หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Digital Twin Builder (ตัวอย่าง) เป็นรายการ Microsoft Fabric สําหรับการสร้างสถานการณ์การวิเคราะห์การดําเนินงานที่ครอบคลุมสําหรับการทํางานจริง ประสบการณ์การใช้งานรหัสต่ํา/ไม่มีรหัสของ Digital Twin Builder ช่วยให้ภาคธุรกิจสามารถเชื่อมต่อกับแหล่งข้อมูลที่แตกต่างกันผ่าน Fabric และ Azure IoT Operations สร้างคู่ดิจิตอลที่ครอบคลุม และสร้างข้อมูลเชิงลึกโดยไม่จําเป็นต้องมีทักษะเฉพาะทางด้านเทคนิคสูง ด้วย Digital Twin Builder พนักงานฝ่ายปฏิบัติงานสามารถสํารวจฝาแฝดตามความสัมพันธ์ของพวกเขาและดําเนินการวิเคราะห์ชุดข้อมูลเวลาทั้งหมดภายในแพลตฟอร์มการวิเคราะห์แบบครบวงจรของ Microsoft Fabric ลูกค้าสามารถใช้ข้อมูลเชิงลึกจากประสบการณ์เหล่านี้เพื่อผลักดันการปรับปรุงการดําเนินงาน เช่น การลดของเสีย การปรับปรุงผลตอบแทน การเพิ่มความปลอดภัย และการบรรลุเป้าหมายความยั่งยืน
สําคัญ
คุณลักษณะนี้อยู่ในแสดงตัวอย่าง
บทช่วยสอนนี้จะแนะนําคุณเกี่ยวกับการสร้างออนโทโลยีสถานการณ์ในตัวสร้างฝาแฝดดิจิทัลสําหรับบริษัทพลังงานสมมติ Contoso, Ltd. มุ่งเน้นไปที่ความสามารถของตัวสร้างฝาแฝดดิจิทัลสําหรับการสร้างแบบจําลองและบริบทของข้อมูลจากหลายแหล่ง และปิดท้ายด้วยแดชบอร์ด Power BI เพื่อแสดงภาพข้อมูล
ข้อกําหนดเบื้องต้น
- พื้นที่ทํางาน ที่มีความจุ ที่เปิดใช้งาน Microsoft Fabric
- ตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง) เปิดใช้งานบนผู้เช่าของคุณ
ผู้ดูแลระบบผ้า สามารถให้สิทธิ์เข้าถึงตัวสร้าง Twin แบบดิจิทัลใน พอร์ทัลผู้ดูแลระบบได้ ใน การตั้งค่าผู้เช่า ให้เปิดใช้งาน Digital Twin Builder (ตัวอย่าง)
ผู้เช่าไม่สามารถเปิดใช้งาน การเรียกเก็บเงินการปรับขนาดอัตโนมัติสําหรับ Spark เนื่องจากตัวสร้างคู่แบบดิจิทัลไม่สามารถใช้งานได้ การตั้งค่านี้ยังได้รับการจัดการในพอร์ทัลผู้ดูแลระบบ
- แอป Power BI desktop ล่าสุดบนเครื่องของคุณ (ขั้นตอนที่ 5 ของบทช่วยสอนต้องใช้แอปเดสก์ท็อป ไม่ใช่ บริการของ Power BI ใน Fabric) คุณสามารถรับได้ที่นี่: ดาวน์โหลด Power BI
ทําความเข้าใจสถานการณ์ด้านพลังงานของ Contoso, Ltd.
บทช่วยสอนนี้นําเสนอบริษัทพลังงานสมมติ Contoso, Ltd.
