أفكار الحل
تصف هذه المقالة فكرة الحل. يمكن لمهندس السحابة الخاص بك استخدام هذه الإرشادات للمساعدة في تصور المكونات الرئيسية لتنفيذ نموذجي لهذه البنية. استخدم هذه المقالة كنقطة بداية لتصميم حل جيد التصميم يتوافق مع المتطلبات المحددة لحمل العمل الخاص بك.
توضح هذه المقالة سيناريو إدارة المستودعات الذي يراقب الظروف البيئية من خلال تكامل بيانات الاستشعار ومجموعات البيانات العامة، التي تتم معالجتها باستخدام التعلم الآلي لإنشاء تنبؤات. ثم يتم استخدام الرؤى لضمان سلامة الأشخاص وتحسين عمليات سلسلة التوريد.
بناء الأنظمة
قم بتنزيل ملف Visio لهذه البنية.
تدفق البيانات
يتم توصيل أجهزة الاستشعار في منشأة المستودع وإرسال البيانات إلى بوابة LoRa (على المدى الطويل).
تدفع بوابة LoRa البيانات إلى السحابة من خلال الاتصال الخلوي.
myDevices عبارة عن حل توصيل وتشغيل قائم على خدمة تأجير البرامج (SaaS). ويستخدم الأجهزة والبوابات التي يتم توفيرها تلقائياً والمرتبطة بالعميل المقابل.
يتم إرسال بيانات الجهاز إلى Azure IoT Central. يستخدم العملاء الحل للتحكم في الأجهزة ومراقبتها.
نمذجة سلسلة التوريد ومرافق المستودعات باستخدام Azure Digital Twins. هذه بيئة تنفيذ مباشرة حيث يمكن للتطبيقات استيعاب البيانات للحصول على رؤية حول حالة سلسلة التوريد. يتكامل Digital Twins أصلاً مع مركز الأحداث من Azure، والذي تتفاعل معه التطبيقات الأخرى لاسترداد البيانات من التوأم الرقمي.
يتم الحصول على البيانات الزمنية والمكانية المطلوبة من قبل نماذج التعلم الآلي من مصادر البيانات الخارجية.
يتم تخزين البيانات الرئيسية في حلول بيانات Azure. يتم استخدام تخزين Blob لبيانات التدريب على التعلم الآلي. يتم استخدام Azure Cosmos DB للبيانات المسجلة ومؤشرات الأداء الرئيسية.
يتم استيعاب بيانات تتبع الاستخدام من IoT Central عبر مركز الأحداث لضمان فصل استيعاب البيانات واستهلاكها. تستخدم Azure Functions لدمج مصادر البيانات الخارجية وبيانات تتبع الاستخدام، ثم تحليل مجموعة البيانات هذه لأي حالات شاذة. تظهر البيانات من خلال Digital Twins.
يقوم Azure Databricks بإجراء تحويلات البيانات المطلوبة لتدريب نماذج التعلم الآلي.
يتم تدريب نماذج التنبؤ بحرائق الغابات باستخدام التعلم الآلي من Azure عن طريق الاستفادة من البيانات القديمة والبيانات في الوقت الحقيقي وبيانات الطقس الدقيقة.
يتم توفير تحديثات التوجيه بواسطة واجهة برمجة تطبيقات توجيه الشاحنات على خرائط Bing.
يمكن للتطبيقات الاستعلام عن Digital Twins مباشرة للحصول على البيانات ذات الصلة من النموذج.
المكونات
يستخدم Azure IoT Central كنظام أساسي مدار بواسطة إنترنت الأشياء. وهو يوفر الأمان وقابلية التوسع والتوافر كجزء من الخدمة بحيث يمكن للعملاء تركيز الجهود على متطلبات العمل. يمكن للمستخدمين التكامل مع مكونات الأعمال مثل Power Apps وPower BI، وإنشاء إعلامات من خلال ميزة تصدير البيانات في IoT Central.
يتم استخدام تخزين Azure لتخزين معلومات الجهاز في السحابة بطريقة آمنة وقابلة للتوسع واقتصادية التكلفة. يتم استخدام البيانات المخزنة لتدريب نماذج التعلم الآلي.
يتم استخدام Azure Cosmos DB لتخزين مؤشرات أداء مفتاح التطبيق (KPIs) ومخرجات النموذج. Azure Cosmos DB هي خدمة قاعدة بيانات NoSQL مدارة بالكامل لتطوير التطبيقات الحديثة. وتوفر عمليات عالية السرعة، ويمكنها بسهولة تمكين الخدمة للتوزيع العالمي.
Azure Databricks عبارة عن نظام أساسي لتحليل البيانات مُحسَّن للنظام الأساسي لخدمات Microsoft Azure السحابية. يتم استخدامه لتحويل البيانات ومعالجتها وجعلها مألوفة بحيث يمكن استهلاكها بشكل صحيح بواسطة مسار التعلم الآلي.
التعلم الآلي من Azure يُستخدم لإنشاء نماذج التنبؤ بحرائق الغابات. وتوفر النماذج معلومات التحليل الذكي اللازمة لتقييم مخاطر حرائق الغابات. مطلوب إدخال من مصادر بيانات متعددة لتدريب النموذج على الدقة. ويمكن أن تتضمن هذه المصادر صور الأقمار الصناعية، والبيانات القديمة، وظروف التربة المحلية وبيانات الطقس. استنادًا إلى منطقة حرائق الغابات المخصصة من النموذج، يمكن لسلسلة التوريد والحلول اللوجستية إعادة توجيه الشاحنات.
لمزيدٍ من المناقشات التفصيلية، راجع البنية المرجعية لـ Azure IoT لفهم خيارات التنفيذ المختلفة المتاحة واستكشافها.
تفاصيل السيناريو
وقد أصبحت المراقبة البيئية نشاطاً هاماً في سلسلة التوريد العالمية. وتوفر إشارات رئيسية تساعد في دفع القرارات في الوقت الحقيقي التي يمكن أن تؤثر على الموردين والخدمات اللوجستية. تعد جودة الهواء ودرجة الحرارة والرياح والرطوبة وثاني أكسيد الكربون (CO2) بعض المؤشرات التي يهتم مشغلو المستودعات بالمراقبة أثناء الكوارث الطبيعية. يمكن أن تتضمن السيناريوهات الأكثر تقدماً دمج البيانات في الوقت الحقيقي والبيانات السابقة من محطات الطقس وأجهزة استشعار جودة الهواء ومصادر أخرى. يمكن بعد ذلك استخدام نماذج التعلم الآلي (ML) للمساعدة في التنبؤ بتأثير هذه الظروف وتأثيرها المحتمل على عمليات سلسلة التوريد.
حالات الاستخدام المحتملة
يعد هذا الحل مثالياً لمجالات البيئة والتصنيع والنقل والزراعة.
- إدارة الأسطول: يمكن استخدام هذا الحل حيث تحتاج المسارات إلى تحسين الأمان بناء على الظروف المتطورة للمناطق المحيطة.
- الزراعة: إن التنبؤ بحرائق الغابات التي ستؤثر على سلامة العمال والماشية أمر بالغ الأهمية. من خلال توفير وقت كافٍ لإخطارات الخطر، يمكن للأشخاص في المنطقة المتضررة الإخلاء إلى بر الأمان. يمكن للمزارع أيضًا تجهيز مناطق الثروة الحيوانية ببوابات آلية يمكن فتحها وفك قفلها في المواقف العصيبة، مما يسمح للحيوانات بالهروب.
التحديات التي تواجهها
وقد حدثت زيادة كبيرة في حرائق الغابات في السنوات الأخيرة، مما يشكل خطراً متزايداً على البشر وعلى سلسلة التوريد العالمية. مع زيادة عدد الأفدنة المحترقة بحلول العام، فإن مرونة سلسلة التوريد في مواجهة تغير المناخ تأتي على رأس اهتمامات العديد من القادة.
وفي الولايات المتحدة، يبلغ المتوسط السنوي للمنطقة المتضررة من حرائق الغابات حوالي 7 ملايين فدان. وهذه المنطقة أكثر من ضعف المتوسط خلال التسعينيات. والحالة أكثر إثارة للقلق في بلدان/مناطق أخرى. على سبيل المثال، في أستراليا هناك شهر إضافي من الصيف مقارنة بما كان عليه قبل 50 عاماً، وقد أدى الجفاف طويل الأجل إلى تفاقم ظروف الحرائق. تسببت حرائق الأدغال الهائلة هناك في أضرار اقتصادية أكبر بعشر مرات تقريباً مما كانت عليه في الولايات المتحدة. يمكن أن تؤثر حرائق الغابات الأسترالية على الإمدادات الغذائية العالمية، بما في ذلك السلع مثل لحوم البقر والحليب والنبيذ والقمح.
وما زالت المخاطر التي تتعرض لها الشركات في جميع أنحاء العالم تزداد كل عام، كما أن مرونة سلسلة التوريد أثناء الكوارث الطبيعية أمر بالغ الأهمية للحفاظ على تدفق السلع على الصعيد العالمي. يمكن أن يساعد دمج التنبؤات والتنبؤات المستندة إلى الطقس في تخطيط سعة سلسلة التوريد المشغلين على ضبط الإنتاج وإدارة جداول الشحن. يمكن لهذا النظام تقليل الاضطرابات والتأثيرات السلبية.
