Szerkesztés

Intelligens helyek létrehozása az Azure Digital Twins használatával

Azure Data Explorer
Azure Data Factory
Azure Digital Twins
Azure Functions
Azure IoT Hub

Ez a cikk az intelligens terek megoldását ismerteti. Az Azure Digital Twins a környezet modellezésével képezi az architektúra alapját. Az Azure IoT Hub, amely egy felügyelt IoT-szolgáltatás, szintén jelentős szerepet játszik, ahogyan az Azure Data Explorer elemzési szolgáltatása is.

Architektúra

Az alábbi ábra az ebben a megoldásban található adatáramlást mutatja be:

  • A több ikont tartalmazó mezők a szolgáltatások kategóriáit jelölik. Az egyes kategóriákon belül a szolgáltatások egymástól függetlenül vagy együtt működnek a funkciók biztosítása érdekében.
  • A mezők közötti nyilak a megfelelő területek közötti kommunikációt jelölik.

Ábra az intelligens térmegoldások ajánlott architektúrájáról.

Töltse le az architektúra Visio-fájlját.

Adatfolyam

  1. A környezet a következő és egyéb kommunikációs protokollokat használhatja:

    • Automation Controls hálózat kiépítése (BACnet)
    • Modbus
    • KNX
    • LonWorks

  2. A helyszíni eszközök és rendszerek telemetriát és egyéb adatokat küldenek a felhőbe. Az adatforrások a következők:

    • Barnamezős eszközök
    • Közvetlen csatlakoztatású érzékelők
    • A független szoftvergyártók (ISV-k) által biztosított érzékelők
    • Meglévő üzleti rendszerek

  3. Az eszközök, érzékelők és működtetők telemetriát hoznak létre. Egyes eszközök közvetlenül kommunikálnak az IoT Hubbal. Más eszközök adatokat küldenek az IoT Hubnak az Azure IoT Edge-ben.

  4. A külső, kötegelt vagy örökölt rendszerek adatokat küldenek az Azure Data Factorynek. Ezek a statikus adatok általában fájlokból és adatbázisokból származnak.

  5. Az üzleti-üzleti összekötők lefordítják a szállítói adatokat, és továbbítják azokat az Azure Digital Twinsbe.

  6. Az IoT Hub betölti az eszköz telemetriáját. Az IoT Hub az alábbi szolgáltatásokat is biztosítja:

    • Eszközszintű biztonság
    • Eszközkiépítési szolgáltatások
    • Ikereszközök
    • Parancs- és vezérlési szolgáltatások
    • Vertikális felskálázási képességek

  7. A Data Factory átalakítja a félig statikus adatokat, és átviszi azOkat az Azure Data Explorerbe vagy hosszú távú tárolóba.

  8. Az Azure Functions megkapja az IoT Hub-adatokat, és Azure Digital Twins API-kat használ az Azure Digital Twins frissítéséhez. Az Azure Digital Twins az épületek és a környezet térbeli gráfját tartalmazza. Az Azure Digital Twins digital twins definition language (DTDL) használatával modellozza a környezetet. Az Azure Functions feldolgozza az adatokat, hibaészlelést és gráffrissítéseket hajt végre.

  9. A különböző összetevők DTDL-modelleket hoznak létre, tárolnak és töltenek be.

  10. Az Azure Digital Twins az Azure Event Griden keresztül küldi el az adatokat az Azure Data Explorernek. Ez az elemzési szolgáltatás a megoldás idősoradatainak tárolásával történészként működik.

  11. A szimulációs motorok és az AI-eszközök feldolgozzák az adatokat. Ilyenek például az Azure Cognitive Services, az AI-modellek és a partnerszimulációs szolgáltatások.

  12. Az Azure Data Lake hosszú távú tárolást biztosít az adatok számára. Az Azure Synapse Analytics elemzi és jelentéseket készít az adatokról.

  13. Vizualizációs eszközök és vállalati alkalmazások esetén a megoldáselérési réteg biztonságos hozzáférést biztosít az alapvető rendszerszolgáltatásokhoz:

    • Az Azure API Management funkciókat kínál az API-k normalizálásához, biztonságossá tételéhez és testreszabásához. Ez a platform a használati kvótákat és a sebességkorlátokat is kikényszeríti.

    • Az Azure SignalR Service értesítéseket küld a felhasználói felületeknek telemetriai és adatváltozások esetén.

