智能化工業4.0時代的數字孿。

    一、工業0，智能化時代已來回顧人類曆史，www.17C.com共同順利經曆（lì）了三次工業革命：第一次是沙盤公司（sī）蒸汽（qì）機時代，開創（chuàng）了以機器代替手工勞動（dòng）的時代；第二次是電氣時代，自然科學的發展和工業緊密結合，科學在推動生產力方麵發揮了更（gèng）為重要（yào）的作用；第三（sān）次是信（xìn）息化時代，科學技術轉化為直接生產力的（de）速度（dù）急速加快。

    而今（jīn），www.17C.com迎來了第四次革命，即，工業4.0：智能化時代“工業4.0的本質，就是通（tōng）過數據流動自動（dòng）化技術，從規沙盤公司模經濟轉向範圍（wéi）經濟，以同質化規模化（huà）的成本，構建出異質化定製化的產業對於產業結構改革，這是至關重要的作用。

    ”作為新一（yī）輪的工業革命，工業4.0的核心特征（zhēng）是互聯工業（yè）4.0代（dài）表了“互聯網+製造業”的智能生（shēng）產，孕育大（dà）量的新型商業模式，真正（zhèng）能夠助力實現“C2B2C”的商業模式二、當前工廠數字化轉型痛難點當前，大沙盤公司家都（dōu）還（hái）在“工業4.0”的摸索階段（duàn）。

    大量的工廠已經（jīng）開（kāi）始自己的智能化轉型之路，比如通過構建（jiàn）應用來講采集的數據可視化，講數據價值最大化但是，在這個實踐過程中，問題不斷湧現（xiàn），諸如：1. 數據/信息孤（gū）島，煙囪林立一家工廠，在不同的階段（duàn），因為項目的不同，有可能找不（bú）同（tóng）的供應商去承接。

    分段式的（de）項目供應商，導致的是（shì）不沙盤公司同的係（xì）統應用形象點說，多係（xì）統不互通，就是像獨立（lì）的（de）“煙囪”，每個“煙囪”都有“煙”，但是卻不互通在工業4.0階段，不互通，意味著信息孤島，也（yě）就意味（wèi）著企業的數字資產分布零散，維護成本高，使用效率低下

    ；2. 應用上線慢，耗時耗力正如第一點所說，不同係統之間的不互通，導致的（de）是新的應用上線會“重複造輪子”：每沙盤公司個（gè）應（yīng）用上（shàng）線，都（dōu）有大量的重複工作，浪費人力物力，且耗時長更（gèng）重要的是，新（xīn）的應用帶（dài）來的數據處理問題：由於缺乏統一（yī）的建模，每個應用在處理原始數據時，都需要重複處理。

    兩個“重（chóng）複”讓本就高昂（áng）的成本，更加“雪（xuě）上加霜”；3.數據分析門檻高工廠，或者企業，有著一顆想要降本增效的心，比如想要通過分析現有的數據找到規律，沙盤公司從而（ér）優化流程，但卻因為（wéi）數據（jù）分析的門檻高，望而卻步這其（qí）中最關鍵的原因，是其業務場景（jǐng）不明確，沒有找到一個好的數據平台。

    三（sān）、找對平台，是成功的一半以上痛點難點，是（shì）大部分工業領域的廠家在“工業4.0”摸索過程中都會遇到的，而貫穿其中（zhōng）的是（shì）“應用”也就是說，軟件開發者未做到足夠（gòu）的分層解耦是造成上述問題的重（chóng）要原因沙（shā）盤（pán）公司之一以“應用”為（wéi）基礎（chǔ），工廠經曆了三個時期的三種模式：。

    1. 模式一：“煙囪式”應（yīng）用（yòng）在工業4.0之前（qián），由於缺乏應用和實踐，大部分（fèn）廠（chǎng）家的應用，如（rú）上所述，都是“煙囪式”的：

