Kvalitetssikring

Kvalitetssikringssystemer gir bedrifter mulighet til å forhindre defekter i prosessene for vare- eller tjenesteleveranser til kunder. Utvikling av et slikt system som samler inn data og identifiserer potensielle problemer langs et datasamlebånd kan gi veldig store fordeler. I digital produksjon for eksempel, er kvalitetssikring på tvers av samlebåndet avgjørende. Identifisering av forsinkelser og mulige feil før de oppstår i stedet for etter at de oppdages kan hjelpe bedrifter med å redusere kostnader for forkastelser og omarbeiding samtidig som produktiviteten forbedres.

Denne løsningen viser hvordan feil kan forutses ved å bruke et eksempel på produksjonssamlebånd. Dette gjøres ved å benytte testsystemer som allerede er etablert samt data om feil, og ser spesifikt på returer og funksjonelle feil på slutten av samlebåndet. Ved å kombinere disse dataene med bransjeekunnskap og analyse av grunnleggende årsaker innenfor en modulær design som innkapsler hovedtrinnene i produksjonen, leverer vi en generisk løsning med avanserte analyser som bruker maskinlæring til å forutse feil før de skjer. Tidlig prognose av fremtidige feil fører til at reparasjoner blir billigere eller til og med ikke trengs, noe som vanligvis er mer kostnadseffektivt enn alle kostnader knyttet til tilbakekalling og garantier.

Beskrivelse

Merk: Hvis du allerede har distribuert denne løsningen, kan du klikke her for å vise distribusjonen.

Spar tid og la en av disse opplærte SI-partnerne hjelpe deg med konseptgodkjenning, distribusjon og integrering av denne løsningen.

Estimert klargjøringstid: 30 minutter

Cortana Intelligence Suite tilbyr avanserte analyseverktøy igjennom Microsoft Azure – komponenter for datainntak, datalagring, databehandling og avansert analyse – all de viktige elementene for å utvikle en løsning for datasikring for produksjon. Løsningen implementeres i skyen ved bruk av den fleksible nettbaserte Microsoft Azure-plattformen som frakobler infrastrukturkomponenter (datainntak, dataflytting, visualisering) fra analysemotoren som støtter moderne DS-språk som R og Python. Komponenten for løsningsmodellering kan derved omskoleres etter behov og implementeres ved hjelp av Azure Machine Learning-algoritmer med høy ytelse eller åpen kilde-biblioteker (R/Python) eler fra en tredjeparts løsningsleverandør. Knappen «Distribuer» starter en arbeidsflyt som distribuerer en forekomst av løsningen i en ressursgruppe i Azure-abonnementet som du spesifiserer. Løsningen inkluderer flere Azure-tjenester (beskrevet nedenfor) i sammen med en nettjobb som simulerer data slik at du får en fungerende fullstendig løsning umiddelbart etter distribusjonen. For instruksjoner etter distribusjon og mer informasjon om den tekniske implementeringen, kan du se instruksjonene her.

Tekniske detaljer og arbeidsflyt

  1. Simuleringsdataene for produksjonssamlebåndet strømmes fra den nylig distribuerte Azure Web Jobs.
  2. Disse syntetiske dataene mates inn i Azure Event Hubs som datapunkter/-hendelser som går inn i resten av løsningsflyten og lagres i Azure SQL Data Warehouse.
  3. Det finnes to Azure Stream Analytics-jobber som brukes i dette mønsteret for å levere en analyse i nær sanntid på inndataflyten fra Azure Event Hub. Begge jobbene filtreres igjennom de inngående dataene og sender datapunktene videre til et Azure Machine Learning-endepunkt som sender resultatene til et PowerBI-dashbord.
  4. Til slutt brukes PowerBI for resultatsvisualisering.

Ansvarsfraskrivelse

©2017 Microsoft Corporation. Med enerett. Denne informasjonen gis «som den er» og kan endres uten varsel. Microsoft gir ingen garantier, uttrykkelig eller underforstått, i forbindelse med informasjonen som oppgis her. Tredjepartsdata ble benyttet for å generere løsningen. Du er ansvarlig for å respektere andres rettigheter, inkludert anskaffelse og overhold av relevante lisenser for å opprette lignende datasett.

Relaterte løsningsarkitekturer

Prediktivt vedlikehold

Denne prediktive vedlikeholdsløsningen overvåker fly og forutser den gjenværende brukstiden for komponenter i flymotorer.

Avvikspåvisning i sanntids datastrømmer

Cortana Intelligence IT Anomaly Insights-løsningen hjelper IT-avdelinger i store organisasjoner med å raskt oppdage og rette opp problemer basert på underliggende tilstandsmål fra IT-infrastruktur (CPU, minne osv.), tjenester (tidsavbrudd, SLA-variasjoner, spenningsfall osv.) og andre sentrale ytelsesindikatorer (gjenstående arbeidsordrer, feil i forbindelse med pålogging og betaling osv.), på en automatisert og skalerbare måte. Denne løsningen tilbyr også en enkelt «Prøv nå»-opplevelser som kan testes ut på tilpassede data for å vise verdiskapningen som tilbys av løsningen. «Distribuer»-opplevelsen lar deg komme raskt i gang med løsningen på Azure ved å distribuerer de fullstendige løsningskomponentene inn i Azure-abonnementet ditt og gir deg full kontroll for tilpasning ved behov.