Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
¿Qué es AWS IoT TwinMaker?
AWS IoT TwinMaker es un AWS IoT servicio que puede utilizar para crear gemelos digitales operativos de sistemas físicos y digitales. AWS IoT TwinMaker crea visualizaciones digitales mediante mediciones y análisis de una variedad de sensores, cámaras y aplicaciones empresariales del mundo real para ayudarlo a realizar un seguimiento de su fábrica, edificio o planta industrial física. Puede utilizar estos datos del mundo real para supervisar las operaciones, diagnosticar y corregir errores y optimizar las operaciones.
Un gemelo digital es una representación digital en vivo de un sistema y de todos sus componentes físicos y digitales. Se actualiza de forma dinámica con datos para imitar la estructura, el estado y el comportamiento reales del sistema. Puede utilizarlos para impulsar los resultados empresariales.
Los usuarios finales interactúan con los datos de su gemelo digital mediante una aplicación de interfaz de usuario.
Cómo funcionan
Para cumplir con los requisitos mínimos para crear un gemelo digital, tendrá que hacer lo siguiente.
-
Modelar dispositivos, equipos, espacios y procesos en una ubicación física.
-
Conectar estos modelos a orígenes de datos que almacenan información contextual importante, como los datos de los sensores de la señal de las cámaras.
-
Crear visualizaciones que ayuden a los usuarios a comprender los datos y la información para tomar decisiones empresariales de forma más eficiente.
-
Hacer que los gemelos digitales estén disponibles para los usuarios finales a fin de impulsar los resultados empresariales.
AWS IoT TwinMaker aborda estos desafíos al proporcionar las siguientes capacidades.
-
Gráfico de conocimiento del sistema de componentes de la entidad: AWS IoT TwinMaker proporciona herramientas para modelar dispositivos, equipos, espacios y procesos en un gráfico de conocimiento.
Este gráfico de conocimiento contiene metadatos sobre el sistema y puede conectarse a datos en diferentes ubicaciones. AWS IoT TwinMaker proporciona conectores integrados para los datos almacenados en Kinesis Video Streams AWS IoT SiteWise y Kinesis. También puede crear conectores personalizados para los datos almacenados en otras ubicaciones.
El gráfico de conocimiento y los conectores juntos proporcionan una interfaz única para consultar datos en ubicaciones dispares.
-
Compositor de escenas: la AWS IoT TwinMaker consola proporciona una herramienta de composición de escenas para crear escenas en 3D. Puede cargar sus modelos 3D/CAD creados anteriormente, optimizados para su visualización en la web y convertidos al formato .gltf o .glb. A continuación, utilice el compositor de escenas para colocar varios modelos en una sola escena y así crear representaciones visuales de sus operaciones.
También puede superponer datos en la escena. Por ejemplo, puede crear una etiqueta en una ubicación de escena que se conecte a los datos de temperatura de un sensor. Esto asocia los datos con la ubicación.
-
Aplicaciones: AWS IoT TwinMaker proporciona un complemento para Grafana y Amazon Managed Grafana que puede utilizar para crear aplicaciones de paneles de control para los usuarios finales.
-
Herramientas de terceros: Mendix se asocia AWS IoT TwinMaker para ofrecer soluciones completas para el IoT industrial. Consulte el taller Lean Daily Management Application con Mendix y
comience AWS IoT TwinMaker a utilizar la plataforma de desarrollo de aplicaciones de bajo código (LCAP) de Mendix con AWS servicios como AWS IoT TwinMaker Kinesis Video Streams y. AWS IoT SiteWise
Componentes y conceptos clave
El siguiente diagrama ilustra cómo se combinan los conceptos clave de. AWS IoT TwinMaker
nota
Los asteriscos (*) del diagrama indican relaciones. one-to-many Para conocer las cuotas de cada una de estas relaciones, consulte puntos de conexión y cuotas de AWS IoT TwinMaker.
En las secciones siguientes se describen los conceptos ilustrados en el diagrama.
