis Video Streams.

• Componenti personalizzati per la connessione a fonti di dati aggiuntive. Ad esempio, puoi creare un connettore personalizzato per connettere le tue AWS IoT TwinMaker entità a dati di serie temporali archiviati esternamente.

Origini dati

Una fonte di dati è la posizione dei dati di origine del tuo gemello digitale. AWS IoT TwinMaker supporta due tipi di fonti di dati:

• Connettori gerarchici, che consentono di sincronizzare continuamente un modello esterno con. AWS IoT TwinMaker

• Connettori per serie temporali, che consentono di connettersi a database di serie temporali come. AWS IoT SiteWise

Proprietà

Le proprietà sono i valori, statici e basati su serie temporali, contenuti nei componenti. Quando si aggiungono componenti alle entità, le proprietà del componente descrivono i dettagli sullo stato corrente dell'entità.

AWS IoT TwinMaker supporta tre tipi di proprietà:

• non-time-seriesProprietà a valore singolo: queste proprietà sono in genere coppie chiave-valore statiche e vengono archiviate direttamente AWS IoT TwinMaker con i metadati dell'entità associata.

• Proprietà delle serie temporali: AWS IoT TwinMaker memorizza un riferimento all'archivio delle serie temporali per queste proprietà. L'impostazione predefinita è il valore più recente.

• Proprietà di relazione: queste proprietà memorizzano un riferimento a un'altra entità o componente. Ad esempio, seen_by è un componente di relazione che potrebbe mettere in relazione un'entità telecamera con un'altra entità che viene visualizzata direttamente da quella telecamera.

È possibile interrogare i valori delle proprietà su fonti di dati eterogenee utilizzando l'interfaccia di interrogazione dei dati unificata.

Visualizzazione

Lo usi AWS IoT TwinMaker per aumentare una rappresentazione tridimensionale del tuo gemello digitale e poi visualizzarlo in Grafana. Per creare scene, utilizzate file CAD o altri tipi di file 3D esistenti. Puoi quindi utilizzare le sovrapposizioni di dati per aggiungere dati pertinenti per il tuo gemello digitale.

Scene

Le scene sono rappresentazioni tridimensionali che forniscono un contesto visivo per i dati a cui sono collegati. AWS IoT TwinMaker Le scene possono essere create utilizzando un singolo modello 3D gltf (GL Transmission Format) o glb per l'intero ambiente o utilizzando una composizione di più modelli. Le scene includono anche tag per indicare i punti di interesse della scena.

Le scene sono i contenitori di primo livello per le visualizzazioni. Una scena è composta da uno o più nodi.

Un'area di lavoro può contenere più scene. Ad esempio, un'area di lavoro può contenere una scena per ogni piano di una struttura.

Risorse

Le scene visualizzano le risorse, che vengono visualizzate come nodi nella AWS IoT TwinMaker console. Una scena può contenere molte risorse.

Le risorse sono immagini e modelli tridimensionali glTF basati su cui si basa la creazione di una scena. Una risorsa può rappresentare una singola apparecchiatura o un sito completo.

Puoi inserire le risorse in una scena caricando un file.gltf o .glb nella libreria di risorse del tuo spazio di lavoro e quindi aggiungendole alla scena.

Interfaccia utente aumentata

Con AWS IoT TwinMaker puoi ampliare le tue scene con sovrapposizioni di dati che aggiungono contesto e informazioni importanti, come i dati dei sensori, alle posizioni della scena.

Nodi: i nodi sono istanze di tag, luci e modelli tridimensionali. Possono anche essere vuoti per aggiungere struttura alla gerarchia delle scene. Ad esempio, è possibile raggruppare più nodi in un unico nodo vuoto.

Tag: un tag è un tipo di nodo che rappresenta i dati provenienti da un componente (tramite un'entità). Un tag può essere associato a un solo componente. Un tag è un'annotazione aggiunta a una posizione di x,y,z coordinate specifica di una scena. Il tag collega questa parte della scena al knowledge graph utilizzando una proprietà di entità. È possibile utilizzare un tag per configurare il comportamento o l'aspetto visivo di un elemento nella scena, ad esempio un allarme.

Luci: puoi aggiungere luci a una scena per mettere a fuoco determinati oggetti o proiettare ombre sugli oggetti per indicarne la posizione fisica.

Modelli tridimensionali: un modello tridimensionale è una rappresentazione visiva di un file.gltf o .glb importato come risorsa.

Nota

AWS IoT TwinMaker non è destinato all'uso in o in associazione con il funzionamento di ambienti pericolosi o sistemi critici che possono causare gravi lesioni personali o morte o causare danni ambientali o materiali.

I dati raccolti tramite l'utilizzo di AWS IoT TwinMaker devono essere valutati per verificarne l'accuratezza in base al caso d'uso. AWS IoT TwinMaker non deve essere usato come sostituto del monitoraggio umano dei sistemi fisici allo scopo di valutare se tali sistemi funzionano in sicurezza.