تحرير

مشاركة عبر

نظام صيانة وسلامة السكك الحديدية IoT Edge

Azure Blob Storage
Azure Cosmos DB
Azure IoT
Azure IoT Edge
Azure IoT Hub

توضح هذه المقالة التعاون بين Microsoft وشركة السكك الحديدية الكبرى لإنشاء حل صيانة وأمان قطارات إنترنت الأشياء (IoT).

بناء الأنظمة

رسم تخطيطي لبنية الحل يوضح وحدات IoT Edge النمطية في طابق التتبع. تستخدم وحدات Edge التعلم الآلي لتحديد مخاطر الفشل. تحمل وحدة معالج التنبيه بيانات الصورة إلى Azure Blob Storage. يحمل Azure Edge Hub بيانات التعريف والرسائل المرتبطة من خلال Azure IoT Hub إلى تخزين Azure Cosmos DB.

قم بتنزيل ملف Visio لهذه البنية.

تدفق البيانات

  1. يخدم خادم ملفات صورة التخزين المتصل بالشبكة (NAS) في طابق متعقب جانب المسار صور عجلة قطار معالجة ومصنفة. ثلاث صور لكل عجلة إنشاء صورة مخيط.
  2. تنبه وحدة استقصاء IoT Edge جهاز IoT Edge بأن الصور الجديدة متاحة للمعالجة.
  3. تقوم وحدة IoT Edge ML بتشغيل نموذج ML تابع لجهة خارجية يعالج الصور ويحدد مناطق العجلة التي تحتاج إلى المزيد من الفحص.
  4. يقوم IoT Edge Alert Handler بتحميل جميع الصور في Azure Blob Storage، بدءاً من الصور التي تحتوي على عيوب محتملة، وإرجاع معرفات URL للكائن الثنائي كبير الحجم للصورة.
  5. تربط الوحدة النمطية IoT Edge Hub معرفات URL للصور ببيانات تعريف الصورة، مثل المعدات أو رقم السيارة والمحور والطوابع الزمنية وموقع الكاشف. تحمل الوحدة بيانات التعريف والتنبيهات إلى Azure IoT Hub.
  6. يرسل IoT Hub بيانات التعريف عبر Event Hubs وAzure Functions إلى قاعدة بيانات Azure Cosmos DB.
  7. تربط قاعدة بيانات Azure Cosmos DB بيانات تعريف الصورة بعناوين URL للصور المخزنة في Azure Blob Storage. يمكن للنظام استخدام البيانات من Azure Cosmos DB للتعرف على العيوب وتحليل الاتجاه والصيانة التنبؤية وإعادة تدريب نموذج التعلم الآلي.

المكونات

ينشر هذا المثال أجهزة Azure IoT Edge في طابقين متعقبين، باستخدام أجهزة من فئة الخادم مع بطاقات أتمتة صناعية مخصصة ووحدات معالجة الرسومات (GPUs) للأداء.

يتكون Azure IoT Edge من ثلاثة مكونات:

  • وحدات IoT Edge هي حاويات يمكنها تشغيل Azure أو مكونات تابعة لجهة خارجية أو مخصصة.

    يمكن أن تدعم وحدات IoT Edge ML التعلم الآلي من Microsoft Azure أو نماذج التعلم الآلي من جهة خارجية أو التعليمات البرمجية المخصصة. يستخدم الحل الحالي نموذج التعلم الآلي مفتوح المصدر لجهة خارجية يسمى Cogniac لتسجيل بيانات عجلة التدريب والتعرف على العيوب المحتملة. يستخدم برنامج التعلم الآلي عينات تاريخية من صور فشل عالية ومنخفضة الثقة لإعادة تدريب نموذج التعلم الآلي الخاص به.

  • يعمل وقت تشغيل IoT Edge، الذي يتكون من IoT Agent و IoT Edge Hub، على أجهزة IoT Edge لإدارة الوحدات النمطية المنشورة وتنسيقها.

  • تتيح الواجهة المستندة إلى السحابة المراقبة والإدارة عن بعد.

يستخدم النظام أيضاً مكونات سحابة Azure التالية:

  • يتيح Azure IoT Hub الاتصال الآمن للسحابة ثنائية الاتجاه وإدارتها ومراقبتها لوحدات IoT Edge النمطية.

