Kwaliteitscontrole

Dankzij systemen voor kwaliteitscontrole kunnen bedrijven defecten voorkomen in hun processen voor het afleveren van goederen of diensten aan klanten. Het bouwen van zo'n systeem dat gegevens verzamelt en mogelijke problemen langs een pijplijn identificeert, kan enorme voordelen opleveren. In het geval van digitale productie is kwaliteitscontrole van de gehele assemblagelijn van essentieel belang. Wanneer vertragingen en mogelijke storingen worden geïdentificeerd voordat ze plaatsvinden in plaats van nadat ze zijn gedetecteerd, kan dat bedrijven helpen kosten voor uitval en bijwerken te verlagen en de productiviteit te verhogen.

Deze oplossing laat zien hoe storingen kunnen worden voorspeld aan de hand van het voorbeeld van productiepijplijnen (assemblagelijnen). Dit wordt gedaan met ingebouwde testsystemen en foutgegevens, waarbij specifiek wordt gekeken naar retouren en functionele fouten aan het einde van een assemblagelijn. Door deze te combineren met domeinkennis en oorzakenanalyse binnen een modulair ontwerp met de belangrijkste productiestappen, beschikt u over een geavanceerde analyseoplossing waarin wordt gebruikgemaakt van machine learning om fouten te voorspellen voordat ze optreden. Door vroegtijdige voorspelling van toekomstige fouten worden reparaties minder duur en hoeven er minder producten te worden afgekeurd. Dit is meestal kostenefficiënter dan het verwerken van de terugroepings- en garantiekosten.

+ Meer weergeven – Minder tonen

Beschrijving

Opmerking: als u deze oplossing al hebt geïmplementeerd, klikt u hier om de implementatie te bekijken.

Bespaar tijd en laat één van deze getrainde SI-partners u helpen met een bewijs van concept, implementatie en integratie van deze oplossing.

Geschatte inrichtingstijd: 30 minuten

De Cortana Intelligence Suite voorziet in geavanceerde analysehulpprogramma's via Microsoft Azure: gegevensopname, gegevensopslag, gegevensverwerking en geavanceerde analyse-onderdelen. Alle essentiële onderdelen voor het bouwen van een oplossing voor kwaliteitscontrole van de productie. De oplossing wordt geïmplementeerd in de cloud met behulp van het flexibele online Microsoft Azure-platform dat infrastructuuronderdelen (gegevensopname, opslag, gegevensverplaatsing, visualisatie) loskoppelt van de engine voor analyse die moderne DS-talen als R en Python ondersteunt. Het modelingonderdeel van de oplossing kan dus zo nodig worden opnieuw worden getraind en worden geïmplementeerd met krachtige Azure Machine Learning-algoritmes, of bibliotheken die open source zijn (R/Python), of van een andere oplossingsleverancier. Met de knop Implementeren wordt een werkstroom gestart waarmee een instantie van de oplossing wordt geïmplementeerd binnen een resourcegroep in het Azure-abonnement dat u opgeeft. De oplossing bevat meerdere Azure-services (hieronder beschreven) samen met een webtaak die gegevens simuleert zodat u een werkende en complete oplossing hebt direct na de implementatie. Zie de instructies hier voor instructies na de implementatie en meer details over de technische implementatie.

Technische details en werkstroom

De simulatiegegevens over de Manufacturing Assembly Line worden gestreamd door de nieuw geïmplementeerde Azure Web Jobs.
Deze synthetische gegevens worden ingevoerd in de Azure Event Hubs als gegevenspunten of gebeurtenissen die worden gebruikt in de rest van de oplossingsstroom en worden opgeslagen in Azure SQL Data Warehouse.
Er worden twee Azure Stream Analytics-taken gebruikt in dit patroon waarmee u beschikt over bijna realtime analyses over de invoerstroom vanuit de Azure Event Hub. Beide taken filteren de invoergegevens en geven de gegevenspunten door aan een Azure Machine Learning-eindpunt dat de resultaten stuurt naar een Power BI-dashboard.
Als laatste wordt Power BI gebruikt voor visualisatie van de resultaten.

Vrijwaring

© 2017 Microsoft Corporation. Alle rechten voorbehouden. Deze informatie wordt als zodanig geleverd en kan zonder kennisgeving worden gewijzigd. Microsoft biedt geen garanties, expliciet of impliciet, met betrekking tot de hier verstrekte informatie. Gegevens van derden zijn gebruikt om de oplossing te genereren. U bent verantwoordelijk voor het respecteren van de rechten van anderen, inclusief het aanschaffen en naleven van relevante licenties om vergelijkbare gegevenssets te maken.

Gerelateerde architecturen voor oplossingen

Voorspellend onderhoud

Deze oplossing voor predictief onderhoud bewaakt het gehele vliegtuig en voorspelt de resterende levensduur van de motoronderdelen van het vliegtuig.

Anomaliedetectie in realtimegegevensstreams

Cortana Intelligence IT Anomaly Insights helpt IT-afdelingen in grote organisaties om snel problemen te detecteren en op te lossen op basis van onderliggende statusmetrieken van de IT-infrastructuur (CPU, geheugen enzovoort), services (time-outs, SLA-variaties, brown-outs enzovoort) en andere KPI's (Key Performance Indicators) (orderachterstand, aanmeldings- en betalingsfouten enzovoort) op een geautomatiseerde en schaalbare manier. Deze oplossing biedt ook een eenvoudige 'Nu uitproberen'-ervaring die kan worden uitgeprobeerd met aangepaste gegevens om de waarde die de oplossing biedt te realiseren. Dankzij de 'Implementeren'-ervaring kunt u snel aan de slag met de oplossing op Azure door de end-to-end oplossingsonderdelen te implementeren in uw Azure-abonnement, waardoor u alles volledig kunt aanpassen.

Door meer architecturen voor oplossingen bladeren