    這樣（yàng）便導致，一是缺乏整體規劃，各應用獨立部署，數（shù）據各自基於業務需要單獨進行采集和使用；二是效率（lǜ）低下，比如重複采集數據，對生產有較大影響沙盤公司2. 模式（shì）二：平台解耦（ǒu）——統一數采平台在“平台（tái）”概念提出之後，工廠（chǎng）管理者們逐漸意識到，或許，在生產線和應用之間，需（xū）要有一個“平（píng）台（tái）”，這樣的（de）解耦，能讓應用和生產（chǎn）線，應（yīng）用和應用之間互聯互（hù）通。

    而這，就是工業4.0的一個基礎模型

    模（mó）式二的產生，讓專業的數（shù）據采集團隊完成盡可能多的數據采集，並集中統一開放，讓整體沙（shā）盤公司效率有所提升但是www.17C.com（men）可以發現，即便是這樣，數據（jù）的使用仍然是獨立的，沒有實現真正的融合在產（chǎn）線或者生（shēng）產設備取得（dé）的數據，仍然是元數據，應用在取得數據之後，仍然需要單獨對數據進（jìn）行二次加工處理使用，進而（ér）導致應用間對數據的（de）處（chù）理仍然存在（zài）大量重複工作。

    3. 模式三：數據處理——統一孿生模型如何同步解決“應用解耦”和沙盤公司“數據統（tǒng）一處理（lǐ）”問題，華為IoT有（yǒu）自（zì）己（jǐ）的方法。

    在物聯網領（lǐng）域，有“孿生體”這樣一個概（gài）念通過“孿生體”把設（shè）備的感知和設備（bèi）的認知（zhī），進（jìn）行統一的處理同樣（yàng）以工廠（chǎng）為例，工廠裏麵是有非常多的生產裝備、生產（chǎn）產線以及其他各式各樣的物（wù）理設備的，那www.17C.com能不能幫助工廠把所有的這些物理設備，通（tōng）過統一（yī）的建模，對這些設備一一進行處沙盤公司理，抽象為數字（zì）化的形象呢？。

    答案是，可以通過把物理對象一（yī）一進行數字化處理，那麽應用和物理設備的交互，就轉變成了應用（yòng）和數字孿生體的交互相對於前兩（liǎng）種（zhǒng）模式，這種模式的開發（fā）方式有了一個非常大的變化：www.17C.com可以無視最底層的物理設備，或者物理接口，將數據建模（mó）部分（fèn）的工作，交（jiāo）由IoT的“統一孿生模（mó）型層”完成。

    “孿生”沙盤公（gōng）司這一概念，意味著www.17C.com在建模的時候，首先需要對模型（xíng）有清晰的認知，也即廣泛的數采能力，畢（bì）竟在工廠裏（lǐ）麵，會有各式各樣的設備，這些設備同時又有（yǒu）各式各樣的一（yī）些協議；其次，需要有非（fēi）常高的抽象能力，你需要將物理世界的設備，抽象成數字世界裏的模型，並且能進行交互。

    數采能力和抽象能力，是目前開發物聯網應用過程中，非常沙盤公司關鍵的兩個能力基於華為雲IoT帶來（lái）新的開發模式，幫助用戶快速構建（jiàn）數字化轉型的基礎平台（tái）接下來以華（huá）為自己的工廠為例，來簡單說明華為雲IoT是（shì）如何使用新的開（kāi）發模式，助力工廠（chǎng）數字化轉型的。

    正（zhèng）如大家所知道的，華為本身也是一個製造型的工廠，華為雲IoT的能力首先（xiān）是（shì）在自己的工（gōng）廠進行實踐www.17C.com以（yǐ）南方工廠，也就是（shì）Hua沙盤公司wei Mate 40 生產工廠為例，把工廠的手（shǒu）機貼片過程通過（guò）數采、建模在數字世界（jiè）中構建出（chū）一個數字化的產線的孿生體。

