解决方案体系结构：通过预见性维护预防缺陷
了解如何使用 Azure 机器学习通过实时装配线数据在故障发生前进行预测。
此解决方案建立在 Azure 托管服务上：Azure 流分析, 事件中心, Machine Learning Studio 和 Azure Synapse Analytics。这些服务在高度可用的环境中运行，进行了修补和支持，使你可以将精力集中在解决方案上，而非运行它们的环境上。
实施指南
| 产品/说明 | 文档 | |
|---|---|---|
|
Azure 流分析 |
流分析对 Azure 事件中心的输入流提供近乎实时的分析。筛选输入数据并将其传递到机器学习终结点，最后将结果发送到 Power BI 仪表板。 | |
|
事件中心 |
事件中心引入原始装配线数据并将其传递到流分析。 | |
|
Machine Learning Studio |
机器学习根据流分析中的实时装配线数据预测潜在故障。 | |
|
Azure Synapse Analytics |
Synapse Analytics 存储装配线数据和故障预测数据。 | |
|
|
Power BI 直观显示流分析中的实时装配线数据以及数据仓库中已预测到的故障和警报。 |