Pomiń nawigację

Architektura rozwiązania: Zapobieganie awariom dzięki konserwacji predykcyjnej

Dowiedz się, jak wykorzystać usługę Azure Machine Learning do przewidywania potencjalnych awarii na podstawie danych z linii montażowej przesyłanych w czasie rzeczywistym.

To rozwiązanie zostało utworzone w oparciu o usługi zarządzane Azure: Stream Analytics, Event Hubs, Machine Learning Studio, SQL Data Warehouse oraz Power BI. Usługi te działają w środowisku o wysokiej dostępności, zapewniającym poprawki i pomoc techniczną, co pozwala na koncentrację na rozwiązaniu, a nie środowisku, w którym działają usługi.

Defect prevention with predictive maintenanceLearn how to use Azure Machine Learning to predict failures before they happen with real-time assembly line data.Azure SQL DWMachine Learning(Real time predictions)Power BIALS test measurements (Telemetry)Event HubStream Analytics(Real time analytics)Dashboard of predictions/alertsRealtime data stats, Anomaliesand aggregatesRealtime event and predictions

Wytyczne dotyczące implementacji

Produkty/opis Dokumentacja

Stream Analytics

Usługa Stream Analytics zapewnia analizę prawie w czasie rzeczywistym na strumieniu wejściowym z usługi Azure Event Hub. Dane wejściowe są filtrowane i przekazywane do punktu końcowego usługi Machine Learning, a następnie wyniki są wysyłane do pulpitu nawigacyjnego usługi Power BI.

Event Hubs

Usługa Event Hubs pozyskuje dane pierwotne z linii montażowej i przekazuje je do usługi Stream Analytics.

Machine Learning Studio

Usługa Machine Learning przewiduje potencjalne awarie w oparciu o dane czasu rzeczywistego z linii montażowej z usługi Stream Analytics.

SQL Data Warehouse

Usługa SQL Data Warehouse przechowuje dane z linii montażowej wraz z prognozami awarii.

Power BI

Usługa Power BI wizualizuje dane czasu rzeczywistego z linii montażowej z usługi Stream Analytics oraz przewidywane awarie i alerty z usługi Data Warehouse.

Powiązane architektury rozwiązań