Lösningsarkitektur: Förebygga problem med förutsägande underhåll

Inom tillverkningsindustrin har det blivit livsnödvändigt med styrsystem som identifierar potentiella felkällor i produktionen. Det kostar nämligen både tid och pengar att kassera och justera produkter. Något annat som kan bli mycket kostsamt och rubba konsumenternas förtroende är att tvingas återkalla en produkt.

Den här lösningen introducerar en kvalitetskontroll som förutsäger potentiella fel i tillverkningsprocessen (löpande bandet), så att ditt företag kan producera mer, förbruka mindre och spara pengar. Lösningen använder sig av befintliga testsystem och feldata. Särskild vikt läggs vid returer och funktionsfel i slutet av det löpande bandet. Om du kombinerar detta med branschkunskaper och analyser av grundorsaker till problemen får du en modulbaserad design som rymmer alla huvudsakliga steg i processen. Du får tillgång till avancerade analyser som använder maskininlärning för att förutsäga fel innan de inträffar.

Genom att åtgärda felen innan de uppstår slipper du kassera produkter och lägga pengar på kostsamma reparationer. Förebyggande arbete är i regel mindre kostsamt än återkallelser av produkter och garantireparationer.

Distribuera till Azure

Använd följande färdiga mall för att distribuera den här arkitekturen till Azure

Distribuera till Azure

Visa distribuerad lösning

Azure SQL DW Machine Learning (Real time predictions) Power BI ALS test measurements (Telemetry) Event Hub Stream Analytics (Real time analytics) Dashboard of predictions/alerts Realtime data stats, Anomaliesand aggregates Realtime event and predictions

Implementeringsanvisningar

Produkter/beskrivning Dokumentation

Stream Analytics

Stream Analytics tillhandahåller analyser i nära nog realtid utifrån indataströmmen från Azure Event Hubs. Alla indata filtreras och skickas till en Machine Learning-slutpunkt innan de visas på Power BI-instrumentpanelen.

Event Hubs

Event Hubs matar in rådata och skickar dem vidare till Stream Analytics.

Machine Learning Studio

Med Machine Learning kan du förutsäga potentiella fel utifrån realtidsdata från Stream Analytics.

SQL Data Warehouse

SQL Data Warehouse lagrar data och förutsägelser om fel.

Power BI

Med Power BI kan du visualisera realtidsdata från Stream Analytics tillsammans med förutsägelser om fel och aviseringar från informationslagret.

Närliggande lösningsarkitekturer

Data Factory: Move data, orchestrate, schedule and monitor SQL Database Machine Learning Power BI Event Hub Stream Analytics HDInsight Geography Data(Blob Storage) Engine Sensor Data (Simulated)

Övervakning av flygplansmotorer för förutsägande underhåll

Microsoft Azures lösning för förutsägande underhåll är ett bra exempel på hur man kan kombinera realtidsdata från ett flygplan med analyser som övervakar komponenternas hälsostatus.

Läs mer