솔루션 아키텍처: Defect prevention with predictive maintenance

속도 저하 등의 잠재적인 문제를 감지하여 전반적인 프로세스를 개선할 수 있는 제조 관리 시스템이 없다면 제조업체는 낭비와 재작업으로 인해 자금과 생산성을 잃을 수 있습니다. 또한 전면적인 리콜이 발생하면 소비자 신뢰가 흔들리고 수익에 더 큰 영향이 발생할 수 있습니다.

이 솔루션은 제조 파이프라인(어셈블리 라인)의 장애를 예측하여 생산량은 늘리고 낭비와 비용은 줄일 수 있는 품질 관리 프로세스를 도입합니다. 이 솔루션은 이미 보유한 테스트 시스템과 장애 데이터를 사용하여 구체적으로 어셈블리 라인 끝의 반환 및 기능 장애를 조사합니다. 여기에 주 처리 단계를 감싸는 모듈식 설계 내에서 도메인 지식과 근본 원인 분석을 결합하여 기계 학습으로 장애를 미리 예측하는 고급 분석 솔루션을 제공합니다.

장애를 미리 파악하면 더 저렴하게 수리할 수 있고 폐기를 막을 수 있기 때문에 리콜 및 보증 비용보다 훨씬 경제적입니다.

Azure에 배포

미리 빌드된 템플릿을 사용하여 이 아키텍처를 Azure에 배포하세요.

Azure에 배포
Azure SQL DW Machine Learning(Real time predictions) Power BI ALS test measurements (Telemetry) Event Hub Stream Analytics(Real time analytics) Dashboard of predictions/alerts Realtime data stats, Anomaliesand aggregates Realtime event and predictions

구현 지침

제품 설명서

Stream Analytics

Stream Analytics는 Azure Event Hub의 입력 스트림에 대한 실시간에 가까운 분석을 제공합니다. 입력 데이터는 필터링되어 Machine Learning 엔드포인트로 전달되고 마지막으로 결과를 Power BI 대시보드에 전달합니다.

Event Hubs

Event Hubs는 원시 어셈블리 라인 데이터를 수집하여 Stream Analytics에 전달합니다.

Machine Learning Studio

Machine Learning이 Stream Analytics의 실시간 어셈블리 라인 데이터를 바탕으로 잠재적인 문제를 예측합니다.

SQL Data Warehouse

SQL Data Warehouse는 어셈블리 라인 데이터를 장애 예측과 함께 저장합니다.

Power BI

Power BI는 Stream Analytics의 실시간 어셈블리 라인 데이터와 Data Warehouse의 예측된 장애 및 경고를 시각화합니다.

관련 솔루션 아키텍처