    • Az aszinkron vagy mennyiségi adatcserét biztosító alkalmazások esetében a különböző összetevők közzétételi és előfizetési mechanizmusokat biztosítanak:

      • IoT Hub
      • Azure Service Bus-üzenetsorok
      • Azure-eseményközpontok
      • Webhook

  14. A szolgáltatásalkalmazások adatokat gyűjtenek a hozzáférés-vezérlési API-rétegből. Ezek az alkalmazások ezután elemzik és előkészítik az adatokat a végfelhasználói alkalmazásokhoz. A Microsoft-eszközök, például a Power Apps, a Power BI és az Azure Térképek jelentéseket és elemzéseket hoznak létre az Azure-adattárak adatairól.

  15. A vállalati alkalmazások az előkészített adatokat használják. Ide sorolhatóak például a kövekezők:

    • Dynamics 365-modulok.

    • ISV-megoldások.

    • Microsoft Teams-alkalmazások.

    • Mezőoptimalizált megoldások, például mobilalkalmazások és hordható eszközök:

Összetevők

A megoldás a következő összetevőket használja:

Alapösszetevők

  • Az IoT Hub csatlakoztatja az eszközöket az Azure felhőerőforrásaihoz. Ez a felügyelt szolgáltatás a következőt biztosítja:

    • Eszközszintű biztonság.
    • Eszközkiépítési szolgáltatások.
    • Ikereszközök.
    • Parancs- és vezérlési szolgáltatások.
    • Vertikális felskálázási képességek.

  • Az Azure IoT SDK-k biztosítják az eszközök számára az IoT Hubhoz való csatlakozás ajánlott módját. Az alábbi készleteket használó eszközök a következők:

  • Az IoT Edge felhőalapú számítási feladatokat futtat IoT Edge-eszközökön. Ez a központi üzenetközpont valós idejű elemzéseket futtathat az Azure Machine Tanulás és az Azure Stream Analytics használatával. Az IoT Edge az IoT Hub átjárójaként is működik a következőkhöz:

    • Alacsony energiaigényű eszközök.
    • Örökölt eszközök.
    • Korlátozott eszközök.

  • A Data Factory egy integrációs szolgáltatás, amely a különböző adattárakból származó, potenciálisan nagy méretű adatblokkokkal működik. Ezzel a platformmal vezényelheti és automatizálhatja az adatátalakítási munkafolyamatokat. A Data Factory például képes áthidalni a félig statikus tárolók és a történészi összetevők, például az Azure Data Explorer közötti szakadékot.

  • Az üzleti-üzleti összekötők kétirányú módon fordítják le és streamelik az adatokat a szállítói összetevők és az Azure Digital Twins között. Egyre több gyártó használ DTDL-t iparági szabványoknak megfelelő modellek létrehozásához. A RealEstateCore egy példát mutat be. Ennek eredményeképpen ezek az integrációk várhatóan idővel egyszerűbbé válnak.

  • Az Azure Digital Twins az IoT-eszközök és -környezetek digitális reprezentációit tárolja. Ezeket az adatokat adatok propagálására vagy valós idejű elemzésre használhatja. Belsőleg az Azure Digital Twins:

    A DTDL használatával hozhat létre ontologies-eket vagy már meglévő modellkészleteket. Az iparág által támogatott modellel is kezdhet:

  • Az Azure Digital Twins Explorer egy fejlesztői eszköz, amellyel megjelenítheti és kezelheti az Azure Digital Twins-adatokat, modelleket és grafikonokat. Ez az eszköz jelenleg nyilvános előzetes verzióban érhető el.

  • A modellkezelési összetevők fenntartják a DTDL-modellt:

    • A modell létrehozásához az alábbi lehetőségek érhetők el:

      • Azure Digital Twins Explorer
      • ISV-megoldások
      • Egyénileg összeállított eszközök
      • Szöveg- vagy kódszerkesztők

    • Adattárak – ontologies:

    • A modellek Azure Digital Twinsbe való betöltéséhez az alábbi lehetőségek állnak rendelkezésre:

  • Az Azure Functions egy eseményvezérelt kiszolgáló nélküli számítási platform. A Functions használatával triggerekkel és kötésekkel integrálhatja a szolgáltatásokat nagy léptékben.

  • Az Azure Data Explorer egy gyors, teljes körűen felügyelt adatelemzési szolgáltatás. Ezt a szolgáltatást nagy mennyiségű adat valós idejű elemzéséhez használhatja. Az Azure Data Explorer különböző adatfolyamokat képes kezelni alkalmazásokból, webhelyekről, IoT-eszközökről és más forrásokból.

