Lernprogramm für Digital Twin Builder (Vorschau): Einführung

Digital Twin Builder (Vorschau) ist ein Microsoft Fabric-Element zum Erstellen umfassender Betriebsanalyseszenarien für physische Vorgänge. Die Low-Code-/No-Code-Erfahrung von Digital Twin Builder ermöglicht Unternehmen, über Fabric und Azure IoT Operations eine Verbindung zu unterschiedlichen Datenquellen herzustellen, umfassende digitale Zwillinge aufzubauen und Einblicke zu gewinnen, ohne dass hochtechnische Fachkompetenz erforderlich ist. Mit dem Digital Twin Builder können Betriebsmitarbeiter Zwillinge basierend auf ihren Beziehungen erkunden und Zeitreihenanalysen durchführen, alles innerhalb der All-in-One-Analyseplattform von Microsoft Fabric. Kunden können dann Erkenntnisse aus diesen Erfahrungen nutzen, um betriebliche Verbesserungen zu fördern, z. B. Abfallreduzierung, Verbesserung des Ertrages, Verbesserung der Sicherheit und Erreichen von Nachhaltigkeitszielen.

Dieses Tutorial führt Sie durch die Erstellung einer Szenarien-Ontologie im Digital Twin Builder für das fiktive Energieunternehmen Contoso, Ltd. Es konzentriert sich auf die Fähigkeiten des Digital Twin Builders zur Modellierung und Kontextualisierung von Daten aus mehreren Quellen und endet mit einem Power BI-Dashboard zur Visualisierung der Daten.

Voraussetzungen

• Ein Arbeitsbereich mit einer Microsoft Fabric-fähigen Kapazität
• Digital Twin Builder (Vorschau) für Ihren Mandanten aktiviert.

  • Fabric-Administratoren können zugriff auf den digitalen Twin Builder im Verwaltungsportal gewähren. Aktivieren Sie in den MandanteneinstellungenDigital Twin Builder (Vorschau).

    

  • Der Mandant kann die Autoscale-Abrechnung für Spark nicht aktiviert haben, da der digitale Zwillings-Generator nicht mit diesem kompatibel ist. Diese Einstellung wird auch im Verwaltungsportal verwaltet.

• Die neueste Power BI-Desktop-App auf Ihrem Computer (Schritt 5 des Lernprogramms erfordert die Verwendung der Desktop-App, nicht des Power BI-Diensts in Fabric). Sie können es hier abrufen: Herunterladen von Power BI.

Grundlegendes zum Energieszenario von Contoso, Ltd.

Dieses Lernprogramm enthält das fiktive Energieunternehmen Contoso, Ltd.

Contoso, Ltd. ist ein führendes Energieunternehmen, das sich für die Herstellung von Bioethanol, einem nachhaltigen und erneuerbaren Nichtfossilbrennstoffprodukt einsetzt. Um ihre Ziele zur Verbesserung der Effizienz, zur Reduzierung des Energieverbrauchs und zur Sicherstellung der Produktqualität zu erreichen, beschließt Contoso, Ltd. eine Lösung mit digital twin builder (Vorschau) auf ihren Destillationsstandorten zu implementieren.

Contoso, Ltd. stellt sich in ihren aktuellen Destillationsprozessen vor mehreren Herausforderungen:

• Effizienz: Die vorhandenen Destillationseinheiten sind nicht optimiert, was zu längeren Verarbeitungszeiten und höheren Betriebskosten führt.
• Energieverbrauch: Die für die Beibehaltung des Destillationsvorgangs erforderliche Energie ist wesentlich und wirkt sich auf die Nachhaltigkeitsziele des Unternehmens aus.
• Produktqualität: Aufgrund von Variationen in Prozessparametern ist es schwierig, eine konsistente Produktqualität an verschiedenen Standorten zu gewährleisten.

Um diese Herausforderungen zu mindern, muss Contoso, Ltd. folgendes ausführen:

• Sammeln von Daten und Metadaten aus mehreren Quellen, einschließlich Sensoren, Steuerungssystemen und Laborinformationsmanagementsystemen. Diese umfassende Datensammlung ermöglicht einen ganzheitlichen Blick auf den Destillationsprozess.
• Verknüpfen Sie Ressourcen, indem Sie einen semantischen Kontext erstellen, um große Prozesse und Objektdetails darzustellen. Dieser semantische Kontext hilft dabei, die Beziehungen zwischen verschiedenen Ressourcen und deren Rollen im Gesamtprozess zu verstehen.
• Skalieren Sie den semantischen Kontext, um datengesteuerte Entscheidungen auf allen Websites zu treffen.

Das folgende Diagramm zeigt, wie ihr Destillationsprozess strukturiert ist:

Digital Twin Builder kann Contoso, Ltd. helfen, ihre Vorgänge zu transformieren. Die Plattform ermöglicht es ihnen, Daten aus verschiedenen Quellen nahtlos zu integrieren und zu kontextualisieren, wodurch eine einheitliche Ansicht ihres Destillationsprozesses entsteht. Dieser ganzheitliche Ansatz ermöglicht Es Contoso, Ltd. wertvolle Erkenntnisse zu gewinnen, ihre Vorgänge zu optimieren und fundierte Entscheidungen zu treffen, die die Effizienz steigern, den Energieverbrauch reduzieren und die Produktqualität verbessern.

Beispiel-Ontologie

In diesem Lernprogramm wird eine Teilmenge des Destillationsvorgangs behandelt, der im vorherigen Abschnitt beschrieben ist. Der Prozess wird in der folgenden Ontologie gesehen:

Datenquellen

Contoso, Ltd. möchte Destillationsprozesse an ihren Standorten modellieren und standardisieren. Um ihren Prozess für den digitalen Zwillings-Generator zu modellieren, beginnen sie mit der Darstellung von 10 Standorten, wobei jede Website eine Instanz des Prozessentitätstyps ist.

Rohdaten für Tutorial

In diesem Lernprogramm verwenden Sie die folgenden Datenquellen:

Operative Daten

Über ein Edgesystem empfängt Contoso, Ltd. Zeitreihendaten von verschiedenen Standorten. Alle Standorte führen den gleichen Destillationsprozess aus, der die folgenden Ressourcen enthält:

• Destillierer: Produziert Zeitreihendaten für RefluxRatio, , MainTowerPressureFeedFlowRateund FeedTrayTemperature.
• Kondensator: Erzeugt Zeitreihendaten für Pressure, Powerund Temperature.
• Reboiler: Erzeugt Zeitreihendaten für Pressure, InletTemperatureund OutletTemperature.

Diese Messungen helfen dabei, den Destillationsprozess zu überwachen und zu steuern, um einen effizienten und sicheren Betrieb zu gewährleisten.

Anleitungsschritte

In diesem Lernprogramm erstellen Sie die Digital Twin Builder (Vorschau)-Lösung für Contoso, Ltd.

Dabei lernen Sie insbesondere Folgendes:

Hier sehen Sie den Power BI-Bericht, den Sie in diesem Lernprogramm erstellen.

Nächster Schritt