Navigáció kihagyása

Minőségbiztosítás

A minőségellenőrzési rendszerek lehetővé teszik a cégek számára, hogy kiküszöböljék a termékgyártási vagy szolgáltatásnyújtási folyamatok során keletkező hibákat. Egy olyan rendszer létrehozása, amely egy teljes folyamatra vonatkozóan összegyűjti az adatokat, és azonosítja a lehetséges problémákat, számos előnnyel jár. A digitális gyártásban például a teljes gyártósorra kiterjedő minőségellenőrzés elengedhetetlen feltétel. A lassító tényezők és a lehetséges hibák időben történő azonosítása révén a vállalatok csökkentheti a selejttel járó és az újragyártási költségeket, miközben javíthatják a termelékenységet.

Ez a megoldás egy gyártási folyamatokat (gyártósorokat) szemléltető példán keresztül azt mutatja be, hogy miként jelezhetők előre a gyártási hibák. Ehhez a már meglévő tesztrendszereket és a hibaadatokat használja fel, különös tekintettel a selejtekre és a gyártósor végén jelentkező működési hibákra. Mindezt a szakterület ismeretanyagával és az alapvető okok elemzésével a feldolgozás fő lépéseit magában foglaló, moduláris rendszerben egyesítve a megoldás egy általános jellegű, fejlett analitikai megoldást nyújt, amely a gépi tanulás segítségével megkönnyíti a hibák előrejelzését. A jövőbeli hibák időben történő előrejelzésével csökkenthető a javítások költsége és a selejt mennyisége, ami költséghatékonyabb megoldás a termékvisszahívásnál és a garanciánál.

Leírás

Megjegyzés: ha már üzembe helyezte ezt a megoldást, az üzemelő példányt ide kattintva érheti el.

Időt takaríthat meg, ha szakképzett SI-partnereink egyikének segítségét kéri a megoldás megvalósíthatósági vizsgálatához, üzembe helyezéséhez és integrálásához.

Üzembe helyezés becsült ideje: 30 perc

A Cortana Intelligence Suite a Microsoft Azure segítségével biztosít minden olyan fejlett analitikai eszközt (adatbetöltés, adattárolás, adatfeldolgozás és fejlett analitikai összetevők), ami egy gyártásminőség-ellenőrzési megoldás létrehozásához szükséges. Ez a felhőben üzembe helyezett megoldás a rugalmas és online Microsoft Azure platformot használja, amely függetleníti az infrastruktúra-összetevőket (adatbetöltés, tárolás, adatáthelyezés, képi megjelenítés) a modern DS-nyelveket (például az R-t és a Pythont) támogató analitikai motortól. Ezáltal a megoldás modellezési összetevője szükség szerint átképezhető, és nagy teljesítményű Azure Machine Learning-algoritmusokkal, nyílt forráskódú (R vagy Python) kódtárakkal vagy külső gyártók megoldásaival helyezhető üzembe. Az „Deploy” (Üzembe helyezés) gomb elindít egy munkafolyamatot, amely az Ön által megadott Azure-előfizetést használva helyezi üzembe a megoldáspéldányt egy erőforráscsoportban. A megoldás több Azure-szolgáltatást is magában foglal (részletesen lásd alább), továbbá egy olyan Web Jobs-feladatot, amely szimulálja az adatokat, így az üzembe helyezést követően azonnal egy teljes értékű megoldás áll az Ön rendelkezésére. Az üzembe helyezés utáni teendőkről és a gyakorlati megvalósításról további információt ebben az útmutatóban talál.

Technikai adatok és munkafolyamat

  1. A gyártósor szimulációs adatait az újonnan üzembe helyezett Azure Web Jobs streameli.
  2. Ezeket a szintetikus adatokat a rendszer adatpontokként vagy eseményekként tölti be az Azure Event Hubsba, és a megoldás többi munkafolyamata is ilyen formában használja őket. Az adatokat az Azure SQL Data Warehouse tárolja.
  3. Ez a példa két Azure Stream Analytics-feladat segítségével biztosítja az Azure Event Hubból érkező bemeneti stream közel valós idejű elemzését. Mindkét feladat szűri a bemeneti adatokat, és az adatpontokat átadja egy Azure Machine Learning-végpontnak az eredmények Power BI-irányítópultra történő továbbítása céljából.
  4. Végül a Power BI elvégzi az eredmények képi megjelenítését.

Jogi nyilatkozat

© 2017 Microsoft Corporation. Minden jog fenntartva. Ezt az információt jelen formájában nyújtjuk, és előzetes értesítés nélkül változhat. Az itt szereplő információkra a Microsoft nem vállal sem kifejezett, sem vélelmezett garanciát. A megoldás harmadik féltől származó adatok felhasználásával lett létrehozva. Ön felelős mások jogainak tiszteletben tartásáért, beleértve a hasonló adatkészletek létrehozásának céljából történő beszerzéseket és a vonatkozó licenceknek való megfelelőséget is.

Kapcsolódó megoldásarchitektúrák

Prediktív karbantartás

Ez a prediktív karbantartási megoldás figyeli a repülőgépet, és megbecsüli a motoralkatrészek fennmaradó hasznos élettartamát.

Anomáliadetektálás valós idejű adatfolyamokban

A Cortana Intelligence informatikai anomáliaelemzési megoldása segít a nagyobb cégek IT-részlegének a hibák gyors észlelésében és javításában, az IT-infrastruktúrától (CPU, memória stb.) és szolgáltatásoktól (kimaradások, szolgáltatásiszint-ingadozások, túlterhelődések stb.) származó, állapotot jelző mérőszámok és más fontos teljesítményjelzők (hátralékos megrendelések, meghiúsult bejelentkezési és fizetési kísérletek stb.) alapján, automatizált és méretezhető módon. Ez a megoldás egy egyszerű „Kipróbálás” funkciót is kínál, melynek részeként egyéni adatokkal próbálhatja ki, hogy milyen értéket nyújt Önnek a megoldás. A „Telepítés” funkció lehetőséget nyújt az Azure-megoldás gyors bevezetésére azáltal, hogy telepíti a végponttól végpontig terjedő megoldás-összetevőket az Azure előfizetésébe, melyeket szükség esetén teljes körűen testre is szabhat.