As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
O que é AWS IoT TwinMaker?
AWS IoT TwinMaker é um AWS IoT serviço que você pode usar para criar gêmeos digitais operacionais de sistemas físicos e digitais. AWS IoT TwinMaker cria visualizações digitais usando medições e análises de uma variedade de sensores, câmeras e aplicativos corporativos do mundo real para ajudá-lo a acompanhar sua fábrica física, prédio ou planta industrial. Você pode usar esses dados do mundo real para monitorar operações, diagnosticar e corrigir erros, e otimizar as operações.
Um gêmeo digital é uma representação digital ao vivo de um sistema e de todos os seus componentes físicos e digitais. É atualizado dinamicamente com dados para imitar a verdadeira estrutura, estado e comportamento do sistema. Você pode usá-lo para gerar resultados comerciais.
Os usuários finais interagem com os dados do seu gêmeo digital usando um aplicativo de interface de usuário.
Como funciona
Para atender aos requisitos mínimos para criar um gêmeo digital, é necessário fazer o seguinte.
-
Modele dispositivos, equipamentos, espaços e processos em um local físico.
-
Conecte esses modelos a fontes de dados que armazenam informações contextuais importantes, como feeds de câmeras de dados de sensores.
-
Crie visualizações que ajudem os usuários a entender os dados e insights para tomar decisões de negócios com mais eficiência.
-
Disponibilize gêmeos digitais aos usuários finais para impulsionar os resultados comerciais.
AWS IoT TwinMaker aborda esses desafios fornecendo os seguintes recursos.
-
Gráfico de conhecimento do sistema de componentes da entidade: AWS IoT TwinMaker fornece ferramentas para modelar dispositivos, equipamentos, espaços e processos em um gráfico de conhecimento.
Esse gráfico de conhecimento contém metadados sobre o sistema e pode se conectar a dados em diferentes locais. AWS IoT TwinMaker fornece conectores integrados para dados armazenados no Kinesis AWS IoT SiteWise Video Streams. Você também pode criar conectores personalizados para dados armazenados em outros locais.
Juntos, o gráfico de conhecimento e os conectores fornecem uma interface única para consultar dados em locais diferentes.
-
Compositor de cenas: o AWS IoT TwinMaker console fornece uma ferramenta de composição de cenas para criar cenas em 3D. Você carrega seus modelos 3D/CAD criados anteriormente, otimizados para exibição na web e convertidos para o formato .gltf ou .glb. Em seguida, você usa o compositor de cenas para posicionar vários modelos em uma única cena, criando representações visuais de suas operações.
Você também pode sobrepor dados na cena. Por exemplo, você pode criar uma tag em um local de cena que se conecta aos dados de temperatura de um sensor. Isso associa os dados à localização.
-
Aplicativos: AWS IoT TwinMaker fornece um plug-in para o Grafana e o Amazon Managed Grafana que você pode usar para criar aplicativos de painel para usuários finais.
-
Ferramentas de terceiros: a Mendix faz parceria AWS IoT TwinMaker para fornecer soluções completas para IoT industrial. Veja o workshop Lean Daily Management Application with Mendix e
comece AWS IoT TwinMaker a usar a Mendix Low Code Application Development Platform (LCAP) com AWS serviços como Kinesis AWS IoT TwinMaker Video Streams e. AWS IoT SiteWise
Componentes e conceitos-chave
O diagrama a seguir ilustra como os principais conceitos de AWS IoT TwinMaker se encaixam.
nota
Os asteriscos (*) no diagrama indicam one-to-many relacionamentos. Para as cotas de cada um desses relacionamentos, consulte endpoints e cotas do AWS IoT TwinMaker.
As seções a seguir descrevem os conceitos ilustrados no diagrama.
Espaço de trabalho
Um espaço de trabalho é um contêiner de alto nível para seu aplicativo de gêmeos digitais. Você cria um conjunto lógico de entidades, componentes, ativos de cena e outros recursos para seu gêmeo digital dentro desse espaço de trabalho. Ele também serve como um limite de segurança para gerenciar o acesso ao aplicativo do gêmeo digital e aos recursos que ele contém. Cada espaço de trabalho é vinculado ao bucket do Amazon S3 onde os dados do seu espaço de trabalho são armazenados. Você usa perfis do IAM para restringir o acesso ao seu espaço de trabalho.
Um espaço de trabalho pode conter vários componentes, entidades, cenas e recursos. Um tipo de componente, entidade, cena ou recurso existe somente em um espaço de trabalho.
Modelo de entidade-componente
AWS IoT TwinMaker fornece ferramentas que você usa para modelar seu sistema usando um gráfico de entity-component-based conhecimento. Você pode usar a arquitetura de entidade-componente para criar uma representação do seu sistema físico. Esse modelo de componente de entidade consiste em entidades, componentes e relacionamentos. Para obter mais informações sobre sistemas de entidade-componente, consulte Sistema de componentes de entidade
Entidade
Entidades são representações digitais dos elementos em um gêmeo digital que capturam as capacidades desse elemento. Tal elemento pode ser um equipamento físico, conceito ou processo. As entidades têm componentes associados a elas. Esses componentes fornecem dados e contexto para a entidade associada.
Com AWS IoT TwinMaker, você pode organizar entidades em hierarquias personalizadas para um gerenciamento mais eficiente. A visualização padrão do sistema de entidades e componentes é hierárquica.
Componente
Os componentes fornecem contexto e dados para entidades em uma cena. Você adiciona componentes a entidades. A vida útil de um componente está vinculada à vida útil de uma entidade.
Os componentes podem adicionar dados estáticos, como uma lista de documentos ou as coordenadas de uma localização geográfica. Eles também podem ter funções que se conectam a outros sistemas, incluindo sistemas que contêm dados de séries temporais, como AWS IoT SiteWise e outros historiadores de nuvens de séries temporais.
Os componentes são definidos por documentos JSON que descrevem a conexão entre uma fonte de dados e o AWS IoT TwinMaker. Os componentes podem descrever fontes de dados externas ou fontes de dados incorporadas AWS IoT TwinMaker. Um componente acessa uma fonte de dados externa usando uma função do Lambda especificada no documento JSON. Um espaço de trabalho pode conter muitos componentes. Os componentes fornecem dados às tags por meio de entidades associadas.
AWS IoT TwinMaker fornece vários componentes integrados que você pode adicionar do console. Você também pode criar seus próprios componentes personalizados para se conectar a fontes de dados, como telemetria de fluxo de tempo e coordenadas geoespaciais. Exemplos disso incluem TimeStream telemetria, componentes geoespaciais e conectores para fontes de dados de terceiros, como o Snowflake.
AWS IoT TwinMaker fornece os seguintes tipos de componentes integrados para casos de uso comuns:
-
Documento, como manuais do usuário ou imagens localizadas em URLs especificados.
-
Séries temporais, como dados de sensor do AWS IoT SiteWise.
-
Alarmes, como alarmes de séries temporais de fontes de dados externas.
-
Vídeo de câmeras IP conectadas ao Kinesis Video Streams.
-
Componentes personalizados para se conectar a fontes de dados adicionais. Por exemplo, você pode criar um conector personalizado para conectar suas entidades AWS IoT TwinMaker a dados de séries temporais armazenados externamente.
Fontes de dados
Uma fonte de dados é a localização dos dados de origem do seu gêmeo digital. AWS IoT TwinMaker suporta dois tipos de fontes de dados:
-
Conectores hierárquicos, que permitem sincronizar continuamente um modelo externo com o AWS IoT TwinMaker.
-
Conectores de séries temporais, que permitem que você se conecte a bancos de dados de séries temporais, como o AWS IoT SiteWise.
Propriedade
As propriedades são os valores, tanto estáticos quanto baseados em séries temporais, contidos nos componentes. Quando você adiciona componentes às entidades, as propriedades no componente descrevem detalhes sobre o estado atual da entidade.
