品質保証システムを使用すると、企業は、商品やサービスを顧客に届けるプロセス全体を通して欠陥が生じないようにすることができます。 パイプラインに沿ってデータを収集して潜在的な問題を特定するようなシステムを構築すると、大きな利点が得られます。 たとえば、デジタル製造では、組み立てライン全体の品質保証が不可欠です。 スローダウンや潜在的な障害を検出後ではなく、発生前に特定することで、企業が生産性を向上させながら、廃棄や再加工のコストを削減することを支援します。
アーキテクチャ
このアーキテクチャの Visio ファイルをダウンロードします。
データフロー
- ソース システム イベント ジェネレーターから Azure Event Hubs にデータがストリームされます。
- Event Hubs で Capture が使用され、生のイベントがデータ レイクに送信されます。
- Event Hubs からのリアルタイムのデータが Stream Analytics ジョブによって読み取られます。
- Stream Analytics ジョブによって Azure Machine Learning で ML モデルが呼び出され、障害や欠陥の予測が行われます。
- Stream Analytics ジョブから Power BI リアルタイム ダッシュボードへストリーム集計が送信され、そこで操作が行われます。
- 処理済みのリアルタイム データが Stream Analytics ジョブから Azure Synapse SQL プールにプッシュされます。
- ストリーミング データからのアラートがロジック アプリによって携帯電話に送信されます。
- 結果を視覚化するために Power BI が使用されます。
コンポーネント
- Event Hubs を使うと、アセンブリ ライン イベントを取り込み、それらを Stream Analytics および Azure ML Web サービスに渡すことができます。
- Azure Stream Analytics: Stream Analytics を使うと、Event Hubs からの入力ストリームを受け入れ、Azure ML Web サービスを呼び出して予測を行い、警告の目的でそのストリームを Azure Storage、Power BI、Logic Apps に送信します。
- Azure Machine Learning: Machine Learning を使用すると、クラウド内の予測分析ソリューションを設計、テスト、運用、および管理し、Stream Analytics から呼び出すことができる Web サービスをデプロイできます。
- ストレージ アカウント: Azure Storage では、Event Hubs からの生のイベント ストリーム データを格納し、長期的なデータを保持するための機能を提供します。
- Logic Apps: ストリーミング データから生成されたアラートをオペレーターのデバイスに送信します。
- Synapse Analytics: アドホックおよび計画的な分析処理およびユーザー分析クエリ用のリレーショナル データを格納します。
- Power BI: リアルタイムの運用ダッシュボードと、分析レポート用のサーバーを視覚化します。
代替
- シナリオによっては、バッチ レイヤーを削除することによって基本的なアーキテクチャを簡略化できます。生のイベント用のストレージと、リレーショナル データ用の Azure Synapse を削除します
- Azure SQL Database は、サービスとして管理されたリレーショナル データベースです。 データ量とアクセス パターンに応じて、Azure SQL Database を選択できます。
- Azure Functions は、依存関係が最小限で済む細かな分散コンポーネントであることを重視したワークロード アーキテクチャに適した効果的なサーバーレス アプローチです。個々のコンポーネントは (継続的ではなく) オンデマンドで実行するためにのみ必要で、コンポーネントのオーケストレーションが不要な場合です。
- IoT Hub は、クラウド プラットフォームと建設機器および他の現場要素の間で行われる、デバイスごとの ID によるセキュリティ保護された双方向通信に対する中央のメッセージ ハブとして機能します。 IoT Hub は、データ分析パイプラインへのインジェストのために、各デバイスのデータを迅速に収集できます。
シナリオの詳細
考えられるユース ケース
このソリューションは、製造パイプライン (組み立てライン) の例を使用して障害を予測する方法を示します。 これを行うには、既に配置されているテスト システムと障害データを利用します。具体的には、組み立てラインの最後に戻り値と機能障害を調べます。 主要な処理手順をカプセル化するモジュール方式の設計内で、これらをドメイン ナレッジと根本原因分析と組み合わせることによって、機械学習を使用して障害を発生前に予測する汎用的で高度な分析ソリューションを提供します。 将来の障害を早期に予測することで、費用を抑えて修理や破棄を行うことができます。これは通常、リコールや保証にコストをかけるよりもコスト効率が高くなります。
考慮事項
以降の考慮事項には、ワークロードの品質向上に使用できる一連の基本原則である Azure "Well-Architected Framework" の要素が組み込まれています。 詳細については、「Microsoft Azure Well-Architected Framework」を参照してください。
スケーラビリティ
このシナリオ例で使用されるコンポーネントの大部分は、現在のシナリオ ニーズに基づいてスケーリングする管理サービスです。
スケーラブルなソリューションの設計に関する一般的なガイダンスについては、Azure アーキテクチャ センターの「パフォーマンス効率のチェックリスト」を参照してください。
セキュリティ
セキュリティは、重要なデータやシステムの意図的な攻撃や悪用に対する保証を提供します。 詳細については、「セキュリティの重要な要素の概要」を参照してください。
Azure リソース用のマネージド ID は、自分のアカウントの内部にある他のリソースへのアクセスを提供するために使用されます。 これらの ID の必要なリソースへのアクセスのみを許可して、余分なものがお使いの関数 (およびご自身の顧客) に公開されないようにします。
セキュリティで保護されたソリューションの設計に関する一般的なガイダンスについては、「Azure のセキュリティのドキュメント」を参照してください。
回復性
このシナリオのすべてのコンポーネントが管理されているため、すべてについて、リージョン レベルの回復性が自動的に確保されます。
回復性のあるソリューションの設計に関する一般的なガイダンスについては、「信頼性の設計原則」を参照してください。
次のステップ
- Azure でサーバーレス Web アプリを作成する
- Azure で予測モデルを作成する方法について学習する
- Azure Streaming Analytics を使用してデータ ストリーミング ソリューションを実装する方法について学習する
- Azure Event Hubs のドキュメント
- Azure Stream Analytics のドキュメント
- Azure Machine Learning のドキュメント
- Azure Storage のドキュメント
- Azure Logic Apps のドキュメント
- Azure Synapse Analytics のドキュメント
- Power BI でのレポートとダッシュボードの作成 ‐ ドキュメント