品質保証システムを利用すると、企業は商品やサービスを顧客に提供するプロセス全体で不具合を回避できます。パイプラインのデータを収集し、潜在的な問題を特定するシステムを構築することは、大きな利益をもたらします。たとえば、デジタル製造業において、組み立てライン全体の品質保証は不可欠です。遅延や不具合の可能性を、検出後ではなく発生前に特定することで、企業は廃棄や再加工のコストを削減しながら、生産性を高めることができます。

このソリューションでは、製造パイプライン (組み立てライン) の例を使用して不具合を予測する方法を示します。この方法では、既に確立されているテスト システムと不具合データを使用します。特に、返品や組み立てライン終盤での機械の不具合に注目します。これらと専門知識や根本原因の分析を、主な処理手順をカプセル化するモジュラー デザイン内で組み合わせると、機械学習を活用して発生前に不具合を予測する高度な汎用分析ソリューションを利用できるようになります。起こり得る不具合を早期に予測できると、高額な修理の回数を減らせるだけでなく、廃棄という判断を下すことも可能になります。これらは通常、リコールや保証にかかるコストよりも経済的です。

説明

注: このソリューションが既にデプロイされている場合は、ここをクリックしてそのデプロイを表示してください。

こちらに挙げるトレーニング実施済みの SI パートナーから、このソリューションの概念実証、デプロイ、統合のサポートを受けて、構築時間を短縮しましょう。

予測プロビジョニング時間: 30 分

Cortana Intelligence Suite は、データ インジェスト、データ 保存、データ処理、高度な分析コンポーネントなどの高度な分析ツールを Microsoft Azure を介して提供します。製造業向け品質保証ソリューションを構築するための重要な要素がすべて含まれています。このソリューションはクラウドに実装され、インフラストラクチャ コンポーネント (データ インジェスト、保存、データ移動、視覚化) が、R や Python などの最新の DS 言語をサポートする分析エンジンから切り離された柔軟なオンラインの Microsoft Azure プラットフォームを使用します。そのため、ソリューション モデリング コンポーネントは必要に応じて再トレーニング可能で、ハイ パフォーマンスな Azure Machine Learning アルゴリズム、オープン ソース (R および Python) ライブラリ、またはサードパーティ ソリューション ベンダーのライブラリを使用して実装できます。[デプロイ] ボタンを押すと、指定した Azure サブスクリプションのリソース グループ内にソリューションのインスタンスをデプロイするワークフローが起動します。このソリューションには、データをシミュレーションする Web ジョブと共に (以下で説明する) 複数の Azure サービスが含まれ、デプロイの直後からエンド ツー エンド ソリューションを機能させることができます。デプロイ後の手順と技術的な実装の詳細については、こちらの手順をご覧ください。

技術詳細とワークフロー

  1. 新たにデプロイされた Azure Web ジョブによって製造組み立てラインのシミュレーション データがストリーミングされます。
  2. この合成データがデータ ポイントまたはイベントとして Azure Event Hubs に投入され、残りのソリューション フローで使用されて、Azure SQL Data Warehouse に保存されます。
  3. このパターンでは、2 つの Azure Stream Analytics ジョブが使用されており、Azure Event Hubs の入力ストリームにほぼリアルタイムの分析を提供します。この 2 つのジョブが入力データをフィルターしてデータ ポイントを Azure Machine Learning エンドポイントに渡し、結果を Power BI ダッシュボードに送信します。
  4. 最後に、Power BI を使用して結果が視覚化されます。

免責事項

©2017 Microsoft Corporation.All rights reserved.本情報は "現状のまま" 提供され、通知なく変更されることがあります。Microsoft はここで提供される情報に関し、明示または暗示にかかわらず、いかなる保証も行わないものとします。ソリューションの生成にはサード パーティのデータが使用されています。お客様には他者の権利を尊重する責任があり、それには、類似のデータセットを作成するための関連ライセンスの購入や、そうした関連ライセンスへの準拠が含まれます。

関連ソリューションのアーキテクチャ

予測メンテナンス

この予測メンテナンス ソリューションは、機体の監視に加え、航空用エンジン部品の残存耐用年数を予測します。

リアルタイムのデータ ストリームでの異常検出

Cortana Intelligence の IT Anomaly Insights ソリューションを使用することで、大規模な組織内の IT 部門は、IT インフラストラクチャ (CPU、メモリなど)、サービス (タイムアウト、SLA のバリエーション、ブラウンアウトなど)、その他の主要業績評価指標 (KPI) (オーダーのバックログ、ログイン エラー、支払いエラーなど) から取得した基盤となる正常性メトリックに基づいて、問題の検出および修正を迅速に行えるようになります。また、このソリューションでは、簡単に "今すぐ試せる" エクスペリエンスを提供しており、カスタマイズされたデータを使って試してみることで、ソリューションがもたらす価値を実感していただけます。"デプロイ" エクスペリエンスを通じて、エンド ツー エンド ソリューションのコンポーネントを Azure サブスクリプションに配置し、必要に応じてカスタマイズを完全に制御できるようにすることで、ソリューションを Azure で速やかに機能させることができます。