نتائج الأعمال
سيستفيد مشغلو المستودعات ومراكز التوزيع الرئيسية من طريقة تنبؤية لتحديد ما إذا كانت البنية الأساسية اللوجستية الحالية في طريق حريق كبير. ومن شأن وجود نظام للإخطار المبكر أن يوفر مزيداً من الوقت لاتخاذ تدابير وقائية لحماية المرافق والموظفين. كما ستسمح الإخطارات الآلية بالتغييرات والتوقف المؤقت في الأنشطة اللوجستية بإعادة توجيه الشحنات بأقل تدخل بشري.
المتطلبات
- التشغيل التلقائي أمر بالغ الأهمية. لا يمكن افتراض أن المشغلين ومديري المرافق يمكنهم جمع البيانات عبر أنظمة متعددة لاتخاذ القرارات في الوقت المناسب.
- يجب إعلام المستودعات ومرافق التوزيع ومديري العمليات بوسائل متعددة عندما يكون هناك خطر فوري، ما يضمن تلقي المعلومات في الوقت المناسب. تتضمن الأمثلة لوحة معلومات البيانات والبريد الإلكتروني والرسالة النصية.
- يجب الإبلاغ عن التغييرات في البيانات فقط.
- يجب أن يكون تقديم الحل وتوزيعه بسيطاً. يجب تثبيته دون الحاجة إلى فني، باستخدام تقنية التوصيل والتشغيل.
- يجب أن يكون الحل منخفض الصيانة وفعالا من حيث التكلفة.
أنماط لمواجهة التحديات
يوفر الجدول أدناه ملخصاً لحالات الاستخدام الشائعة وحلول إنترنت الأشياء المقابلة. كل حالة استخدام هي مثال على كيفية تطبيق نمط عملية IoT على سيناريوهات العالم الحقيقي.
| حالة الاستخدام | الحلول |
|---|---|
| تقوم بتمكين إعادة توجيه لوجستيات سلسلة التوريد وتخطيط الإنتاج من خلال توقع احتمالية الانقطاع بسبب حرائق الغابات بالقرب من الموقع المتضرر. | من الناحية المثالية، تريد أن تكون قادراً على مراقبة جميع العناصر الرئيسية لسلسلة التوريد بحيث يمكنك تقديم استجابة أكثر شمولاً. يحتوي myDevices على كتالوج من أجهزة التوصيل والتشغيل المعتمدة التي تتصل ببوابة شبكة LoRa. ترسل البوابة البيانات إلى تطبيق السحابة باستخدام الاتصال الخلوي. تعد تقنية LoRa مثالية لأن الإشارة تحتاج إلى اختراق المباني بعمق. يمكن تركيب أجهزة استشعار ثاني أكسيد الكربون ودرجة الحرارة والرطوبة واتجاه الرياح وجودة الهواء في مواقع البناء ذات الصلة، بما في ذلك السقوف ومرافق التخزين. يمكن أيضاً تثبيت أجهزة الاستشعار في شاحنات لتتبع الموقع لتسهيل إعادة التوجيه. |
| تحديد ظروف حرائق الغابات وفهم درجة الخطر على موقع معين. | يمكن أن تساعد نماذج التنبؤ بحرائق الغابات المدربة على البيانات السابقة وظروف الطقس الدقيقة وبيانات الاستشعار المحلية في تقييم مخاطر حرائق الغابات. |
| التنبيهات التلقائية للإخلاء وإعادة توجيه المرفق | بمجرد اكتشاف الظروف غير الآمنة، يمكن تحديث التوأم الرقمي للمرفق لإظهار أنه لم يعد متصلاً بالإنترنت. بمجرد التحديث، يمكن أن تبدأ مراكز التوزيع الأخرى داخل الشبكة في إعادة توجيه نسبة استخدام الشبكة وفقاً لذلك، مما يسمح لمديري المرافق في الموقع ومشغلي المستودعات بالتركيز على سلامة الموظفين. يستخدم هذا السيناريو التعلم الآلي للتنبؤ بمكان انتشار حرائق الغابات، باستخدام مجموعات البيانات العامة في الوقت الحقيقي والسابقة جنباً إلى جنب مع بيانات الطقس الصغيرة للحصول على تنبؤات أكثر دقة. تتعقب أجهزة الاستشعار ظروف حرائق الغابات الحالية، وتحفز أجهزة إنذار المرافق إجلاء الموظفين. |
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.
