Архитектура решения: Прогнозная аналитика с телематикой транспортного средства

Современные машины оснащены несколькими датчиками, предоставляющими возможность отслеживать миллионы событий каждую секунду. С учетом текущих прогнозов большинство из этих автомобилей будут подключены к Интернету к 2020 году.

Это решение демонстрирует, как поставщики автомобилей, производители автомобилей и страховые компании могут использовать Cortana Intelligence и Azure, чтобы получить прогнозы о работоспособности автомобиля и условиях вождения. Получите данные потоковой трансляции в глобальном масштабе и анализируйте их в режиме реального времени, чтобы устранять потенциальные ошибки и открывать новые возможности.

Такое огромное количество данных, созданных этими интеллектуальными транспортными средствами, может помочь вам предлагать лучшую в своем классе безопасность, надежность и условия вождения.

Развертывание в Azure

Разверните эту архитектуру в Azure с помощью следующего готового шаблона

Развертывание в Azure
Прогнозная аналитика с телематикой транспортного средства Схема с 10 соединенными значками. Слева вверху показан значок компонента "Диагностические события". С ним с помощью односторонней стрелки соединен концентратор событий. Дальше вправо по односторонней стрелке можно найти Stream Analytics и машинное обучение. Двигаемся вправо и вниз. Односторонняя стрелка ведет к Power BI. Возвращаясь к Stream Analytics и машинному обучению, односторонняя стрелка ведет вниз к географическим данным в хранилище BLOB-объектов Azure. Кроме того, к географическим данным слева ведет односторонняя стрелка от каталога транспортных средств. От географических данных идет односторонняя стрелка вправо и вниз к хранилищу данных SQL. Хранилище данных SQL соединено с Power BI выше с помощью односторонней стрелки. Географические данные соединены с решением HDInsight двухсторонней стрелкой ниже, которое, в свою очередь, также соединено двухсторонними стрелками с машинным обучением слева и фабрикой данных ниже. Data Factory: Move data, orchestrate, schedule and monitor SQL Data Warehouse Machine Learning Machine Learning Power BI Event Hub Stram Analytics HDInsight Geography Data(Blob Storage) Vehicle Catalogue Diagnotic Events (Simulated)

Руководство по реализации

Продукты Документация

Концентраторы событий

Концентраторы событий принимают диагностические события и передают их в Stream Analytics и на Azure ML Web Service.

Stream Analytics

Stream Analytics принимает входной поток от концентраторов событий, вызывает веб-службу "Машинное обучение Azure" для прогнозирования и отправляет поток в службу хранилища Azure и Power BI.

Машинное обучение

Машинное обучение помогает легко создавать, тестировать и использовать решения прогнозной аналитики в облаке, а также управлять ими и развертывать веб-службы, которые могут вызвать Stream Analytics и фабрика данных Azure.

Хранилище

Служба хранилища Azure хранит данные потока диагностических событий из Stream Analytics.

HDInsight

Фабрика данных Azure использует HDInsight для выполнения запросов Hive, чтобы обрабатывать данные и отправлять их в базу данных SQL Azure.

Фабрика данных

Фабрика данных использует HDInsight для обработки данных и их отправки в базу данных SQL Azure.

База данных SQL

База данных SQL используется для хранения данных, обработанных фабрикой данных и HDInsight. Power BI обращается к ней для анализа данных телеметрии.

Power BI

Это решение использует Power BI, но другие используют Power BI Embedded для анализа данных телеметрии.

Связанные архитектуры решений

Контроль качества производственных процессов Схема с 6 соединенными значками. В крайнем левом углу находится значок для тестовых измерений ALS со сбором данных телеметрии. С этим элементом с помощью односторонней стрелки вправо соединен концентратор событий, записывающий данные. Еще правее с помощью односторонней стрелки соединено решение Stream Analytics, обрабатывающее данные. Выше, соединенное с помощью двухсторонней стрелки, находится машинное обучение, создающее прогнозы на основе данных. Под Stream Analytics с помощью односторонней стрелки соединено хранилище данных SQL Azure, хранящее данные. В крайнем левом углу, соединенная односторонними стрелками с хранилищем данных SQL Azure и Stream Analytics, находится среда Power BI, визуализирующая данные на интерактивной информационной панели. Azure SQL DW Machine Learning(Real time predictions) Power BI ALS test measurements (Telemetry) Event Hub Stram Analytics(Real time analytics) Dashboard of predictions/alerts Realtime data stats, Anomaliesand aggregates Realtime event and predictions

Контроль качества производственных процессов

Узнайте, как система контроля качества Microsoft Azure помогает компаниям предотвратить дефекты во время процесса доставки товаров клиенту.

Дополнительные сведения
Обнаружение аномалий с помощью машинного обучения Схема с 10 соединенными значками. Слева вверху отображается значок для данных временных рядов. Справа, соединенный с помощью односторонней стрелки, находится концентратор событий, а еще правее — Stream Analytics. Односторонняя стрелка вправо и вниз ведет к базе данных SQL Azure, соединенной с помощью односторонней стрелки с Power BI в дальнем правом углу. От Stream Analytics односторонняя стрелка ведет к хранилищу таблиц, которое с помощью двухсторонней стрелки соединено с фабрикой данных внизу. Фабрика данных соединена с четырьмя другими значками. Слева, соединенное с помощью двухсторонней стрелки, находится машинное обучение для обнаружения аномалий. По односторонней стрелке вниз можно найти Visual Studio Application Insights для мониторинга и телеметрии, а по односторонней стрелке вверх и вправо — базу данных SQL Azure. Стрелка подписана как "Сохранение выходных данных машинного обучения". С помощью односторонней стрелки вправо соединены разделы служебной шины с возможностью публикации и подписки. Стрелка подписана как "Обнаружены аномалии публикации". Machine Learning(Anomaly Detection) Service Bus topics(Publish/subscribe capabilities) Visual Studio Application Insights(Monitoring and telemetry) Event Hub(Event queue) Table Storage(Big Data store) Stram Analytics(Realtime analytics) Metadata Save ML output Score each dataset Publish anomalies detected Power BI Azure SQL DB(Anomaly detection results) Data Factory Time series data

Обнаружение аномалий с помощью машинного обучения

Сведения об аномалиях ИТ-инфраструктуры Microsoft Azure помогут автоматизировать и масштабировать обнаружение аномалий для ИТ-отделов, которые смогут быстро обнаруживать и устранять проблемы.

Дополнительные сведения