توضح هذه المقالة كيفية تشغيل نماذج Azure الذكاء الاصطناعي على أجهزة Siemens Industrial Edge Internet of Things (IoT) ومراقبة تلك الأجهزة من موقع مركزي في Azure. تعمل البنية على تبسيط عملية التكامل بين خدمات Azure وSiemens Industrial الذكاء الاصطناعي وتركز على مجالين تشغيليين:
نشر نماذج Azure الذكاء الاصطناعي على أجهزة Siemens Industrial Edge. يتضمن هذا المجال التشغيلي تنفيذ البنية الأساسية لبرنامج ربط العمليات التجارية Azure التعلم الآلي لتدريب النموذج التلقائي وتقييمه وتسجيله. كما يتضمن أتمتة النشر الآمن والمعتمد لنماذج الذكاء الاصطناعي المدربة على Azure من السحابة إلى Siemens المحلي الذكاء الاصطناعي Model Manager (AIMM).
مركزية بيانات تتبع الاستخدام من أجهزة Siemens Industrial Edge في Azure. تتضمن منطقة التشغيل هذه دفع سجلات الاستدلال والمقاييس إلى السحابة، ما يتيح المراقبة المركزية لتطبيقات الحافة في Azure.
بناء الأنظمة
قم بتنزيل ملف Visio لهذه البنية.
سير العمل
مسار البيانات:
أ. تحميل بيانات التدريب الأولية من حاوية تخزين مخزن بيانات أولية مخصصة. ثم تعالج البنية الأساسية لبرنامج ربط العمليات التجارية بيانات التدريب الأولية وأشكالها بالتنسيق المقبول لتدريب النموذج.
ب. حفظ البيانات المعالجة في حاوية تخزين مجموعة البيانات المعالجة.
يتم تشغيل مسار تطوير النموذج بعد معالجة البيانات الأولية.
مسار تطوير النموذج:
أ. تحميل بيانات التدريب المعالجة من حاوية تخزين مجموعة البيانات المعالجة وتنفيذ تدريب النموذج.
ب. حفظ النموذج الناتج في كتالوج النموذج.
يتم تشغيل البنية الأساسية لبرنامج ربط العمليات التجارية للتحقق من الصحة والتعبئة بعد تدريب النموذج.
البنية الأساسية لبرنامج ربط العمليات التجارية للتحقق من الصحة والتعبئة:
أ. تحميل النموذج من كتالوج النموذج وإجراء التحقق من صحة النموذج.
ب. إذا اجتاز النموذج التحقق من الصحة، يستخدم المسار مكتبة SDK الذكاء الاصطناعي SDK لحزم النموذج وحفظه في حاوية تخزين النماذج المحزمة.
يتم تشغيل خط أنابيب وضع العلامات والتسليم بعد حفظ النموذج المحزم.
يسترد مسار وضع العلامات والتسليم النموذج المدرب من كتالوج النموذج ويوسمه بمزيد من بيانات التعريف، بما في ذلك تفاصيل إصدار المسار والتاريخ الذي تم إنشاؤه وإصدار البيانات. ثم يحفظ المسار النموذج في سجل الحاوية.
يبدأ مسار التسليم تبادل الرسائل بين البنية الأساسية لبرنامج ربط العمليات التجارية التعلم الآلي وSiemens AIMM من خلال Azure IoT Hub وAzure Event Hubs. هذه الحلقة ضرورية لإدارة وتنسيق نشر نموذج جديد:
أ. يرسل مسار التسليم رسالة من خلال IoT Hub لإعلام Siemens AIMM بأن نموذجا جديدا جاهز للتوزيع.
ب. يتلقى Siemens AIMM هذا الإعلام ويقيم الحالة الحالية لأجهزة الحافة لتحديد الاستعداد للنموذج الجديد. بعد أن تصبح جاهزة، تستجيب Siemens AIMM مرة أخرى إلى مركز IoT بطلب للنموذج الجديد.
جـ. ينشئ مسار التسليم رابط توقيع وصول مشترك (SAS) لحزمة النموذج في حاوية تخزين النماذج المجمعة.
د. يرسل مسار التسليم رابط SAS هذا مرة أخرى إلى Siemens AIMM من خلال IoT Hub، والذي يمكنه من تنزيل النموذج.
بعد أن يتلقى Siemens AIMM رابط SAS من مسار التسليم، فإنه يصل إلى حاوية تخزين النماذج المحزمة وينزل أحدث نموذج مجمع.
تدير Siemens AIMM عمليات داخلية لنشر أحدث نموذج مجمع إلى Siemens الذكاء الاصطناعي Inference Server (AIIS).