Contoso, Ltd. เป็นบริษัทพลังงานชั้นนําที่มุ่งมั่นที่จะผลิตไบโอเอทานอล ซึ่งเป็นผลิตภัณฑ์เชื้อเพลิงที่ไม่ใช่ฟอสซิลที่ยั่งยืนและหมุนเวียนได้ เพื่อให้บรรลุเป้าหมายในการปรับปรุงประสิทธิภาพ ลดการใช้พลังงาน และรับประกันคุณภาพของผลิตภัณฑ์ Contoso, Ltd. ตัดสินใจใช้โซลูชันโดยใช้ตัวสร้างฝาแฝดดิจิทัล (พรีวิว) ทั่วทั้งไซต์การกลั่น
Contoso, Ltd. เผชิญกับความท้าทายหลายประการในกระบวนการกลั่นในปัจจุบัน:
- ประสิทธิภาพ: หน่วยกลั่นที่มีอยู่ไม่ได้รับการปรับให้เหมาะสม ซึ่งนําไปสู่ระยะเวลาการประมวลผลที่นานขึ้นและต้นทุนการดําเนินงานที่สูงขึ้น
- ปริมาณการใช้พลังงาน: 199-99 พลังงานที่จําเป็นในการรักษากระบวนการกลั่นมีความสําคัญและส่งผลกระทบต่อเป้าหมายความยั่งยืนของ บริษัท
- คุณภาพของผลิตภัณฑ์: เป็นเรื่องท้าทายที่ต้องตรวจสอบให้แน่ใจว่าคุณภาพของผลิตภัณฑ์ในไซต์ต่าง ๆ มีความสอดคล้องเนื่องจากตัวแปรในพารามิเตอร์กระบวนการ
เพื่อบรรเทาความท้าทายเหล่านี้ Contoso, Ltd. จําเป็นต้อง:
- รวบรวมข้อมูลและเมตาดาต้าจากแหล่งข้อมูลหลายแหล่ง รวมถึงเซนเซอร์ ระบบควบคุม และระบบการจัดการข้อมูลในห้องปฏิบัติการ การรวบรวมข้อมูลที่ครอบคลุมนี้ช่วยให้สามารถดูกระบวนการกลั่นได้แบบองค์รวม
- เชื่อมโยงสินทรัพย์โดยการสร้างบริบทความหมายเพื่อแสดงถึงกระบวนการขนาดใหญ่และรายละเอียดสินทรัพย์ บริบทความหมายนี้ช่วยในการทําความเข้าใจความสัมพันธ์ระหว่างสินทรัพย์ที่แตกต่างกันและบทบาทของพวกเขาในกระบวนการโดยรวม
- ปรับมาตราส่วนบริบทความหมายเพื่อทําการตัดสินใจที่มีข้อมูลสนับสนุนทั่วทั้งไซต์
แผนภาพต่อไปนี้แสดงให้เห็นว่ากระบวนการกลั่นมีโครงสร้างอย่างไร:
ผู้สร้างฝาแฝดดิจิทัลสามารถช่วย Contoso, Ltd. เปลี่ยนแปลงการดําเนินงานของพวกเขาได้ แพลตฟอร์มช่วยให้พวกเขารวมและสร้างบริบทของข้อมูลจากแหล่งข้อมูลต่าง ๆ ได้อย่างราบรื่นสร้างมุมมองแบบรวมของกระบวนการกลั่น แนวทางแบบองค์รวมนี้ช่วยให้ Contoso, Ltd. ได้รับข้อมูลเชิงลึกอันมีค่าเพิ่มประสิทธิภาพการดําเนินงานและทําการตัดสินใจอย่างชาญฉลาดซึ่งขับเคลื่อนประสิทธิภาพลดการใช้พลังงานและปรับปรุงคุณภาพของผลิตภัณฑ์
โทโพโลยีตัวอย่าง
บทช่วยสอนนี้เกี่ยวข้องกับชุดย่อยของกระบวนการกลั่นที่ระบุไว้ในส่วนก่อนหน้า กระบวนการจะเห็นได้ในโทโพโลยีต่อไปนี้:
แหล่งข้อมูล