Espacio de trabajo
Un espacio de trabajo es un contenedor de nivel superior para su aplicación gemela digital. En este espacio de trabajo, se crean un conjunto lógico de entidades, componentes, activos de escena y otros recursos para su gemelo digital. También sirve como límite de seguridad para administrar el acceso a la aplicación gemela digital y a los recursos que contiene. Cada espacio de trabajo está vinculado al bucket de Amazon S3 donde se almacenan los datos de su espacio de trabajo. Se utilizan los roles de IAM para restringir el acceso a su espacio de trabajo.
Un espacio de trabajo puede contener varios componentes, entidades, escenas y recursos. Un tipo de componente, entidad, escena o recurso solo existe dentro de un espacio de trabajo.
Modelo de componente de una entidad
AWS IoT TwinMaker proporciona herramientas que se utilizan para modelar el sistema mediante un gráfico de entity-component-based conocimiento. Puede utilizar la arquitectura de componentes de entidad para crear una representación de su sistema físico. Este modelo de componentes de entidades consta de entidades, componentes y relaciones. Para obtener más información sobre los sistemas de componentes de entidades, consulte Sistema de componentes de entidades
Entidad
Las entidades son representaciones digitales de los elementos de un gemelo digital que capturan las capacidades de ese elemento. Este elemento puede ser una parte del equipo físico, de un concepto o de un proceso. Las entidades tienen componentes asociados a ellas. Estos componentes proporcionan datos y contexto para la entidad asociada.
Con él AWS IoT TwinMaker, puede organizar las entidades en jerarquías personalizadas para una administración más eficiente. La vista por defecto del sistema de entidades y componentes es jerárquica.
Componente
Los componentes proporcionan contexto y datos a las entidades de una escena. Usted agrega los componentes a las entidades. La vida útil de un componente está vinculada al ciclo de vida de una entidad.
Los componentes pueden agregar datos estáticos, como una lista de documentos o las coordenadas de una ubicación geográfica. También pueden tener funciones que se conecten a otros sistemas, incluidos los sistemas que contienen datos de series temporales AWS IoT SiteWise y otros historiadores de nubes de series temporales.
Los componentes se definen mediante documentos JSON que describen la conexión entre un origen de datos e AWS IoT TwinMaker. Los componentes pueden describir fuentes de datos externas o fuentes de datos integradas en ellas. AWS IoT TwinMaker Un componente accede a un origen de datos externo mediante una función de Lambda que se especifica en el documento JSON. Un espacio de trabajo puede contener muchos componentes. Los componentes proporcionan datos a las etiquetas a través de las entidades asociadas.
AWS IoT TwinMaker proporciona varios componentes integrados que se pueden añadir desde la consola. También puede crear sus propios componentes personalizados para conectarse a orígenes de datos, como la telemetría de Timestream y las coordenadas geoespaciales. Algunos ejemplos son la TimeStream telemetría, los componentes geoespaciales y los conectores a fuentes de datos de terceros, como Snowflake.
AWS IoT TwinMaker proporciona los siguientes tipos de componentes integrados para casos de uso comunes:
-
Documento, como manuales de usuario o imágenes ubicadas en direcciones URL específicas.
-
Series temporales, como los datos de los sensores procedentes de AWS IoT SiteWise.
-
Alarmas, como las alarmas de series temporales procedentes de orígenes de datos externos.
-
Video, de cámaras IP conectadas a Kinesis Video Streams.
-
Componentes personalizados para conectarse a orígenes de datos adicionales. Por ejemplo, puede crear un conector personalizado para conectar sus entidades de AWS IoT TwinMaker a datos de series temporales almacenados externamente.
Origen de datos
Una fuente de datos es la ubicación de los datos de origen de su gemelo digital. AWS IoT TwinMaker admite dos tipos de fuentes de datos:
-
Conectores jerárquicos, que permiten sincronizar continuamente un modelo externo con AWS IoT TwinMaker.
-
Conectores de series temporales, que permiten conectarse a bases de datos de series temporales como AWS IoT SiteWise.
Propiedad
Las propiedades son los valores, tanto estáticos como respaldados por series temporales, contenidos en los componentes. Cuando se agregan componentes a las entidades, las propiedades del componente describen los detalles sobre el estado actual de la entidad.
AWS IoT TwinMaker admite tres tipos de propiedades:
-
non-time-seriesPropiedades de valor único: estas propiedades suelen ser pares clave-valor estáticos y se almacenan directamente AWS IoT TwinMaker con los metadatos de la entidad asociada.
-
Propiedades de series temporales: AWS IoT TwinMaker almacena una referencia al almacén de series temporales de estas propiedades. Por defecto, este es el valor más reciente.
-
Propiedades de relación: estas propiedades almacenan una referencia a otra entidad o componente. Por ejemplo,
seen_byes un componente de relación que podría relacionar una entidad de la cámara con otra entidad visualizada directamente por esa cámara.
Puede consultar los valores de las propiedades en orígenes de datos heterogéneos mediante la interfaz de consulta de datos unificada.
Visualización
Se utiliza AWS IoT TwinMaker para aumentar una representación tridimensional de su gemelo digital y, a continuación, verla en Grafana. Para crear escenas, use archivos CAD existentes u otros tipos de archivos 3D. A continuación, utilice superposiciones de datos para agregar datos relevantes para su gemelo digital.
Escenas
Las escenas son representaciones tridimensionales que proporcionan un contexto visual a los datos a los que se conectan. AWS IoT TwinMaker Las escenas se pueden crear utilizando un único modelo 3D gltf (formato de transmisión GL) o glb para todo el entorno, o mediante una composición de varios modelos. Las escenas también incluyen etiquetas para indicar los puntos de interés de la escena.
Las escenas son los contenedores de nivel superior para las visualizaciones. Una escena consta de uno o varios nodos.
Un espacio de trabajo puede contener varias escenas. Por ejemplo, un espacio de trabajo puede contener una escena para cada piso de una instalación.
Recursos
Las escenas muestran los recursos, que se muestran como nodos en la AWS IoT TwinMaker consola. Una escena puede contener muchos recursos.
Los recursos son imágenes y modelos tridimensionales basados en el glTF que se utilizan para crear una escena. Un recurso puede representar un solo equipo o un sitio completo.
Para colocar los recursos en una escena, debe cargar un archivo .gltf o .glb en la biblioteca de recursos de su espacio de trabajo y, a continuación, agregarlos a la escena.
Interfaz de usuario aumentada
Con AWS IoT TwinMaker ellas, puede ampliar sus escenas con superposiciones de datos que añaden contexto e información importantes, como los datos de los sensores, a las ubicaciones de la escena.
Nodos: los nodos son instancias de etiquetas, luces y modelos tridimensionales. También pueden estar vacíos para agregar estructura a la jerarquía de las escenas. Por ejemplo, puede agrupar varios nodos en un único nodo vacío.
Etiquetas: una etiqueta es un tipo de nodo que representa los datos de un componente (a través de una entidad). Una etiqueta se puede asociar con un solo componente. Una etiqueta es una anotación que se agrega a una posición de coordenadas x,y,z específica de una escena. La etiqueta conecta esta parte de la escena con el gráfico de conocimiento mediante una propiedad de la entidad. Puede usar una etiqueta para configurar el comportamiento o la apariencia visual de un elemento de la escena, como una alarma.
Luces: puedes agregar luces a una escena para enfocar determinados objetos o proyectar sombras sobre los objetos para indicar su ubicación física.
Modelos tridimensionales: un modelo tridimensional es una representación visual de un archivo .gltf o .glb importado como un recurso.
nota
AWS IoT TwinMaker no está diseñado para usarse en entornos peligrosos o sistemas críticos, ni en asociación con ellos, que puedan provocar lesiones corporales graves o la muerte o causar daños ambientales o materiales.
La precisión de los datos recopilados mediante el uso de AWS IoT TwinMaker debe evaluarse según corresponda para su caso de uso. AWS IoT TwinMaker no debe utilizarse como sustituto de la supervisión humana de los sistemas físicos con el fin de evaluar si dichos sistemas funcionan de forma segura.