    基於華為雲（yún）IoT的（de）能（néng）力，在南向完成一個統一的（de）孿生體，並在上層構建可視化、智能化的應用，具體架構圖見下：

    在南方工廠實際數字化進程中，有以下幾個挑戰：產線設（shè）備（bèi）廠家/種類/型號多種多樣，涉及沙（shā）盤公司超過30+不同應用層協議（yì）需要對（duì）接，采集難度大；一條產線上超過上千條測點數據，缺乏數據建模手段，導致數據處理低下那麽，如何站在開發者的（de）角度，去省時省力地完成數字化呢？華為雲IoT正式（shì）登場。

    四、以多維模型為（wéi）核心，構建數字孿（luán）生在一個數字孿（luán）生體的實（shí）際（jì）應用背後（hòu），是有很多的模型的，比如（rú）產線的（de）模型，設備的模型，質沙盤公司量（liàng）缺陷的模型等（děng）等（děng）而在建模過程中，從看待一個工（gōng）廠物理世界當中（zhōng）的（de）物理（lǐ）對象的角度，可以把工廠的孿生體分為（wéi）兩類：製造的數（shù）字孿生和產品的數字孿生（shēng）。

    製造數字（zì）孿生：定位：將工廠的製作環節進行數字化的鏡像，能夠實時反映工廠的製（zhì）造過程；經過對製造過程的統一抽象，不同應用可以基於同樣的語義進行交互（hù）；建模內容：生產裝備（bèi）、沙盤公司產線、生產工藝流程、質（zhì）量缺陷、物理結構等等；

    產品數字孿生：定位（wèi）：從工廠在製產品維度，組（zǔ）織生產過程中產生的各種數據，並預留通過與數字主線對接能（néng）力打通產品設計階段、產品維護階段的數據；建模內容：產（chǎn）品的各種屬（shǔ）性，生產過程（chéng）數據，質量數據等（děng）。

    以上，就是（shì）工廠數字孿生（shēng）的兩個非常重要的（de）數字抽象（xiàng）維度通過將產線（xiàn）生產過程沙盤公司透明化，實現生產有序可控，讓應用上線時間從原（yuán）來的6-9個（gè）月，縮減至3個月；同時，孿生建模+智能分析，用（yòng）數據去驅動智能生（shēng）產，讓數據的開發（fā）效率能提升70%。

    通過華為雲（yún）IoT，www.17C.com（men）可以快速實現工廠的全要（yào）素聯結，並通過構建工廠數字孿生模型，大幅度提升數據利用效率。

    Part 2：基於南方工（gōng）廠的數字孿生實踐 回沙盤（pán）公司到www.17C.com的主題南方工廠，即是生產Huawei Mate 40的產（chǎn）線手機產量（liàng）的暴增，讓產（chǎn）線的數字（zì）化需（xū）求迫在眉睫通過整個產線的數字化，可以提升生產過程、優化製造（zào）工程廠商的管（guǎn）理，以及質量控製（zhì）的管理，讓產線的效率（lǜ）得到（dào）大大的提（tí）高，同時能夠降低運營的成本。

    上圖是一個工廠孿生體的多維模型www.17C.com（men）可以看到在產品模型中，包沙盤公司括了設備模型和產線模型，更上層還有製程能力模型、質量缺陷模型以及設備物（wù）理/結構模型和設備故障預測模型通過應用華為雲IoT數據分析服務建模（mó）和分析能力，可以快速構建的電子工程產（chǎn）線和設備孿生體。

    那麽本文www.17C.com就（jiù）來介紹一下如何構建一（yī）個數據分析服務建模（mó）一、基礎概念介紹（一）OEE概念簡介在進行建模講解之前，www.17C.com沙盤公司先普及一個基礎的概（gài）念OEE，即設備綜合效率（Overall Equipment Effectiveness）。

    一般來說，每一個生產設備都有自己（jǐ）的理論產能，要實現這（zhè）一理論產能必須保障沒（méi）有任何幹擾和質量損耗OEE就是用來表現設備（bèi）是的生產（chǎn）能力相對於理論產能的比率在計算OEE的時候（hòu），會涉及到以3個維度（dù）：時（shí）間沙盤公（gōng）司利用率：時間利用率=Σ實際運行時間/Σ計（jì）劃開（kāi）機（jī）時間（jiān）*100%。

