Arquitectura de solución: Prevención de defectos con mantenimiento predictivo

Sin un sistema de control de fabricación capaz de identificar ralentizaciones o potenciales errores en la mejora del proceso general, las empresas de fabricación pueden perder dinero y productividad en reprocesamiento y residuos. Además, las retiradas a gran escala pueden socavar la confianza de los clientes, algo que afecta considerablemente al balance económico.

Esta solución incorpora un proceso de control de calidad que ayuda a predecir errores en las canalizaciones de fabricación (líneas de montaje), con el fin de que su empresa pueda aumentar su producción con menos gasto, y así ahorrar dinero. Utiliza los sistemas de prueba existentes y datos de los errores para buscar concretamente devoluciones y errores funcionales al final de las líneas de montaje. Mediante la combinación de estos factores con los conocimientos del dominio y el análisis de la causa principal en un diseño modular que encapsula los principales pasos del procesamiento, proporciona una solución de análisis avanzado que usa el aprendizaje automático para predecir los errores antes de que se produzcan.

La detección precoz de errores permite abaratar las reparaciones, o incluso evitarlas, por lo que es más recomendable que pagar los costos de retirada o garantía.

Implementar en Azure

Utilizar la siguiente plantilla predefinida para implementar esta arquitectura en Azure

Implementar en Azure
Azure SQL DW Machine Learning(Real time predictions) Power BI ALS test measurements (Telemetry) Event Hub Stream Analytics(Real time analytics) Dashboard of predictions/alerts Realtime data stats, Anomaliesand aggregates Realtime event and predictions

Guía sobre la implementación

Productos Documentación

Stream Analytics

Stream Analytics proporciona un análisis casi en tiempo real del flujo de entrada de Azure Event Hubs. Los datos de entrada se filtran y se pasan a un punto de conexión de Machine Learning, y, por último, los resultados se envían al panel de Power BI.

Event Hubs

Event Hubs ingiere los datos sin procesar de la línea de montaje y los pasa a Stream Analytics.

Machine Learning Studio

Machine Learning predice errores potenciales gracias a los datos de la línea de montaje en tiempo real procedentes de Stream Analytics.

SQL Data Warehouse

SQL Data Warehouse almacena los datos de la línea de montaje, junto con las predicciones de error.

Power BI

Power BI visualiza los datos de la línea de montaje en tiempo real procedentes de Stream Analytics y los errores pronosticados y las alertas de Data Warehouse.

Arquitecturas de soluciones relacionadas

Data Factory: Move data, orchestrate, schedule and monitor SQL Data Warehouse Machine Learning Machine Learning Power BI Event Hub Stream Analytics HDInsight Geography Data(Blob Storage) Vehicle Catalogue Diagnotic Events (Simulated)

Información predictiva con la telemática del vehículo

Conozca de qué forma pueden los concesionarios de coches, los fabricantes y las compañías de seguros usar Microsoft Azure para obtener información temprana acerca del estado del vehículos y los hábitos de conducción.

Más información