本指导将展示如何利用 AWS 服务为工业物联网(IoT)、空间计算和模拟使用案例创建数字孪生。本指导将展示如何通过全面的数字孪生控制面板安全地摄取和管理工业物联网和空间资产。此外,本指导还说明了如何使用空间数据面板摄取和管理本地空间数据,以便于将关键空间信息无缝集成到数字孪生环境中。此外,AWS 云使用多种存储和计算原语构建、存储、校准和编排模拟,使您能够执行虚拟测试、实验和场景规划。
请注意:[免责声明]
架构图
-
简要概述
-
物联网数据
-
空间数据面板
-
构建和编排模拟孪生
-
产品设计示例
-
简要概述
-
此架构图由三个集成模块组成,这些模块可应对劳动力安全性和合规性的关键阶段,并创建数字孪生框架、物联网、空间计算和模拟组件。
第 1 步
使用可视化资产管理系统(VAMS)或类似的数字资产管理器,将数字孪生框架的空间数据摄取到空间数据面板中。
第 2 步
Amazon API Gateway 管理 Amazon Simple Storage Service(Amazon S3)中的文件数据和 Amazon DynamoDB 中的元数据的存储。
第 3 步
使用首选的工业数据编织架构解决方案,摄取能够为数字孪生框架提供动力的物联网数据。
第 4 步
Amazon S3 提供对象存储,AWS IoT SiteWise 和 AWS IoT TwinMaker 为物联网数据提供结构和语义。
第 5 步
将工程师创建的模拟和人工智能/机器学习模型存储在 AWS 中。将模拟运行时环境容器化并存储在 Amazon Elastic Container Registry(Amazon ECR)中。将配置文件和模型权重存储在 Amazon S3 中,并将模拟源代码存储在 Git 存储库中。第 6 步
使用 TwinFlow、Amazon Managed Workflows for Apache Airflow(Amazon MWAA)和 AWS Step Functions 等编排工具管理模拟工作流。利用 Amazon EventBridge 事件在 AWS Batch 或 Amazon SageMaker 中评估模拟和人工智能/机器学习模型。
第 7 步
EventBridge 定期启动 AWS Batch 流程,这些流程将使用存储在 Amazon S3、AWS IoT SiteWise 或其他数据库解决方案(例如 Amazon Timestream)中的更新后的数据重新校准模拟或模型。第 8 步
可以使用 AWS IoT TwinMaker 在用户的浏览器中对数字孪生进行实时 3D 渲染,也可以在云端进行渲染并使用 WebRTC 视频流将它们显示在用户的浏览器中。第 9 步
用户使用 Amazon Managed Grafana 或者使用物联网应用程序套件构建并由 Amazon CloudFront 托管的自定义控制面板查看数字孪生。此外,用户还可以使用 NICE DCV 远程桌面软件或带有 Amazon AppStream 2.0 的云托管式应用程序与虚拟工作站进行交互。第 10 步
用户可以选择在移动设备和 AR/VR 耳机上查看数字孪生。用户也可以选择将生成式人工智能聊天机器人集成到他们的控制面板中。
-
物联网数据
-
此架构图显示了如何将物联网数据连接到数字孪生。
第 1 步
通过可编程逻辑控制器(PLC)将资产连接到客户所在地的工业个人计算机(PC)。
第 2 步
这台 PC 运行 AWS IoT Greengrass 边缘运行时和 AWS IoT SiteWise Edge。AWS IoT SiteWise Edge 收集资产遥测数据,并通过虚拟专用网络(VPN)等安全连接将这些数据推送到 AWS IoT SiteWise。
第 3 步
AWS IoT SiteWise 将资产组织到层次结构中、计算关键绩效指标(KPI),并将时间序列数据存储在不同的存储层中。第 4 步
将 AWS IoT SiteWise、Amazon S3 和其他数据来源中的数据连接到 AWS IoT TwinMaker,以构建知识图谱和 3D 数字孪生。第 5 步
Amazon Managed Grafana 利用适用于 Grafana 的 AWS IoT TwinMaker 和 AWS IoT SiteWise 插件提供操作控制面板以及 3D 数字孪生。第 6 步
通过公司的单点登录(SSO)联合身份验证进行身份验证的用户可以通过公共互联网安全地观察控制面板。 -
空间数据面板
-
此架构图显示了如何创建数字孪生的空间组件,包括将数据摄取并处理到实时 3D 资产中。
