Navigáció kihagyása

Megoldásarchitektúra: Hibamegelőzés prediktív karbantartással

Megtudhatja, hogyan jelezheti előre a hibákat azok bekövetkezte előtt az Azure Machine Learning valós idejű gyártósoradataival.

Ez a megoldás az alábbi, Azure által felügyelt szolgáltatásokra épül: Stream Analytics, Azure Event Hubs-eseményközpontok, Machine Learning Studio, SQL Data Warehouse és Power BI. Ezek a szolgáltatások magas rendelkezésre állású környezetben futnak javítások és támogatás mellett, ami lehetővé teszi, hogy a környezet helyett a megoldásra tudjon fókuszálni.

使用預測性維護預防瑕疵了解如何使用 Azure Machine Learning 在即時生產線資料發生失敗之前,先預測到失敗。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

Implementálási segédlet

Termékek/Leírás Dokumentáció

Stream Analytics

A Stream Analytics biztosítja az Azure Event Hubstól beérkező adatfolyam közel valós idejű elemzését. A bejövő adatok szűrés után továbbadódnak egy Machine Learning-végpontnak, amely végül elküldi az eredményeket a Power BI irányítópultjára.

Azure Event Hubs-eseményközpontok

Az Event Hubs nyers gyári adatokat tölt be, és átadja azokat a Stream Analyticsnek.

Machine Learning Studio

A Machine Learning a Stream Analyticstől származó valós idejű gyári adatok alapján előre jelzi a lehetséges meghibásodásokat.

SQL Data Warehouse

Az SQL Data Warehouse gyári adatokat és hiba-előrejelzéseket tárol.

Power BI

A Power BI vizuálisan jeleníti meg a Stream Analyticstől származó valós idejű gyári adatokat és a Data Warehouse-ból származó hiba-előrejelzéseket és figyelmeztetéseket.

Kapcsolódó megoldásarchitektúrák