Pomiń nawigację

Zapewnianie jakości

Dzięki systemom kontroli jakości firmy mogą zapobiegać występowaniu usterek w procesach dostarczania towarów i usług klientom. Zbudowanie takiego systemu, który zbiera dane i znajduje potencjalne problemy na wszystkich etapach procesu, może zapewnić ogromne korzyści. Na przykład w produkcji cyfrowej kontrola jakości na całej linii montażowej ma kluczowe znaczenie. Możliwość wykrywania zastojów i potencjalnych usterek przed ich wystąpieniem może znacznie obniżyć koszty związane ze stratami i poprawkami, a przy okazji poprawić wydajność.

To rozwiązanie przedstawia sposób przewidywania usterek na przykładzie wieloetapowych procesów produkcyjnych (linii montażowych). Wykorzystuje ono już zainstalowane systemy testowe oraz dane o awariach i wyszukuje informacje o zwrotach i awariach funkcjonalnych na końcu linii montażowej. Dzięki połączeniu ich ze znajomością dziedziny i analizą przyczyn w ramach struktury modułowej obejmującej główne kroki przetwarzania powstaje zaawansowane ogólne rozwiązanie do analizy, które przy użyciu uczenia maszynowego przewiduje awarie przed ich wystąpieniem. Wcześniejsze przewidywanie przyszłych awarii umożliwia obniżenie kosztów napraw czy nawet odrzucenie produktu, które jest zazwyczaj bardziej opłacalne niż wycofanie i realizacja gwarancji.

Opis

Uwaga: Jeśli masz już wdrożone to rozwiązanie, kliknij tutaj, aby wyświetlić to wdrożenie.

Zaoszczędź czas i zwróć się do jednego z wyszkolonych partnerów SI o pomoc w zweryfikowaniu koncepcji, przeprowadzeniu wdrożenia i integracji tego rozwiązania.

Szacowany czas aprowizacji: 30 minut

Pakiet Cortana Intelligence Suite oferuje za pośrednictwem platformy Microsoft Azure zaawansowane narzędzia analityczne do pozyskiwania, magazynowania i przetwarzania danych oraz zaawansowane składniki analizy — czyli wszystko, co jest potrzebne, aby utworzyć rozwiązanie do kontroli jakości produkcji. Rozwiązanie jest implementowane w chmurze, przy użyciu elastycznej platformy online Microsoft Azure, która oddziela składniki infrastruktury (pozyskiwanie danych, magazyn, przenoszenie danych, wizualizacja) od aparatu analitycznego obsługującego nowoczesne języki wykorzystujące naukę o danych, takie jak R czy Python. W związku z tym składnik modelowania rozwiązania może być wielokrotnie trenowany i implementowany przy użyciu wydajnych algorytmów usługi Azure Machine Learning, bibliotek open source (R/Python) lub produktów zewnętrznych dostawców rozwiązań. Przycisk „Deploy” (Wdróż) uruchomi przepływ pracy, który wdroży wystąpienie tego rozwiązania w grupie zasobów we wskazanej subskrypcji platformy Azure. Rozwiązanie obejmuje wiele usług platformy Azure (opisanych poniżej) wraz z zadaniem Web Job symulującym dane, dzięki czemu bezpośrednio po wdrożeniu uzyskuje się kompleksowe, działające rozwiązanie. Instrukcje dotyczące etapu po wdrożeniu i więcej informacji o implementacji technicznej można znaleźć w na tej stronie z instrukcjami.

Szczegóły techniczne i przepływ pracy

  1. Dane symulacji produkcyjnej linii montażowej są przesyłane strumieniowo do nowego wdrożenia usługi Azure Web Jobs.
  2. Te syntetyczne dane trafiają do usługi Azure Event Hubs jako punkty/zdarzenia danych, które zostaną wykorzystane w pozostałej części przepływu rozwiązania i zapisane w usłudze Azure SQL Data Warehouse.
  3. W tym wzorcu istnieją dwa zadania usługi Azure Stream Analytics, które dostarczają wyniki analizy strumienia wejściowego z centrum zdarzeń usługi Azure Event Hubs niemal w czasie rzeczywistym. Oba zadania filtrują dane wejściowe i przekazują punkty danych do punktu końcowego usługi Azure Machine Learning, który wysyła wyniki do pulpitu nawigacyjnego usługi Power BI.
  4. Na końcowym etapie usługa Power BI przeprowadza wizualizację wyników.

Zrzeczenie odpowiedzialności

© 2017 Microsoft Corporation. Wszelkie prawa zastrzeżone. Te informacje są udostępniane w stanie „jak są” i mogą ulec zmianie bez powiadomienia. Firma Microsoft nie udziela żadnych gwarancji, jawnych ani dorozumianych, w związku z informacjami przedstawionymi tutaj. Do wygenerowania rozwiązania wykorzystano dane innej firmy. Na Tobie spoczywa odpowiedzialność za przestrzeganie praw innych, w tym za uzyskanie odpowiednich licencji i postępowanie zgodnie z nimi przy tworzeniu podobnych zbiorów danych.

Powiązane architektury rozwiązań

Konserwacja zapobiegawcza

To rozwiązanie do konserwacji predykcyjnej monitoruje samolot i przewiduje pozostały okres eksploatacji części silnika.

Wykrywanie anomalii w strumieniach danych czasu rzeczywistego

Dzięki rozwiązaniu Cortana Intelligence IT Anomaly Insights działy IT mogą w szybki, automatyczny i skalowalny sposób wykrywać i usuwać problemy na podstawie podstawowych metryk kondycji z infrastruktury (procesor CPU, pamięć itp.) i usług (przekroczenia limitu czasu oczekiwania, różnice w umowie SLA, spadki napięcia) oraz innych kluczowych wskaźników wydajności (zaległości w zamówieniach, niepowodzenia logowania i płatności itp.). Rozwiązanie to zawiera także funkcję „Wypróbuj teraz”, która umożliwia eksperymentowanie z własnymi danymi w celu poznania dostępnych korzyści. Funkcja wdrażania pozwala natomiast na szybkie rozpoczęcie korzystania z rozwiązania na platformie Azure przez wdrożenie kompleksowych składników w ramach subskrypcji i pełną kontrolę w zakresie dostosowywania do potrzeb firmy.