Architectuur voor de oplossing:Defectpreventie met voorspellend onderhoud
Leer hoe u met Azure Machine Learning fouten kunt voorspellen voordat ze zich voordoen met realtime assemblagelijngegevens.
Deze oplossing is gebouwd op de beheerde services van Azure: Azure Stream Analytics, Event Hubs, Machine Learning Studio en de Azure Synapse Analytics. De services worden in een omgeving met hoge beschikbaarheid uitgevoerd, gepatcht en ondersteund zodat u zich op de oplossing kunt concentreren en u niet hoeft bezig te houden met de omgeving waarin de services worden uitgevoerd.
Begeleiding bij implementatie
| Producten/beschrijving | Documentatie | |
|---|---|---|
|
Azure Stream Analytics |
Via Stream Analytics beschikt u over bijna realtime analyses over de invoerstroom vanuit de Azure Event Hub. Invoergegevens worden gefilterd en doorgegeven aan een Machine Learning-eindpunt, waarna de resultaten worden verzonden naar het Power BI-dashboard. | |
|
Event Hubs |
Event Hubs neemt onbewerkte assemblagelijngegevens op en geeft deze door aan Stream Analytics. | |
|
Machine Learning Studio |
Met Machine Learning worden potentiële fouten op basis van realtime assemblagelijngegevens voorspeld vanuit Stream Analytics. | |
|
Azure Synapse Analytics |
In Synapse Analytics worden assemblagelijngegevens opgeslagen, samen met foutvoorspellingen. | |
|
|
In Power BI worden realtime assemblagelijngegevens van Stream Analytics en de voorspelde fouten en waarschuwingen vanuit Data Warehouse gevisualiseerd. |
Gerelateerde architecturen voor oplossingen
In de oplossing voor predictief onderhoud van Microsoft Azure ziet u hoe u realtime vliegtuiggegevens kunt combineren met analyses voor de bewaking van de staat van vliegtuigen.
Meer informatieLees hoe autodealers, fabrikanten en verzekeringsmaatschappijen met Microsoft Azure voorspellende inzichten kunnen krijgen over de staat van voertuigen en rijgewoonten.
Meer informatie