Omitir navegación

Arquitectura de solución: Prevención de defectos con mantenimiento predictivo

Vea cómo utilizar Azure Machine Learning para predecir errores antes de que ocurran con datos de ensamblado en tiempo real.

Esta solución está creada en los servicios administrados de Azure: Stream Analytics, Event Hubs, Machine Learning Studio, SQL Data Warehouse y Power BI. Estos servicios se ejecutan en un entorno de alta disponibilidad, revisado y compatible, lo que permite al usuario centrarse en la solución, en lugar de en el entorno en el que se ejecutan.

Defect prevention with predictive maintenanceLearn how to use Azure Machine Learning to predict failures before they happen with real-time assembly line data.Azure SQL DWMachine Learning(Real time predictions)Power BIALS test measurements (Telemetry)Event HubStream Analytics(Real time analytics)Dashboard of predictions/alertsRealtime data stats, Anomaliesand aggregatesRealtime event and predictions

Guía sobre la implementación

Productos/descripción 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