  • Az Azure Cognitive Services AI-funkciókat biztosít. Ezek a szolgáltatások előre betanított, neurális hálózati modelleket kínálnak a felhőhöz. A REST API-k és az ügyféloldali kódtár SDK-k segíthetnek a kognitív intelligencia alkalmazásokba való felépítésében. Használhatja a Cognitive Services funkcióit:

    • Közel valós időben.
    • Bizonyos adatküszöböknél.
    • Igény szerint.
    • Összetett, hosszú feldolgozási idővel rendelkező feladatokhoz.

  • Az Azure Machine Tanulás egy felhőalapú környezet, amely segít prediktív elemzési megoldások létrehozásában, üzembe helyezésében és kezelésében. Ezekkel a modellekkel előre jelezheti a viselkedést, az eredményeket és a trendeket.

  • Az Azure Data Lake nagy mennyiségű adatot tárol natív, nyers formátumban. Az adatok általában több, heterogén forrásból származnak, és strukturáltak, részben strukturáltak vagy strukturálatlanok lehetnek.

  • Az Azure Synapse Analytics adatraktárak és big data rendszerek elemzési szolgáltatása. Ez a szolgáltatás integrálható a Power BI,a Machine Tanulás és más Azure-szolgáltatásokkal.

  • Az Azure API Management konzisztens, modern API-átjárókat hoz létre a háttérszolgáltatásokhoz. Az API-hívások elfogadása és a háttérrendszerekre való átirányítás mellett ez a platform a kulcsokat, jogkivonatokat, tanúsítványokat és egyéb hitelesítő adatokat is ellenőrzi. Az API Management emellett naplózza a hívás metaadatait, és kikényszeríti a használati kvótákat és a sebességkorlátokat.

  • Az Azure Service Bus egy teljes körűen felügyelt vállalati üzenetközvetítő. A Service Bus támogatja az üzenetsorokat és a közzétételi feliratkozási témaköröket.

  • Az Azure Event Hubs egy teljes mértékben felügyelt streamelési platform big data-adatokhoz.

  • Az Azure SignalR Service egy nyílt forráskódú szoftvertár, amellyel valós időben küldhet értesítéseket a webalkalmazások számára.

Szolgáltatásalkalmazások

  • Az Azure Logic Apps automatizálja a munkafolyamatokat az alkalmazások és az adatok felhők közötti összekapcsolásával.

  • Az Azure Térképek térinformatikai API-kat kínál térképek, térbeli elemzések és mobilitási megoldások alkalmazásokhoz való hozzáadásához.

  • A Microsoft Graph eszközöket biztosít a Microsoft 365, a Windows 10 és az Enterprise Mobility + Security adatainak eléréséhez.

  • A Power Platform olyan termékek és szolgáltatások gyűjteménye, amelyek alacsony kódszámú eszközöket biztosítanak a hatékony és rugalmas megoldások létrehozásához:

    • A Power Apps alkalmazások, szolgáltatások, összekötők és adatplatformok csomagja. A Power Apps segítségével digitális, automatizált folyamatokká alakíthatja a manuális üzleti műveleteket.
    • A Power BI olyan szoftverszolgáltatások és alkalmazások gyűjteménye, amelyek elemzési információkat jelenítenek meg.
    • A Power Automate leegyszerűsíti az ismétlődő feladatokat és a papírmentes folyamatokat.
    • A Power Virtual Agents kód nélküli csevegőrobotokat biztosít az ügyfelek és az alkalmazottak igényeinek nagy méretekben való kielégítése érdekében.

Vállalati alkalmazások

  • A Dynamics 365 az üzleti műveletek kezelésére szolgáló alkalmazások portfóliója.

  • A Microsoft Teams szolgáltatásokat nyújt az értekezletekhez, az üzenetkezeléshez, a híváshoz és a közös munkához.

  • A Azure-alkalmazás Szolgáltatás és webalkalmazások funkciója keretrendszert biztosít a webalkalmazások létrehozásához, üzembe helyezéséhez és méretezéséhez.

Megosztott támogatási összetevők

Ezek a szolgáltatások a megoldás minden területén támogatják az összetevőket:

  • Az Azure Monitor összegyűjti és elemzi az alkalmazás telemetriáját, például a teljesítménymetrikát és a tevékenységnaplókat. Ez a szolgáltatás értesíti az alkalmazásokat és a személyzetet a szabálytalan feltételekről.

  • A Microsoft Defender for IoT egy egységes biztonsági szolgáltatás, amely biztonsági rések és fenyegetések azonosításával védi az IoT-rendszereket.

