솔루션 아키텍처: 자동차 텔레매틱스를 통한 예측 정보
오늘날 차량에는 여러 개의 센서가 내장되어 매순간 수백만 개의 이벤트를 추적하고 모니터링할 수 있습니다. 현재 2020년이 되면 대부분의 차량이 인터넷에 연결될 것으로 예측하고 있습니다.
이 솔루션은 자동차 딜러, 제조업체, 보험사가 어떻게 Cortana Intelligence와 Azure를 사용하여 차량 상태와 운전 습관에 대한 예측적 정보를 얻을 수 있는지 보여줍니다. 글로벌 규모로 라이브 스트리밍 데이터를 캡처하고 실시간으로 분석하여 잠재적인 문제를 해결하고 새로운 기회를 발견합니다.
스마트 자동차에서 생성되는 이 풍부한 데이터를 활용하면 최고 수준의 안전성, 신뢰성, 운전 경험을 제공할 수 있습니다.
구현 지침
| 제품 | 설명서 | |
|---|---|---|
| Event Hubs | Event Hubs는 진단 이벤트를 수신하여 스트림 Stream Analytics 및 Azure ML Web Service로 전달합니다. | |
| Stream Analytics | Stream Analytics은 Azure ML Web Service라는 Event Hub로부터 입력 스트림을 받아서 예측을 수행하고 스트림을 Azure Storage 및 Power BI로 전달합니다. | |
| Machine Learning Studio | Machine Learning은 클라우드에서 예측 분석 솔루션을 쉽게 설계, 테스트, 운영화 및 관리하고 Stream Analytics과 Azure Data Factory에서 호출할 수 있는 웹 서비스를 배포하도록 돕습니다. | |
| Storage | Azure Storage는 Stream Analytics에서 진단 이벤트 스트림 데이터를 저장합니다. | |
| HDInsight | Azure Data Factory는 HDInsight를 사용하여 Hive 쿼리를 실행함으로써 데이터를 처리하고 Azure SQL Database로 로드합니다. | |
| 데이터 팩터리 | Data Factory는 HDInsight를 사용하여 데이터를 처리하고 Azure SQL Database로 로드합니다. | |
| SQL Database | SQL Database는 데이터를 저장하고 Data Factory 및 HDInsight에서 처리된 데이터는 분석을 위해 Power BI를 통해 액세스합니다. | |
| Power BI | 이 솔루션은 Power BI를 사용하지만 다른 솔루션은 Power BI Embedded를 사용하여 텔레메트리 데이터를 분석합니다. |
관련 솔루션 아키텍처
Defect prevention with predictive maintenance
Learn how to use Azure Machine Learning to predict failures before they happen with real-time assembly line data.
자세한 정보기계 학습을 통한 이상 감지
Microsoft Azure의 IT Anomaly Insights는 문제를 빠르게 감지하고 해결할 수 있도록 이상 감지를 자동화 및 확장하도록 돕습니다.
자세한 정보