يستخدم Siemens AIIS OpenTelemetry Collector لإرسال المقاييس إلى Siemens الذكاء الاصطناعي Model Monitor.
يجمع Siemens الذكاء الاصطناعي Model Monitor جميع السجلات والمقاييس من أجهزة وخدمات الحافة ويرسل هذه المعلومات إلى Azure Monitor.
تتضمن إعادة تدوير البيانات الخطوات التالية:
أ. يجمع جامع البيانات بيانات الاستدلال التي ينتجها النموذج قيد التشغيل في Siemens AIIS.
ب. يقوم جامع البيانات بتمرير البيانات إلى مركز جامع البيانات.
جـ. يقوم Data Collector Hub بتحميل البيانات إلى حساب Azure Storage للمنطقة المنتقل إليها للبيانات لإعادة تدريب النموذج بشكل أكبر.
بنية المراقبة
قم بتنزيل ملف Visio لهذه البنية.
لضمان النقل السلس للسجلات والمقاييس من أجهزة Siemens Industrial Edge إلى Azure، تستخدم البنية مصدر Azure Monitor من OpenTelemetry Collector ووكيل المصادقة. ينشر Siemens الذكاء الاصطناعي Model Monitor هذه المكونات كأجزاء متكاملة. يمكنك هذا الإعداد من تصدير السجلات والمقاييس إلى Application Insights ومساحة عمل Azure Monitor. يستخدم هوية مدارة من معرف Microsoft Entra كآلية مصادقة رئيسية.
تتدفق بيانات تتبع الاستخدام من طبقة التكنولوجيا التشغيلية إلى مثيل OpenTelemetry Collector في طبقة تكنولوجيا المعلومات. يقوم هذا المجمع بتصدير البيانات إلى Application Insights ويستخدم وكيل المصادقة للحصول على هوية كيان الخدمة. تعزز هذه العملية المصادقة لأنها تستخدم هوية Microsoft Entra ID مدعومة بالكامل بشهادة بدلا من سر مشترك أو مفتاح تقرير عن حالة النظام. يقوم مسار Azure DevOps تلقائيا بإنشاء وتوزيع الشهادات وكيانات الخدمة وربط الأدوار والأذونات ذات الصلة.
للحصول على حل أكثر عمومية، راجع OpenTelemetry Collector لسيناريوهات IoT القديمة.
المكونات
تتضمن مكونات Siemens Industrial Edge ما يلي:
يجمع الذكاء الاصطناعي Model Monitor معلومات القياس عن بعد والسجلات والمقاييس حول أداء النموذج من أجهزة الحافة.
AIMM هي خدمة يمكنك استخدامها لتنسيق أجهزة الحافة وتوزيع النماذج.
يعمل AIIS على أجهزة Siemens Industrial Edge ويستخدم مترجم Python المدمج لتشغيل نماذج الذكاء الاصطناعي المنشورة لأغراض الاستدلال.
استخدم الذكاء الاصطناعي Software Development Kit لحزم النموذج الخاص بك، بما في ذلك منطق المعالجة المسبقة ومنطق ما بعد المعالجة، في مسار استدلال قياسي يعمل على AIIS. استخدم أدوات Python هذه واحتفظ ببيئة الترميز والتدريب الحالية.
يجمع Siemens Data Collector بيانات الاستدلال من Siemens AIIS لمزيد من المعالجة.
يجمع مركز Siemens Data Collector بيانات الاستدلال من جميع جامعي البيانات ويمررها إلى السحابة لمزيد من المعالجة.
مكونات Azure
لكل مكون في البنية، استخدم دليل الخدمة ذي الصلة في إطار عمل جيد التصميم حيثما كان ذلك متاحا. لمزيد من المعلومات، راجع أدلة خدمة Framework المصممة جيدا.
يسهل IoT Hub الاتصال لتسليم النموذج بين السحابة والحافة. يسجل IoT Hub AIMM كجهاز حافة، بحيث يمكن للخدمات السحابية إرسال رسائل من السحابة إلى الجهاز.
تعمل مساحة عمل التعلم الآلي كمركز مركزي يمكنك استخدامه لإنشاء عناصر التعلم الآلي ومهامها وتنظيمها واستضافتها بكفاءة للفرق. على سبيل المثال، يمكنك إنشاء وظائف وتدفقات وأصول بيانات ونماذج ونقاط نهاية.
Azure Monitor هو حل Azure يوفر رؤى حول أداء وصحة التطبيقات والموارد. ويوفر أدوات لجمع بيانات القياس عن بعد وتحليلها والعمل عليها.
التخزين عبارة عن حاوية أو مستودع مستند إلى السحابة يمكنك استخدامه لتخزين أنواع مختلفة من البيانات وإدارتها بطريقة قابلة للتطوير ويمكن الوصول إليها.
Azure Key Vault هي خدمة سحابية تدير المعلومات الحساسة وتخزنها بأمان مثل الأسرار ومفاتيح التشفير والشهادات. ويوفر تحكما مركزيا في مسارات الوصول والتدقيق.
Azure Container Registry هي خدمة تسجيل خاصة مدارة يمكنك استخدامها لإنشاء صور الحاوية والبيانات الاصطناعية ذات الصلة وتخزينها وإدارتها. عند إنشاء مساحة عمل التعلم الآلي جديدة، فإنه ينشئ تلقائيا مثيل Container Registry. يخزن Container Registry حاويات Docker التي يمكنك استخدامها لتدريب النماذج ونشرها. تغلف حاويات Docker بيئة التدريب على التعلم الآلي. تضمن هذه الميزة بيئة متسقة وقابلة للتكرار ومعزولة، وهو أمر بالغ الأهمية لسير عمل التعلم الآلي.
البدائل
نوصي باستبدال IoT Hub بميزة وسيط Event Grid MQTT كحل طويل الأجل. شبكة الأحداث هي خدمة توزيع رسائل للنشر والاشتراك مدارة بالكامل وقابلة للتطوير بدرجة كبيرة. ويستخدم بروتوكولات MQTT وHTTP لدعم أنماط استهلاك الرسائل المرنة.
ضع في اعتبارك استخدام مسار حافة Azure Monitor على Azure Arc لدفع السجلات والمقاييس إلى Azure. يحل هذا المسار محل مكونات OpenTelemetry في البنية الخاصة بك. يوفر هذا النهج اتصالا سلسا وآمنا ب Azure. كما أنه يعزز إمكانية توسعة تكنولوجيا المعلومات لمصنع Siemens إلى سحابة Azure، ما يبسط إدارة الهوية. ينتج عن هذا البديل ما يلي:
- تشغيل أسرع للعميل.
- انخفاض الدعم من سيمنز أثناء التكليف.
- تكلفة عملية أقل لأنها توفر الوصول إلى بيانات إمكانية الملاحظة.
يمكنك استخدام GitLab Accelerator لتطوير مسارات التعلم الآلي ومواصلة تطوير وظائف إضافية في Azure باستخدام الأمثلة من هذا التنفيذ.
تفاصيل السيناريو
يعالج هذا السيناريو التحدي المتمثل في دمج نماذج التعلم الآلي التي تطورها في Azure مع عمليات المصنع التي تديرها أجهزة Siemens Industrial Edge. والهدف الأساسي هو ضمان نشر ورصد النماذج الذكاء الاصطناعي في البيئات الصناعية بكفاءة وأمان وأتمتة.
تساعد هذه البنية على تلبية الحاجة إلى النشر السلس والموثوق للتطبيقات المستندة إلى الذكاء الاصطناعي في التصنيع والحاجة إلى متطلبات تشغيلية صارمة. يقلل هذا الحل من التدخل اليدوي، ويقلل من اضطرابات الإنتاج، ويعزز رؤية نماذج التعلم الآلي على أرضية المتجر.
حالات الاستخدام المحتملة
تنشئ هذه البنية بيئة حلقية مغلقة لجمع البيانات، الذكاء الاصطناعي النمذجة، والتدريب، والنشر، والاستدلال، والمراقبة استنادا إلى منتجات Siemens وMicrosoft. يمكنك تنفيذ حالات استخدام الذكاء الاصطناعي قابلة للتطوير عبر مختلف الصناعات، مثل السلع الإلكترونية والمستهلكة المعبأة وصناعات السيارات والبطارية.
لتقليل الجهد اليدوي والتكلفة، تدمج هذه البنية إعداد نموذج السحابة ونقل النموذج من السحابة إلى الحافة وتشغيل نموذج الحقل. كما يوفر مراقبة من الحافة إلى السحابة وينشئ حلا فعالا من حيث التكلفة باستثمار أولي منخفض في الأجهزة والبرامج الذكاء الاصطناعي.
الاعتبارات
تنفذ هذه الاعتبارات ركائز Azure Well-Architected Framework، وهو عبارة عن مجموعة من المبادئ التوجيهية التي يمكن استخدامها لتحسين جودة حمل العمل. لمزيد من المعلومات، راجع إطار عمل جيد التصميم.
موثوقيه
تضمن الموثوقية أن التطبيق الخاص بك يمكن أن يفي بالالتزامات التي تتعهد بها لعملائك. لمزيد من المعلومات، راجع قائمة اختيار مراجعة التصميم للموثوقية.
