Ide solusi
Artikel ini menjelaskan ide solusi. Arsitek cloud Anda dapat menggunakan panduan ini untuk membantu memvisualisasikan komponen utama untuk implementasi umum arsitektur ini. Gunakan artikel ini sebagai titik awal untuk merancang solusi yang dirancang dengan baik yang selaras dengan persyaratan spesifik beban kerja Anda.
Solusi ini menjelaskan bagaimana bangunan dan kampus dapat terhubung dengan aman dan andal, dan menskalakan perangkat Internet of Things (IoT) lokal mereka ke cloud.
Sistem
Unduh file Visio arsitektur ini.
Alur kerja
Bangunan rumah sakit menggunakan berbagai perangkat yang terhubung untuk memantau kesehatan pasien dan performa fasilitas.
- Perangkat pelacakan kesehatan meliputi pemantau pasien, pemindai CT, dan pemantau tekanan darah.
- Perangkat keamanan dan kualitas bangunan meliputi sensor kualitas udara dan suhu bangunan.
Perangkat pemantauan kesehatan pasien dan bangunan mengirim data ke perangkat LTE atau Jaringan Akses Radio (RAN) 5G.
Radio 5G atau LTE di rumah sakit meneruskan data ke inti paket 5G atau LTE yang berjalan di server tepi. Server tepi dapat berupa server Azure Stack Edge atau yang didukung Azure Arc.
Di server tepi, runtime IoT Edge dapat memproses data sebelum mengirimkannya ke Azure untuk analisis lebih lanjut.
Di cloud, Azure IoT Hub menyerap data dengan cepat dan aman, dan mengirimkannya ke Azure Machine Learning.
Azure Machine Learning menggabungkan data baru untuk lebih mengoptimalkan model yang mengontrol pengaturan gedung pintar.
Data dari Azure IoT Hub juga diumpan ke Azure Digital Twins, yang menyediakan peta perangkat IoT jaringan rumah sakit sebagai simulasi virtual.
Data juga diumpan ke Azure Time Series Insights, yang dapat menganalisis kesehatan pasien selama periode waktu tertentu, atau kemanjuran pengobatan di beberapa rumah sakit. Time Series Insights juga menawarkan lapisan visualisasi untuk membantu dalam pengambilan keputusan.
Semua data disimpan di Azure Data Lake Storage, yang dapat menyimpan data dengan format dan ukuran apa pun.
Komponen
Solusi ini menggunakan komponen Azure berikut ini:
- Azure Stack Edge adalah portofolio perangkat yang menghadirkan komputasi, penyimpanan, dan kecerdasan ke IoT Edge. Azure Stack Edge berfungsi sebagai gateway penyimpanan cloud yang memungkinkan transfer data ke Azure, sekaligus mempertahankan akses lokal ke file.
- Kubernetes dengan dukungan Azure Arc menghubungkan kluster Kubernetes yang berjalan di dalam atau di luar Azure.
- Azure Sphere adalah solusi keamanan IoT komprehensif yang mencakup komponen perangkat keras, OS, dan cloud untuk keamanan perangkat IoT.
- Azure IoT Edge menyebarkan kecerdasan cloud secara lokal di perangkat IoT.
- Azure IoT Hub adalah layanan terkelola berbasis cloud untuk komunikasi dua arah antara perangkat IoT dan Azure.
- Azure Machine Learning adalah solusi ilmu data terintegrasi bagi para ilmuwan dan pengembang data untuk membangun, melatih, dan menyebarkan model pembelajaran mesin.
- Azure Digital Twins adalah platform IoT yang menciptakan representasi digital dari hal-hal,tempat, proses, dan orang-orang dunia nyata di cloud.
- Azure Time Series Insights adalah platform analitik IoT end-to-end untuk memantau, menganalisis, dan memvisualisasikan data analitik IoT industri dalam skala besar.
- Azure Data Lake Storage adalah data lake yang dapat diskalakan dan aman untuk beban kerja analitik performa tinggi.
Detail skenario
Layanan cloud dapat menyimpan dan menganalisis data IoT untuk mendiagnosis anomali dan mengambil tindakan korektif atau preventif. Layanan Azure dapat menganalisis dan menyimpan data lebih lanjut, dan menggunakan pembelajaran mesin untuk mengoptimalkan pengaturan bangunan.
Kemungkinan kasus penggunaan
Dalam solusi ini, fasilitas kesehatan menggunakan perangkat IoT berkemampuan LTE atau 5G untuk melacak kesehatan pasien dan performa gedung. Perangkat ini menggunakan chip bersertifikat Azure Sphere bawaan untuk mengalirkan data ke server tepi lokal, yang berkomunikasi dengan cloud Azure. Administrator jaringan lokal dapat melihat kesehatan jaringan melalui inti paket di server tepi.
Contoh lain dari pendekatan ini meliputi:
- Pemeliharaan prediktif untuk mesin di kedai kopi.
- Pemantauan keamanan dan kepatuhan untuk suhu makanan dan minuman yang mudah busuk di pabrik pembuatan makanan.
- Mendeteksi titik optimal untuk ekstraksi sumber daya di sektor energi, berdasarkan data yang dikumpulkan oleh kendaraan eksplorasi otonom.
Kontributor
Artikel ini dikelola oleh Microsoft. Ini awalnya ditulis oleh kontributor berikut.
Penulis utama:
- Nikhil Ravi | Pemimpin Manajemen Produksi