  • Az Azure DevOps Services szolgáltatásokat, eszközöket és környezeteket biztosít a kódolási projektek és üzembe helyezések kezeléséhez.

  • A Microsoft Entra ID egy felhőalapú identitásszolgáltatás, amely szabályozza az Azure-hoz és más felhőalkalmazásokhoz való hozzáférést, beleértve az ISV-megoldásokat és a helyszíni megoldásokat.

  • Az Azure Key Vault biztonságosan tárolja és szabályozza a rendszer titkos kulcsainak elérését, például API-kulcsokat, jelszavakat, tanúsítványokat és titkosítási kulcsokat.

Alternatívák

  • Az Azure Cosmos DB egy másik lehetőség az adattároláshoz. Ez a teljes körűen felügyelt NoSQL-adatbázis-szolgáltatás egyszerűen méretezhető. Az Azure Cosmos DB többféle módot kínál az adatok elérésére, többek között a következőkre:

    • Dokumentum-adatbázisok.
    • Gráfadatbázisok.
    • SQL-stílusú lekérdezések.
    • Azure Cosmos DB apache Cassandra-hoz.

    Az Azure Cosmos DB-hez készült Azure Synapse Link lehetővé teszi az Azure Cosmos DB-adatok elemzésének futtatását az Azure Synapse Analytics használatával. Ennek eredményeképpen különböző adatszolgáltatásokat kombinálhat az Azure Cosmos DB-t használó megoldásokban.

  • Az Event Hubs skálázható és biztonságos betöltési szolgáltatást is biztosít. Az IoT Hubtól eltérően, amely támogatja az eszközökkel való kétirányú kommunikációt, az Event Hubs támogatja az egyirányú forgalmat. Ennek eredményeképpen az Event Hubs nem használható parancsok és szabályzatok eszközökre való visszaküldésére. Az Event Hubs emellett nem biztosít eszközszintű biztonságot. Az Event Hubs azonban megfelelő olyan környezetekhez, amelyen alacsony számú bemeneti eszközről érkező nagy mennyiségű üzenet található.

Megoldás részletei

Az intelligens helyek olyan fizikai környezetek, amelyek összekapcsolt eszközöket és adatforrásokat hoznak létre. Az alábbi környezetek használatával megtekintheti és szabályozhatja a következőket:

  • Termékek és rendszerek.
  • Belső és külső terek.
  • Személyes élmények a környezettel.

Az intelligens helyek közé tartozhatnak épületek, egyetemi campusok, vállalati campusok, stadionok és városok. Ezek a környezetek értéket nyújtanak azáltal, hogy segítenek az ingatlantulajdonosoknak, a létesítménygazdáknak és a bérlőknek a telephelyek üzemeltetésében és karbantartásában. Az intelligens helyek emellett hatékonyabbá, költséghatékonyabbá, kényelmesebbé és hatékonyabbá teszik a tereket.

Az intelligens terek digitálisan modellezhetik a tereket, és releváns adatokat állíthatnak össze. Ezekből az adatokból megtudhatja, hogyan csatlakoznak egymáshoz az emberek, a helyek és az eszközök.

Lehetséges használati esetek

Ez a megoldás számos területre vonatkozik:

  • Intelligens campusok (oktatási ágazat)
  • Létesítmények kezelése (ingatlan)
  • Intelligens stadionok (sportipar)
  • Intelligens irodák
  • Energiafelhasználás optimalizálása

Vállalati eredmények

Ebben a példában egy nagy kereskedelmi ingatlan tulajdonosa digitálisan átalakít egy irodatulajdont. Ez a fejlesztés ötvözi az örökölt létesítménykezelési adatokat az új funkciókkal és technológiákkal, többek között a következőkkel:

  • Kihasználatlanság észlelése.
  • Kávézói üzenetsor optimalizálása.
  • Parkolás.
  • Transzferjáratok.

Ehhez barnamezős eszközök és modern IoT-eszközök integrálására van szükség, amelyek figyelik a fizikai teret. A barnamezős eszközök olyan gyakori épületszállítókon keresztül kommunikálnak, mint a BACnet és a Modbus.

A vállalat céljai a következők:

  • Optimalizálja az energiafelhasználást a hibák diagnosztizálásával és a helyszíni szolgáltatás felügyeletének takarékosságával. Ez az optimalizálás integrálja a meglévő épületfelügyeleti rendszert az eszközökkel.

