Szerkesztés

Megosztás a következőn keresztül:


IoT-hurkok elemzése és optimalizálása

Azure Data Lake
Azure IoT Edge
Azure IoT Hub

Az IoT-elemzési és -optimalizálási ciklus lehetővé teszi az üzleti optimalizálási elemzések létrehozását és alkalmazását egy vagy több szoftver által szabályozott fizikai rendszer üzembe helyezéséhez, a teljes vállalati üzleti környezet alapján. A hurokforrások telemetriai adatainak elemzése és optimalizálása, amely általában a ciklusfolyamatok monitorozásából és kezeléséből származik, finomítja és egyesíti a vállalati adatforrásokkal az elemzések létrehozásához.

Ez a cikk áttekintést nyújt a folyamathurok architektúrájának, jellemzőinek és összetevőinek elemzéséről és optimalizálásáról.

Lehetséges használati esetek

Néhány példaforgatókönyv a ciklusok elemzésére és optimalizálására:

  • Intelligens terek: A campus biztonsági indexének kiszámítása és a megfelelő intézkedések meghozás.
  • Erőátvitel: Korrelálja az áramkimaradás és a futótűz eseménytrendjeit, hogy proaktív átviteli javításokat és a monitorozási eszközök cseréjét eredményezhesse.
  • Olaj- és gáztermelés: Kiszámolja a medence olajtermelési trendjeit, és hasonlítsa össze a telephely teljesítményével.
  • Közlekedés és logisztika: A szénlábnyom trendjeinek kiszámítása, a szervezeti célok összehasonlítása és a korrekciós intézkedések végrehajtása.
  • Szélerőmű: Számítsa ki a szélerőmű teljes műveletének energiatényezőját, és dolgozzon ki eszközöket az egyes szélturbinák hatékonyságának javítására.
  • Diszkrét gyártás: Növelje a widget gyártási arányát sok gyár, hogy megfeleljen a piaci keresletnek.

Architektúra

Az alábbi ábra egy tipikus elemzési és optimalizálási ciklus sémáját, valamint a többi IoT-folyamathurokkal való kapcsolatát mutatja be.

Architektúradiagram, amely a ciklusok elemzését és optimalizálását mutatja be a kontextusban, a ciklusok mérésével, szabályozásával, monitorozásával és kezelésével.

Töltse le az architektúra Visio-fájlját.

Az elemzési és optimalizálési ciklusban a különböző IoT-, vállalati, privát és nyilvános forrásokból származó adatok felhőbeli adattóba kerülnek. Az offline elemzések az adattókkal felderítik a rejtett trendeket és az üzleti optimalizálási megállapításokat. Az offline elemzési folyamatok optimalizálási megállapításai visszafolynak az IoT-telepítésekbe a hurkok monitorozása és kezelése , valamint a mérési és vezérlési hurkok révén.

Jellemzők

  • Az elemzési és optimalizálási ciklus aszinkron módon működik, így nincs szoros időzítési határidő az adatok elemzéséhez vagy az optimalizálási jelek eszközöknek való küldéséhez. Ezek a hurkok a hosszú telemetriai előzményektől és a kötegelt feladatok futtatásához szükséges vállalati működési adatok előzményeitől függnek.
  • A rendszerfüggőségek több rendszert is tartalmaznak az adatok data lake-on keresztüli átviteléhez, amelyek közé tartoznak az IoT-rendszerek és a nagyvállalati rendszerekből származó hírcsatornák. Az optimalizálási hurok elsősorban webszolgáltatási protokollokat használ a felügyeleti rendszerekkel és más vállalati rendszerekkel való integrációhoz.

Összetevők

Az üzleti optimalizálás vezérlésének fontos összetevői a következők:

  • Data Lake, nagy méretű tároló, amely hosszabb időszakokra alacsonyabb használati költségekre van optimalizálva. A HDFS-tárolás a térkép-csökkentési feldolgozással összefüggésben példa egy ilyen adattóra. A Data lake az adatok struktúráját a feldolgozási időnek megfelelően szűri, így strukturált és strukturálatlan adatok tárolására is alkalmas.
  • Az offline elemzésekhez fontos nyers vagy feldolgozott telemetriai adatok, amelyek gyakran több IoT-rendszerből származnak. Az elemzési feladatok tovább finomítják és kombinálják ezeket az adatokat a vállalati és külső adatkészletekkel.
  • Nagyvállalati rendszerek, például termékéletciklus-kezelés, ellátási lánc, pénzügy, értékesítés, gyártás és terjesztés, valamint ügyfélkapcsolat-kezelés által előállított vállalati adatok. A vállalati adatok külső adatkészletekkel, például az időjárással kombinálva kontextusba helyezhetik az IoT-telemetriát az üzleti hatókörben a kompatibilis elemzések létrehozásához.
  • Offline elemzés a big data kötegelt módban történő feldolgozásához. A Spark-feladatok és a Hadoop térkép-csökkentési feldolgozása néhány példa. A hurokfolyamatok monitorozása és kezelése, valamint a ciklusok mérése és szabályozása, majd a hurkok elemzéséből és optimalizálásából származó megállapítások alkalmazása az IoT-eszközökre.

Közreműködők

Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.

Fő szerző:

Következő lépések