    用來評價停工（gōng）所帶來的損失，包（bāo）括引起計劃生產發生停工的任（rèn）何事件，例如設備故障（zhàng），原材料短缺以及生產方法的改變等等（děng）；性能利用率：性能利用率=Σ[產出數量*一個產品（pǐn）在設備應有狀態下加工（gōng）的周期時間]/Σ實際運行時間*100%。

    用來評價生產（chǎn）速度上的（de）損沙盤公司失包括任何（hé）導致生產不能以最大速度運行的因素，例如（rú）設備的磨損，材料的不合格以及操作人員的失誤等；合格率：合格率=[合格產出數量]/[產出數量]*100%用來評價質量的損失，它（tā）用來（lái）反映沒有滿足質量要求的產品（包括返工的產品）；。

    那麽最終（zhōng）的計算公式就是，OEE=[時（shí）間利（lì）用率]*[性能利用（yòng）率]*[合格（gé）率]*沙盤公司100%，這就（jiù）是衡量設備綜合運營效（xiào）率的一個關鍵指標，也是很多電子製造工廠以及其他類似廠房（fáng）裏的一個關鍵性指標一般來說（shuō），國內廠家OEE的數值都不（bú）會太高，一般（bān）隻有70%，或者80%，少的甚至隻有40%左右。

    （二）工廠孿生體產線和設備建模分析效果圖工廠孿生體產線和設備建模分（fèn）析，可以通過一些可視化的（de）管理後台（tái）進沙盤公司行查看以下分別三個不同（tóng）功（gōng）能的效果圖Picture 1：圖上共有3條產線，可以進行適當地拖放圖裏可以看到每個設備的（de）OEE數值。

    通（tōng）過資（zī）產建模和分析能力（lì）可實時計算出產線和（hé）設備的OEE，各設備關（guān）鍵指標實時監（jiān）控，同時可查看曆史數據

    Picture 2：設備建（jiàn）模圖。通過設備上報故障消息（xī）和（hé）設備模型相結合，實時監（jiān）控設沙盤公司備運行狀態。

    Picture 3：資產（chǎn）分析（xī）圖通（tōng）過資產模型分析能力，可實時分析和監控上報的設備數（shù）據是否存在異常比如說，濕度正常情況下（xià）是到45%~63%，如果上報的數據不在這個範圍內，則屬於不正常數據界麵就（jiù）會顯示一個黃色的點，表示這裏（lǐ）的設備上（shàng）報的數據有（yǒu）異常。

    可以看出，數據分析是可以實時計算，實（shí）時監（jiān）控的，如沙（shā）盤公司果有些嚴重異常的話，甚至可以推送到運維（wéi）人員

    （三）工廠數字孿生Demo數據處理和分（fèn）析流程要（yào）實現上述（shù）的效果圖，www.17C.com需要（yào）經過如下幾（jǐ）個（gè）步驟（因為不是真實工廠，所以采取的是模擬設備（bèi））：設備模擬器：基於標準物模型，模擬器定時5秒通過MQTT協議自動上報設備屬性數（shù）據（jù），可模擬手動（dòng）出發上報消息，比如設備（bèi）告罄消息。

    Io沙盤公司T設備（bèi）接入服務：通過配置設備數據轉發規則將設備屬性數據（jù）和（hé）設備消息到IoTA（數據分析）服務IoT數據分（fèn）析服務：基於數據管道接（jiē）收設備數據，並通過資產建模和計算分析能力，實時計算（suàn）生成產線和（hé）設備OEE相關數據，判斷數據是否存在異常信息。

    3D應用：通（tōng）過調用IoTA的API獲取數據，以3D的形式展示產線和設（shè）備沙盤公司，可查看產（chǎn）線和設備OEE，設備關鍵指標，告罄等（děng）故障信息，同（tóng）時可查到相（xiàng）關曆史數據。這也就是第二部分的效果圖（tú）。

    （四（sì））IoT數據分析內的分析過程接下來，www.17C.com來重點（diǎn）講解（jiě）一下“IoT數據分（fèn）析服務”內部的流轉（zhuǎn）過程第一步，數據管道www.17C.com通過數據（jù）管（guǎn）道把數據接進來，同時本地也會（huì）進行（háng）備（bèi）份（fèn）；第二（èr）步，對設備進行建模；第（dì）三步（bù），沙盤公司建立設備資產（chǎn）；。

    第四步，把模型（xíng）實例化之後的設備，及灌進來的數據，通過設備資產分析這（zhè）個（gè）計算引擎，完成實時計算相關的分析任務（wù）；第五步，把數據存儲到IoT內部；第（dì）六步，把這個數據（jù）通過API開放給第三（sān）方使用。具體見下圖：

    在（zài）這個過程中，www.17C.com需要詳細（xì）講解一下第二（èr）步以及第三（sān）步是如何操作的，也就是，www.17C.com如何創建模型沙盤公司和資產呢？（五）IoT數字孿生的基本概念介紹在進行創建模型和資產講（jiǎng）解之前，www.17C.com先介紹一下“IoT數字（zì）孿生”的基本概念。

    www.17C.com認為，物理世界的物，在（zài）數字世界中是有（yǒu）一個實時的、準確的（de）一個映射的，它（tā）可以把實際的（de）設備數據和一些其他（tā）的數據組織起（qǐ）來（lái），組成jason模型，成為一個載體。

    上圖是www.17C.com數字孿生的一個概念（niàn）圖沙盤公司首先數據孿生體，可以分為模型和資產兩部分其中模型相當於開發過程中，Java的類，表（biǎo）示（shì）一（yī）個類（lèi）的一個模板在實例化之（zhī）後（hòu）生成一個資產，就相當於new class，那（nà）麽也就生成了一個對象。

    一個對象對（duì）應（yīng）一個資產（chǎn）同時，模（mó）型又（yòu）分為兩種，第一種是屬性，屬性還可以（yǐ）往下分還要分三種：第一種是靜態配置屬性（xìng），此類屬性不需要（yào）設（shè）沙盤公司備上報，也不怎（zěn）麽會有變化，比如產品型（xíng）號，設備類型等等；第二種是測量數據屬性，測量數據屬性是需要設備上報的。

    通俗一點說，就是，數據分析自己是沒法得到的，需要別人給係統的數據包括設（shè）備上報的屬性，也有可能包括從第三方的業務係統讀到的（de）屬性，係（xì）統都認為是一（yī）種測量屬性；第三種是分析任務屬性，此（cǐ）類屬（shǔ）性在數據上報之沙盤（pán）公司後，是需要去進一步計算的。

    針對最後一種任務分析屬性，有（yǒu）相應的任務去配置，去計算在（zài）這個過程中，相當於算法（fǎ）的加（jiā）載及配置：先去分析這個（gè）數據，然後後台的計算引擎就去加載（zǎi）配置（zhì）的（de）業務邏輯分（fèn）析任（rèn）務屬性目前有分三（sān）種：第一種是轉換計算：舉個簡單例子，假設創（chuàng）建的時候包含了兩個屬性，a和b，而www.17C.com要求在這個過程（chéng）中，a+b沙盤（pán）公司=c，那麽（me）這就是一個轉化計算。

    轉化屬性要求是實時的，且ab兩個值的（de）數據時間戳是相同的（de）；第二種是（shì）聚合運算：聚合是一個時間維度的計算，假設要求過去五分鍾的一個平均（jun1）溫度，如果（guǒ）設備每五秒（miǎo）鍾上報一次數據，那麽就需要對五分鍾內的所有上報的數據做一個平均，相當於在時間維度下，做聚（jù）合運算；

