Gezintiyi Atla

Çözüm mimarisi: Tahmine dayalı bakımla hata önleme

Montaj hattına ilişkin gerçek zamanlı verilerden yararlanarak sorunları gerçekleşmeden önce tahmin etmek için Azure Machine Learning’i nasıl kullanacağınızı öğrenin.

Bu çözüm, şu Azure yönetilen hizmetleri temel alınarak oluşturulmuştur: Stream Analytics, Event Hubs, Machine Learning Studio, SQL Veri Ambarı 'nı ve Power BI. Bu hizmetler, düzeltme eki uygulanan, desteklenen ve kullanılabilirlik düzeyi yüksek olan bir ortamda çalıştırıldığından, hizmetlerin çalıştırıldığı ortam yerine çözümünüzün kendisine odaklanabilirsiniz.

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

Uygulama kılavuzu

Ürünler/Açıklamalar Belgeler

Stream Analytics

Stream Analytics, Azure Event Hub’dan gelen giriş akışı üzerinde neredeyse gerçek zamanlı analiz gerçekleştirir. Giriş verileri filtrelenerek bir Machine Learning uç noktasına geçirilir ve sonuçlar Power BI panosuna gönderilir.

Event Hubs

Event Hubs, ham montaj hattı verilerini alır ve Stream Analytics’e geçirir.

Machine Learning Studio

Machine Learning, Stream Analytics’ten gelen gerçek zamanlı montaj hattı verilerine dayalı olarak olası arızaları tahmin eder.

SQL Veri Ambarı

SQL Veri Ambarı, montaj hattı verilerini ve arıza tahminlerini depolar.

Power BI

Power BI, Stream Analytics’ten gelen gerçek zamanlı montaj hattı verilerini, Veri Ambarı’ndan gelen tahmin edilen arızaları ve uyarıları görselleştirir.

İlgili çözüm mimarileri