第 1 步
计算机辅助设计(CAD)文件、照片、视频以及光探测和测距(LIDAR)点云等空间资产在工程工作站和产品生命周期管理(PLM)系统本地累积。第 2 步
设计用户通过由 Amazon CloudFront 和 Amazon S3 托管的自定义 Web 应用程序将空间资产内容上传到云端。Web 应用程序利用 API Gateway 与空间数据面板集成。设计用户还可以编写直接与 API Gateway 交互的自定义自动化脚本。第 3 步
API Gateway 管理向 Amazon S3 上传的大型二进制文件,并将位置、标签、版本和其他元数据存储在 DynamoDB 表中。第 4 步
API Gateway 利用 Amazon Cognito 和 AWS Lambda Authorizer 管理基于角色的访问控制(RBAC)和基于资产的访问控制(ABAC)。第 5 步
API Gateway 还管理管道和工作流,它们可以将源资源转换为用于渲染数字孪生的实时 3D 资产。第 6 步
AWS IoT TwinMaker 提供交互式实时 3D 场景组件,并将空间数据绑定到工业物联网数据。第 7 步
Amazon Managed Grafana 利用适用于 Grafana 的 AWS IoT TwinMaker 插件提供包含 3D 上下文以及图表和图形的控制面板。当出现异常时,它会提醒运营技术(OT)用户。 -
构建和编排模拟孪生
-
此架构图显示了如何模拟数字孪生。
第 1 步
工程师或科学家在本地工作站上构建模拟孪生。
第 2 步
工程师构建存储在 Amazon ECR 中的容器化模拟运行时。将模型权重、配置文件和任务定义存储在 S3 存储桶或 Git 存储库中。
第 3 步
基于从工业边缘摄取到工业数据基础的数据执行模拟,工业数据基础通常是 AWS IoT SiteWise 与 Amazon S3 的组合,如果需要实时功能,还包括 Amazon Timestream。第 4 步
利用 EventBridge、Step Functions、Amazon MWAA 和开源 TwinFlow 等众多产品之一,编排静态数据、物联网数据和模型以及进行配置、执行模拟和评估校准要求。第 5 步
定期重新校准模拟,以使预测与最新的结果和数据保持一致。编排操作可以调用 AWS Batch 工作流,这些工作流会更新存储在 Amazon ECR 中的模拟或存储在 Amazon S3 中的模型权重。
第 6 步
根据编排工具的计划,按需执行模拟,并将结果反馈给工业数据基础,以便由 AWS IoT TwinMaker 和 Amazon Managed Grafana 控制面板呈现给用户。
-
产品设计示例
-
此架构图显示了用于产品设计的数字孪生框架的具体实现。
第 1 步
设计工程师使用本地工作站为设备的空间孪生编写一个 Omniverse 应用程序。第 2 步
将 CAD 资源转换成通用场景描述(USD)资产。使用一个跳线合,将 CAD 资产作为一个 Omniverse 应用程序安装在私有子网中的一个 GPU 实例上。第 3 步
模拟工程师使用本地工作站编写资产的 Ansys Twin Builder 降阶模型。第 4 步
使用一个跳线盒将模型安装在私有子网中的一个 GPU 实例上。第 5 步
AWS IoT Greengrass 边缘运行时将来自资产的物联网数据摄取到 AWS IoT SiteWise。模拟孪生和空间孪生都会使用物联网数据。第 6 步
空间孪生渲染到 WebRTC 视频流中,自托管的 Grafana 实例的控制面板内的一个 iframe 使用这些视频流。第 7 步
工业设计师可以从控制面板控制物理资产。控制面板中的小部件对 AWS IoT Device Shadow 进行更改,向资产发送命令的 AWS IoT Greengrass 组件读取这些更改。
第 8 步
同样,设计人员也可以控制模拟资产。控制面板中的小部件启动模拟孪生,模拟孪生将结果发送到 AWS IoT SiteWise,并渲染到 Grafana 控制面板上的 Omniverse 空间孪生视频流中。
开始使用
Well-Architected 支柱
当您在云中构建系统时,AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool,您可以通过回答每个支柱的一组问题,根据这些最佳实践来检查您的工作负载。
