Megoldási ötletek
Ez a cikk egy megoldási ötletet ismertet. A felhőmérnök ezen útmutató segítségével megjelenítheti az architektúra tipikus implementációjának fő összetevőit. Ez a cikk kiindulási pontként szolgál egy jól megtervezett megoldás megtervezéséhez, amely megfelel a számítási feladat egyedi követelményeinek.
Ez a megoldás azt ismerteti, hogy az épületek és campusok hogyan csatlakozhatnak biztonságosan és megbízhatóan, és hogyan méretezhetik helyszíni IoT-eszközeiket a felhőbe.
Architektúra
Töltse le az architektúra Visio-fájlját.
Munkafolyamat
A kórházi épületek különböző csatlakoztatott eszközöket használnak a betegek állapotának és a létesítmény teljesítményének monitorozására.
- Az állapotkövető eszközök közé tartoznak a betegmonitorok, a CT-szkennerek és a vérnyomásmérők.
- Az épületbiztonsági és minőségi eszközök közé tartozik a levegőminőség és az épület hőmérséklet-érzékelői.
A betegállapot- és épületmonitorozási eszközök LTE vagy 5G rádióelérési hálózat (RAN) eszközökre küldenek adatokat.
A kórházak 5G- vagy LTE-rádiói továbbítják az adatokat a peremkiszolgálókon futó 5G- vagy LTE-csomagmagoknak. A peremhálózati kiszolgálók lehetnek az Azure Stack Edge vagy bármely Azure Arc-kompatibilis kiszolgáló.
A peremhálózati kiszolgálókon az IoT Edge-futtatókörnyezet elő tudja feldolgozni az adatokat, mielőtt elküldené azOkat az Azure-ba további elemzés céljából.
A felhőben az Azure IoT Hub gyorsan és biztonságosan betölti az adatokat, és elküldi őket az Azure Machine Learningnek.
Az Azure Machine Learning az új adatokat is beépíti az intelligens épületbeállításokat vezérlő modell további optimalizálásához.
Az Azure IoT Hubból származó adatok az Azure Digital Twinsbe is bekerülnek, amely térképet biztosít a kórházak hálózatba csatlakoztatott IoT-eszközeiről virtuális szimulációként.
Az adatok az Azure Time Series Insights szolgáltatásba is betáplálásra kerülnek, amely képes elemezni a betegek állapotát egy adott időszak alatt, vagy a kezelés hatékonyságát több kórházban. A Time Series Insights egy vizualizációs réteget is kínál a döntéshozatalhoz.
Az összes adat az Azure Data Lake Storage-ban van tárolva, amely bármilyen formátumú és méretű adatokat tárolhat.
Összetevők
Ez a megoldás a következő Azure-összetevőket használja:
- Az Azure Stack Edge olyan eszközök portfóliója, amelyek számítási, tárolási és intelligenciát hoznak az IoT Edge-be. Az Azure Stack Edge felhőalapú tárolóátjáróként működik, amely lehetővé teszi az Azure-ba irányuló adatátvitelt, miközben megtartja a fájlokhoz való helyi hozzáférést.
- Az Azure Arc-kompatibilis Kubernetes az Azure-on belül vagy kívül futó Kubernetes-fürtöket köti össze.
- Az Azure Sphere egy átfogó IoT-biztonsági megoldás, amely hardvereket, operációs rendszert és felhőösszetevőket tartalmaz az IoT-eszközök biztonságához.
- Az Azure IoT Edge helyileg telepíti a felhőalapú intelligenciát IoT-eszközökön.
- Az Azure IoT Hub egy felhőalapú felügyelt szolgáltatás, amely kétirányú kommunikációt biztosít az IoT-eszközök és az Azure között.
- Az Azure Machine Learning egy integrált adatelemzési megoldás adattudósok és fejlesztők számára gépi tanulási modellek létrehozásához, betanítása és üzembe helyezéséhez.
- Az Azure Digital Twins egy IoT-platform, amely valós dolgok, helyek, folyamatok és emberek digitális ábrázolását hozza létre a felhőben.
- Az Azure Time Series Insights egy teljes körű IoT-elemzési platform az ipari IoT-elemzési adatok nagy méretekben történő monitorozására, elemzésére és megjelenítésére.
- Az Azure Data Lake Storage egy méretezhető és biztonságos data lake a nagy teljesítményű elemzési számítási feladatokhoz.
Forgatókönyv részletei
A felhőszolgáltatások tárolhatják és elemezhetik az IoT-adatokat az anomáliák diagnosztizálásához, valamint korrekciós vagy megelőző műveletek elvégzéséhez. Az Azure-szolgáltatások tovább elemezhetik és tárolhatják az adatokat, és gépi tanulás használatával optimalizálhatják az épületbeállításokat.
Lehetséges használati esetek
Ebben a megoldásban egy egészségügyi intézmény LTE- vagy 5G-kompatibilis IoT-eszközöket használ a betegek állapotának nyomon követésére és a teljesítményépítésre. Az eszközök beépített Azure Sphere-tanúsítvánnyal rendelkező chipekkel streamelik az adatokat a helyszíni peremhálózati kiszolgálókra, amelyek kommunikálnak az Azure-felhővel. A helyszíni hálózati rendszergazdák a peremhálózati kiszolgálók csomagmagjain keresztül tekinthetik meg a hálózat állapotát.
További példák erre a megközelítésre:
- Prediktív karbantartás egy kávéházban lévő gépekhez.
- Romlandó élelmiszerek és italok hőmérsékletének biztonsági és megfelelőségi monitorozása egy élelmiszergyártó üzemben.
- Az energiaágazatban az erőforrás-kinyerés optimális pontjának észlelése az önvezető felderítő járművek által gyűjtött adatok alapján.
Közreműködők
Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.
Fő szerző:
- Nikhil Ravi | Termelésirányítási vezető