  • Azure Blob Storage هو حل تخزين عنصر للسحابة. يتم تحسين تخزين Blob لتخزين كميات هائلة من البيانات غير المنظمة، مثل النص أو البيانات الثنائية.

  • Azure Cosmos DB هي خدمة قاعدة بيانات NoSQL مدارة بالكامل مع أوقات استجابة منخفضة وقابلية وصول عالية وقابلية للتوسع.

البدائل

  • تستخدم بنية IoT Edge وحدات نمطية متعددة، ولكن يمكن تكثيفها في وحدة نمطية واحدة، اعتماداً على متطلبات أداء الحل أو بنية فريق التطوير.

  • تمتلك شركة السكك الحديدية نظام الاستدلال فقط، وتعتمد على مورد تابع لجهة خارجية لإنشاء نموذج التعلم الآلي. تشكل طبيعة الصندوق الأسود لوحدة التعلم الآلي بعض مخاطر التبعية. تتطلب صيانة الحلول طويلة الأجل فهم كيفية تحكم الطرف الثالث للأصول وتقاسمها. قد يكون النظام قادراً على استخدام وحدات التعلم الآلي من العناصر النائبة للمفاوضات المستقبلية عندما لا تتوفر أصول التعلم الآلي.

تفاصيل السيناريو

يتيح Azure IoT Edge معالجة البيانات وتخزينها بالقرب من مصدر البيانات. تتيح معالجة أحمال العمل على الحافة استجابات سريعة ومتسقة مع اعتماد أقل على الاتصال السحابي والموارد.

يعني جعل التعلم الآلي (ML) ومنطق تسلسل العمل أقرب إلى مصادر البيانات أن الأجهزة يمكنها التفاعل بشكل أسرع مع التغييرات المحلية والأحداث الهامة. يمكن أن تعمل الأجهزة بشكل موثوق دون اتصال أو عندما يكون الاتصال محدوداً.

يمكن أن تتضمن حوسبة الحافة الذكاء الاصطناعي (الذكاء الاصطناعي) ونماذج التعلم الآلي لإنشاء أجهزة وشبكات حافة ذكية. يمكن لشبكة فرعية مراقبة تحديد البيانات التي سيتم إرسالها إلى السحابة لمزيد من المعالجة، وتحديد أولويات البيانات العاجلة والمهمة.

أرادت شركة السكك الحديدية استخدام Azure IoT Edge لتحسين السلامة والكفاءة من خلال توفير:

  • التعريف الاستباقي للمكونات المعيبة.
  • الجدولة التنبؤية للصيانة والإصلاح.
  • التحسين المستمر للتحليل والتنبؤات.

المشروع التجريبي لحل IoT Edge هو نظام تحليل صحة عجلة القطار. في هذا النظام، يراقب أكثر من 4000 كاشف تعقب باستمرار بيانات عجلة النقل المستمر من قطارات الشركة. الكاشفات:

  • قياس الحرارة وقوة المعدات على المسارات.
  • استمع إلى عيوب تحمل العجلة غير المرئية أو شقوق العجلة.
  • تحديد الأجزاء المفقودة أو في غير موضعها.

تعالج وحدات Azure IoT Edge النمطية وتعمل على تدفق البيانات المستمرة في الوقت الفعلي تقريباً. تعمل وحدات IoT Edge النمطية على أجهزة فئة الخادم في طابقين متجانبين، مما يسمح بالنشر المتوازي المستقبلي لأحمال العمل الأخرى. الحل المستند إلى IoT Edge:

  • يحدد المعدات المعرضة للخطر.
  • تحديد الحاجة الملحة للإصلاح.
  • إنشاء تنبيهات.
  • إرسال البيانات إلى سحابة Azure للتخزين.

يوفر نظام تحليل صحة العجلة تحديداً مبكراً لحالات الفشل المحتملة في المعدات التي قد تؤدي إلى تعطل التدريب. يمكن للشركة استخدام البيانات المخزنة لتحديد الاتجاهات وإبلاغ جداول الصيانة الإلزامية.