استخدم مناطق توفر Azure لخدمات Azure المدعومة لتحسين الموثوقية داخل نفس منطقة Azure.
عند استخدام Azure Blob Storage، تأكد من تكوين تكوينات التكرار وتجاوز الفشل المناسبة لحساب التخزين الخاص بك.
استخدم أنماط مستوى التعليمات البرمجية لمعالجة مشكلات الشبكة العابرة وقدرات استمرار الرسائل للحماية من فشل البرامج والأجهزة العابرة. على سبيل المثال، يمكنك استخدام نمط قاطع الدائرة أو نمط إعادة المحاولة.
الأمان
ويوفر عامل الأمان ضمانات للحماية من الهجمات المتعمدة واستغلال البيانات والأنظمة القيمة الخاصة بك. لمزيد من المعلومات، راجع قائمة اختيار مراجعة التصميم للأمان.
في هذه البنية، يمكنك تطبيق مبادئ الأمان الشائعة التالية:
استخدم معرف Microsoft Entra كأداة أساسية لإدارة الهوية والتحكم في الوصول.
إجراء تمرين شامل لنمذجة المخاطر أثناء مرحلة التخطيط لحلك لتحديد المخاطر الأمنية المحتملة وتصميم استراتيجيات التخفيف. لمزيد من المعلومات، راجع نمذجة مخاطر دورة حياة تطوير الأمان من Microsoft.
استخدم الهويات المدارة حيث يتم دعم وتخزين جميع الأسرار الأخرى في Key Vault. تكوين إعدادات الحذف المبدئي وتمكين التسجيل وتشديد التحكم في الوصول لتحسين أمان Key Vault.
تطبيق مبدأ الامتياز الأقل باستخدام التحكم في الوصول استنادا إلى الدور (RBAC) لتنظيم الوصول والأذونات إلى الموارد. لمزيد من المعلومات، راجع ما هو Azure RBAC؟.
استخدم الشبكات الظاهرية ونقاط النهاية الخاصة لتأمين الخدمات السحابية والاتصالات من السحابة إلى الحافة.
تحسين التكلفة
يركز تحسين التكلفة على البحث عن طرق للحد من النفقات غير الضرورية وتحسين الكفاءة التشغيلية. لمزيد من المعلومات، راجع قائمة اختيار مراجعة التصميم لتحسين التكلفة.
مراجعة وتحسين حجم البيانات المخزنة في Log Analytics بانتظام عن طريق ضبط فترات الاستبقاء ونهج الأرشيف. يمكن أن تقلل هذه الاستراتيجية بشكل كبير من تكاليف التخزين.
استفد من فترة الاستبقاء المجانية التي تبلغ 30 يوما للبيانات التي تم استيعابها. بعد هذه الفترة، ضع في اعتبارك أرشفة البيانات الأقل أهمية في تخزين منخفض التكلفة أو تقليل فترات الاستبقاء لتقليل النفقات المستمرة. لمزيد من المعلومات، راجعAzure Monitor pricing.
تقييم ضرورة واستخدام الموارد التابعة مثل Key Vault وApplication Insights و Container Registry وحسابات التخزين. تحسين تكويناتها لتجنب التكاليف غير الضرورية.
راجع حجم هذه الموارد ونطاقها بانتظام للتأكد من أنها تتطابق مع متطلبات حمل العمل الحالية، ما يقلل من السعة الزائدة التي قد تؤدي إلى ارتفاع التكاليف.
تقدير عدد الرسائل التي يعالجها مثيل IoT Hub يوميا وتحديد الطبقة الأكثر فعالية من حيث التكلفة. لتجنب الإفراط في التزويد، اختر مستوى يتوافق بشكل وثيق مع الاستخدام الفعلي.
تنفيذ استراتيجيات لتقليل عدد الرسائل المرسلة، مثل تجميع حمولات البيانات أو تحسينها، لتقليل التكاليف.
استخدم حاسبة تسعير Azure لمحاكاة سيناريوهات حمل العمل المختلفة، واختر التكوينات الأكثر كفاءة من حيث التكلفة للبنية الخاصة بك. يساعدك هذا النهج على توقع التكاليف وتحديد مجالات الوفورات المحتملة.
أعد النظر في تقديرات التكلفة بشكل دوري، واضبط التكوينات مع تطور أحمال العمل لضمان تحسين التكلفة المستمر. لمزيد من المعلومات، راجع نظرة عامة على أسعار Azure.