  • Új térbeli megállapítások kinyerése és innovatív, a modern eszközök összekapcsolásával elérhető utasélmények.

  • A környezet összetartó digitális modelljének fejlesztése több adatforrás összefogásával. A modellnek ki kell bővítenie az adatelemzési lehetőségeket.

  • Méretezhető megoldás létrehozása több millió adatpont gyűjtésére és archiválására.

  • Olyan megoldás létrehozása, amely könnyen hozzáadhat partnermegoldásokat. A megoldásnak a partneradatokat is bele kell foglalnia a környezet digitális ikerpéldányába.

Megfontolások

Ezek a szempontok implementálják az Azure Well-Architected Framework alappilléreit, amely a számítási feladatok minőségének javítására használható vezérelvek halmaza. További információ: Microsoft Azure Well-Architected Framework.

A megoldásra az alábbi szempontok vonatkoznak.

Megbízhatóság

A megbízhatóság biztosítja, hogy az alkalmazás megfeleljen az ügyfelek felé vállalt kötelezettségeknek. További információ: A megbízhatósági pillér áttekintése.

Méretezhetőség

Az intelligens helyek megoldásainak megoldásai viszonylag egyszerű, alacsony kötetű implementációk lehetnek. Olyan kifinomult implementációk is lehetnek, amelyek nagy mennyiségű adatot kezelnek. Egy nagy campus fűtési, szellőztetési és légkondicionálási (HVAC) telemetriáját összesítő megoldás egy nagy mennyiségű megvalósítás példája.

A megoldás alapvető Azure-szolgáltatásai tervezés szerint méretezhetők, és összetett megoldásokhoz is jól használhatók. Ha azonban kombinálja ezeket a szolgáltatásokat, győződjön meg arról, hogy nem hoznak létre fulladási pontokat. A fejlesztési ciklus korai szakaszában futtasson teljesítményteszteket ütemezett időközönként a lehetséges problémák azonosítása érdekében.

Rugalmasság

Tervezzen intelligens helyet, hogy jól integrálható legyen, de rugalmas is legyen. Az intelligens helyek használati esetei gyorsan fejlődnek. A megoldás üzembe helyezése után valamikor új érzékelőket, adattípusokat, AI-funkciókat és vizualizációs technikákat kell hozzáadnia. A rugalmasság növelése:

  • Válasszon egy lazán összekapcsolt megoldást, mint a javasolt architektúra.
  • Használjon iparági szabványokat az adat-ontológiához. Ez a megközelítés segít csökkenteni az új funkciók hozzáadásához és az új szoftverek integrálásához szükséges időt.
  • Használja az API Managementet. Ez a platform lehetővé teszi több API-stílus és aláírás létrehozását egyetlen mögöttes API-hoz.

Biztonság

A biztonság biztosítékokat nyújt a szándékos támadások és az értékes adatokkal és rendszerekkel való visszaélés ellen. További információ: A biztonsági pillér áttekintése.

Az örökölt építő megoldások gyakran a külső kapcsolat hiányára támaszkodnak elsődleges biztonsági forrásként. De még azok az adatok is, amelyek nem azonosítják az embereket, információkat nyújthatnak egy vállalkozásról vagy az épületben lévő személyekről. A szervezetek például kamerákkal számolják az embereket, nyomon követik az objektumokat, és biztonsági adatokat biztosítanak.

Ügyeljen arra, hogy hol dolgozza fel és mentse a képeket. Győződjön meg arról, hogy minden ügyfélkövetelményt kielégít, beleértve az adatvédelmi problémákat is. A biztonság legyen prioritás az intelligens térmegoldás adatéletciklusa során. Különösen ügyeljen arra, hogy milyen adatokat gyűjt, hol dolgozza fel és tárolja azokat, és milyen következtetéseket vonjon le belőle.

Költségoptimalizálás

A költségoptimalizálás a szükségtelen kiadások csökkentésének és a működési hatékonyság javításának módjairól szól. További információ: A költségoptimalizálási pillér áttekintése.

Az Azure díjkalkulátorával megbecsülhet egy IoT-megoldás költségét.

  • További költségoptimalizálási szempontokért tekintse meg a Költségoptimalizálás alapelveit a Microsoft Azure Well-Architected Framework dokumentációjában.
  • Az IoT-megoldások által gyakran használt szolgáltatások költségeinek optimalizálásáról az Azure IoT Referenciaarchitektúra című témakörben olvashat.

Közreműködők

Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.

Fő szerző:

Egyéb közreműködő:

Következő lépések