Ignora esplorazione

Architettura della soluzione: Prevenzione dei difetti con la manutenzione predittiva

Scopri come usare Azure Machine Learning per prevedere gli errori prima che si verifichino con i dati della catena di montaggio in tempo reale.

Questa soluzione è basata sui servizi gestiti di Azure: Analisi di flusso, Hub eventi, Machine Learning Studio, SQL Data Warehouse e Power BI. Questi servizi vengono eseguiti in un ambiente a disponibilità elevata, con patch e supportato, per permetterti di concentrarti sulla tua soluzione invece che sull'ambiente di esecuzione.

Förebygga problem med förutsägande underhållLär dig hur du kan använda Azure Machine Learning för att förutse problem innan de uppstår med realtidsdata direkt från produktionsanläggningen.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

Linee guida di implementazione

Prodotti/Descrizione Documentazione

Analisi di flusso

Analisi di flusso fornisce analisi in tempo quasi reale sul flusso di input dall'Hub eventi di Azure. I dati di input vengono filtrati e passati a un endpoint di Machine Learning, inviando infine i risultati al dashboard di Power BI.

Hub eventi

Hub eventi inserisce dati non elaborati della catena di montaggio e li passa ad Analisi di flusso.

Machine Learning Studio

Machine Learning prevede gli errori potenziali in base ai dati in tempo reale della catena di montaggio da Analisi di flusso.

SQL Data Warehouse

SQL Data Warehouse archivia i dati della catena di montaggio insieme alle previsioni di errori.

Power BI

Power BI visualizza i dati in tempo reale della catena di montaggio da Analisi di flusso e gli errori e gli avvisi previsti da Data Warehouse.

Architetture delle soluzioni correlate