Архитектура решения: Контроль качества производственных процессов

Без системы управления производством, которая способна идентифицировать замедления или потенциальные сбои для улучшения всего процесса, из-за брака и его исправления в производственных компаниях могут появиться дополнительные расходы и ухудшиться производительность. Кроме того, широкомасштабные отзывы могут привести к еще большему недоверию со стороны потребителей, что еще больше скажется на прибыли.

В этом решении представлен процесс контроля качества, который помогает прогнозировать сбои в производственных конвейерах (линии сборки), позволяя вашей компании производить больше при меньших затратах и экономить средства. Оно использует уже имеющиеся системы проверки и данные о сбое, в частности, анализирует возвраты и функциональные сбои в конце сборочной линии. Благодаря объединению возможностей, знаний о домене, анализу первопричины и модульного дизайна, который инкапсулирует основные этапы обработки, мы предлагаем вам решение с расширенной аналитикой, использующее машинное обучение для упреждающего прогнозирования сбоев.

Упреждающее прогнозирование будущих сбоев позволяет сэкономить на ремонтных работах или даже не выполнять их вообще. Это гораздо выгоднее, чем тратить дополнительные средства на отзыв и гарантийное обслуживание.

Развертывание в Azure

Разверните эту архитектуру в Azure с помощью следующего готового шаблона

Развертывание в Azure
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

Руководство по реализации

Продукты Документация

Stream Analytics

Stream Analytics предоставляет аналитику в режиме, близком к реальному времени, для входного потока из концентратора событий Azure. Входные данные фильтруются и передаются конечной точке машинного обучения, а результаты отправляются на информационную панель Power BI.

Концентраторы событий

Концентраторы событий принимают необработанные данные о сборочной линии и передают их в Stream Analytics.

Машинное обучение

Машинное обучение прогнозирует возможные сбои на основе данных о сборочной линии в реальном времени из Stream Analytics.

Хранилище данных SQL

Хранилище данных SQL хранит данные о сборочной линии вместе с прогнозами сбоев.

Power BI

Power BI визуализирует данные о сборочной линии в реальном времени из Stream Analytics, а также спрогнозированные сбои и оповещения из хранилища данных.

Связанные архитектуры решений

Мониторинг авиационного двигателя для прогнозного обслуживания в воздушном пространстве Схема с 10 соединенными значками. Слева вверху расположен значок данных датчиков двигателя самолета. С ним с помощью односторонней стрелки соединен концентратор событий. Далее односторонняя стрелка ведет вправо к Stream Analytics. Двигаемся вправо и вниз. Односторонняя стрелка ведет к Power BI. От Stream Analytics односторонняя стрелка ведет вниз к географическим данным в хранилище BLOB-объектов Azure. 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 Database Machine Learning Power BI Event Hub Stram Analytics HDInsight Geography Data(Blob Storage) Engine Sensor Data (Simulated)

Мониторинг авиационного двигателя для прогнозного обслуживания в воздушном пространстве

Это решение прогнозного обслуживания Microsoft Azure позволяет отслеживать работоспособность самолета за счет объединения данных о нем в реальном времени с аналитикой.

Дополнительные сведения
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)

Прогнозная аналитика с телематикой транспортного средства

Узнайте, как поставщики автомобилей, производители и страховые компании могут использовать Microsoft Azure для получения прогнозов о работоспособности автомобиля и условиях вождения.

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