قابلية التوصيل
تحتاج أجهزة وأدوات استشعار الحل في الموقع إلى إرسال البيانات إلى التطبيقات في السحابة، ولكن قد لا يكون الوصول الموثوق إلى الإنترنت متاحاً لبعض المواقع، كما هو الحال في المناطق الريفية.
يستخدم هذا الحل شبكة LoRa لتوفير اتصال شبكة الجوال. تتمتع LoRa باختراق بناء جيد، ما يجعلها مثالية للتطبيقات المتعلقة بالمستودعات. هذا النهج فعال من حيث التكلفة، ويوفر المرونة للمواقع البعيدة التي تتطلب أجهزة استشعار وأجهزة IoT سهلة الاتصال.
التوصيل والتشغيل
في الإعداد عن بعد، من المهم أن تكون الأجهزة سهلة التوزيع دون الحاجة إلى خبرة متخصصة. يحتوي myDevices على كتالوج واسع من أجهزة وبوابات IoT التي يمكن تطبيقها على سيناريوهات متعددة. إنها معتمدة من جانب التوصيل والتشغيل، لذلك كل ما يحتاجه المستخدم هو وضعها في المكان الصحيح وتشغيلها. مع تكامل IoT Central لديهم، يمكن للعملاء بسهولة تخصيص لوحة المعلومات الخاصة بهم لاستهلاك بيانات أجهزتهم وإنشاء تنبيهات.
المساهمون
تحتفظ Microsoft بهذه المقالة. وهي مكتوبة في الأصل من قبل المساهمين التاليين.
الكاتب الرئيسي:
- أنسلي يو | قائد التكنولوجيا
الخطوات التالية
- إنترنت الأشياء في النقل والخدمات اللوجستية: كيف يمكن استخدام Azure لتحقيق قدر أكبر من الكفاءة والموثوقية لسلسلة القيمة مع خدمات إنترنت الأشياء وذكاء الموقع ذات المستوى العالمي.
- بنية قالب تطبيق الخدمات اللوجستية المتصلة بـ IoT Central: قالب تطبيق وإرشادات لتطوير حلول لوجستية متصلة من طرف إلى طرف.
- واجهة برمجة تطبيقات توجيه الشاحنات على خرائط Bing: أداة توجيه تجارية تحسب المسارات الآمنة والفعالة، وتراعي سمات السيارة فيما يتعلق بأي قيود على المسار.
- Azure Digital Twins - يستخدم العرض التوضيحي لسلسلة التوريد Digital Twins لنمذجة سيناريو سلسلة التوريد.
- توفر myDevices اتصال LoRa والأجهزة التي تمكن من توزيع الحلول بسرعة في المواقع التي يمثل فيها الاتصال تحدياً، وتحتاج إلى تغطية واسعة للشبكة.
- يعمل C.H. Robinson Navisphere مع Microsoft Azure وAzure IoT لتوفير رؤية في الوقت الحقيقي في سلسلة التوريد ولزيادة إمكانية التنبؤ واتخاذ القرارات الاستباقية.
- توفر واجهة برمجة تطبيقات EPA AirNow إمكانية الوصول إلى بيانات جودة الهواء وحرائق الغابات في الوقت الحقيقي من AirNow، وهي خدمة تحتفظ بها وكالة حماية البيئة الأمريكية (EPA) وغيرها من الوكالات الفيدرالية والقبلية والولاية والمحلية.
الموارد ذات الصلة
- التصميم المرجعي لـ Azure IoT
- معالجة بيانات المركبات في الوقت الحقيقي باستخدام إنترنت الأشياء: بنية مرجعية لاستيعاب بيانات المركبات في الوقت الحقيقي للتحليل، بما في ذلك تحسين المسار.
- التكرارات الحلقية لإدارة ومراقبة إنترنت الأشياء هي نمط تصميم يصف نظاماً إشرافياً يراقب باستمرار نظاماً مادياً تتحكم فيه مجموعة من أجهزة IoT المتصلة بالشبكة.
- التكرارات الحلقية لتحسين وتحليل إنترنت الأشياء هي نمط تصميم يتيح إنشاء وتطبيق رؤى تحسين الأعمال على الأنظمة المادية التي يتحكم فيها البرنامج من خلال مصادر بيانات تتبع الاستخدام، وصقله، والجمع بينه ومصادر بيانات المؤسسة لإنشاء نتائج معرفية.
- يصف IoT باستخدام Azure Cosmos DB مثالا على بنية استخدام Azure Cosmos DB لاستيعاب بيانات تتبع الاستخدام للجهاز بمعدلات عالية ويمكن أن يخدم الاستعلامات المفهرسة مرة أخرى مع زمن انتقال منخفض وقابلية وصول عالية.