التميز التشغيلي
يغطي التميز التشغيلي عمليات التشغيل التي تحافظ على تشغيل التطبيق في الإنتاج. لمزيد من المعلومات، راجع قائمة اختيار مراجعة التصميم للتميز التشغيلي.
إنشاء البنية الأساسية وإدارتها باستخدام البنية الأساسية كأدوات تعليمات برمجية مثل قوالب Bicep أو Terraform أو Azure Resource Manager. تضمن هذه الأدوات التناسق وقابلية التكرار وقابلية التوسع في نشر البنية الأساسية.
دمج ممارسات الأمان في وقت مبكر من دورة حياة التطبيق من خلال تطبيق تدابير أمان DevOps. يقلل هذا النهج من تأثير الثغرات الأمنية ويقرب الاعتبارات الأمنية من فريق التطوير، ما يتيح تطويرا أسرع وأكثر أمانا.
استخدم البنية الأساسية لبرنامج ربط العمليات التجارية Azure لنشر البنية الأساسية الخاصة بك من خلال التكامل المستمر وعمليات التسليم المستمر. يضمن هذا النهج النشر الفعال والآلي والموثوق لمواردك، ما يقلل من مخاطر الأخطاء اليدوية ويزيد من سرعة النشر.
دمج أدوات الكشف عن البيانات السرية في مسارات التكامل المستمر لمنع تثبيت الأسرار في مستودعك. يحمي هذا الإجراء الاستباقي قاعدة التعليمات البرمجية الخاصة بك ويحمي من الاختراقات الأمنية المحتملة.
كفاءة الأداء
كفاءة الأداء هي قدرة حمل عملك على تغيير الحجم لتلبية المطالب التي يضعها المستخدمون عليها بطريقة فعالة. لمزيد من المعلومات، راجع قائمة اختيار مراجعة التصميم لكفاءة الأداء.
اختر مستوى IoT Hub المناسب استنادا إلى حجم الرسائل التي يتبادلها حمل العمل يوميا:
بالنسبة للمشاريع الصغيرة إلى المتوسطة الحجم التي تتبادل ما يصل إلى 5 ملايين رسالة يوميا، حدد المستوى القياسي S2.
بالنسبة للمشاريع واسعة النطاق التي تتطلب دعما لما يصل إلى 300 مليون رسالة يوميا أو ما متوسطه 3400 رسالة في الثانية، اختر المستوى القياسي S3.
لمزيد من المعلومات، راجع تسعير مركز IoT.
استخدم مجموعات الحوسبة، وليس مثيلات الحوسبة، للإنتاج في التعلم الآلي. استخدم مجموعات الحوسبة لتوسيع نطاق الموارد ديناميكيا استجابة لمتطلبات نسبة استخدام الشبكة المختلفة. يضمن هذا النهج الأداء الأمثل وكفاءة التكلفة.
تمكين إعدادات التشخيص التعلم الآلي لمراقبة الخدمات وتوسيع نطاقها وفقا لمتطلبات عملك. مراقبة متوسط استخدام مثيلات الحوسبة أو عقد نظام المجموعة الحسابية بانتظام. مع زيادة عدد التجارب، اضبط عدد عقد مجموعة الحوسبة الخاصة بك لضمان سعة كافية والحفاظ على الأداء.
المساهمون
تحتفظ Microsoft بهذه المقالة. وهي مكتوبة في الأصل من قبل المساهمين التاليين.
الكتاب الرئيسيون:
- نيلام ساكسينا | مدير أول للبرامج التقنية
- سولوغوب | العميل المتوقع الرئيسي لهندسة البرمجيات
- كولن ديزموند | مهندس برامج أول
المساهم:
- يوهانس كوبسير | رئيس مالك المنتج الذكاء الاصطناعي الصناعية
لمشاهدة ملفات تعريف LinkedIn غير العامة، سجل الدخول إلى LinkedIn.
الخطوات التالية
- تنشر Siemens وMicrosoft أمثلة على التعليمات البرمجية للأتمتة لتنفيذ البنية المرجعية المقترحة المستندة إلى السحابة. لمزيد من المعلومات، راجع مستندات الذكاء الاصطناعي الصناعية.
- نظرة عامة على مفاهيم Azure IoT Hub
- بدء استخدام التعلم الآلي
- البرنامج التعليمي: إنشاء سجل حاوية وإنشاء الصور
- مركز وثائق التخزين
- مراقبة موارد Azure باستخدام Azure Monitor
- منزل محفظة سيمنز الصناعية الذكاء الاصطناعي
- العمليات التي تدعم الذكاء الاصطناعي الصناعية
- وثائق Siemens Industrial Edge
- Siemens Industrial الذكاء الاصطناعي reference with Electronic Works Amberg