AWS IoT TwinMaker suporta três tipos de propriedades:
-
Valor único, non-time-series propriedades — essas propriedades geralmente são pares estáticos de valores-chave e são armazenadas diretamente AWS IoT TwinMaker com os metadados da entidade associada.
-
Propriedades de séries temporais — AWS IoT TwinMaker armazena uma referência ao armazenamento de séries temporais dessas propriedades. O padrão é o valor mais recente.
-
Propriedades de relacionamento – essas propriedades armazenam uma referência a outra entidade ou componente. Por exemplo,
seen_byé um componente de relacionamento que pode relacionar uma entidade de câmera a outra entidade que é visualizada diretamente por essa câmera.
Você pode consultar valores de propriedades em fontes de dados heterogêneas usando a interface unificada de consulta de dados.
Visualização
Você usa AWS IoT TwinMaker para aumentar uma representação tridimensional do seu gêmeo digital e depois visualizá-lo na Grafana. Para criar cenas, use arquivos existentes do CAD ou outros tipos de arquivo 3D. Em seguida, usamos sobreposições de dados para adicionar dados relevantes para seu gêmeo digital.
Cenas
As cenas são representações tridimensionais que fornecem contexto visual para os dados conectados. AWS IoT TwinMaker As cenas podem ser criadas usando um único modelo gltf (GL Transmission Format) ou glb 3D para todo o ambiente, ou usando uma composição de vários modelos. As cenas também incluem tags para indicar pontos de interesse na cena.
As cenas são os contêineres de nível superior para visualizações. Uma cena consiste em um ou mais nós.
Um espaço de trabalho pode conter várias cenas. Por exemplo, um espaço de trabalho pode conter uma cena para cada andar de uma instalação.
Recursos
As cenas exibem recursos, que são exibidos como nós no AWS IoT TwinMaker console. Uma cena pode conter muitos recursos.
Os recursos são imagens e modelos tridimensionais do glTF baseados em imagens e usados para criar uma cena. Um recurso pode representar um único equipamento ou um local completo.
Você posiciona recursos em uma cena carregando um arquivo.gltf ou .glb na biblioteca de recursos do seu espaço de trabalho e adicionando-os à sua cena.
Interface aumentada do usuário
Com isso, AWS IoT TwinMaker você pode aumentar suas cenas com sobreposições de dados que adicionam contexto e informações importantes, como dados de sensores, aos locais na cena.
Nós: os nós são instâncias de tags, luzes e modelos tridimensionais. Eles também podem estar vazios para adicionar estrutura à sua hierarquia de cenas. Por exemplo, você pode agrupar vários nós em um único nó vazio.
Tags: uma tag é um tipo de nó que representa dados de um componente (por meio de uma entidade). Uma tag pode ser associada apenas a um componente. Uma tag é uma anotação adicionada a uma posição específica da coordenada x,y,z de uma cena. A tag conecta essa parte da cena ao gráfico de conhecimento usando uma propriedade de entidade. Você pode usar uma tag para configurar o comportamento ou a aparência visual de um item na cena, como um alarme.
Luzes: você pode adicionar luzes a uma cena para focar ou projetar sombras em objetos específicos para indicar sua localização física.
Modelos tridimensionais: um modelo tridimensional é uma representação visual de um arquivo.gltf ou.glb importado como um recurso.
nota
AWS IoT TwinMaker não se destina ao uso em, ou em associação com, a operação de quaisquer ambientes perigosos ou sistemas críticos que possam causar lesões corporais graves ou morte ou causar danos ambientais ou materiais.
Os dados coletados por meio do seu uso de AWS IoT TwinMaker devem ser avaliados quanto à precisão, conforme apropriado para seu caso de uso. AWS IoT TwinMaker não deve ser usado como substituto do monitoramento humano de sistemas físicos para avaliar se esses sistemas estão operando com segurança.
