AWS IoT TwinMaker, un service d’Amazon Web Services qui permet aux développeurs de créer des jumeaux numériques de systèmes du monde réel (bâtiments, usines, machines de production, équipements IoT...), est maintenant disponible de manière généralisée pour tous les développeurs. Avec cette solution, ces derniers ont désormais à disposition des outils spécifiques pour créer des jumeaux numériques en vue d’aider à la surveillance et à l’amélioration de la maintenance d’opérations industrielles.

La création de jumeaux numériques se fait en connectant des données provenant de différentes sources sans avoir à ré-ingérer ou à déplacer celles-ci vers un autre emplacement. Il est ainsi possible d’utiliser des connecteurs de données intégrés pour les services AWS, tels qu'AWS IoT SiteWise pour les données de capteurs et de séries temporelles, et Amazon Kinesis Video Streams pour les données vidéo. AWS IoT TwinMaker fournit également un cadre pour développer ses propres connecteurs de données à utiliser avec d'autres sources de données, comme Amazon Timestream, Snowflake, Siemens MindSphere… Ensuite, la technologie permet d’accéder à toutes les données des jumeaux numériques à l'aide d’une API logicielle unifiée, sans avoir besoin d'interroger chaque source de données individuellement.

En d’autres termes, AWS IoT TwinMaker aide à modéliser un environnement physique à l'aide d'entités (actifs physiques ou systèmes) et de composants (connecteurs de données) puis à créer automatiquement un graphe de connaissances (le jumeau numérique) qui combine et interprète les relations entre les sources de données connectées. Au fur et à mesure que le système physique réel évolue, il est alors facile de mettre à jour le modèle afin que son jumeau numérique soit actualisé, précise AWS.

Une fois le graphe du jumeau numérique créé, les outils disponibles chez AWS permettent de visualiser les données dans le contexte de l'environnement physique, avec si besoin la possibilité d’importer des modèles 3D existants (fichiers de CAO, numérisations de nuage de points…) pour composer et organiser des scènes 3D d'un espace physique et de son contenu.

Pour créer une visualisation spatiale, il est aussi possible d’importer des vidéos interactives et des données de capteurs provenant de sources de données connectées, des informations provenant des services connectés de machine learning (ML) et de simulation, ainsi que des registres et des manuels de maintenance des équipements.

Enfin, pour aider les développeurs à créer une application Web pour les utilisateurs finaux - opérateurs d'usine et ingénieurs de maintenance - AWS IoT TwinMaker comprend un plug-in pour Grafana et Amazon Managed Grafana, un service géré pour la plateforme de visualisation et de tableau de bord open source de Grafana Labs.