솔루션 아이디어
이 문서에서는 솔루션 아이디어를 설명합니다. 클라우드 설계자는 이 지침을 사용하여 이 아키텍처의 일반적인 구현을 위한 주요 구성 요소를 시각화할 수 있습니다. 이 문서를 시작점으로 사용하여 워크로드의 특정 요구 사항에 맞는 잘 설계된 솔루션을 디자인할 수 있습니다.
오늘날 대부분의 시설은 탱크 수준의 문제에 반응하여 작동합니다. 이러한 반응성으로 인해 유출, 비상 정지, 값비싼 수정 비용, 규정 문제, 값비싼 수리 및 벌금이 발생하는 경우가 많습니다. 탱크 수준 예측은 이러한 문제 및 기타 문제를 관리하고 완화하는 데 도움이 됩니다.
아키텍처
이 아키텍처의 Visio 파일을 다운로드합니다.
데이터 흐름
- 데이터는 솔루션 흐름의 나머지 부분에 사용될 데이터 요소 또는 이벤트로 Azure Event Hubs 및 Azure Synapse Analytics 서비스에 피드됩니다.
- Azure Stream Analytics는 데이터를 분석하여 이벤트 허브의 입력 스트림에 대한 거의 실시간 분석을 제공하고 시각화를 위해 Power BI에 직접 게시합니다.
- Azure Machine Learning은 수신된 입력에 따라 특정 지역의 탱크 수준을 예측하는 데 사용됩니다.
- Azure Synapse Analytics는 Azure Machine Learning에서 받은 예측 결과를 저장하는 데 사용됩니다. 그런 다음, 이러한 결과는 Power BI 대시보드에서 사용됩니다.
- Azure Data Factory는 시간별 모델 재학습의 오케스트레이션 및 예약을 처리합니다.
- 마지막으로 Power BI는 결과 시각화에 사용되므로 사용자가 시설에서 탱크 수준을 실시간으로 모니터링하고 예측 수준을 사용하여 유출을 방지할 수 있습니다.
구성 요소
- Azure Data Factory
- Azure Event Hubs
- Azure Machine Learning
- Azure Stream Analytics
- Azure Synapse Analytics
- Power BI
시나리오 정보
탱크 수준 예측 프로세스는 웰 입력에서 시작됩니다. 오일은 미터를 통해 시설로 유입되어 탱크로 보내질 때 측정됩니다. 정제 과정 중에 수준이 모니터링되고 탱크에 기록됩니다. 오일, 가스 및 물 출력은 센서, 미터 및 레코드를 통해 기록됩니다. 그런 다음, 시설의 데이터를 사용하여 예측이 수행됩니다. 예를 들어 15분마다 예측을 수행할 수 있습니다.
Azure Cognitive Services는 적응 가능하며 시설 및 기업이 가지고 있는 다양한 요구 사항을 충족하도록 사용자 지정할 수 있습니다.
잠재적인 사용 사례
이 솔루션은 에너지, 자동차 및 항공 우주 산업에 이상적입니다.
예측은 센서, 미터 및 레코드에서 쉽게 사용할 수 있는 실시간 및 과거 데이터의 성능을 활용하여 생성되며, 이는 다음 시나리오에 도움이 됩니다.
- 탱크 유출 및 비상 종료 방지
- 하드웨어 오작동 또는 오류 검색
- 유지 관리, 종료 및 물류 예약
- 운영 및 시설 효율성 최적화
- 파이프라인 누수 및 슬러그 감지
- 비용, 벌금 및 가동 중지 시간 절감
다음 단계
제품 설명서:
- Azure Event Hubs란?
- Azure Synapse Analytics란?
- Azure Stream Analytics 시작
- Azure Machine Learning이란 무엇인가요?
- Azure Data Factory란?
Microsoft Learn 모듈: