Løsningsarkitektur: Prediktiv innsikt med kjøretøytelematikk
Moderne kjøretøy inneholder flere sensorer som gir dem mulighet til å spore og overvåke millioner av hendelser hvert sekund. Basert på gjeldende prediksjoner vil de fleste av disse bilene være koblet til Internett innen 2020.
Denne løsningen demonstrerer hvordan bilforhandlere, bilprodusenter og forsikringsselskaper kan bruke Cortana Intelligence og Azure til å få prediktiv innsikt i kjøretøyets tilstand og kjørevaner. Hent inn direkteavspilte data i global skala og analyser dem i sanntid for å løse mulige problemer og oppdage nye muligheter.
Ved å få tilgang til den store mengden data som genereres av disse smarte kjøretøyene, kan du tilby klasseledende sikkerhet, pålitelighet og kjøreopplevelse.
Distribuer til Azure
Bruk den følgende forhåndsbygde malen til å distribuere denne arkitekturen til Azure
Distribuer til AzureImplementeringsveiledning
| Produkter/beskrivelse | Dokumentasjon | |
|---|---|---|
| Event Hubs | Event Hubs importerer diagnosehendelser og sender dem videre til Stream Analytics og en Azure ML-nettjeneste. | |
| Stream Analytics | Stream Analytics godtar inndataflyten fra Event Hubs, kaller en Azure ML-nettjeneste for å gjøre prediksjoner, og sender dataflyten til Azure Storage og Power BI. | |
| Machine Learning Studio | Ved hjelp av Machine Learning kan du enkelt designe, teste, operasjonalisere og administrere prediktiv analyse-løsninger i skyen og distribuere nettjenester som kan kalles via Stream Analytics og Azure Data Factory. | |
| Lagring | Azure Storage lagrer strømmede data med diagnosehendelser fra Stream Analytics. | |
| HDInsight | Azure Data Factory bruker HDInsight til å kjøre Hive-spørringer for å behandle dataene og laste dem inn i Azure SQL Database. | |
| Data Factory | Data Factory bruker HDInsight til å behandle data og laste dem inn i Azure SQL Database. | |
| Azure SQL Database | SQL Database brukes til å lagre data behandlet av Data Factory og HDInsight, og Power BI får tilgang for å analysere telemetridataene. | |
| strøm~~POS=TRUNC BI | Denne løsningen bruker Power BI, men andre bruker Power BI Embedded til å analysere telemetridataene. |
Relaterte løsningsarkitekturer
Defektforhindring med prediktivt vedlikehold
Les om hvordan du kan bruke Azure Machine Learning til å forutsi feil før de skjer, med sanntids produksjonslinjedata.
Mer informasjonAvviksregistrering med maskinlæring
Microsoft Azures IT Anomaly Insights kan bidra til å automatisere og skalere avviksregistreringen for IT-avdelinger slik at de raskt kan oppdage og rette opp problemer.
Mer informasjon