Contoso, Ltd. ต้องการสร้างแบบจําลองและสร้างมาตรฐานกระบวนการกลั่นทั่วทั้งไซต์ของตน ในการสร้างแบบจําลองกระบวนการของพวกเขาบนตัวสร้างคู่แบบดิจิทัลพวกเขาเริ่มต้นด้วยการแสดง 10 ไซต์โดยที่แต่ละไซต์เป็นอินสแตนซ์ของประเภทเอนทิตีกระบวนการ
ข้อมูลดิบสําหรับบทช่วยสอน
สําหรับบทช่วยสอนนี้ คุณใช้แหล่งข้อมูลต่อไปนี้:
| ชนิดข้อมูล | การใช้ |
|---|---|
| ข้อมูลสินทรัพย์ | ข้อกําหนดของสินทรัพย์สําหรับ Distiller, Condenser และ Reboiler แต่ละประเภทเอนทิตีเหล่านั้นมี 10 อินสแตนซ์ที่กําหนดไว้ในตาราง |
| อนุกรมเวลา | ข้อมูลการปฏิบัติงานที่มีการจัดรูปแบบกว้าง |
| คำขอการบำรุงรักษา | คําขอการบํารุงรักษาที่เกี่ยวข้องกับช่างเทคนิคและอุปกรณ์เฉพาะ |
| ช่าง เทคนิค | ช่างเทคนิครายละเอียดข้อมูล SAP ที่ทํางานในเว็บไซต์ |
| ข้อมูลกระบวนการกลั่น | MES / ประมวลผลข้อมูลสําหรับหลายไซต์ที่ประกอบด้วยเวลาเริ่มต้นและเวลาสิ้นสุดและของเสีย KPI สําหรับรายการกระบวนการแต่ละรายการ ลูกค้านําข้อมูล MES มาใช้และแสดงบริบทด้วยข้อมูลสินทรัพย์และข้อมูลเหตุการณ์เพื่อแยกแต่ละกระบวนการที่เกิดขึ้น |
ข้อมูลการปฏิบัติงาน
ผ่านระบบเอดจ์ Contoso, Ltd. ได้รับข้อมูลอนุกรมเวลาจากไซต์ต่างๆ ไซต์ทั้งหมดดําเนินการกระบวนการกลั่นเดียวกันที่ประกอบด้วยแอสเซทต่อไปนี้:
-
เครื่องกลั่น: สร้างข้อมูลชุดข้อมูลเวลาสําหรับ
RefluxRatioMainTowerPressure,FeedFlowRate, และFeedTrayTemperature -
ตัวควบแน่น: สร้างข้อมูลชุดข้อมูลเวลาสําหรับ
Pressure,PowerและTemperature -
Reboiler: สร้างข้อมูลชุดข้อมูลเวลาสําหรับ
Pressure,InletTemperatureและOutletTemperature
การวัดค่าเหล่านี้ช่วยในการตรวจสอบและควบคุมกระบวนการกลั่นเพื่อให้มั่นใจถึงการทํางานที่มีประสิทธิภาพและปลอดภัย
ขั้นตอนบทช่วยสอน
ในบทช่วยสอนนี้ คุณสร้างโซลูชันตัวสร้างฝาแฝดดิจิทัล (ตัวอย่าง) สําหรับ Contoso, Ltd.
โดยเฉพาะ คุณเรียนรู้วิธีการ:
- ตั้งค่าสภาพแวดล้อมของคุณและปรับใช้รายการ Digital Twin Builder
- สร้างชนิดเอนทิตี และแมปข้อมูลคุณสมบัติและชุดข้อมูลเวลาไปยังเอนทิตี
- กําหนดความสัมพันธ์เชิงความหมายระหว่างชนิดเอนทิตี
- ค้นหาและสํารวจวิทยาของคุณ
- สร้างรายงาน Power BI ด้วยข้อมูล Digital Twin Builder
นี่คือรายงาน Power BI ที่คุณสร้างในบทช่วยสอนนี้
