Ideas de solución
Este artículo es una idea de solución. Si te gustaría que ampliemos este artículo con más información, como posibles casos de uso, servicios alternativos, consideraciones de implementación o una guía de precios, comunícalo a través de los Comentarios de GitHub.
En la actualidad, la mayoría de las instalaciones actúan de forma reactiva ante los problemas en los niveles de depósitos. Esta reactividad suele dar lugar a vertidos, apagados de emergencia, elevados costos de corrección, problemas normativos, costosas reparaciones y multas. La previsión de los niveles de depósito ayuda a administrar y a evitar estos y otros problemas.
Architecture
Descargue un archivo Visio de esta arquitectura.
Flujo de datos
- Los datos entran en Azure Event Hubs y Azure Synapse Analytics sirven como puntos de datos o eventos, que se usarán en el resto del flujo de la solución.
- Azure Stream Analytics analiza los datos para proporcionar una evaluación casi en tiempo real del flujo de entrada desde el centro de eventos y los publica directamente en Power BI para visualizarlos.
- Azure Machine Learning se utiliza para realizar una previsión del nivel de los depósitos de una región determinada según las entradas recibidas.
- Azure Synapse Analytics se usa para almacenar los resultados de la predicción recibidos de Azure Machine Learning. Estos resultados se usan luego en el panel de Power BI.
- Azure Data Factory controla la coordinación y programación del nuevo entrenamiento del modelo horario.
- Por último, Power BI se usa para visualizar los resultados, de modo que los usuarios puedan supervisar el nivel de los depósitos desde una instalación en tiempo real y usar el nivel de previsión para evitar pérdidas.
Componentes
- Azure Data Factory
- Azure Event Hubs
- Azure Machine Learning
- Azure Stream Analytics
- Azure Synapse Analytics
- Power BI
Detalles del escenario
El proceso de previsión del nivel de los depósitos comienza en la entrada del pozo. El petróleo se mide a medida que llega a la instalación con medidores y se envía a los depósitos. Los niveles se monitorean y se registran en tanques durante el proceso de refinación. La salida de petróleo, gas y agua se registra a través de sensores, medidores y registros. A continuación, se realizan las previsiones con los datos de la instalación; por ejemplo, cada 15 minutos.
Azure Cognitive Services es una solución adaptable y se puede personalizar para satisfacer los diferentes requisitos de las empresas y las instalaciones.
Posibles casos de uso
Esta solución es perfecta para los sectores de energía, automoción y aeroespacial.
Para elaborar las previsiones, se aprovecha la eficacia de los datos históricos y en tiempo real disponibles de los sensores, medidores y registros, lo que ayuda en los siguientes escenarios:
- Evitar fugas en los depósitos y las paradas de emergencia
- Detectar errores o el funcionamiento incorrecto del hardware
- Programar el mantenimiento, los apagados y la logística
- Optimizar las operaciones y la eficacia de las instalaciones
- Detectar fugas en los conductos y flujos intermitentes
- Reducir los costos, las multas y el tiempo de inactividad
Pasos siguientes
Documentación del producto:
- ¿Qué es Azure Event Hubs?
- ¿Qué es Azure Synapse Analytics?
- Bienvenido a Azure Stream Analytics
- ¿Qué es Azure Machine Learning?
- ¿Qué es Azure Data Factory?
Módulos de Microsoft Learn:
- Entrenamiento de un modelo de Machine Learning con Azure Machine Learning
- Integrar datos con Azure Data Factory o canalización de Azure Synapse