油氣罐水位預報

Azure Data Factory
Azure 事件中樞
Azure Machine Learning
Azure 串流分析
Azure Synapse Analytics

解決方案構想

本文是解決方案概念。 如果您想要使用詳細資訊來擴充內容,例如潛在的使用案例、替代服務、實作考慮或定價指引,請提供 GitHub 意見反應 讓我們知道。

目前,多數的設備都會對油槽液位的問題作出反應。 這種反應通常會導致溢出、緊急關機、昂貴的補救成本、法規問題、昂貴的修復和罰款。 油槽液位預測有利於管理及消除這些及其他問題。

架構

Architecture diagram shows data into Azure Event Hubs / Azure Synapse. Azure Stream Analytics analyzes data while Power BI monitors oil tank level.

下載此架構的 Visio 檔案

資料流程

  1. 資料會饋送至 Azure 事件中樞 Azure Synapse Analytics 服務,作為將用於解決方案流程其餘部分的資料點或事件。
  2. Azure 串流分析 會分析資料,以針對來自事件中樞的輸入資料流程提供近乎即時的分析,並直接發佈至 Power BI 以取得視覺效果。
  3. Azure 機器學習 可用來根據收到的輸入,對特定區域的坦克層級進行預測。
  4. Azure Synapse Analytics 用來儲存從 Azure Machine Learning 收到的預測結果。 Power BI 儀表板中隨後會取用這些結果。
  5. Azure Data Factory 會處理每小時模型重新定型的協調流程和排程。
  6. 最後, Power BI 會用於結果視覺效果,讓使用者可以即時監視設施的油箱層級,並使用預測層級來防止溢出。

元件

案例詳細資料

油槽液位預測流程從良好的輸入開始。 透過計量器量測進入設備及送入油槽的石油。 在煉油過程中,油箱中會監測並記錄水準。 石油、天然氣和水輸出會透過感應器、計量和記錄來記錄。 然後使用設備的資料建立預測,例如,可每 15 分鐘建立預測。

Azure 認知服務可調整,並可自訂以符合設施和公司所擁有的不同需求。

潛在的使用案例

此解決方案適用于能源、汽車和航空航太產業。

預測是利用感應器、計量和記錄中隨時可用的即時和歷史資料的強大功能來建立的,可協助處理下列案例:

  • 預防油槽溢漏及緊急關機
  • 探索硬體故障或失敗
  • 排程維護、關機和運輸
  • 最佳化作業和設備效率
  • 偵測管線漏油及重擊
  • 降低成本、罰款和停機

下一步

產品檔:

Microsoft Learn 課程模組: