Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Digital Twin Builder (préversion) est un élément Microsoft Fabric permettant de créer des scénarios d’analytique opérationnelle complets pour les opérations physiques. L'expérience low-code/sans code du générateur de jumeaux numériques permet aux entreprises de se connecter à des sources de données disparates via Fabric et Azure IoT Operations ; créer des jumeaux numériques complets ; et générer des insights sans avoir besoin de compétences hautement techniques spécialisées. Avec le générateur de jumeaux numériques, le personnel des opérations peut explorer les jumeaux en fonction de leurs relations et effectuer des analyses de série chronologique, dans la plateforme analytique tout-en-un de Microsoft Fabric. Les clients peuvent ensuite utiliser des insights de ces expériences pour stimuler des améliorations opérationnelles telles que la réduction des déchets, l’amélioration du rendement, l’amélioration de la sécurité et l’atteinte des objectifs de durabilité.
Important
Cette fonctionnalité est en version préliminaire.
Ce tutoriel vous guide tout au long de la création d’une ontologie de scénario dans le générateur de jumeaux numériques pour la société d’énergie fictive Contoso, Ltd. Il se concentre sur les fonctionnalités du générateur de jumeaux numériques pour la modélisation et la contextualisation des données à partir de plusieurs sources, et se termine par un tableau de bord Power BI pour visualiser les données.
Conditions préalables
- Un espace de travail avec une capacité activée par Microsoft Fabric.
- Générateur de jumeaux numériques (préversion) activé sur votre client.
Les administrateurs de structure peuvent accorder l’accès au générateur de jumeaux numériques dans le portail d’administration. Dans les paramètres du locataire, activez Digital Twin Builder (aperçu).
Le locataire ne peut pas avoir la facturation de mise à l’échelle automatique pour Spark activée, car l'outil de création de jumeaux numériques n’est pas compatible avec cet outil. Ce paramètre est également géré dans le portail d’administration.
- La dernière application de bureau Power BI sur votre ordinateur (étape 5 du didacticiel nécessite l’utilisation de l’application de bureau, et non du service Power BI dans Fabric). Vous pouvez l’obtenir ici : Téléchargez Power BI.
Comprendre le scénario d’énergie Contoso, Ltd.
Ce didacticiel présente la société d’énergie fictive Contoso, Ltd.
Contoso, Ltd. est une société d’énergie de premier plan qui s’engage à produire du bioéthanol, un produit de carburant non renouvelable et durable. Pour atteindre leurs objectifs d'amélioration de l'efficacité, de réduction de la consommation d'énergie et de garantir la qualité des produits, Contoso, Ltd. décide d'implémenter une solution à l'aide de l'outil de création de jumeaux numériques (version préliminaire) à travers leurs sites de distillation.
Contoso, Ltd. rencontre plusieurs défis dans leurs processus de distillation actuels :
- Efficacité: Les unités de distillation existantes ne sont pas optimisées, ce qui entraîne des temps de traitement plus longs et des coûts opérationnels plus élevés.
- Consommation d’énergie: L’énergie nécessaire pour maintenir le processus de distillation est importante, ce qui a un impact sur les objectifs de durabilité de l’entreprise.
- Qualité du produit : Il est difficile de garantir une qualité de produit cohérente sur différents sites, en raison des variations des paramètres de processus.
Pour atténuer ces défis, Contoso, Ltd. doit :
- Collecter des données et des métadonnées à partir de plusieurs sources, notamment des capteurs, des systèmes de contrôle et des systèmes de gestion des informations de laboratoire. Cette collecte de données complète permet une vue holistique du processus de distillation.
- Associez les ressources en créant un contexte sémantique pour représenter les processus volumineux et les détails des ressources. Ce contexte sémantique permet de comprendre les relations entre différentes ressources et leurs rôles dans le processus global.
- Mettre à l’échelle le contexte sémantique pour prendre des décisions pilotées par les données entre les sites.
Le diagramme suivant montre comment leur processus de distillation est structuré :
L'outil de création de jumeaux numériques peut aider Contoso, Ltd. à transformer ses opérations. La plateforme leur permet d’intégrer et de contextualiser en toute transparence les données provenant de différentes sources, en créant une vue unifiée de leur processus de distillation. Cette approche holistique permet à Contoso, Ltd. d’obtenir des insights précieux, d’optimiser leurs opérations et de prendre des décisions éclairées qui favorisent l’efficacité, réduisent la consommation d’énergie et améliorent la qualité des produits.
Exemple d’ontologie
Ce tutoriel traite d’un sous-ensemble du processus de distillation décrit dans la section précédente. Le processus est vu dans l’ontologie suivante :
Sources de données
Contoso, Ltd. souhaite modéliser et normaliser les processus de distillation sur leurs sites. Pour modéliser leur processus sur le générateur de jumeaux numériques, ils commencent par représenter 10 sites, où chaque site est une instance du type d’entité Processus .
Données brutes pour le didacticiel
Pour ce tutoriel, vous utilisez les sources de données suivantes :
| Type de données | Utilisation |
|---|---|
| Données d'actifs | Définitions de ressources pour Distillateur, Condenser et Réchauffeur. Chacun de ces types d’entités a 10 instances définies dans la table. |
| série chronologique | Données opérationnelles au format large. |
| Demandes de maintenance | Demandes de maintenance associées à un technicien et un équipement particuliers. |
| Techniciens | Données SAP détaillant les techniciens travaillant sur des sites. |
| Données du processus de distillation | Données mes/processus pour plusieurs sites, contenant des heures de début et de fin et des indicateurs de performance clés pour chaque entrée de processus. Un client fournit les données MES et les contextualise avec des données d'actifs et d'événements afin d’isoler chaque processus qui a eu lieu. |
Données opérationnelles
Par le biais d’un système de périphérie, Contoso, Ltd. reçoit des données de série chronologique de différents sites. Tous les sites effectuent le même processus de distillation qui inclut les ressources suivantes :
-
Distillateur : produit des données de série chronologique pour
RefluxRatio,MainTowerPressure,FeedFlowRateetFeedTrayTemperature. -
Condensateur : produit des données de série chronologique pour
Pressure,PoweretTemperature. -
Reboiler : produit des données de série chronologique pour
Pressure,InletTemperatureetOutletTemperature.
Ces mesures permettent de surveiller et de contrôler le processus de distillation, en garantissant une opération efficace et sûre.
Étapes du didacticiel
Dans ce tutoriel, vous créez la solution du constructeur de jumeaux numériques (version préliminaire) pour Contoso, Ltd.
Plus précisément, vous allez découvrir comment :
- Configurer votre environnement et déployer un élément de générateur de jumeaux numériques
- Créer des types d’entités, et mapper des données de propriété et de série chronologique à celles-ci
- Définir des relations sémantiques entre les types d’entités
- Rechercher et explorer votre ontologie
- Créer un rapport Power BI avec des données de générateur de jumeaux numériques
Voici le rapport Power BI que vous générez dans ce tutoriel.