在制造业工业物联网（IIoT）已经到来，这意味着数据，大量的数据！装备有传感器的智能机器，以及从质量系统、MES、ERP和其他生产系统产生的大量数据。所有这些数据都是以不同的格式和不同的节奏收集的，因此数据的应用很难，或者说很难提供业务洞察力。
微软Azure已经通过Azure IoT Hub和Azure Data Lake等服务掌握了制造数据的摄取和存储，现在我们的合作伙伴Sight Machine（机器可视化）已经解决了另一个巨大的挑战：数据多样性。Azure上的Sight Machine是一个领先的支持AI的分析平台，它使制造商能够实时规范化和上下文化工厂车间数据。这些数字双胞胎的创建使他们能够找到新的洞察力，转变运营，并释放新的价值。
参考Microsoft Azure Blog: Leveraging AI and digital twins to transform manufacturing with Sight Machine 译：吴若童
数字化前的数据
制造商们已经意识到生产数据尚未开发的潜力。
全球制造商已经开始投资于采集和存储工厂车间数据的解决方案。但这些前数字世界的方法有许多缺点。它们导致数据孤岛化、非语境化的数据（与实际生产过程没有联系的原始机器数据），以及有限的可访问性（工程师和专家需要访问和操作数据）。最重要的是，这些数据只能以被动的方式访问：它不能反映实时状况。它不能用于解决发生的质量和生产力问题，或预测可能影响生产率的条件。
基于云的制造智能
Sight Machine的数字制造平台建立在Azure上，利用人工智能、机器学习和高级分析技术。它可以不断地摄取大量的生产数据，并将其转化为可操作的洞察力；例如识别整个企业在质量和生产力方面的缺陷。该方法在此图中进行了说明。
Sight Machine的平台利用Azure的物联网功能来摄取机器的数据（PLC和机器数据）。Azure IoT Hub 和 Azure Stream Analytics 实时处理数据，并将其存储在 Azure Blob 存储中。Sight Machine的AI数据管道将这些数据与其他生产源动态整合。这些来源可以包括来自Dynamics AX的ERP数据、Azure的机器学习服务产生的分析以及存储在Azure的数据湖中的HDInsight。通过结合所有这些数据，Sight Machine创建了整个生产流程的数字孪生兄弟。他们的分析和可视化工具利用这个数字孪生体向用户提供实时信息。与 Azure Active Directory 的集成确保了正确的工程师可以访问正确的数据和分析工具。
数字孪生=单一真相来源
与 “双胞胎 “的概念有些相反，数字双胞胎应当是单一真相来源——至少在数据呈现出的世界里。这个想法很简单：从不同的来源和地点获取数据，然后将云端的信息组合成每台机器、每条生产线、每个部件和每个过程的数字表示。一旦创建了数字孪生数据，就可以对其进行存储、管理、分析和展示。
Sight Machine创建的数字孪生子代表了每一台制造机器、生产线、设施、供应商、零件、批次和流程。Sight Machine的人工智能数据管道将混合和转化流数据的过程自动化，将其转化为专门为制造业打造的基本分析单元。这种方法将边缘计算、云端自动化和管理与AI相结合。其优势包括分类、映射、数据转换和统一的数据模型，这些数据模型可针对每个制造环境进行配置。