    第三種是流計算：流計算主要沙盤公（gōng）司是用在比較複（fù）雜的場景，邏輯不能（néng）用簡單（dān）的一個if /else表達出來的時候，就需要使用到流計（jì）算舉例來說（shuō），當資產將很多參數上報之後，係統需要通過這幾（jǐ）個參數計算出（chū）一（yī）個結果，再（zài）返回資產，那麽流計算在其中的作用就（jiù）相當於一個計算（suàn）器。

    流計算的功能非常強大，在工廠數字化模型中，大部分的場景都能實現，比如滑動窗口、數沙盤公司據過濾、加屬（shǔ）性（xìng）等等，是比較（jiào）通用的一個能（néng）力以上就是一個整體的建模的概念，基於上述（shù）的這些概念，www.17C.com能更（gèng）好地理解後麵（miàn）的內容二、資產建模實操（cāo）。

    （一）設備建模：SMT產線印刷（shuā）機設備對物理世界事物構建數字資產模型時，必須先定義好資產模型，然後再創建資（zī）產一般來說（shuō），一個產線有7種設備，www.17C.com以其中的（de）印刷機為例，來講解沙盤公司一下設備（bèi）是如何建模的首先，是屬性的配置。

    針對於印刷機，www.17C.com三種屬性分（fèn）別（bié）為：靜態配（pèi）置屬性：產品理想印刷時長、設備型號測（cè）量數（shù）據屬性：印刷速度、脫模速度、印刷高度分析任務屬性：時（shí）間利用率、性能利用率、合格率、OEE而分（fèn）析任務屬性同時又有以下計算配置：

    轉換計算（suàn）：計算時間利用率（lǜ）、計算性能利用率、計算OEE以（yǐ）及沙盤公司判斷（duàn）溫度狀態聚合計算：計算實際工作時長、計算實際（jì）工作時間、計算合（hé）格率流計算：SMT場景（jǐng）暫未使用下圖為屬性編輯的頁麵（miàn），包括靜態配置、測量數據以及分析任務，可供參考。

    下圖為所有參數都配備完成之後的完整樣例在這裏麵可以（yǐ）看到大（dà）概有70個左右的屬性，這些屬性都是（shì）模擬了真實產業的一些屬性下圖所有的數據，包括樣本沙盤公司和格式（shì）都是來自於南方工廠實際的生（shēng）產數據（jù），所以是相對比（bǐ）較真實的（de）

    通過下麵的截圖，www.17C.com希望（wàng）能夠說明印刷機的分析任（rèn）務（wù）是怎麽（me）配置的以“轉換計算”為例，隻需要讀取上報的（de）溫度值，並做一（yī）個表（biǎo）達式判斷，比（bǐ）如說溫度大於25，小於35，那麽就認為（wéi）是正常溫度把判斷的結果複製（zhì）給應用，應用就能直（zhí）接使用（yòng）這（zhè）個結果（guǒ）。

    下圖為配置好的分沙盤公（gōng）司析任（rèn）務。可以看（kàn）到，www.17C.com目前配置（zhì）好了11個分（fèn）析任務，包括計算資（zī）金（jīn）利率、性能（néng）利用率、合格率、OEE、以及各種狀（zhuàng）態的（de）判斷等等前麵所說過的種類（lèi）。

    （二）產線建模：SMT產線前麵（miàn）說（shuō）完了“設（shè）備建模”，接（jiē）下來www.17C.com講解一下“產線建模”產線建模實際上（shàng）也和設備建模的概念相（xiàng）同，模（mó）型類似但是靜態屬性和測量數據（jù）屬性暫時沒有配置沙盤公（gōng）司，因為產線（xiàn）相對簡單一些，主要是求OEE的值，也就是分析任務屬性，包括OEE相關的四（sì）個指標，以及轉換計算（suàn）、聚合計算和流計（jì）算。

