跳至主要内容

AWS 解决方案库

有关 AWS 上的数字孪生框架的指导

概览

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。

工作原理

概览

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。

下载架构图
High-level architecture diagram of the AWS Digital Twin Framework showing components across customer site data sources and AWS Cloud, including Spatial and Simulation Sources, IoT Data Sources, Digital Twin Clients, Spatial Data Plane, Industrial Data Fabric, Simulation Store, Presentation, Rendering, and Simulation Orchestration, Calibration and Evaluation.

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。

下载架构图
Diagram illustrating an industrial IoT architecture with AWS services, showing data flow from assets and PLCs at a customer site to AWS IoT Greengrass, AWS IoT SiteWise Edge, and AWS Cloud services like AWS IoT SiteWise, Amazon S3, AWS IoT TwinMaker, and Amazon Managed Grafana.

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。

下载架构图
Diagram illustrating a workflow integrating customer site tools like CAD and LIDAR with AWS Cloud services, including API Gateway, Lambda, S3, DynamoDB, and IoT TwinMaker, for spatial data and workflows.

构建和编排模拟孪生

此架构图显示了如何模拟数字孪生。

下载架构图
Diagram illustrating an industrial simulation workflow using AWS services, connecting customer site assets and engineering workstations to AWS Cloud components like IoT SiteWise, S3, Timestream, and orchestration tools for data processing and visualization.

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。

下载架构图
Architecture diagram illustrating the AWS Digital Twin Framework for product design, showing interactions between customer site components (such as Omniverse and Ansys workstations) and AWS Cloud services including AWS IoT Greengrass, AWS IoT SiteWise, and simulation/spatial twin applications in private and public subnets.

Well-Architected 支柱

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。

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 和工业数据结构解决方案利用 AWS 云开发套件 (AWS CDK) 来提供基础设施即代码。使用 AWS CDK 和 AWS CloudFormation，您可以将与应用程序代码相同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。

阅读“卓越运营”白皮书

通过使用 AWS 身份和访问管理 (IAM)、A mazon Cognito 、 API Gateway 和 Lambda 授权方，本指南优先考虑数据保护、系统安全和资产完整性，与最佳实践保持一致，改善您的整体安全状况。本指南使用@@ 亚马逊 Route 53 、 A WS WAF 和 AWS VPN 为本地设施与 AWS 云之间的公共和私有网络提供安全连接。

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。

阅读《安全性》白皮书

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，本指南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。

阅读《可靠性》白皮书

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。

阅读《性能效率》白皮书

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。

阅读《成本优化》白皮书

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。

阅读《可持续性》白皮书

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。

找到今天要查找的内容了吗？

请提供您的意见，以便我们改进网页内容的质量。