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构,您应该遵循尽可能多的 Well-Architected 最佳实践。
-
卓越运营
本指导中使用的大多数 AWS 服务都是无服务器服务,因此降低了维护本指导的运营开销。VAMS 和工业数据编织架构解决方案利用 AWS Cloud Development Kit(AWS CDK)提供基础设施即代码。使用 AWS CDK 和 AWS CloudFormation,您可以将用于应用程序代码的工程学科应用于整个环境。
通过与 Amazon CloudWatch 集成,可以监控传入的数据并针对潜在问题发出警报。通过了解服务指标,您可以优化事件工作流并确保可扩展性。通过使用 CloudWatch 对数据进行可视化和分析,可以帮助您确定性能瓶颈和排查请求问题。
-
安全性
通过使用 AWS Identity and Access Management(IAM)、Amazon Cognito、API Gateway 和 Lambda Authorizer,本指导优先考虑数据保护、系统安全性和资产完整性,并与最佳实践保持一致以及改善您的整体安全状况。本指导使用 Amazon Route 53、AWS WAF 和 AWS VPN 为本地设施与 AWS 云之间的共有网络和私有网络提供安全的连接。
我们建议为云端的所有数据目的地启用由 Amazon S3 和 AWS IoT SiteWise 提供支持的静态加密功能,以进一步保护敏感信息。
-
可靠性
通过多可用区(Multi-AZ)部署、节流限制以及 Amazon Managed Grafana 等托管式服务,本指导可以帮助确保关键工作负载能够持续运行并实现最短的停机时间。具体而言,AWS IoT SiteWise 和 AWS IoT TwinMaker 对数据入口和出口实施节流限制以实现持续运营,即使在高流量或高负载时段也是如此。
此外,Amazon Managed Grafana 控制台还提供了一个可靠的工作空间,无需管理硬件或基础设施,即可对指标、日志和跟踪进行可视化和分析。它会自动预置、配置和管理此工作空间,同时处理自动版本升级和自动扩展,以满足动态使用需求。这种自动扩展功能对于处理现场运营期间的峰值使用量或工业环境中的换班至关重要。
-
性能效率
除了 AWS IoT SiteWise 和 Amazon S3 的自动扩展功能以外,通过使用 AWS IoT SiteWise 的功能来管理节流,本指导还可以高效地摄取、处理和存储数据,即使在数据大量涌入期间也是如此。这种自动扩展功能无需手动进行容量规划和资源预置,因此在实现最佳性能的同时最大限度地减少了运营开销。
-
成本优化
本指导使用的大多数 AWS 服务都是无服务器的成本优化型服务,能够以低廉的价格提供数字孪生功能。这些服务提供了即用即付定价模式,这意味着您只需为摄取、存储和查询的数据付费。
AWS IoT SiteWise 还提供了经过优化的存储设置,使数据能够在 Amazon S3 中从一个热存储层移到一个冷存储层,因此进一步降低了存储成本。
-
可持续性
本指导中的服务使用 AWS 的弹性、可扩展的基础设施,此基础设施可以根据使用需求纵向扩展和缩减计算资源。这样可以防止过度预置并最大限度地减少多余的计算容量,因此减少了意外的碳排放。您可以使用客户碳足迹工具监控您的二氧化碳排放量。
此外,借助(使用 AWS IoT TwinMaker 构建的)数字孪生等技术提供的敏捷性、基于事件的自动化以及基于人工智能/机器学习的洞察,工程团队可以优化现场运营,从而提高效率并最大限度地减少工业流程的排放。
相关内容
免责声明
示例代码;软件库;命令行工具;概念验证;模板;或其他相关技术(包括由我方人员提供的任何前述项)作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议(以适用者为准)向您提供。您不应将这些 AWS 内容用在您的生产账户中,或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容,例如示例代码,以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源(例如,运行 Amazon EC2 实例或使用 Amazon S3 存储)而产生 AWS 费用。
本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指导是一个技术起点,您可以在部署架构时自定义与第三方服务的集成。