    分析任務屬性的配置和設備產（chǎn）線是一致的，就（jiù）不再重複講解。下圖為印刷機的設備資產配置圖示例：

    接下來，www.17C.com來看看產線（xiàn）資產是如何構建的如下圖，產線資產一共分三層：第一層是工廠（父資產）；沙盤公司第二層是產線（子資產）；第三（sān）層是設備（子資產）產線和設備同（tóng）樣（yàng）有模型，三層模型（xíng）構成了一個“父子關係”的資產數資產來自於模型（xíng），由模型實例化而來，同時，模型實例化為資產時可（kě）以根據業務場景來指定層（céng）級關係，且資產之間相互獨立。

    下圖是（shì）構建好的資產樹（shù）。相比於（yú）上一張圖的（de）邏輯圖，這是一個示（shì）例圖。圖中表明一個電子工廠有沙盤公司三條SMT產線，每條產線有7個SMT設備。

    （三）、OEE相關指（zhǐ）標配（pèi）置（設備&產線）www.17C.com再來看看設（shè）備的每個指標（biāo）是如何計算的，如下圖www.17C.com以“產品合格率”（下圖灰色部分）為例如（rú）前文所述，合格率=[合格產（chǎn）出數量]/[產出數量]*100%表格中“TS_Sum”表示時序求和，即可（kě）以把（bǎ）產量在一個時間範圍內求和，比（bǐ）沙盤公司如，對五分鍾內的產量進（jìn）行求和。

    其他指標的計算方式和（hé）合格（gé）率類似，就不（bú）一一贅（zhuì）述產線和設備的指標計算過程相似，差別在於數據的來源產線的數（shù）據來（lái）源於（yú）子資產（chǎn），而非產線自己產生的因為資產“父子（zǐ）之間”的數據是可以相互引用的，而產線本（běn）身是不上報任何數（shù）據的。

    （四）資產運行（háng）監控（kòng）所有的（de）產品創建、屬性配置都完成之後，即可點擊沙盤公司“發布”，將模型發（fā）布並運（yùn）行模型在定義的（de）時候，本身是一個靜態的過程，一（yī）旦發布，就會激活根據（jù）前序定義的任務分析邏輯，係統（tǒng）將會（huì）自（zì）動計算，並得出實時結果，進行上報。

    所有（yǒu）的數據（jù）都（dōu）可以在下圖中觀察看到

    除了上述的數據展現模式，還可以根據業務的需要，將數據展示成折線圖、熱力圖、曲線圖等等，更易進行分析的圖形展示方式沙盤公司，得出你想要（yào）的結果。示例圖如下。

    想要體驗一個產線模型建立的過程，可以前往華為雲IoT數據分析（xī）服務（https://www.huaweicloud.com/product/iotanalytics-platform.html）深度體驗根據“總覽”頁（yè）的指導一（yī）步步進行操作。

    三、小結從上述的講解和介紹，www.17C.com沙盤公司可以得出以下結論：物理世界的（de）物（wù）在數字世界中的實時準確（què）映射，組織數據&模型的載體，是IoT領域的數字孿生；圍繞一個（gè）具體的物理對象，組織數（shù）據&模型，定義一個數字化的模型，即是IoT領域的數字建模過程；

    設備數字孿生模型由（yóu）屬性和任務分析兩部分組成；對物理世（shì）界事物（wù）構建資產模（mó）型（xíng）時，須（xū）先定義模型，再創建資（zī）產麵向對沙盤公司象建模思想帶來（lái）的好處（chù）：封裝、繼承、組合，提升（shēng）複用（yòng）效率和可擴展性華為雲IoT數據分析服務基於物聯網資產模型，整（zhěng）合（hé）IoT數據集成、清（qīng）洗、存儲、分析、可視化，為IoT數據（jù）開發者提（tí）供一站（zhàn）式服務，降低開發門檻，縮短開發（fā）周期（qī），快速實現IoT數據價值變現，讓工廠數字化轉型升級“觸手可（kě）及”。

    來一（yī）起體驗一下吧~點（diǎn）擊關沙盤公司注，第一時間了解華為雲新鮮技（jì）術~