حالات الاستخدام المحتملة

يعد هذا الحل مثالياً للصناعات التحويلية والنقل والاتصالات السلكية واللاسلكية. ويركز على السيناريوهات التالية:

  • شبكة الاتصالات التي يجب أن تحافظ على 99% أو أفضل وقت تشغيل.
  • مراقبة جودة الإنتاج وإصلاح المعدات والصيانة التنبؤية في المصنع.
  • نظام أمان النقل الذي يجب أن يعالج بيانات الدفق في الوقت الحقيقي مع زمن انتقال ضئيل أو معدوم.
  • أنظمة النقل التي تحتاج إلى توفير إعلامات وتنبيهات الجدول الزمني في الوقت المناسب.

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، يرجى مراجعةMicrosoft Azure Well-Architected Framework.

تنطبق العديد من الاعتبارات على هذا المثال.

العمليات

يتطلب الحل المنشور اشتراك Azure مع إذن لإضافة أساسيات الخدمة والقدرة على إنشاء موارد Azure. لمزيد من المعلومات، راجع سجلات الحاويات وكيانات الخدمة.

يقوم سير عمل Azure Pipelines بإنشاء حل IoT Edge واختباره ونشره وأرشفته من خلال مهام Azure IoT Edge المضمنة. تستضيف شركة السكك الحديدية نظام التكامل المستمر/النشر المستمر (CI/CD) محلياً. يوضح الرسم التخطيطي التالي بنية DevOps للنشر:

رسم تخطيطي لبنية DevOps.

  1. في البنية الأساسية لبرنامج ربط العمليات التجارية CI الأولى، يؤدي دفع التعليمات البرمجية إلى مستودع Git إلى تشغيل بناء الوحدة النمطية IoT Edge وتسجيل صورة الوحدة النمطية في Azure Container Registry.

  2. يؤدي إكمال مسار CI إلى تشغيل مسار CD، والذي يُنشئ بيان التوزيع وينشر الوحدة النمطية إلى أجهزة IoT Edge.

يحتوي التوزيع على ثلاث بيئات: Dev و QA و Production. يدعم ترقية الوحدة من Dev إلى QA ومن QA إلى Production عمليات التحقق التلقائية واليدوية المسورة.

يستخدم بناء الحل ونشره أيضاً:

  • Azure CLI
  • Docker CE أو Moby لإنشاء ونشر وحدات الحاوية
  • للتطوير، Visual Studio أو Visual Studio Code باستخدام Docker وAzure IoT وملحقات اللغة ذات الصلة.

الأداء

  • يتطلب النظام 99% من وقت التشغيل وتسليم الرسائل المحلية في غضون 24 ساعة. تحدد جودة الخدمة (QoS) للميل الأخير من الاتصال بين bungalow وAzure QoS للبيانات من الحافة. يتحكم موفرو خدمة الإنترنت المحليون (ISPs) في الميل الأخير من الاتصال، وقد لا يدعمون QoS المطلوبة للإعلامات أو تحميل البيانات المجمعة.

  • لا يتفاعل هذا النظام مع كاميرات العجلة ومخازن البيانات المدعومة، لذلك ليس لديه أي تحكم أو قدرة على رفع التنبيهات على نظام الكاميرا أو فشل خادم الصور.

  • لا يحل هذا الحل محل متطلبات الفحص اليدوي الحالية التي تحددها الشركة والسلطات التنظيمية الفيدرالية.

الأمان

ويوفر عامل الأمان ضمانات للحماية من الهجمات المتعمدة واستغلال البيانات والأنظمة القيمة الخاصة بك. للمزيد من المعلومات، يرجى الرجوع إلى نظرة عامة على ركيزة الأمان.

الأمان والمراقبة هما اعتبارات لأنظمة IoT Edge. لهذا المثال:

  • يغطي حل الشركة الحالي للمؤسسات التابع لجهة خارجية مراقبة النظام.
  • الأمان الفعلي للطابق السفلي على جانب الطريق وأمان الشبكة كان في مكانه بالفعل.
  • تكون الاتصالات من IoT Edge إلى السحابة آمنة بشكل افتراضي.

الخطوات التالية

مشاريع GitHub:

موارد تعلم الحلول: